AI手機(jī)路線大分野：當(dāng)豆包試圖“接管屏幕”，蘋果和谷歌為何選擇“慢半拍”？

AI手機(jī)的技術(shù)路線已形成鮮明分野。

12月19日，字節(jié)跳動(dòng)在聯(lián)合中興努比亞推出“豆包手機(jī)”nubia M153后再傳擴(kuò)圍動(dòng)作——正與vivo、聯(lián)想、傳音等廠商推進(jìn)AI手機(jī)合作。

以“豆包手機(jī)”為代表的陣營，憑借讀屏、模擬點(diǎn)擊等GUI（圖形用戶界面）技術(shù)，試圖讓AI助手突破應(yīng)用壁壘完成復(fù)雜任務(wù)，卻引發(fā)主流App集體“自衛(wèi)”。

反觀海外，蘋果、谷歌主導(dǎo)的陣營，則堅(jiān)持API（應(yīng)用程序接口）標(biāo)準(zhǔn)化路線，雖穩(wěn)健卻進(jìn)展遲緩。

兩種技術(shù)路線的博弈，是移動(dòng)互聯(lián)網(wǎng)十余年商業(yè)邏輯與利益格局的劇烈碰撞。流量入口遷移的序幕已然拉開，手機(jī)廠商、應(yīng)用開發(fā)者與用戶的關(guān)系正被深度改寫。

GUI接管屏幕：豆包撕開系統(tǒng)級(jí)權(quán)限口子，智譜開源補(bǔ)位

這場路線之爭的導(dǎo)火索，是12月初字節(jié)跳動(dòng)聯(lián)合中興努比亞發(fā)布的“豆包手機(jī)”nubia M153。這款手機(jī)憑借跨應(yīng)用AI操作能力攪動(dòng)行業(yè)：用戶只需發(fā)出語音指令，AI便能完成訂外賣、發(fā)微信、比價(jià)購物等一系列跨App任務(wù)，其技術(shù)核心是GUI（圖形用戶界面）多模態(tài)大模型與系統(tǒng)級(jí)權(quán)限的深度綁定。

豆包手機(jī) 圖片來源：中興商城

前小米OS AI產(chǎn)品專家、現(xiàn)出海AI應(yīng)用公司ExcelMaster.ai創(chuàng)始人張和告訴《每日經(jīng)濟(jì)新聞》記者（以下稱每經(jīng)記者），通過與手機(jī)廠商（如中興）達(dá)成操作系統(tǒng)層面的深度合作，讓AI助手獲得凌駕于所有App之上的系統(tǒng)級(jí)操作權(quán)限。其技術(shù)邏輯是模擬人類的點(diǎn)擊、滑動(dòng)等操作，貫通全手機(jī)應(yīng)用，實(shí)現(xiàn)跨App的任務(wù)執(zhí)行。

但AI助手直接“接管”屏幕，很快引發(fā)主流App的“自衛(wèi)反擊”：微信提示環(huán)境異常甚至封號(hào)，淘寶頻繁彈出人機(jī)驗(yàn)證，各大銀行App則直接拒絕在錄屏狀態(tài)下運(yùn)行。

12月9日，智譜AI宣布開源自主任務(wù)模型AutoGLM，為GUI路線提供了另一種可能性。

AutoGLM同樣基于GUI范式，通過視覺大模型實(shí)現(xiàn)手機(jī)自動(dòng)化操作，但此前因未獲廠商系統(tǒng)級(jí)權(quán)限支持，只能依賴安卓無障礙模式運(yùn)行。

張和指出，無障礙模式存在明顯短板：“AI操作時(shí)會(huì)完全占據(jù)前臺(tái)窗口，比如操作淘寶一分鐘內(nèi)，用戶無法刷微博、聊天。”但他強(qiáng)調(diào)，豆包與智譜AutoGLM本質(zhì)同源，都是大模型廠商視角的探索，僅開源與否的差異。“只要手機(jī)廠商配合，智譜AutoGLM也能實(shí)現(xiàn)后臺(tái)靜默操作，核心癥結(jié)始終是系統(tǒng)權(quán)限。”

獲得中興努比亞手機(jī)的系統(tǒng)級(jí)權(quán)限，是豆包率先做出AI手機(jī)的核心原因之一。

但張和指出，這類合作的主動(dòng)權(quán)掌握在手機(jī)廠商手里——并非廠商不具備同等技術(shù)研發(fā)能力，而是“要不要做（AI手機(jī)）”的戰(zhàn)略考量。

廠商的顧慮主要有兩點(diǎn)：首先是用戶對(duì)隱私泄露的普遍擔(dān)憂，貿(mào)然開放權(quán)限可能嚴(yán)重影響手機(jī)品牌的用戶口碑和形象；其次，手機(jī)廠商希望將系統(tǒng)級(jí)AI入口牢牢掌握在自己手中，而非淪為AI公司的技術(shù)通道。

“這也解釋了為何豆包的首個(gè)合作伙伴是中興努比亞，而非頭部廠商。”張和補(bǔ)充道。

蘋果、谷歌“慢半拍”：API路線的保守布局

豆包手機(jī)的出現(xiàn)，也引發(fā)了全球范圍內(nèi)關(guān)于AI手機(jī)兩條技術(shù)路線——GUI范式與API（應(yīng)用程序接口）范式——的對(duì)比和討論。

豆包和智譜的GUI，如同一個(gè)“AI保姆”，它像人一樣看著手機(jī)屏幕，幫用戶操作手機(jī)。蘋果和谷歌的API路線，則像給App們發(fā)了一套“手冊(cè)”，讓它們自己把功能開放出來給系統(tǒng)調(diào)用。

兩者的優(yōu)劣對(duì)比十分鮮明：GUI不依賴App開發(fā)者配合，通過視覺大模型“讀取”屏幕、模擬人類點(diǎn)擊實(shí)現(xiàn)操作，優(yōu)點(diǎn)是通用性強(qiáng)，理論上人能使用的App它都能駕馭；但缺點(diǎn)同樣突出，一是隱私保護(hù)壓力大，二是效率較低，需逐步驟操作且易出錯(cuò)。

以蘋果Apple Intelligence為代表的API范式，不是通過模擬，而是構(gòu)建底層框架與標(biāo)準(zhǔn)化接口，讓AI通過規(guī)范“調(diào)用能力”完成任務(wù)。這種模式的優(yōu)點(diǎn)是穩(wěn)定、保障隱私且效率高，缺點(diǎn)則是需要App開發(fā)者主動(dòng)配合，生態(tài)構(gòu)建周期更長。

iPhone 17搭載Apple Intelligence 圖片來源：蘋果官網(wǎng)

張和評(píng)價(jià)蘋果是“最保守的大玩家”。

2022年，蘋果推出Apps Intent框架，鼓勵(lì)開發(fā)者向系統(tǒng)聲明功能供Siri調(diào)用，但堅(jiān)決不開放讀屏繞開應(yīng)用的能力；即便未落地的“屏幕感知”功能，也選擇通過API向Siri提供屏幕內(nèi)容，而非直接操控界面。

當(dāng)前，蘋果Apple Intelligence集成了OpenAI的ChatGPT。而據(jù)媒體報(bào)道，蘋果正計(jì)劃采用谷歌的Gemini模型，為Siri語音助手升級(jí)提供技術(shù)支撐。蘋果希望將該技術(shù)作為臨時(shí)解決方案，直到自家模型足夠強(qiáng)大。

Pixel 10搭載Gemini大模型 圖片來源：谷歌官網(wǎng)

谷歌則走端云協(xié)同路線，且優(yōu)先布局電腦端。旗下Gemini大模型具備強(qiáng)大端云協(xié)同能力，但手機(jī)端未采用GUI多模態(tài)操作；推出的AppFunctions API，旨在解決生態(tài)內(nèi)的碎片化問題，實(shí)現(xiàn)系統(tǒng)對(duì)應(yīng)用能力的統(tǒng)一發(fā)現(xiàn)與索引。

谷歌和蘋果均傾向于推動(dòng)應(yīng)用開發(fā)者主動(dòng)接入標(biāo)準(zhǔn)化接口，實(shí)現(xiàn)AI助手跨應(yīng)用協(xié)作。

張和透露，目前兩家公司尚未在手機(jī)上推出GUI多模態(tài)操作相關(guān)功能，仍處于技術(shù)儲(chǔ)備階段。“谷歌一方面需要協(xié)調(diào)安卓生態(tài)的手機(jī)廠商，另一方面也在觀望市場反饋和技術(shù)成熟度。”

AI生態(tài)洗牌：手機(jī)廠商、超級(jí)App與長尾應(yīng)用的利益重構(gòu)

市場調(diào)查機(jī)構(gòu)Canalys報(bào)告顯示，得益于芯片技術(shù)的快速發(fā)展和消費(fèi)者對(duì)AI功能日益增長的需求，全球AI手機(jī)出貨占比將從2024年的16%升至2028年的54%。該機(jī)構(gòu)預(yù)計(jì)，2023年至2028年的年復(fù)合增長率將達(dá)到63%，三星和蘋果等主要玩家將推動(dòng)這一增長。

技術(shù)路線的抉擇，最終將指向移動(dòng)互聯(lián)網(wǎng)利益格局的深度重構(gòu)。

“靠AI助手去購物，相當(dāng)于直接介入交易，互聯(lián)網(wǎng)大廠自然擔(dān)心商業(yè)模式受影響。”張和點(diǎn)出了超級(jí)App集體“自衛(wèi)”的核心焦慮。

API類似手機(jī)廠商向各家互聯(lián)網(wǎng)大廠商議，讓后者開發(fā)接入手機(jī)智能助手的API接口，在限定范圍內(nèi)向AI開放部分功能。這一模式下，主動(dòng)權(quán)掌握在互聯(lián)網(wǎng)大廠手中，是否開放API接口、對(duì)誰開放、開放多少功能，都是未來提供議價(jià)權(quán)的籌碼。

而GUI Agent可以通過“看屏幕、點(diǎn)按鈕”的方式來操作App，相當(dāng)于繞過了App對(duì)AI許可授權(quán)的過程。

更關(guān)鍵的是，GUI Agent將用戶操作截留在了手機(jī)系統(tǒng)層面：用戶無需打開App，就能使用其核心功能。這意味著，App上的廣告投放將失去核心價(jià)值——而廣告收入正是互聯(lián)網(wǎng)行業(yè)的重要營收來源。

張和認(rèn)為，未來AI手機(jī)的生態(tài)將呈現(xiàn)“分層治理”格局，不同體量玩家命運(yùn)迥異。

對(duì)于微信、淘寶等超級(jí)App而言，短期可以通過技術(shù)手段抵制外部AI讀屏，保護(hù)商業(yè)數(shù)據(jù)與用戶隱私。長期最優(yōu)解是自研AI Agent，形成Agent to Agent（A2A）協(xié)作模式：系統(tǒng)級(jí)AI將用戶意圖傳遞給應(yīng)用Agent，后者在權(quán)限內(nèi)完成操作。這種模式既保護(hù)超級(jí)App“領(lǐng)地”，又能融入AI手機(jī)生態(tài)。

對(duì)于數(shù)以百萬計(jì)的中長尾App來說，處境則將完全不同。

張和認(rèn)為，長尾App因缺乏自研Agent的技術(shù)與商業(yè)話語權(quán)，大概率將“被系統(tǒng)級(jí)AI直接控制”。對(duì)它們而言，與其投入資源拉新獲客，不如接受系統(tǒng)級(jí)級(jí)AI操作，換取新生態(tài)的流量分發(fā)。手機(jī)廠商或會(huì)制定標(biāo)準(zhǔn)化利益分配條款，讓長尾應(yīng)用“搭上生態(tài)紅利”。

“這就像自動(dòng)駕駛，是不可逆轉(zhuǎn)的歷史趨勢。”張和總結(jié)道。以用戶需求為核心的變革，將推動(dòng)生態(tài)從“流量爭奪”走向“價(jià)值共創(chuàng)”，最終形成手機(jī)廠商主導(dǎo)，超級(jí)App、長尾應(yīng)用和大模型廠商各司其職的全新格局。