沒(méi)想到在華為 Mate 80 系列、三星首款三折疊接連發(fā)布的一周里，最火的會(huì)是搭載豆包手機(jī)助手技術(shù)預(yù)覽版的中興 nubia M153。

發(fā)售即售罄就不說(shuō)了，首批工程機(jī)在二手平臺(tái)上普遍加價(jià)數(shù)百元轉(zhuǎn)賣。相比官方 3499 元的定價(jià)，市場(chǎng)需求確實(shí)旺盛。

盡管豆包手機(jī)助手官方多次強(qiáng)調(diào)，目前的技術(shù)預(yù)覽版并不面向普通的消費(fèi)者。其定位更像是一個(gè)技術(shù)展示和生態(tài)探索的實(shí)驗(yàn)田，吸引開發(fā)者和技術(shù)發(fā)燒友參與體驗(yàn)。

但這根本擋不住大眾體驗(yàn)的熱情。除了點(diǎn)外賣發(fā)帖子這些基操，還有網(wǎng)友用它 10 分鐘投了 30 份簡(jiǎn)歷。

不過(guò)爭(zhēng)議也隨之而來(lái)，微信、淘寶等一眾 App，開始通過(guò)「環(huán)境異常檢測(cè)」等門檻把豆包手機(jī)助手?jǐn)r在門外。

官方目前也調(diào)整部分 AI 操作手機(jī)的能力，官方表示希望「推動(dòng)形成更清晰、可預(yù)期的規(guī)則」，避免一刀切否定用戶合理使用 AI 的權(quán)利。

羅永浩則發(fā)文力挺，稱這是誰(shuí)都攔不住的技術(shù)革命，將來(lái)人們會(huì)記住這歷史性的一天。榮耀表態(tài)歡迎，而魅族廠商則表示期待深入合作，打造更繁榮的生態(tài)。

而在國(guó)內(nèi)出圈后，豆包手機(jī)助手甚至火到了海外，在 X 平臺(tái)上，一堆老外都在瘋狂討論這事，甚至有人直接給它冠上了「另一個(gè) DeepSeek 時(shí)刻」的稱號(hào)。

海外網(wǎng)友：第一款真正意義上的智能手機(jī)

這評(píng)價(jià)，可不是隨便給的。

雪牛資本（Snow Bull Capital）CEO 泰勒·奧根（Taylor Ogan）直接在平臺(tái)上發(fā)了一長(zhǎng)串體驗(yàn)報(bào)告，興奮勁兒都快從屏幕里溢出來(lái)了。

他的評(píng)價(jià)很直白：這是全球第一款真正意義上的智能手機(jī)。

在豆包手機(jī)助手的協(xié)助下，AI 能完全控制手機(jī)——能「看懂」界面、自己選應(yīng)用或下載 App、點(diǎn)擊按鈕、輸入文字、撥打電話，甚至還能執(zhí)行一整串多步驟任務(wù)鏈。

拿到手機(jī)后，他整了不少花活兒。比如隨手拍張蔚來(lái)?yè)Q電站問(wèn)「這是啥」，AI 秒答。

拍個(gè)酒店門口，豆包不僅能識(shí)別出是哪家酒店，還能根據(jù) Ogan 的需求預(yù)定房間，并查詢寵物政策。

打輛無(wú)人駕駛出租車去公園，豆包能夠規(guī)劃好路線，用最近的上車點(diǎn)完成預(yù)約。Ogan 全程只需要用語(yǔ)言表達(dá)意圖，其它都交給豆包。

用它下單兩杯飲料后，外賣無(wú)人機(jī)很快就把訂單飛送到附近儲(chǔ)物柜。

走在街上， Ogan 拍了家新開的店，問(wèn)它是不是本地的品牌，豆包也能查詢工商和商標(biāo)信息，然后果斷回答：「是的」。

全程 AI 自己干活，人就負(fù)責(zé)躺平。

一頓絲滑操作下來(lái)，海外網(wǎng)友們大為震驚。

隨便翻翻評(píng)論區(qū)，清一色的點(diǎn)贊聲。有網(wǎng)友感慨：「此刻，操作系統(tǒng)變成了管家，手機(jī)變成了執(zhí)行者，而不再只是工具?！褂芯W(wǎng)友猝不及防地表白：「我本來(lái)就喜歡豆包，現(xiàn)在更愛它了?！?/p>

還有網(wǎng)友直接化身「哇塞哥」：

這是下一級(jí)別的東西。我在企業(yè)級(jí)見過(guò)類似的東西，Agent 控制你的 PC 并執(zhí)行任務(wù)，但在手機(jī)上有這種技術(shù)真的很有意思。想象一下，當(dāng)谷歌開始在 Pixel 設(shè)備和幾乎所有 Android 手機(jī)上這樣做時(shí)會(huì)發(fā)生什么......

Pixel 內(nèi)心 belike，不對(duì)勁，怎么感覺(jué)有人在點(diǎn)我？

當(dāng)然，質(zhì)疑聲也有。有人問(wèn)：「但它真的智能嗎？這模型能在設(shè)備上本地運(yùn)行嗎?」Taylor Ogan 的回應(yīng)是：「它太智能了。你可以選擇在設(shè)備端運(yùn)行或云端運(yùn)行?！?/p>

在 Reddit 平臺(tái)上，討論同樣火熱。

有網(wǎng)友表示：「只要這些功能是設(shè)備本地的（不使用云服務(wù)），并且使用是可選的，我就支持這個(gè)?！惯€有網(wǎng)友一針見血地點(diǎn)出了 AI 的真正意義：「這就是 AI 應(yīng)該做的事情，為個(gè)人節(jié)省時(shí)間，而不是試圖消除個(gè)人的價(jià)值?！?/p>

有一說(shuō)一，在豆包手機(jī)助手發(fā)布之后，網(wǎng)友分享在 X 平臺(tái)上的玩法，也是一個(gè)比一個(gè)「邪修」。有用豆包點(diǎn)咖啡，也有讓豆包 AI 操作安卓機(jī)，模擬人手滑頁(yè)面，主打一個(gè)全流程自動(dòng)化。

還有網(wǎng)友用豆包手機(jī)助手下單買了個(gè)椰子，由于沒(méi)夠起送價(jià)，豆包貼心地幫博主選了一個(gè) 1.99 元的一包食用鹽來(lái)湊單。

APPSO 在之前對(duì)豆包手機(jī)助手的體驗(yàn)提到，我最直觀的感受是，手機(jī)變「薄」了，它把各個(gè) App 的能力都「拍扁」了，交互更加自然、直觀和高效。

問(wèn)題來(lái)了，這是怎么做到的？這和「phone use」智能體又有什么不同？

在用了一周豆包手機(jī)助手后，APPSO 也扒出了背后更多的技術(shù)細(xì)節(jié)。

我扒出了豆包手機(jī)助手操作手機(jī)的秘密

在豆包手機(jī)助手發(fā)布之前，手機(jī)行業(yè)其實(shí)已經(jīng)折騰 AI+ 好一陣子了。

手機(jī)硬件廠商試圖通過(guò)系統(tǒng)層級(jí)的 AI 能力，打破應(yīng)用間的壁壘，實(shí)現(xiàn)「一句話辦事」。比如華為、小米、vivo、榮耀等主流手機(jī)廠商的 AI 智能體，都曾在不同場(chǎng)合展示過(guò)自動(dòng)發(fā)送消息、執(zhí)行多步驟任務(wù)等功能。

這些演示雖然在具體場(chǎng)景和實(shí)現(xiàn)方式上略有不同，但核心邏輯都是一致的：通過(guò) AI 大模型理解用戶意圖，并結(jié)合模擬用戶操作，從而實(shí)現(xiàn)跨應(yīng)用的自動(dòng)化任務(wù)執(zhí)行。

聽著挺玄乎，但實(shí)際體驗(yàn)嘛……咳咳，還是有不小的提升空間。

而豆包手機(jī)助手的下場(chǎng)，進(jìn)一步掀起了全網(wǎng)的討論。更重要的是，根據(jù)我之前的體驗(yàn)，豆包手機(jī)助手的確是真正意義上把 AI 操作手機(jī)這件事做到了可用級(jí)別，不局限于幾個(gè)場(chǎng)景，而是能夠流暢自然地通過(guò)圖形界面操作完成長(zhǎng)任務(wù)、復(fù)雜任務(wù)。

APPSO 在知名預(yù)印本平臺(tái) ArXiv 發(fā)現(xiàn)了一篇由字節(jié)團(tuán)隊(duì)發(fā)布的技術(shù)報(bào)告，里面的信息或許能解釋其中的關(guān)鍵原理。

附上地址：https://arxiv.org/abs/2509.02544

豆包手機(jī)助手的圖形界面操作能力，來(lái)自字節(jié)跳動(dòng) Seed 團(tuán)隊(duì)開發(fā)的 UI-TARS 模型。它把屏幕視覺(jué)理解、邏輯推理、界面元素定位和操作整合在一起，其開源版本是目前最受歡迎的開源多模態(tài)智能體模型。

根據(jù) UI-TARS 2.0 技術(shù)報(bào)告，這個(gè)模型的厲害之處在于，它不是簡(jiǎn)單的模塊化拼湊，而是采用了端到端的學(xué)習(xí)方式，將感知、推理、行動(dòng)和記憶整合在一起。

數(shù)據(jù)不會(huì)騙人，在 GUI 基準(zhǔn)測(cè)試中，UI-TARS-2 的成績(jī)相當(dāng)能打：

• Online-Mind2Web 得分 88.2，
• OSWorld 得分 47.5，
• WindowsAgentArena 得分 50.6，
• AndroidWorld 得分 73.3

這些成績(jī)不僅明顯優(yōu)于前一代模型，還在多個(gè)場(chǎng)景中超越了 Claude 和 OpenAI 等強(qiáng)勁基線模型。其中 AndroidWorld 的 73.3 分更是比 OpenAI CUA-o3 模型高出 20 多分，展現(xiàn)出強(qiáng)大的競(jìng)爭(zhēng)力。

在游戲環(huán)境中，UI-TARS-2 在 15 款游戲組成的測(cè)試集中取得了平均標(biāo)準(zhǔn)化得分 59.8，約為人類水平的 60%。相比 OpenAI CUA 和 Claude Computer Use，UI-TARS-2 的表現(xiàn)分別提升了 2.4 倍和 2.8 倍。

這是什么概念？就是 AI 打游戲已經(jīng)快接近普通人類玩家水平了。

在 LMGame-Bench 中，它依然能與當(dāng)前最前沿的閉源模型掰手腕，進(jìn)一步證明其在長(zhǎng)時(shí)序游戲推理中的穩(wěn)健性。

更厲害的是，UI-TARS-2 不僅能處理 GUI 任務(wù)，還能通過(guò) GUI-SDK 擴(kuò)展能力，與系統(tǒng)級(jí)資源（如終端和外部工具）集成。在信息檢索任務(wù)（BrowseComp 29.6 分）、軟件工程任務(wù)（Terminal Bench 45.3 分、SWE-Bench Verified 68.7 分）上都有競(jìng)爭(zhēng)力。

一個(gè)模型走天下，這就是通用性的體現(xiàn)。

值得一提的是，通過(guò)接近豆包團(tuán)隊(duì)的人士透露，豆包手機(jī)助手用的 UI-TARS 是私有模型版本，性能比開源版更強(qiáng)，還針對(duì)手機(jī)場(chǎng)景做了專門優(yōu)化。這或許也解釋了為啥豆包手機(jī)助手實(shí)際體驗(yàn)這么絲滑。

豆包手機(jī)助手，確實(shí)有點(diǎn)技能在身上的。

寫在最后：科技產(chǎn)品的「異類」可以多一些

作為一個(gè)長(zhǎng)期關(guān)注科技產(chǎn)品的編輯，今年令我十分感慨，在這個(gè)恨不得把「萬(wàn)物皆塞入手機(jī)」的行業(yè)，卻出現(xiàn)兩個(gè)異類，分別在設(shè)計(jì)與交互的維度上，走向了極致。

一個(gè)是 iPhone Air，當(dāng) Pro 系列不可避免地走向堆料的終局，這種對(duì)輕薄的偏執(zhí)，在參數(shù)黨眼中或許別無(wú)他用，甚至讓人一時(shí)分不清這是倒退還是進(jìn)化，直到你把它握在手里，原來(lái)，輕盈本身就是一種功能。

而豆包手機(jī)助手則站到了交互界面的另一個(gè)極端，它不要你去找服務(wù)，而是讓服務(wù)來(lái)找你。甚至要掀了 GUI （圖形用戶界面）的桌子，有一天那塊屏幕可能都不是必需的。

一個(gè)是硬件，一個(gè)是軟件，但它們殊途同歸。iPhone Air 削減了物理上的累贅，豆包手機(jī)助手剝離了交互上的繁瑣。

你會(huì)發(fā)現(xiàn)，當(dāng) AI 公司參與到硬件的設(shè)計(jì)中，他們對(duì)交互設(shè)計(jì)的思路都和傳統(tǒng)硬件廠商有所不同。

OpenAI 也正在和前蘋果傳奇設(shè)計(jì)師 Jony Ive 打造 AI 硬件，Sam Altman 就曾透露這塊設(shè)備希望重新定義交互：不需要一堆 app，而是 AI 作為主界面與操作層。

當(dāng)然，歷史告訴我們這類新技術(shù)落地必然面臨陣痛：適配、隱私、生態(tài)……還有各方利益的博弈。先進(jìn)技術(shù)和廣泛應(yīng)用的「雙向奔赴」尚需時(shí)日，但也是大勢(shì)所趨。

OpenAI 聯(lián)創(chuàng) Andrej Karpathy 前段時(shí)間也表達(dá)了自己對(duì)交互未來(lái)的預(yù)判：

人機(jī)深度協(xié)作的時(shí)代，那些用戶界面（UI）極其復(fù)雜（有大量滑塊、開關(guān)、菜單）、不支持腳本、并且建立在不透明的、自定義的二進(jìn)制格式上的產(chǎn)品，注定是死路一條（ngmi）。 未來(lái)，AI 在理解和操作人類圖形界面（UI/UX）方面會(huì)越來(lái)越強(qiáng)（比如像 Operator 這樣的前沿項(xiàng)目），但我懷疑，那些只想坐等這一未來(lái)實(shí)現(xiàn)，而不主動(dòng)與當(dāng)前技術(shù)發(fā)展水平「雙向奔赴」、做出改變的產(chǎn)品，它們的下場(chǎng)不會(huì)太好。

敢于吃螃蟹這件事本身，就已經(jīng)算是值得瑞思拜了，我們也希望看到更多「異類」出現(xiàn)在科技行業(yè)。