中國市場，似乎總存在一種獨特的“加速度”，能夠把原本停留在抽象層面的技術命題，迅速推入現(xiàn)實世界，接受真實場景的檢驗。互聯(lián)網(wǎng)時代如此，AI時代也更是如此。

作者|斗斗

編輯|皮爺

出品|產(chǎn)業(yè)家

中國市場，似乎總存在一種獨特的“加速度”，能夠把原本停留在抽象層面的技術命題，迅速推入現(xiàn)實世界，接受真實場景的檢驗。互聯(lián)網(wǎng)時代如此，AI時代也更是如此。

這一特征，在12月初豆包與努比亞聯(lián)合推出的努比亞M153上體現(xiàn)得尤為集中。

在這款設備中，AI助手首次被賦予系統(tǒng)級執(zhí)行權限，從調起外賣App、規(guī)劃出行路線，到整理文件、拆解任務并自主調度多個應用，其開始真正代替用戶完成跨應用操作，AI不再只是給建議，而是直接去做事。

而在當前的全球智能終端市場中，具備類似系統(tǒng)級自治執(zhí)行能力的產(chǎn)品，幾乎找不到可對照的案例。

也正因如此，產(chǎn)品發(fā)布僅兩天，便在行業(yè)和用戶層面引發(fā)了較高的討論熱度。除了關于“權限”的爭議外，引發(fā)這場熱議的核心原因恰是，一個長期存在于產(chǎn)業(yè)敘事中的抽象想象，第一次被具象化地呈現(xiàn)在公眾面前，那就是AI，正在從能“思考”，邁向能“行動”。

事實上，過去兩年，圍繞AI Agent的討論從未停止。模型公司、終端廠商、應用平臺都在反復強調Agent將重寫數(shù)字經(jīng)濟的運行邏輯。然而，用戶并沒有獲得實質性的體感。豆包手機一定程度上打破了這種距離感。如果說ChatGPT曾讓全球用戶第一次切身感受到AI會“思考”，那么手機端Agent的出現(xiàn)，則第一次讓人意識到，AI開始真正介入行動本身。

但這也引出了更深層的問題。那就是為什么AI必須從“能思考”走向“能行動”？又為什么，第一批具備行動能力的AI，會率先出現(xiàn)在手機這一終端形態(tài)之上？

更關鍵的追問在于，隨著一個可行動的AI被放到了聚光燈下，所有深埋在概念里的問題都被放到了臺面上，建立于移動互聯(lián)網(wǎng)上的一眾高頻場景，真的已經(jīng)準備好迎接一個能夠獨立“行動”的AI嗎？

而更大的懸念，來自中國市場本身。

在國際科技巨頭普遍保持謹慎推進Agent的節(jié)奏下，中國市場以應用場景密度更高、用戶接受度更強、線上線下服務鏈路更完整、治理體系更統(tǒng)一，客觀上構成了一個“可以提前上路”的試驗場。中國能否在這一輪變革中率先跑出來？

這些問題，既指向AI Agent的未來走向，也將影響著中國數(shù)字經(jīng)濟的下一個十年。

一、AI價值共識：

必須從“思考”邁向“行動”

“思考”型AI，正在遇到天花板。

OpenAI的財務情況，是一個直接的信號。2024年Q1，其推理成本還只是略高于收入，但2025年Q3，支出已經(jīng)攀升到36.5億美元，同期收入只有20.6億美元。換言之，每賺1美元，就要在算力上花掉1.8美元，業(yè)務規(guī)模越大，虧損反而越深。

這種失衡，并不是個別公司的管理問題，而是由這一路徑內在的成本結構所決定。隨著模型越迭代越大、參數(shù)越多、推理鏈條越長，需要的計算資源就會快速上升，推理成本幾乎是“往上躥”的曲線。而收入端卻受制于企業(yè)付費意愿和應用滲透節(jié)奏，只能緩慢爬坡。當“指數(shù)級的算力開支”遇到“線性增長的營收”，商業(yè)模型就會變得很吃力。

承壓的遠不止OpenAI。據(jù)UBS研究報告顯示，自2024到2025年間，AI基礎設施領域的投資資金從150億美元激增至1250億美元，幾乎增長了8倍，但相關企業(yè)的利潤增長并未同步提升。

從商業(yè)視角看，這一現(xiàn)象指向的是同一個核心問題。那就是以“思考”為主的AI，確實能為企業(yè)創(chuàng)造價值，但很難直接參與價值結算。當前大模型主流收費方式，仍以Token計價、調用次數(shù)計費為主，本質上仍是API生意，單位價值有限，且高度可替代。資本與產(chǎn)業(yè)對這種邊界的感知，往往比技術社區(qū)更為敏銳。在既有形態(tài)下，“思考”型AI更像是一種效率工具，而非業(yè)務體系中不可或缺的生產(chǎn)要素。

于是，當這一輪“只會思考”的紅利逐漸見頂，幾乎所有頭部玩家開始意識到，AI下一個價值點不在“思考”能力，而在“行動”能力。

那么，誰能掌握“行動權”？

其實，在傳統(tǒng)的數(shù)字經(jīng)濟里，“行動權”主要集中于兩類主體中，一類是操作系統(tǒng)和終端廠商，它們控制設備權限、系統(tǒng)入口、通知與前臺展示；另一類是超級應用和平臺公司，它們掌握著服務入口、交易鏈路以及用戶關系。而在AI時代，Agent作為新的技術載體，被推至臺前，逐漸演化為跨應用、跨服務的調度中樞。

這也是為什么模型公司、平臺公司、終端廠商雖然敘事各異，但在資源投入和戰(zhàn)略重心上，最終都不約而同地指向Agent。因為誰能占據(jù)這一調度層，誰就有機會在下一輪數(shù)字經(jīng)濟中，重新定義收費方式和價值分配邏輯。

在這一競爭中，手機成了一個繞不開的載體。

數(shù)據(jù)顯示，中國成年用戶平均每天使用手機約6.2小時，完成超過120次數(shù)字動作。支付、地圖、出行、即時通訊等95%的高頻任務，都發(fā)生在手機上。幾乎所有與個人生活和工作相關的關鍵動作，都被壓縮在這塊小小的屏幕里。是用戶“行動密度”最高的終端。

更關鍵的是，手機操作系統(tǒng)天然掌握著AI行動所需的應用安裝和調用權限、前后臺調度、身份認證、支付接口、系統(tǒng)級通知等，這些是一條“行動鏈路”的基礎設施。

在這樣的結構性條件下，手機終端順理成章地成為各方驗證AI商業(yè)價值的首要試驗場，也成為“行動型AI”競爭中最先被點燃的戰(zhàn)場。

二、Agent偽命題背后：

三方勢力試水“AI執(zhí)行”

在Agent的方向逐漸清晰之后，企業(yè)開始“試水”，其中有三方勢力，進入了對“AI行動權”的爭奪戰(zhàn)場。

最先動起來的，是以阿里、百度、騰訊等為代表的基礎模型服務商。

對模型服務商而言，最直接、也是成本最低的落點，必然是自身已經(jīng)掌握的應用入口。以阿里的千問為代表，這類廠商普遍選擇通過“模型+自家應用生態(tài)”的方式承載Agent能力，即在一個統(tǒng)一的AI入口中，整合多模態(tài)、寫作、代碼與生活服務能力，并逐步打通云服務、電商與本地生活場景。生成的內容可以直接進入釘釘?shù)?，購物建議也能順滑跳轉到淘系完成交易，從而在單一App內形成相對完整的執(zhí)行閉環(huán)。

這種路徑的優(yōu)勢在于模型能力強、生態(tài)協(xié)同度高，Agent可以在一個相對可控且在App層面充分放權的環(huán)境中嘗試執(zhí)行任務。但其邊界同樣明顯，那就是應用層能力，其權限止步于App之外，無法調度系統(tǒng)級資源，行動范圍天然受限。

當應用層的邊界逐漸顯露，產(chǎn)業(yè)的視角也隨之向下移動至系統(tǒng)層。

這正是終端廠商集體入場的背景。OPPO、小米、vivo、榮耀幾乎同時將“大模型+系統(tǒng)級助手”確立為AI手機的核心方向，無論是OPPO在ColorOS中提出的“Agent Matrix”，還是小米在澎湃OS中對“超級小愛”的重構，核心目標都是讓AI在操作系統(tǒng)層完成任務拆解、編排流程，并實現(xiàn)跨應用完成執(zhí)行。

相比模型廠商，終端廠商的優(yōu)勢在于其太天然掌握系統(tǒng)級權限，比如通知管理、前后臺調度、懸浮窗、無障礙接口，這些都是AI行動的關鍵入口。但與此同時，它們也承載著更重的約束，即一旦系統(tǒng)級自動化失控，沖擊的將是整個應用生態(tài)與用戶體驗。因此，大多數(shù)廠商采取的都是漸進式推進策略，在原有助手框架內，謹慎擴大自動執(zhí)行的邊界，而非直接釋放一個高度自治的Agent。

也正是在這種“有權限但不敢放開”的空隙中，原生AI廠商看到了另一種可能。

與模型廠商和終端廠商不同，豆包這類原生AI玩家既沒有操作系統(tǒng)，也沒有平臺級生態(tài)，唯一的核心資產(chǎn)是模型能力。如果無法切入行動層，或將只能停留在API供應商的位置。因此，豆包選擇了一條更為激進的路徑，直接爭奪系統(tǒng)層的行動入口。

不同于單純做App，豆包手機助手一開始就選擇與中興在OS層深度合作，讓大模型以虛擬用戶的方式操作手機界面。在M153工程機上，用戶已經(jīng)能直觀看到一種更接近真實Agent的形態(tài)。

不過，其也迅速觸碰到了現(xiàn)實阻力。當系統(tǒng)級Agent具備自主操作能力，應用方會本能地進入防御狀態(tài)，通過權限、協(xié)議和風控策略限制自動行為。這背后既有合規(guī)需求，也有對既有流量結構和商業(yè)模式被重構的警惕。

綜合來看，三條路徑共同勾勒出當前Agent競爭的基本圖景。模型廠商在“模型+自家生態(tài)”中做Agent，有智力，但缺乏權限；終端廠商在OS層做Agent，有權限，卻必須優(yōu)先維護生態(tài)穩(wěn)定；原生AI廠商試圖借系統(tǒng)合作直達行動中樞，野心最大，也最容易遭遇阻力。

表面上，Agent之戰(zhàn)比的是模型能力和交互體驗。但真正決定成敗的，并不在模型層或單一應用層，而是誰能在不打破既有秩序的前提下，為AI爭取到足夠的行動空間。不過就目前來看，在規(guī)則尚未重構之前，Agent真正行動的幅度，注定有限。大多數(shù)探索仍被牢牢限制在各自的生態(tài)邊界之內。

三、鯰魚背后：

一個正在推進的產(chǎn)業(yè)結構重塑

在豆包手機和這一輪“試水”過程中，更深層的體系性矛盾被集中暴露出來。

在既有數(shù)字體系中，操作權限天然綁定于人類用戶之上。而當一個非人類智能體開始持續(xù)、規(guī)?；匕l(fā)起操作。這套默認前提便不再成立。誰來界定AI能做什么、不能做什么。當Agent可以完成支付、下單、修改信息乃至直接參與交易時，權限的邊界不再清晰，傳統(tǒng)的授權邏輯隨之松動。

隨之而來的是商業(yè)模式的挑戰(zhàn)。在依賴人類注意力的體系中，廣告與推薦形成了穩(wěn)定閉環(huán)；但當決策者變成Agent，沒有點擊和停留，價值如何衡量，收益如何分配，迄今仍缺乏可復制的答案。

第三個問題是責任機制的缺位。當AI出現(xiàn)錯誤并造成損失，責任應由平臺、模型、用戶還是Agent本身承擔，在法律與制度尚未完善之前，這一問題無法被回避。

從更底層的視角看，這些問題歸根結底，其實都源于基礎設施的缺失。

目前，大量應用仍只為人類操作而設計，缺乏標準化動作接口和可驗證結果的能力，整個生態(tài)并沒有為AI“動起來”做好準備。所以，AI Agent面臨的核心挑戰(zhàn)不是技術不足，而是體系滯后。當圍繞人類用戶構建的規(guī)則逐漸失效，而新的行為主體已經(jīng)入場，沖突幾乎不可避免。

但也是這些沖突，正在倒逼產(chǎn)業(yè)鏈上的各方重新審視自己位置，并以不同姿態(tài)加速入場。

例如，智譜近期推出的AutoGLM，已不只是一個對話系統(tǒng)，而是具備“Phone Use”能力的智能體產(chǎn)品，能夠根據(jù)用戶指令自動完成打開APP、下單、選擇支付等復雜操作，呈現(xiàn)出AI Agent執(zhí)行真實任務的雛形。該技術甚至被業(yè)界視為，全球首個具備此類手機操作能力的開源代理模型。

與此同時，一些SaaS和B端服務，也在弱化復雜UI，轉而提供更清晰、可預測的指令化接口，本質上是在為Agent預留入口。

當越來越多的參與者開始圍繞“如何讓AI真正動起來”重構自身能力，Agent時代便不再只是概念上的演進，而是逐步具備了現(xiàn)實發(fā)生的條件。

在此基礎上，可以預見的并非一場簡單的“替代”，而是一輪長期的結構性遷移。Agent的出現(xiàn)并不意味著推薦流或信息流廣告會迅速消亡。無論是搜索、內容分發(fā)還是商品推薦。在執(zhí)行任務前依然需要參考排序結果，但這套體系的服務對象，正在從“人”轉向“Agent”。

這一轉變，將進一步引發(fā)UI價值的結構性重估。長期來看，“對人友好”的UI將持續(xù)貶值，尤其是在B端場景中；相反，動作語義清晰、接口穩(wěn)定、結果可預期、可驗證的服務，將逐步獲得更高的調用權重。對Agent友好，正在成為新的基礎能力。

而在這場重構中，并非所有市場都會以同樣的速度適應。有些只能被動調整，有些則具備成為天然加速器的條件。

四、中國市場，

在成為AI最好的試驗田

放眼全球，AI技術競爭正迅速進入白熱化階段。近兩年，大模型在參數(shù)規(guī)模、推理能力和多模態(tài)表現(xiàn)上的進步速度明顯加快。僅2023–2024年間，主流模型在MMLU、GSM8K等推理基準上的正確率提升幅度普遍超過20個百分點，多模態(tài)模型在圖像、語音、視頻理解上的能力也被不斷刷新。模型能力的進化周期，已經(jīng)從“以年計”壓縮到“以月計”。

在這一背景下，各國、各大科技公司幾乎沿著同一條技術曲線前進。無論是模型規(guī)模、訓練方法，還是推理優(yōu)化路徑，都在快速趨同，模型之間的能力差距正在被迅速拉平。

但當視角從能力競爭轉向實際落地，分化開始顯現(xiàn)。

AI Agent的真正成立，所依賴的不只是模型智能，而是一整套可執(zhí)行、可協(xié)同、可規(guī)模化的落地環(huán)境。一個事實是，能夠承載Agent的市場，至少需要幾個前提。比如，足夠密集且標準化的服務場景，才能讓任務被拆解并自動完成；完整的線上到線下閉環(huán)，才能讓決策直接轉化為現(xiàn)實結果；用戶對自動化與代理行為的高度接受，才能讓授權與信任成為常態(tài)；產(chǎn)業(yè)鏈之間足夠快的協(xié)同能力，才能讓接口、權限和規(guī)則不斷迭代；以及一個能夠推動標準逐步統(tǒng)一的治理體系，為AI行動劃定安全邊界。

正是在這些維度上，不同市場開始出現(xiàn)分化。

數(shù)據(jù)顯示，美國用戶月均使用App數(shù)約40–45個，而中國用戶約25–30個；中國前5大超級App微信、支付寶、抖音等，占用戶總使用時長大60%，而美國前5大App使用時長占比不足35%。

一個事實是，許多海外市場在服務結構、場景密度和系統(tǒng)協(xié)同上相對分散。應用碎片化、線上線下割裂、權限高度敏感，使得AI更多停留在建議者、助手的角色，很難自然過渡為真正的執(zhí)行者。

而在中國市場，幾乎是天然具備AI Agent所需的運行條件。

具體來看，高密度、可自動化的生活與商業(yè)服務，已經(jīng)將大量現(xiàn)實行為壓縮為標準流程。外賣、出行、零售、政務、金融等領域高度平臺化，使得任務具備清晰接口。支付、履約、調度體系的全面數(shù)字化，使線上指令可以直接撬動線下結果。長期的產(chǎn)品演進，也顯著提高了用戶對自動化執(zhí)行與代理行為的接受度。

與此同時，中國市場在模型、終端、App與服務平臺之間，具備快速聯(lián)動和對齊的能力。這種能力并非來自單一企業(yè)，而是整個數(shù)字生態(tài)長期積累的結果。多重因素疊加，使得AI Agent不只是理論上可行，而是真正跑得下去。

也正是在這樣的背景下，豆包手機所代表的Agent形態(tài)率先出現(xiàn)在中國，并非偶然。是市場條件成熟后的一次自然顯現(xiàn)。當權限體系、服務接口、用戶習慣與產(chǎn)業(yè)協(xié)同同時到位，AI Agent才第一次以“可以日常使用”的形態(tài)出現(xiàn)。

從這個視角看，中國市場正在提供一塊極具價值的試驗田，用以驗證AI Agent是否具備真正規(guī)模化運行的可能。而能夠在這樣的環(huán)境中跑通的廠商，未來輸出到全球的，將不只是模型參數(shù)或單一產(chǎn)品形態(tài)，而是一整套圍繞AI行動而重構的新AGI操作系統(tǒng)。

豆包手機，正是被打響的第一槍。