定焦One（dingjiaoone）原創(chuàng)

作者 | 王璐

編輯 | 魏佳

短短十來天，一臺僅僅停留在“技術預覽版”的豆包手機，攪動了整個AI手機賽道。

在首批工程機上線即被搶空、帶動中興股價漲停之后，這款手機又因“AI外掛”爭議、被多個超級APP限制登錄、高管連續(xù)發(fā)聲等事件數(shù)度反轉(zhuǎn)，迅速成為行業(yè)焦點。

嚴格來說，它并非一款正式意義上的“豆包手機”，更準確的說法是豆包與中興旗下努比亞聯(lián)合開發(fā)的AI手機“努比亞M153技術預覽版工程機”，豆包手機助手作為工具被深度嵌入到操作系統(tǒng)中。也正是因為這種深度接入方式，既讓它在真實應用場景中展現(xiàn)出超越傳統(tǒng)語音助手的連續(xù)操作能力，也引爆了后續(xù)的一系列爭議。

與爭議并行的是它在二手市場的價格不斷攀升，原價3499元一臺的手機一度被炒到3.6萬元，顯示出市場在質(zhì)疑與興奮之間的撕裂情緒。

它的確功能強大，可以替網(wǎng)友在B站答題、在多鄰國打卡以及跨平臺比價下單，被網(wǎng)友稱贊“像人一樣玩手機”。羅永浩評價豆包手機具有開創(chuàng)性意義，周鴻祎預言將沖垮互聯(lián)網(wǎng)大廠護城河。但它問題也不少，頻繁“死機”、任務中斷以及隱私擔憂等吐槽，讓大量用戶保持觀望。

事實上，大眾對于豆包手機的關注已經(jīng)遠超產(chǎn)品本身，它背后是兩條AI手機路線的正面碰撞：一條由傳統(tǒng)手機廠商為代表，以“軟硬一體”為特點的漸進式AI升級；另一條則是由大模型公司主導，通過系統(tǒng)級AI Agent重構移動操作系統(tǒng)的跳躍式路徑。豆包手機屬于后者，它撕開了行業(yè)潛在矛盾，試圖打破傳統(tǒng)APP封閉邊界，觸及互聯(lián)網(wǎng)平臺風控邏輯，也對主流手機廠商的生態(tài)優(yōu)勢構成壓力。

爭議還在繼續(xù)，豆包手機會是曇花一現(xiàn)，還是推動整個AI手機加速重構？在新一輪競爭中，誰最有希望勝出？

手機廠商沒做出來的AI手機，豆包做出來了

“AI手機”的概念最早被大規(guī)模提及是在2023下半年，三星、谷歌、OPPO、vivo、小米、榮耀等主流手機廠商幾乎都在強調(diào)“接入大模型”“系統(tǒng)升級為AI OS”，仿佛不提AI就落伍了。

這些AI手機主要包含實時通話翻譯、生成會議紀要、AI修圖等基礎AI功能，以及一些有限的跨應用操作，比如完成點單任務、智能整理文件等。但在熱鬧背后，更像是給一些舊功能貼上新標簽，一度被評價為“概念有余、創(chuàng)新不足”。

豆包手機更加激進，它的跨應用操作不局限于點單，還支持線上購物、訂票、學習軟件打卡等眾多場景，并且它能在操作過程中自主處理彈窗、跳過廣告、規(guī)避支付陷阱。這種連續(xù)自主行為的復雜度高于行業(yè)現(xiàn)有能力。

不同AI手機在智能化程度上的差異，主要源于其技術技術路線的不同。Agent領域從業(yè)者宵逝向「定焦One」介紹，當前AI手機的實現(xiàn)路線主要分兩種。

在2025年前，行業(yè)普遍采用的是傳統(tǒng)方案，即手機廠商與APP開發(fā)者通過SDK接口（軟件開發(fā)工具包）對接，讓AI助手借助開放接口執(zhí)行任務。但該方案高度依賴APP開放接口，一旦接口變更或未開放，AI將無法執(zhí)行相應指令。早期語音助手如Siri、小愛同學均屬此類。

第二條路線是今年以來各大廠商采用的主要方案，基于GUI Agent（圖形用戶界面智能體），由大模型直接識別屏幕內(nèi)容、理解界面結構并模擬人類手勢進行點擊、滑動和輸入。也就是說，大模型不再需要“調(diào)用SDK接口”，而是轉(zhuǎn)為“直接識別屏幕并操作”，像用戶一樣操作手機。但這類方案通常需要獲取手機系統(tǒng)級權限，典型代表是豆包手機。

豆包手機在自主操作背單詞工具（視頻為5倍速） 受訪者提供

需要強調(diào)的是，GUI Agent并非全新技術，部分AI手機早已使用。比如榮耀MagicOS 9.0的YOYO智能體，通過此路線便可自主完成從打開外賣APP到結算的買咖啡流程。

因此，有從業(yè)者認為，豆包手機的技術并未實現(xiàn)突破性創(chuàng)新。網(wǎng)絡安全專家曲子龍向「定焦One」指出，豆包手機的技術原理并不復雜，是基于視覺語言模型的方案，通過讀取屏幕的權限，利用視覺語言模型識別屏幕內(nèi)容，再進行指令操作。該方案在行業(yè)中已有實踐。

不過，盡管技術路徑相似，豆包手機在通用任務能力上表現(xiàn)更為突出，顯示出一定技術實力。

宵逝在使用豆包手機的過程中發(fā)現(xiàn)，它能主動進行信息檢索與召回、調(diào)用在訓練階段從未見過的的陌生APP，這是其他AI手機難以做到的。

比如，在面對“會議延遲是否影響接孩子”的復雜任務時，豆包可定位公司與學校位置，通過地圖類應用查詢路程時間，從而給出判斷，在這一過程中，用戶并沒有指定APP，但豆包能自主分析并規(guī)劃用何種APP操作任務。

相比之下，多數(shù)AI手機仍局限于預設場景。以榮耀YOYO為例，它可以完成點咖啡，但面對陌生任務時，會提示無法執(zhí)行。

簡而言之，豆包手機試圖構建一個不依賴預設場景的通用智能體，其能力不僅限于執(zhí)行固定流程的任務（比如代點咖啡），還可應對開放目標（比如規(guī)劃一次預算內(nèi)的旅行），這要求它能自主進入不同APP進行瀏覽、比價與決策。而當前大多數(shù)手機廠商的AI功能仍圍繞有限場景的自動化展開。

因此，盡管同樣基于GUI Agent路線，豆包手機在對面對復雜、開放任務的理解與執(zhí)行能力時，更接近“真正的智能”，這正是它引發(fā)行業(yè)震動的根本原因。

大廠“封殺”，AI手機的仗要打起來了

豆包手機的路線展示了技術的可能性，也讓沖突走到臺前。它的“跨應用連續(xù)操作”能力，本質(zhì)上是在突破現(xiàn)有移動生態(tài)的隱性邊界，于是很快撞上了互聯(lián)網(wǎng)巨頭的防線。如今，微信、支付寶、淘寶等APP均對其自動化操作采取了技術性“封堵”，有的可登錄但不可通過AI操作，有的直接限制登錄。

沖突的核心在于，雙方對操作權限的判定標準存在差異。

站在APP端的立場，其風控機制會持續(xù)監(jiān)測用戶行為特征，一旦察覺非人為操作，便會啟動禁止登錄的保護機制。微信本次限制豆包AI操作，正是出于這一原因。

曲子龍表示，豆包手機助手調(diào)用微信執(zhí)行任務時，利用的INJECT_EVENTS權限（Android上允許應用向系統(tǒng)模擬用戶輸入事件的權限），被微信識別到這是一個模擬用戶輸入的事件，懷疑這不是一個正常操作。檢測到異常后，微信將賬號的登錄狀態(tài)回收，讓用戶重新登錄。

他表示，在剛買來的努比亞M153上登錄微信，本身就是在“非常用設備”下進行敏感操作。微信根據(jù)賬號信譽值以及敏感操作的風險值判斷，無論是注銷登錄狀態(tài)亦或者凍結賬戶，都是一個很正常的風控手段。

但事件的另一方，抖音高管曾公開解釋，此類操作本質(zhì)上是設備持有者授權AI助手代為執(zhí)行任務，而非外部攻擊。

雙方的界定差異，正是此次爭議的根源。換言之，現(xiàn)有的APP應用強調(diào)“真人操作”，而系統(tǒng)級AI助手強調(diào)“用戶授權下的人機協(xié)同”。這種分歧不僅是一個技術判定問題，還可能帶來深遠影響。它將決定著未來AI手機能否真正具備“系統(tǒng)級智能”，還是會被迫退回到輕量工具。

對于所有試圖重新定義AI手機操作系統(tǒng)的玩家而言，這是第一道難題。除權限沖突之外，基于GUI Agent的技術路徑，用戶體驗層也面臨三項核心挑戰(zhàn)：隱私安全、結果“幻覺”與執(zhí)行效率。

首先，隱私安全是用戶最關心的問題。核心疑慮在于，豆包手機在處理任務時，手機屏幕上的用戶信息是否被持續(xù)上傳至云端？是否存在泄露風險？

圖源 / 豆包AI官方微博截圖

宵逝指出，AI手機在執(zhí)行任務時，通常需將當前頁面狀態(tài)等必要信息上傳至云端進行推理，但一般不會全程、全量上傳屏幕數(shù)據(jù)。主要原因在于全部上傳成本太高，大模型的上下文長度與云端計算開銷限制了全程錄屏分析的模式。

對于是否會“24小時窺屏”，宵逝通過手機功耗表現(xiàn)進行了側(cè)面驗證。

“如果視覺語言模型持續(xù)進行全屏分析，手機將迅速發(fā)燙、耗電劇增?！钡谑褂眠^程中發(fā)現(xiàn)，實際情況并非如此，“在執(zhí)行任務時，豆包手機會發(fā)熱，但待機狀態(tài)時基本正常?！币虼怂鼉A向于“按需觸發(fā)”，并對特定界面（如懸浮窗）設有訪問過濾。

至于當豆包手機遭受外部攻擊時，用戶是否會面臨賬號盜用風險，宵逝覺得無需過度緊張。

“AI的每次操作實質(zhì)是工具調(diào)用，開發(fā)者通常會在工具層設置風控，保證安全性。比如，在最終支付環(huán)節(jié)會中斷自動流程，彈窗交由用戶手動確認。雖然AI的決策或許不可全信，但執(zhí)行支付等操作的授權代碼是明確且受控的?！辈贿^，他也補充，相較本地推理占比更高的傳統(tǒng)AI手機方案，依賴云端推理的路徑，安全性相對更低。

但這并不是一項無法解決的問題，曲子龍認為，平衡隱私安全的關鍵在于終端芯片的算力?！爱斒謾C芯片算力足夠大，所有任務都在本地執(zhí)行，隱私擔憂將得到極大緩解?！?/p>

其次是“幻覺”問題，即AI錯誤理解用戶意圖或執(zhí)行錯誤操作。

比如，有用戶在使用豆包手機時發(fā)現(xiàn)，AI未能按照自身需求篩選出“熱度數(shù)據(jù)最高”的歌曲。宵逝也有相同感受，他讓豆包購買一支普通牙刷，豆包卻將此前加購的電動牙刷一并勾選，導致支付環(huán)節(jié)的金額多了100元。

這類問題短期難以徹底解決，行業(yè)共識是，在現(xiàn)有技術條件下，追求大模型給到100%的準確率并不現(xiàn)實。

最后是執(zhí)行效率。網(wǎng)友們普遍反映，豆包手機在完成跨應用比價、下單的復雜任務時，需要耗時數(shù)分鐘、遠慢于人工操作。

宵逝解釋，這主要是因為AI需等待界面元素完全加載穩(wěn)定后，才能進行識別與下一步操作，而人類用戶可以憑經(jīng)驗進行預判和快速交互。

此外，由于主流應用的技術限制，豆包手機在許多高頻場景中無法工作，這也極大地限制了其實際可用范圍。

豆包手機所面臨的這場“封殺”，不是單一產(chǎn)品的功能博弈，而是新舊規(guī)則的碰撞。下一步是行業(yè)對抗，還是規(guī)則重寫，仍懸而未決。

AI手機會成為誰的機會？

盡管當前AI手機仍面臨不少挑戰(zhàn)，但可以肯定的是，這一賽道正成為科技公司爭奪AI時代“超級入口”的核心戰(zhàn)場。

所謂的“超級入口”，關系著企業(yè)在下一輪產(chǎn)業(yè)格局中的地位。在傳統(tǒng)互聯(lián)網(wǎng)時代，入口由瀏覽器、搜索引擎與超級APP主導；在大模型時代，入口將從“用戶主動點開”轉(zhuǎn)向讓智能體自動代辦，用戶不再逐個打開應用，只用向智能體提出需求，由智能體實現(xiàn)跨應用操作。誰掌握入口，誰就掌握著用戶注意力、數(shù)據(jù)流動的主導權。新的入口一旦形成，后來者將很難再獲得主導權。

過去幾年，AI硬件不斷出現(xiàn)。例如，AI眼鏡或AI耳機在便攜和聽覺交互上見長，智能汽車提供了獨特的空間與算力載體，通用機器人代表著更遠的未來，但無論是處理復雜任務、使用場景，還是技術成熟度，這些設備都存在局限，難以承擔起入口的角色。

相比之下，手機擁有龐大的用戶基數(shù)、極高的日常使用頻次以及成熟的軟硬件生態(tài)，具備獨特的綜合優(yōu)勢，成為AI時代最現(xiàn)實的超級入口載體。

盡管戰(zhàn)略地位明確，但當前市場上大多數(shù)“AI手機”并未帶來顛覆性體驗，整體仍處于探索期。

僅靠視覺語言模型實時解析并可操作任意第三方App的GUI Agent路線，尚達不到消費級大規(guī)模落地的成熟度，主流廠商對此態(tài)度謹慎。豆包手機通過融合多模態(tài)大模型與系統(tǒng)級權限的技術路徑，又面臨技術創(chuàng)新與平臺規(guī)則、生態(tài)兼容和安全邊界的沖突。

但豆包手機的出現(xiàn)是一個標志，多位受訪者認為，它不僅提升了討論熱度，也迫使各大科技公司重新審視AI手機布局。從各家的能力儲備來看，可以劃分成幾個梯隊。

圖源 / unsplash

第一梯隊是垂直整合能力極強的系統(tǒng)級廠商，主要包括蘋果、谷歌、華為、三星。

這四家的核心優(yōu)勢在于，控制著從芯片、操作系統(tǒng)到應用分發(fā)平臺的完整全棧架構，有能力通過系統(tǒng)更新和開發(fā)規(guī)范，定義AI與應用交互的新標準，構建一個可控、安全且可持續(xù)的底層框架。但較大的組織體量和對生態(tài)安全的謹慎態(tài)度也使得它們推進步伐相對穩(wěn)健，短期內(nèi)不太可能走到最前沿。

第二梯隊是擁有大模型與服務生態(tài)的軟實力企業(yè)，比如微軟、OpenAI、字節(jié)跳動等。

這一類公司在大模型能力和AI算法層面具備核心競爭力，其戰(zhàn)略很可能是“以軟賦硬”，通過和硬件廠商合作的方式，將自身模型和服務集成到各類設備中，而不是自己做手機。但一方面需要找到合適的合作伙伴，另一方面需要解決操作權限的問題。

第三梯隊是具備規(guī)模優(yōu)勢與硬件經(jīng)驗的終端制造商，包括小米、OPPO、vivo、榮耀等。

它們在硬件設計、供應鏈管理和銷售渠道上具備優(yōu)勢，最重要的是，對市場需求反應很快，可以快速將AI功能下沉到中端甚至入門級機型，吸引龐大的老用戶群體，讓AI手機快速普及。

從整個格局看，無論最終勝出者是誰，都必須在開放生態(tài)與安全控制之間尋找到新的平衡。這場博弈還遠沒有停止，手機廠商會繼續(xù)加碼，AI手機的演進速度也將進一步加快。

*題圖來源于豆包AI官方微博截圖。