科技圈炸鍋了！豆包手機(jī)助手引權(quán)限爭議，但擋不住AI手機(jī)趨勢？

一夜間，豆包手機(jī)助手變成「豆包手機(jī)，住手！」

前段時(shí)間，字節(jié)跳動(dòng)豆包團(tuán)隊(duì)和中興合作，發(fā)布了搭載豆包手機(jī)助手技術(shù)預(yù)覽版的手機(jī)——努比亞 M153。在 M153 上，豆包團(tuán)隊(duì)基于其 GUI-Agent 的能力，打造了一系列「替用戶操作手機(jī)」的功能，讓我們有機(jī)會(huì)在 2025 年一覽未來 AI 手機(jī)應(yīng)該有的樣子。

圖片來源：豆包手機(jī)助手

但很快，問題就出現(xiàn)了。有用戶反饋稱，豆包手機(jī)助手在某些金融 App 里會(huì)觸發(fā)風(fēng)險(xiǎn)提示，指出手機(jī)當(dāng)前開啟了「屏幕共享」「無障礙」等服務(wù)，要求用戶注意資金安全；部分 App 更是因觸發(fā)風(fēng)控直接停用了相關(guān)服務(wù)。

隨后，微信確認(rèn)了這一點(diǎn)，表示沒有對(duì)豆包做任何特殊攔截，用戶遇到的情況更像是觸發(fā)了既有的通用風(fēng)控策略。豆包方面隨即下線了相關(guān)場景的操作能力，并對(duì)受影響用戶開啟解封流程，同時(shí)進(jìn)一步公開說明其權(quán)限調(diào)用方式、數(shù)據(jù)處理方式和安全邊界，重申不存在任何黑客行為或隱私侵入。

至于外界爭議最多的 INJECT_EVENTS 權(quán)限，豆包也給出了正面回應(yīng)：

INJECT_EVENTS 確實(shí)是系統(tǒng)級(jí)權(quán)限，技術(shù)實(shí)現(xiàn)依賴 Android 系統(tǒng)級(jí)權(quán)限，有更嚴(yán)格的使用限制。擁有該權(quán)限許可，相關(guān)產(chǎn)品才能跨屏、跨應(yīng)用來模擬點(diǎn)擊事件，完成用戶操作手機(jī)的任務(wù)需求。
豆包手機(jī)助手需要用戶主動(dòng)授權(quán)，才可以調(diào)用該權(quán)限，使用操作手機(jī)功能。該權(quán)限的使用，我們也在權(quán)限清單中進(jìn)行了明確的披露。據(jù)我們了解，目前行業(yè)的AI助手，均需要使用該權(quán)限（或與其類似的無障礙權(quán)限）才能提供操作手機(jī)的服務(wù)。

從雷科技的角度看，豆包這一解釋確實(shí)合情合理；這種不避諱關(guān)鍵爭議的做法，也值得肯定。但在雷科技看來，這場關(guān)于 AI 手機(jī)助手權(quán)限的討論，雖然由風(fēng)控誤傷引發(fā)，但也是 AI 手機(jī)行業(yè)發(fā)展必將面臨的問題；處于風(fēng)暴中心的豆包，也只是把這個(gè)需要行業(yè)共同打磨的細(xì)節(jié)，提前帶到了公眾面前。

AI Agent 的三部曲

要理解這場爭議背后的行業(yè)背景，我們必須先理解 AI 是怎么「用」手機(jī) App 的。從技術(shù)的角度看，「AI 操作 App」可以拆解成兩個(gè)步驟：

1. 讓 AI 看懂 App；
2. 讓 AI 操作 App。

但問題是，Android 系統(tǒng)原本從未設(shè)想過讓「一個(gè)智能體來控制另一個(gè) App」。為了讓 AI 能從系統(tǒng)（而不是 App）的層面控制其他 App，手機(jī)行業(yè)提出了三種不同的「AI 操作」路線。

第一條路線是基于 App 無障礙標(biāo)簽和 Android 系統(tǒng)無障礙服務(wù)，打造的「模擬用戶」操作路線。我們知道，現(xiàn)代智能手機(jī)都有無障礙服務(wù)，比如為視障群體準(zhǔn)備的文字標(biāo)簽服務(wù)：開發(fā)者在開發(fā) App 時(shí)，會(huì)為每一個(gè)按鈕添加「無障礙標(biāo)簽」；手機(jī)開啟無障礙讀屏功能后，手機(jī)系統(tǒng)會(huì)讀取「無障礙標(biāo)簽」并朗讀對(duì)應(yīng)內(nèi)容，讓視障用戶知道當(dāng)前選中的按鈕的作用。

圖片來源：smartisan.com

AI Agent 只要讀取 App 內(nèi)部的標(biāo)簽結(jié)構(gòu)，就能理解軟件界面元素、知道每個(gè)按鈕的作用；看懂 App 后，AI Agent 再利用無障礙服務(wù)的模擬觸控功能（手機(jī)鍵精靈的同款原理），就能自主操作 App。

但我們知道，國內(nèi)移動(dòng)互聯(lián)網(wǎng)發(fā)展日新月異，主流 App 每隔幾周就要上線一個(gè)新功能，而無障礙標(biāo)簽往往是開發(fā)流程里最容易被忽略的步驟——很殘酷的現(xiàn)實(shí)是，無障礙群體在互聯(lián)網(wǎng)幾乎沒有聲量。這導(dǎo)致某些頁面、按鈕可能根本沒有標(biāo)簽，或是只有「按鈕」「窗口」這種幾乎沒有意義的字樣。面對(duì)這樣的標(biāo)簽，即使再聰明的 AI 也無能為力。

既然糟糕的無障礙支持讓 AI 搞不懂 App 結(jié)構(gòu)，那為什么不讓 AI 像人一樣「直接看屏幕」呢？這也引出了 AI 交互的第二條路線：AI 通過系統(tǒng)提供的屏幕捕捉能力，實(shí)時(shí)獲取手機(jī)屏幕當(dāng)前的畫面，然后用視覺大模型去理解畫面中每個(gè)元素的功能含義。

理解當(dāng)前屏幕內(nèi)容后，AI Agent 會(huì)利用無障礙（模擬點(diǎn)擊）或 INJECT_EVENTS （應(yīng)用注入觸發(fā)）來操作 App，把 AI 鏈路跑通。豆包手機(jī)助手此次引起的爭議也在這個(gè)「INJECT_EVENTS」上。

圖片來源：豆包手機(jī)助手

剛剛提到，無障礙的點(diǎn)擊本質(zhì)是「AI 代點(diǎn)」，但無障礙并不能穩(wěn)定覆蓋所有交互方式，很多界面仍需要更底層的事件注入。在這一場景下，INJECT_EVENTS 不是「破解 App」，而是用一種更底層、更原生的交互模擬方式，讓 AI 能在任何 App 上執(zhí)行更完整的操作。就目前 Android 系統(tǒng)本身的發(fā)展情況來說，「豆包路線」也是現(xiàn)階段 Android 體系里唯一能讓 AI 真正操作 App 的路線。

但歸根結(jié)底，剛剛提到的兩條技術(shù)路線，本質(zhì)仍是讓 AI 模擬人的操作；而真正的 AI 手機(jī)，應(yīng)該去掉低效的圖形界面（GUI）中間層，讓 AI 直接調(diào)用 App 的功能組件。在這種理念下，第三條路線——MCP 路線誕生了。

不了解 AI 的朋友對(duì) MCP（Model Context Protocol，模型上下文協(xié)議）可能比較陌生。簡單來說，MCP 是一種標(biāo)準(zhǔn)化的能力協(xié)議，它能「對(duì)齊」App 與 App 之間的功能，讓 App 功能（組件）變成可被 AI 跨應(yīng)用調(diào)用的模塊。

圖片來源：modelcontextprotocol.io

舉個(gè)例子，如果我們把點(diǎn)餐功能封裝成「能力組件」，叫外賣時(shí) AI 就不再需要靠圖形或文字去理解商家菜單里的選項(xiàng)，可以直接從組件后臺(tái)中找到「隆江豬腳飯」的選項(xiàng)并添加到購物車?yán)铮僬{(diào)用支付的 MCP 模塊直接完成支付。

「豆包路線」為什么更領(lǐng)先？

事實(shí)上，在雷科技看來，豆包選擇的「GUI-Agent + INJECT_EVENTS」方案，確實(shí)也是現(xiàn)階段 AI Agent 體驗(yàn)最好、最完善的技術(shù)路徑。不同于讀取無障礙標(biāo)簽的「路線一」，GUI-Agent 能充分發(fā)揮大模型在多模態(tài)方面的優(yōu)勢，吃到國內(nèi) AI 模型飛速迭代的技術(shù)紅利。

和 MCP 路線相比，「豆包路線」也不需要苦等第三方 App 的 MCP 支持：要知道 MCP 允許 AI 繞過 App 的圖形界面，意義等同于讓 App 放棄自己的流量入口。即使我們都知道 MCP 方案必然成為主流，但 GUI 到 MCP 的轉(zhuǎn)化注定是一個(gè)漫長的過程。可以肯定的是，大量 App 會(huì)在相當(dāng)長的一段時(shí)間內(nèi)維持傳統(tǒng)形態(tài)，GUI-Agent 仍無法取代。

除此之外，豆包的 GUI-Agent 雖然被視為「過渡方案」，但它也提前為 MCP 時(shí)代打好地基。無論未來標(biāo)準(zhǔn)協(xié)議多么成熟，AI 想要可靠地完成任務(wù)，都必須先學(xué)會(huì)在真實(shí) App 環(huán)境中運(yùn)行，而其中的操作路徑和數(shù)據(jù)傳遞算法只能從 GUI 操作里優(yōu)化出來，而不是從 API 文檔里學(xué)出來。

可以說，豆包通過 GUI-Agent 大規(guī)模積累的經(jīng)驗(yàn)，必將成為豆包在 MCP 時(shí)代領(lǐng)先的關(guān)鍵。

MCP 才是 AI 手機(jī)的最優(yōu)解？

當(dāng)然了，就像剛剛提到的那樣，盡管現(xiàn)階段 MCP 生態(tài)的發(fā)展還處于初期階段，GUI-Agent 依舊是 AI 手機(jī)的主流方案；但就像觸屏手機(jī)用更豐富的交互方式取代按鍵手機(jī)、更通用的 USB-C 統(tǒng)一多種結(jié)構(gòu)那樣，可以肯定的是，體驗(yàn)更好、潛力更大的 MCP 方案，未來必然會(huì)取代 GUI-Agent 方案，成為 AI 時(shí)代的「默認(rèn)路線」。

而隨著「MCP 時(shí)代」的到來，AI 手機(jī)與 App 的線性關(guān)系也將發(fā)生改變：App 將直接向 AI 暴露結(jié)構(gòu)化的能力組件，系統(tǒng)也能對(duì)每一次調(diào)用進(jìn)行統(tǒng)一的權(quán)限管理，其安全性反而比現(xiàn)在的「屏幕捕捉+GUI Agent+替代點(diǎn)擊」還要高。

圖片來源：豆包手機(jī)助手

與此同時(shí)，MCP 的開放性也讓跨 App AI 協(xié)作成為可能。現(xiàn)階段不同 App 之間的聯(lián)動(dòng)還離不開鏈接跳轉(zhuǎn)、剪貼板數(shù)據(jù)寄存等「歪門邪道」，而在 MCP 時(shí)代，AI 可以在同一上下文窗口中調(diào)用不同 App 的能力，實(shí)現(xiàn)真正意義的「流程化」。

12 月 4 日，羅永浩在微博指出「技術(shù)革命是誰都攔不住的」，同時(shí)也對(duì)字節(jié)在 GUI-Agent 路線邁出的這一步點(diǎn)贊：「AI 助手一定會(huì)遍地開花，我們的生活也會(huì)完全離不開它，將來的人們會(huì)記住這歷史性的一天。」

圖片來源：微博

就目前的情況來看，豆包手機(jī)助手已經(jīng)讓我們「預(yù)覽」了未來 AI 手機(jī)的樣子；而即將到來的 2026 年，AI 手機(jī)行業(yè)必然會(huì)加大在 GUI-Agent 賽道的投入，用實(shí)打?qū)嵉氖袌鲂枨笸苿?dòng) App 生態(tài)的 MCP 轉(zhuǎn)型進(jìn)程。

從這個(gè)角度來看，豆包手機(jī)助手，才是開啟 AI 手機(jī)黃金時(shí)代的鑰匙。

CES2026開幕在即！（1月6日-1月9日）
作為中國報(bào)道科技展會(huì)最悠久、最深入、最專業(yè)的新媒體，雷科技CES2026報(bào)道團(tuán)正在進(jìn)行緊張的前期籌備。屆時(shí)雷科技將派出史上最大規(guī)模的CES報(bào)道團(tuán)，并由雷科技創(chuàng)始人兼總編輯羅超帶隊(duì)，對(duì)CES2026進(jìn)行一線、專業(yè)和立體報(bào)道，敬請(qǐng)期待！