18年前，蘋果iPhone的問世重新定義了智能手機(jī)，將功能機(jī)時代的通訊工具升級為移動互聯(lián)網(wǎng)的核心入口；隨后Siri的登場，讓語音助手成為手機(jī)標(biāo)配，卻始終困在“查天氣、設(shè)鬧鐘”的淺層服務(wù)里。當(dāng)大模型技術(shù)席卷科技圈，手機(jī)行業(yè)迎來了新一輪變革契機(jī)——AI不再是錦上添花的輔助功能，而是要深入系統(tǒng)底層，成為能跨App完成訂票、點(diǎn)餐、處理續(xù)費(fèi)的“全能管家”。

在這場變革中，智譜團(tuán)隊用32個月的深耕，交出了一份顛覆行業(yè)的答卷：將具備完整手機(jī)操作能力的AutoGLM模型全面開源，喊出“每臺手機(jī)都可以成為AI手機(jī)”的口號。這不僅是一次技術(shù)突破，更是對AI手機(jī)生態(tài)格局的重塑，為行業(yè)打破壟斷、共建公共技術(shù)底座提供了關(guān)鍵支點(diǎn)。

一、AutoGLM：讓AI真正“讀懂”并“操控”手機(jī)

2024年11月，技術(shù)圈的一則消息引發(fā)熱議：AI首次獨(dú)立完成了手機(jī)紅包發(fā)送。不同于腳本自動化或API調(diào)用，這個操作由AutoGLM模型獨(dú)立完成——它先“看懂”屏幕界面，再一步步模擬人手點(diǎn)擊流程，實(shí)現(xiàn)了過去被認(rèn)為“不可能穩(wěn)定完成”的任務(wù)，也讓外界真正見識到手機(jī)智能體的實(shí)力。

作為智譜打造的基礎(chǔ)智能體，AutoGLM的核心能力是Phone-Use全鏈路手機(jī)操作，涵蓋點(diǎn)擊、滑動、輸入、截圖理解、流程恢復(fù)、噪聲處理等全維度動作，既能搞定外賣點(diǎn)單這類日常場景，也能完成機(jī)票預(yù)訂等數(shù)十步的復(fù)雜流程。目前，它已適配美團(tuán)、攜程、微信等上百個主流APP，覆蓋50+高頻中文應(yīng)用場景。

支撐這些能力的，是三大核心技術(shù)創(chuàng)新：

其一，雙層行為架構(gòu)解決了“看得懂但點(diǎn)不準(zhǔn)”的行業(yè)痛點(diǎn)。AutoGLM將Agent行為拆分為Planner和Grounder兩層，前者負(fù)責(zé)任務(wù)規(guī)劃，輸出“點(diǎn)擊右下角提交按鈕”這類動作指令，后者專注界面元素識別與坐標(biāo)定位，通過中間接口設(shè)計，讓GPT-4o視覺模式的網(wǎng)頁任務(wù)執(zhí)行成功率從18%提升至36.4%，實(shí)現(xiàn)翻倍增長。

其二，自進(jìn)化強(qiáng)化學(xué)習(xí)框架賦予模型強(qiáng)大的錯誤恢復(fù)能力。通過獎勵模型評估每一步操作的有效性，結(jié)合上千臺虛擬設(shè)備的試錯訓(xùn)練，AutoGLM能在真機(jī)上穩(wěn)健完成長鏈路任務(wù)，即便中途出現(xiàn)偏差也能自主糾錯。

其三，大規(guī)模可控訓(xùn)練環(huán)境筑牢泛化能力根基。依托WebArena真實(shí)網(wǎng)頁環(huán)境、AndroidLab系統(tǒng)級安卓環(huán)境和上千臺云手機(jī)集群，模型積累了海量真實(shí)任務(wù)經(jīng)驗，而非依賴固定規(guī)則，這與谷歌AutoRT等前沿Agent技術(shù)的底層邏輯不謀而合。

值得一提的是，AutoGLM的訓(xùn)練全程在虛擬設(shè)備的安全沙箱內(nèi)進(jìn)行，既能自由試錯，又不會觸碰用戶真實(shí)隱私數(shù)據(jù)，為技術(shù)落地解決了隱私顧慮。

二、開源的格局：從技術(shù)成果到行業(yè)公共底座

當(dāng)AutoGLM的產(chǎn)品能力足以支撐真實(shí)場景、工程積累可寫成厚厚一摞技術(shù)報告時，智譜選擇了一條反常規(guī)的路——將其全面開源，且開放的是“拿來就用”的完整能力包，包括訓(xùn)練好的核心模型、PhoneUse能力框架與工具鏈、Android適配層及示例工程，還有詳盡的上手指南。模型采用MIT許可證開放，代碼則以Apache-2.0許可證托管在GitHub，開發(fā)者可直接下載復(fù)用。

智譜的開源決策，藏著三層行業(yè)格局：

1.打破壟斷，共建AI手機(jī)生態(tài)

在智譜看來，AI手機(jī)是下一代計算入口，其變革絕非一家公司能完成，更不該被少數(shù)廠商壟斷。一旦核心能力被獨(dú)占，開發(fā)者的創(chuàng)新將受制于平臺接口，用戶的手機(jī)也會淪為“別人家的入口”。通過開源，AutoGLM變成了行業(yè)共享的“積木”——廠商可直接嵌入系統(tǒng)，開發(fā)者能拆改重構(gòu)，研究者可基于模塊優(yōu)化算法，真正讓技術(shù)底座回歸公共屬性。

2.守住隱私，破解AI手機(jī)信任難題

AI掌控手機(jī)的便利背后，是隱私泄露的隱憂：微信聊天記錄、支付信息、相冊數(shù)據(jù)等核心隱私，絕不能交給不可控的第三方。AutoGLM的解法是開源+私有化部署，企業(yè)和開發(fā)者可在合規(guī)環(huán)境內(nèi)掌控全部數(shù)據(jù)、日志與權(quán)限，實(shí)現(xiàn)“AI能力免費(fèi)用，隱私數(shù)據(jù)不外流”，為行業(yè)建立信任基石。

3.共享經(jīng)驗，降低行業(yè)研發(fā)門檻

AutoGLM的研發(fā)之路布滿荊棘，團(tuán)隊啃過無數(shù)技術(shù)難題、重寫過數(shù)次框架。開源的初衷，正是“讓自己吃過的苦，別人別再吃”。智譜希望將自身積累轉(zhuǎn)化為行業(yè)起跑線，未來既能看到基于AutoGLM的AI原生手機(jī)，也能涌現(xiàn)出新的技術(shù)論文和小眾場景應(yīng)用，形成技術(shù)與商業(yè)的雙向繁榮。

三、AI手機(jī)的賽道之爭：技術(shù)路線分野與生態(tài)博弈

AutoGLM的開源，恰逢AI手機(jī)市場爆發(fā)的前夜。據(jù)IDC預(yù)測，2026年中國新一代AI手機(jī)出貨量將達(dá)1.47億臺，占整體市場的53%；賽迪顧問則預(yù)計2027年這一數(shù)據(jù)將升至1.86億部，占比56.1%，端側(cè)AI與硬件創(chuàng)新將成為核心驅(qū)動力。

但當(dāng)前AI手機(jī)的體驗仍處“宣傳大于實(shí)際”的早期階段。21財經(jīng)的測評顯示，多數(shù)機(jī)型在跨應(yīng)用訂咖啡等場景中易中途卡頓，即便表現(xiàn)較好的榮耀YOYO，也離“全自動化”有明顯差距。這背后，是行業(yè)兩條技術(shù)路線的分野：

意圖框架路線：走App官方授權(quán)通道，Agent可直接調(diào)用應(yīng)用功能，優(yōu)勢是穩(wěn)定性強(qiáng)，缺點(diǎn)是依賴廠商開放接口，適配范圍受限；

GUIAgent視覺路線：無需授權(quán)，靠讀屏和模擬操作完成任務(wù)，像“站在用戶身邊學(xué)操作”，AutoGLM和字節(jié)豆包手機(jī)助手均屬此類，優(yōu)勢是適配性廣，難點(diǎn)是界面識別與操作精準(zhǔn)度要求高。

字節(jié)的豆包手機(jī)是GUI路線的典型探索。這款由中興代工、首批僅3萬臺的內(nèi)測機(jī)型，因需求旺盛被炒至8000元，其核心團(tuán)隊整合了PICO、錘子等硬件力量，目標(biāo)是打造“大模型+超級App+硬件”的新形態(tài)。字節(jié)曾想向手機(jī)廠商輸出豆包大模型，卻因廠商忌憚失去主導(dǎo)權(quán)而碰壁，最終選擇親自下場，且已啟動第二代產(chǎn)品研發(fā)。

高盛的報告點(diǎn)出了行業(yè)痛點(diǎn)：第三方AI落地手機(jī)面臨權(quán)限、數(shù)據(jù)、應(yīng)用配合三重壁壘。這也讓手機(jī)廠商更傾向與可控性強(qiáng)的大模型公司合作——OPPO牽手階躍星辰，榮耀、三星則選擇了智譜。智譜的角色也因此愈發(fā)清晰：它不做手機(jī)廠商的競爭對手，而是以開源的底層能力，成為AI手機(jī)生態(tài)的“關(guān)鍵拼圖”，幫廠商把智能體從概念轉(zhuǎn)化為用戶可感知的實(shí)用體驗。

結(jié)語：AI手機(jī)的未來，在共建而非獨(dú)攬

從Siri的淺層交互到AutoGLM的深度操作，AI手機(jī)的進(jìn)化路徑已清晰可見。智譜的開源決策，打破了技術(shù)壟斷的可能性，為行業(yè)提供了低成本、高可用的公共底座；而字節(jié)、榮耀等玩家的布局，則讓AI手機(jī)的生態(tài)博弈更趨多元。

下一代手機(jī)的入口之爭才剛剛開始，最終決定格局的，從來不是某一家的技術(shù)霸權(quán)，而是能否讓智能體真正落地、跑穩(wěn)、跑廣。當(dāng)AutoGLM的“積木”被行業(yè)各方靈活運(yùn)用，當(dāng)隱私與體驗的平衡被持續(xù)優(yōu)化，“每臺手機(jī)都成為AI手機(jī)”的愿景，終將從技術(shù)藍(lán)圖變?yōu)橛脩羰种械娜粘！?/p>