作者 ｜ 駱軼航
郵箱 ｜ tluo@pingwest.com

12月1日，豆包手機(jī)助手上線。

它偷了螞蟻森林能量，成功了；它在 B 站答題領(lǐng)會(huì)員，全程自動(dòng)操作；有人讓它“把昨天拍的照片在微信上發(fā)給我媽”，搞定了。

不到兩天，它就被微信屏蔽了。支付寶、淘寶、美團(tuán)等等，隨即先后屏蔽了豆包手機(jī)助手打開(kāi)它們的 App。

風(fēng)波未平，AI 創(chuàng)業(yè)公司智譜又上場(chǎng)了。12月9日深夜，智譜開(kāi)源了 AutoGLM，口號(hào)響亮：“讓每臺(tái)手機(jī)都成為 AI 手機(jī)，AI 手機(jī)不該掌握在少數(shù)廠商手中”，拉高了一波 AI 手機(jī)概念股。

在一文中我說(shuō)過(guò)：接下來(lái)你會(huì)看到更多的“手機(jī)助手” 試圖打開(kāi)你的微信、抖音和支付寶。沒(méi)想到這么快就來(lái)了。

豆包手機(jī)助手的興奮感已經(jīng)傳到了大洋彼岸，有開(kāi)發(fā)者在 X 上說(shuō)：“這是我見(jiàn)過(guò)第一個(gè)真正能用的 AI 手機(jī)助手，不是 Siri 那種‘幫你設(shè)個(gè)鬧鐘’的玩具級(jí)功能，是真的能跨應(yīng)用完成復(fù)雜任務(wù)鏈?！?/p>

它展示了一個(gè)強(qiáng)大的 GUI Agent 的真正潛力——不需要 App 開(kāi)放 API，Agent 直接“看”屏幕理解界面；不需要人工訓(xùn)練每個(gè) App 的操作路徑，Agent 自主學(xué)習(xí)，跨應(yīng)用無(wú)縫切換，完成一個(gè)完整任務(wù)鏈。

難怪 X 上也有評(píng)論說(shuō)：“這是 iPhone 問(wèn)世以來(lái)，手機(jī)交互方式最大的一次革命”。

豆包手機(jī)助手證明：GUI Agent 作為一種產(chǎn)品形態(tài)，是成立的，用戶需求也是真實(shí)的，搭載了豆包助手的Nubia M153 工程機(jī)在閑魚(yú)上的熱銷，超過(guò) 99% 天天上播客和 demo day 的 AI 創(chuàng)業(yè)項(xiàng)目。

而智譜 AutoGLM 的開(kāi)源，在豆包把市場(chǎng)教育完，也把雷點(diǎn)踩完之后，以“開(kāi)源英雄”的人設(shè)，收割了一把關(guān)注度和認(rèn)知。

它用了一種更“高明”的辦法：ADB +視覺(jué)識(shí)別方案，在“云手機(jī)”的虛擬環(huán)境里操作，操作手機(jī)的方式更隱蔽，它無(wú)需獲得更高級(jí)別的手機(jī)系統(tǒng)權(quán)限，模擬的是人類用手指點(diǎn)擊屏幕的行為，平臺(tái)風(fēng)控很難區(qū)分是真人還是 AI。

AutoGLM 還借此享受了一把開(kāi)源的聲譽(yù)紅利，但不用承擔(dān)任何產(chǎn)品的法律風(fēng)險(xiǎn)——用戶怎么部署是他們的事。問(wèn)題是：配置ADB、開(kāi)發(fā)者模式、部署 9B 的推理模型，這事兒普通人是搞不定的。閑魚(yú)上已經(jīng)有人賣“100元代部署AutoGLM 服務(wù)”了。

恕我直言，我覺(jué)得智譜 AutoGLM 開(kāi)源對(duì)推動(dòng)智能手機(jī)的 AI 化意義相當(dāng)有限。

比起豆包是真的想讓一部分人先用上一部“AI 原生” 的手機(jī)，AutoGLM 更多的是秀了一把肌肉，收割了一波注意力，以及提供了一種看似目前可以繞開(kāi)微信、支付寶和美團(tuán)們“封禁”，然則終將被堵上的技術(shù)漏洞?，F(xiàn)在已經(jīng)有開(kāi)發(fā)者出來(lái)報(bào)錯(cuò)了：自己部署的 AutoGLM，被微信封了。

該沒(méi)解決的問(wèn)題，一個(gè)也沒(méi)解決。Super Agent 和 Super App 之間的關(guān)系，一點(diǎn)兒也沒(méi)理順。

一句話，AI 手機(jī)怎么搞，需要產(chǎn)業(yè)的廣泛共識(shí)，需要 Super Agent 和 Super App 之間的共識(shí)。

中國(guó)移動(dòng)生態(tài)太發(fā)達(dá)了，互聯(lián)網(wǎng)巨頭們圍繞著 App 建立起來(lái)的流量、護(hù)城河、生態(tài)和利益太豐富了，它已經(jīng)成為了推動(dòng)手機(jī) AI 化的 legacy ——打破任何一點(diǎn)現(xiàn)在的格局，都讓巨頭們難受。

但該來(lái)的，還是要來(lái)。

1

第一個(gè)問(wèn)題：能不能有 AI Agent 認(rèn)證體系？

豆包助手暴露的問(wèn)題是：努比亞授權(quán)了 AI 能用系統(tǒng)級(jí)權(quán)限，但 App 廠商不認(rèn)。

中間缺少的環(huán)節(jié)是：誰(shuí)能授權(quán) AI 操作第三方 App?

模擬用戶的點(diǎn)擊、滑動(dòng)、輸入，是豆包從努比亞獲得的授權(quán)。從技術(shù)角度看，這是手機(jī)操作系統(tǒng)賦予的合法能力。但微信的用戶協(xié)議明確禁止“外掛軟件”，任何模擬用戶操作的行為都屬于違規(guī)。

這個(gè)時(shí)候，為什么不能有一個(gè)“ AI 代理操作認(rèn)證體系” 呢？就像網(wǎng)站有 SSL 證書(shū)證明身份和安全性，AI Agent 為什么不能有一個(gè)“可信代理”認(rèn)證體系呢？

至少，它能解決三個(gè)問(wèn)題：第一，證明AI的身份——誰(shuí)家的 AI，什么技術(shù)架構(gòu)；第二，證明AI的授權(quán)——用戶讓我干什么，授權(quán)范圍是什么，有沒(méi)有超出授權(quán)；第三，證明AI的安全性——不會(huì)亂來(lái)，有安全措施，有操作日志，有責(zé)任保險(xiǎn)。

當(dāng)年支付寶剛出來(lái)的時(shí)候，銀行也不舒服，覺(jué)得你憑什么代替我跟用戶交互？這是我的客戶，你憑什么中間過(guò)一道？后來(lái)，有了第三方支付牌照，問(wèn)題就解決了。規(guī)則是：滿足這些條件，你就能做第三方支付；不滿足，就不能做。銀行可以對(duì)接，也可以拒絕，但是要有一套通行的依據(jù)。

同理，AI Agent 也需要這樣一個(gè)“代理操作認(rèn)證” 體系，它未必是一張牌照，而是一套通行的技術(shù)標(biāo)準(zhǔn)。不是誰(shuí)都能隨便模擬用戶操作，但只要你符合標(biāo)準(zhǔn)，通過(guò)認(rèn)證，平臺(tái)就不能無(wú)理由拒絕。

別再爭(zhēng)了各位。美國(guó)人是最擅長(zhǎng)制定這種技術(shù)共識(shí)標(biāo)準(zhǔn)的，我們達(dá)不成共識(shí)，最后就還得用 OpenAI 和 Anthropic 制定的標(biāo)準(zhǔn)。

1

第二個(gè)問(wèn)題，能不能把最高權(quán)限交給用戶?

聊天記錄、支付記錄、打車訂單，所有權(quán)、使用權(quán)、授權(quán)權(quán)分別是誰(shuí)的?

App 可以認(rèn)為：用戶的數(shù)據(jù)在我平臺(tái)上，是我的資產(chǎn)。我投入了服務(wù)器、帶寬、運(yùn)維成本，提供了免費(fèi)服務(wù)，數(shù)據(jù)當(dāng)然有我的權(quán)益。而且用戶協(xié)議里寫(xiě)了，用戶授權(quán)我使用這些數(shù)據(jù)來(lái)改進(jìn)產(chǎn)品、推送廣告。

用戶覺(jué)得：這是我的隱私，我的聊天內(nèi)容，我跟朋友的對(duì)話，憑什么不能給我自己的 AI 看?我授權(quán) AI 幫我整理聊天記錄、提取重要信息、提醒我未讀消息，這是我的權(quán)利。

AI 模型和 Agent 提供者認(rèn)為：用戶授權(quán)了，我就可以讀取、分析、使用這些數(shù)據(jù)來(lái)提供服務(wù)。我不會(huì)泄露給第三方，不會(huì)用于訓(xùn)練模型（除非用戶同意），我只是代表用戶行使他/她的權(quán)利。

這個(gè)時(shí)候，明確“數(shù)據(jù)所有權(quán)歸用戶” 的至高原則是非常重要的，它決定了一切用戶授權(quán)、AI 代理 和 App 安全防范機(jī)制的基礎(chǔ)。

這意味著以下幾點(diǎn)：

• 用戶在平臺(tái)上產(chǎn)生的內(nèi)容、行為數(shù)據(jù)，歸根結(jié)底屬于用戶本人，平臺(tái)提供服務(wù)，但不擁有用戶的數(shù)據(jù)。

• 數(shù)據(jù)使用權(quán)可以授權(quán)，平臺(tái)有權(quán)使用數(shù)據(jù)提供服務(wù)（比如推薦算法、個(gè)性化廣告），這是用戶協(xié)議中約定的，但用戶也有權(quán)授權(quán)第三方 AI 使用數(shù)據(jù)，這兩個(gè)授權(quán)之間不應(yīng)該沖突。

• 平臺(tái)有安全審查權(quán)，但不能無(wú)理由拒絕，如果 AI通過(guò)了認(rèn)證，證明了安全性，就不該輕易被拒絕。

1

第三個(gè)問(wèn)題，能不能重新創(chuàng)造商業(yè)模式？

Super Agent 動(dòng)了 Super Apps 的蛋糕，這簡(jiǎn)直是一定的。

因?yàn)槿说臑g覽行為被 Agent 取代，推薦算法帶來(lái)的注意力機(jī)制會(huì)被顛覆。這樣，廣告收入會(huì)被影響，流量分發(fā)的收入來(lái)源也會(huì)被影響，甚至?xí)T收入也被影響。

但 Super Agent 自己呢？如果它的存在只是削弱了平臺(tái)的收入，而自己的 GPU 算力、模型研發(fā)和優(yōu)化等成本又居高不下，久而久之，無(wú)人從這場(chǎng)變革中受益，這個(gè)游戲就玩不下去了，就會(huì)變成雙輸或者多輸?shù)挠螒颉?/p>

在這種情形下，重新想象和創(chuàng)造商業(yè)模式就是很重要的。

OpenAI 跟亞馬遜現(xiàn)在關(guān)系很緊張，但它與沃爾瑪?shù)暮献魇且粋€(gè)不錯(cuò)的例子?，F(xiàn)在沃爾瑪 36% 的線上流量來(lái)自 OpenAI，盡管現(xiàn)在沒(méi)有聽(tīng)說(shuō)它們之間又什么分成計(jì)劃，但這件事不值得想象么？這就好比是搜索引擎的CPC（按點(diǎn)擊付費(fèi)）模式：每一個(gè)通過(guò) ChatGPT 引導(dǎo)到沃爾瑪?shù)挠脩簦譅柆敻督o OpenAI 一筆費(fèi)用。

再比如 Agent 的訂閱費(fèi)用——如果 Agent 購(gòu)物真的能給一個(gè)用戶每年省2000元人民幣的話，一個(gè)月收20元的訂閱費(fèi)不過(guò)分吧？這筆錢，Super Agent 是應(yīng)該分一部分給 Super Apps 的。就像愛(ài)奇藝的會(huì)員用戶可以付費(fèi)跳廣告，YouTube 從訂閱費(fèi)里分成給創(chuàng)作者，是一個(gè)道理。

此外，增值服務(wù)分層設(shè)計(jì)是不是可行？基礎(chǔ)功能免費(fèi)，但限制次數(shù)，只能用于常規(guī)任務(wù)。如果用戶真的有強(qiáng)烈意愿，讓 Super Agent 操作微信自動(dòng)回復(fù)、支付寶賬單管理、滴滴會(huì)員卡管理等高級(jí)功能的話，還是要為高級(jí)功能付費(fèi)的——也就是執(zhí)行復(fù)雜任務(wù)鏈、跨平臺(tái)操作，處理敏感信息私有信息，甚至企業(yè)定制化等高級(jí)功能，都得收錢，這個(gè)錢要跟 Super App 分成。

這個(gè)問(wèn)題不解決，平臺(tái)就會(huì)一直抵制，這也是可以理解的。

1

第四個(gè)問(wèn)題，能不能推廣沙盒確認(rèn)和分級(jí)確認(rèn)的安全機(jī)制？

把“我愛(ài)你”發(fā)給了男老板而不是女朋友，要轉(zhuǎn)100元結(jié)果轉(zhuǎn)了10000元，Agent 誤刪重要聊天聯(lián)系人，清理垃圾文件把重要工作文檔也刪了……這些事如果出現(xiàn)，責(zé)任是誰(shuí)的？

很多人忽略了，AI 犯錯(cuò)的成本，往往比人犯錯(cuò)更高——因?yàn)?AI 操作速度快，一秒鐘能完成人需要一分鐘完成的任務(wù)，出錯(cuò)了也是大規(guī)模出錯(cuò)，人想挽回都做不到，標(biāo)準(zhǔn)的手慢無(wú)。

AI 被黑客了怎么辦？釣魚(yú)郵件和詐騙電話能騙人，就一定騙不了 AI？AI 一定比老頭老太太反詐意識(shí)更強(qiáng)？AI 在社交平臺(tái)發(fā)布不當(dāng)內(nèi)容，被封了號(hào)算誰(shuí)的？AI 自己發(fā)現(xiàn)刷單能賺錢，用假賬號(hào)注冊(cè)能領(lǐng)紅包，它會(huì)不會(huì)自己學(xué)會(huì)作弊？AI 是通過(guò)學(xué)習(xí)優(yōu)化的，如果它的目標(biāo)是幫用戶省錢，作弊是最有效的方式，它真的不會(huì)作弊？

為了規(guī)避這些問(wèn)題，類似“沙盒”的模式是重要的。目前豆包助手采用的方式先是預(yù)覽操作步驟，用戶確認(rèn)后再執(zhí)行，并在執(zhí)行過(guò)程中實(shí)時(shí)顯示操作過(guò)程，這其實(shí)已經(jīng)具備了沙盒思維了，它的本質(zhì)是一種確認(rèn)機(jī)制。

另一種方式是：AI 可以先在虛擬環(huán)境里“練習(xí)”，練熟了再上真機(jī)。敏感操作必須先在沙盒里預(yù)演，系統(tǒng)模擬執(zhí)行，生成預(yù)覽結(jié)果，用戶看到“如果執(zhí)行會(huì)發(fā)生什么”，確認(rèn)沒(méi)問(wèn)題后，才在真實(shí)環(huán)境執(zhí)行。不需要人自己干，但需要人至少點(diǎn)一次確認(rèn)。

在這個(gè)基礎(chǔ)上，建立分級(jí)確認(rèn)機(jī)制也是可行的。不是所有操作都需要用戶確認(rèn)，那樣太煩，用戶體驗(yàn)會(huì)很差。根據(jù)風(fēng)險(xiǎn)等級(jí)設(shè)計(jì)確認(rèn)流程：讀取信息無(wú)需確認(rèn)；發(fā)消息和社交媒體等常規(guī)操作，彈窗簡(jiǎn)單確認(rèn)；支付、轉(zhuǎn)賬、修改密碼、保存和刪除數(shù)據(jù)，都需要人的多重驗(yàn)證。

此外，用戶需要有隨時(shí)喊停 AI 的權(quán)力，一鍵中斷所有正在執(zhí)行的操作。就像電梯的緊急停止按鈕。而 AI 發(fā)現(xiàn)異常也要自動(dòng)停止——這些方面銀行和自動(dòng)駕駛企業(yè)都已經(jīng)做過(guò)了，AI Agent 服務(wù)提供者也應(yīng)該做好。

一句話，讓用戶承擔(dān)全部風(fēng)險(xiǎn)是不對(duì)的。

豆包手機(jī)助手這次掀起的波瀾，如果說(shuō)它真正有些意義的話，恐怕在于兩點(diǎn)：

第一，它告訴了人們：GUI Agent 可以成為真正的 Super Agent，它真的創(chuàng)造了手機(jī)上的一次交互變革，引發(fā)了興奮、爭(zhēng)議、喧嘩和騷動(dòng)。讓人們知道，AI 真的可以跟你一起操作你的手機(jī)。

第二，比起很多智能手機(jī)廠商的 Agent 嘗試，它第一次直搗黃龍，代理一小撮追求技術(shù)進(jìn)步的嘗鮮用戶，“操作”了他們的 Super App，比如微信、支付寶、美團(tuán)和京東，讓如何建立 AI Agent 的產(chǎn)業(yè)標(biāo)準(zhǔn)，如何思考 App 這個(gè)存在了快20年的物種在 AI 時(shí)代該如何變革等一些問(wèn)題，變得無(wú)可回避。

接下來(lái)，需要的是共識(shí)，以及為了建立共識(shí)而繼續(xù)的博弈。

點(diǎn)個(gè)“愛(ài)心”，再走 吧