AI手機的終局，“讀屏”還是“對話”？

定焦One（dingjiaoone）原創

作者 | 金玙璠

編輯 | 阮梅

最近科技圈的兩場“AI秀”先后刷屏。

在大洋彼岸，當地時間1月12日，蘋果和谷歌宣布合作，要給Siri用上谷歌的Gemini。但蘋果的做法，不是直接讓Gemini操作手機上的App，而是用戶說什么，Siri先理解意圖，然后去調用相應的應用。換句話說，AI只是個“調度員”。這套操作，很蘋果。

另一邊，國內的情況就熱鬧得多。字節跳動的豆包AI手機一度刷屏，AI可以幫你打車、購物、訂票，就像一個真正的“萬能助理”。這套打法，很互聯網。

你看，同樣是AI手機，實現的方式完全不同。這背后，其實是兩條技術路線：

一條路線，是讓AI和App學會“對話”，通過標準接口直接調用應用能力，被稱為A2A（Agent-to-Agent）。這條路需要所有人坐下來一起制定規則，走得慢，但更穩妥。

另一條路線，是給AI一把“萬能鑰匙”，通過系統權限“讀屏”并模擬操作APP，被稱為GUI（圖形用戶界面）。這條路簡單直接，走得快，但可能存在風險。

這背后不只是技術選擇，本質上，是不同公司基于自身利益與生態位，對未來主導權的一次押注。誰的模式能贏得用戶，很可能將決定：下一個十年，我們如何與手中的設備共處。

兩種解法，兩種邏輯

要看懂這場牌局，我們先得看清這兩條路線背后的邏輯。

GUI路線，主打一個“快”字。

它的實現方式，最初是AI助手借助安卓系統中一個名為“無障礙服務”的功能。這項權限最初是為有視力障礙的人士設計的，好讓他們能通過語音指令來操作手機。現在，AI通過這項權限可以“讀懂”屏幕上的文字和圖標，然后模擬人的手指去點擊、滑動，從而操作各種App。之后不久，市場上出現了比調用無障礙權限更“領先”的路線，也就是AI助手拿到了手機廠商給自己的系統簽名權限，從而通過進程注入，更絲滑、無感地模擬操作。

這樣做的好處顯而易見——它繞開了所有App廠商，直接把AI能力覆蓋到了現有的應用生態中。對于急于在AI浪潮中搶占身位的廠商來說，這是最快的驗證路徑。

“當用戶習慣了通過一個AI助手來操作所有App時，這個助手就成了新的流量入口，這背后的商業價值，相當有吸引力。”關注互聯網公司的投資人林亮表示。

不過，對于用戶來說，體驗現階段的GUI可能“時靈時不靈”。

“GUI很依賴應用界面的穩定性”，應用開發者陳剛表示，“如果App更新了界面設計，比如一個按鈕的位置變了，都可能讓AI‘點錯’位置，整個任務流程就會卡住。”

陳剛指出，當任務鏈路變長時，這種不穩定性會被放大。有數據顯示，一個包含5個步驟的操作，即便每一步的成功率都高達90%，整個任務的最終成功率也可能驟降至59%。

圖源 / pexels

除了體驗上的不確定性，很多用戶擔心的是安全和隱私風險。GUI模式下，AI需要通過“讀屏”來理解屏幕內容，進而決定下一步操作，就意味著，它需要實時獲取屏幕信息。盡管廠商們承諾數據會加密或不上傳，但用戶心中難免會有疑慮：用戶的數據在什么情況下被收集、如何被使用、誰來負責？

A2A則是完全不同的思路。它不讓AI“看”屏幕，而是為AI和各個應用建立一套通用的“對話語言”——也就是標準的API接口。

這聽起來有點抽象，你可以想象這樣的場景：你對手機說“幫我打車去機場”，系統Agent理解后，直接告訴相應的Agent：“用戶要去機場，請提供打車服務。”出行App的Agent收到請求后，在自己的權限范圍內完成任務。

A2A的核心，是“合作”。這一路線中有個關鍵設計叫“雙重授權”：同時獲得用戶和應用方的授權。

這樣一來，權責變得清晰了。用戶可以對不同的App設置不同的權限等級。比如，允許AI讀取外賣App來比價，但禁止讀取銀行App；對于轉賬這樣的高風險操作，每次執行都需要你的額外確認。由于數據流動是通過明確的接口進行的，是有據可查的，即便出了問題也可以追溯。

那為什么不是所有廠商都選擇A2A呢？

因為協調成本很高。A2A需要操作系統廠商、應用開發者共同推進一套標準化的協議。沒有足夠多的應用支持，A2A的價值就顯現不出來；沒有明確的價值，開發者就缺乏適配的動力。

所以，A2A路線注定是一場“持久戰”，它“慢”在生態共識的達成與基礎設施的建設。

現在，兩條路線的邏輯就清楚了：GUI雖有一定風險但高效，能讓廠商用最小代價快速驗證AI手機的可能性。A2A穩妥但緩慢，需要更多協調和投入，不過一旦成功，就能建立一套更安全的體系。

有人可能會問，GUI路線就不能通過技術手段實現分級授權嗎？理論上可以，但這樣做也就失去了相對于A2A的“快速部署”優勢，同時還要承受更高的技術成本。

目前行業內相對公認的路徑是，GUI探路尚可，因為它會把智能體的便利和風險都充分呈現出來，最終還是要看A2A，因為只有滿足了安全和便利兩個條件，才能走得遠。如果跳出中國市場，全球的科技巨頭們是如何選擇的呢？

不同路線背后，巨頭們的算盤

在手機端，海外巨頭幾乎都選了A2A，推動API（接口）集成。

蘋果最直接。它升級了“App Intents”框架，要求所有想接入AI功能的應用，都必須按照蘋果制定的標準提供API接口。

谷歌的路更復雜。它一邊推“AppFunctions API”來統一智能體交互標準，一邊大力推廣各類應用適配，這是個緩慢的過程。

微軟自研了“AutoGen”這樣的多智能體對話框架，探索不同AI智能體怎樣更好地協同。

OpenAI和Anthropic雖然不直接做手機，但它們推動的“函數調用”和“工具使用”功能，實際上就是A2A的技術前身。根據Anthropic公布的數據，從2025年3月的2000多個活躍MCP服務，到12月已經超過1萬個——這個增速相當驚人。

為什么無論是蘋果、谷歌這樣的操作系統霸主，還是微軟、OpenAI這樣的AI領頭羊，都選了緩慢的接口路線？

因為它們是現有秩序的建立者和最大受益者。

蘋果、谷歌的核心利益是維護平臺、穩定開發者。未經三方授權就簡單使用GUI，這種“外掛式”的路線，本質上是在挑戰它們的統治地位。所以它們必然會選A2A這種“可控”的方案，把AI能力牢牢掌握在自己手中，作為強化生態控制力的新工具。

微軟手握Windows和Office兩大王牌，其AI戰略的核心是提升生產力，服務企業客戶。對于這些客戶來說，安全和穩定是第一需求，無法接受GUI的不確定性和安全風險。

OpenAI作為AI技術的“軍火商”，目標是讓自己的模型被盡可能多的應用“調用”。所以它必須提供穩定、可靠的API接口，而不是無法確保結果的GUI工具。

海外巨頭是不是完全放棄GUI了？并非如此。

谷歌的Gemini和微軟的Copilot，在手機上推出了“屏幕共享”功能——讓用戶可以把屏幕分享給AI，AI可以“看”并回答問題，但本身不會去操作。

海外巨頭的GUI嘗試，主要在PC端，而且，嚴格限制在受控環境（如瀏覽器、沙盒、虛擬機）內。

OpenAI把具備GUI操作能力的Agent限定在Atlas瀏覽器內，明確禁止它運行代碼、下載文件或訪問本地應用。Anthropic在2024年底就發布了Computer Use API，但相關功能至今僅供開發者在虛擬環境中測試。

微軟的做法最具代表性。在其Recall功能因高頻截屏引發隱私爭議后，它直接把“看”和“做”兩個動作拆分了——Copilot Vision只能“看”用戶共享的應用并提供建議，不能操作；有操作能力的Copilot Actions必須在單獨的沙盒桌面中進行。

所以，海外巨頭出于“維護現有秩序”的考慮，堅定地走A2A路線，GUI嘗試只停留在“測試版”，并未向普通用戶大規模推廣。

相比之下，國內市場格局更復雜，巨頭中既有“挑戰者”也有“守成者”，選擇也因此更多樣。

字節跳動走的是高權限GUI路線。它通過豆包大模型與中興努比亞深度合作，推出集成系統級AI助手的“AI手機”，希望繞開現有的生態壁壘，爭奪下一代流量入口。

阿里、華為、OPPO，都布局了A2A路線。

阿里的動作很直接，就是通過自建的、可控的API體系，將“通義千問”這個超級大腦，深度集成到淘寶、支付寶、高德等核心業務中。

華為則在2025年底發布的HarmonyOS 6中，通過“意圖框架”，實現了“小藝”智能體與十余款鴻蒙原生應用的A2A協作。

OPPO也聯合了支付寶等頭部應用，共同探索A2A的行業標準。

但這些看似相同的選擇背后，是各自的商業考量。

對阿里來說，這套打法“攻守兼備”。一方面，作為中國頭部電商平臺，核心利益是用可控的API保護龐大的交易生態。但另一方面，它又不止于防守，而是通過通義千問打造一個入口，讓用戶在阿里生態內完成更多交易和服務。

華為和OPPO當然不想只做硬件制造商，容易被“管道化”，所以，在A2A路線之上，它們還在走一條以自家操作系統或AI大模型為核心的“混合生態”的路線。在這套體系里，既有標準的API調用，也有更底層的系統級智能體，最終目的都是為了掌握生態主導權，從一個“設備提供商”，升級為未來生態的“規則制定者”之一。

簡言之，國內外廠商多數都選了A2A。只是區別在于，海外巨頭用它來強化現有控制；國內廠商則用它來爭取話語權，一邊參與A2A的標準制定，一邊通過自身的OS、大模型或生態優勢，建立以自己為核心的混合生態。

為什么主流廠商更傾向A2A？

選擇背后，是不同玩家在牌桌上的位置使然。不過，從這些主流廠商的選擇中，我們可以得出一個結論：GUI路線雖然能快速驗證AI手機的可能性，但A2A正獲得越來越多主流廠商的青睞。

是因為A2A更安全、更穩定嗎？不全是。它之所以被看作是未來，可以從技術演進、監管合規和商業成本三個維度來看。

從技術角度看，A2A更符合AI分工協作的本質。

GUI路線要求大模型同時承擔“感知屏幕（眼）、規劃任務（腦）、模擬操作（手）”的工作，負擔重、效率低且易出錯。A2A路線，則是讓AI回歸到它最擅長的“大腦”角色，專注于理解與任務調度，具體的執行交給各垂直領域優化的應用智能體。這種“各司其職”的模式，不僅更高效可靠，也為未來更復雜的智能體協作打下了基礎。

從監管角度看，A2A是更安全、更合規的選擇。

GUI的“讀屏”行為在全球范圍內都面臨越來越嚴格的隱私監管。2025年12月，美國德州起訴了包括三星在內的多家智能電視制造商，指控它們通過高頻截屏非法收集用戶數據。這為所有采用類似技術的廠商敲響了警鐘。

圖源 / pexels

而A2A由于數據流動通過明確的接口進行，并且有“雙重授權”機制保障，為廠商建立了一道合規“防火墻”。

最后，也是最關鍵的，從商業成本角度看，A2A是更經濟的選擇。GUI方案看似“快”，但長期運營成本高。

陳剛做了個類比：

GUI模式就像雇了一個需要24小時盯著監控屏幕的保安，要不斷地看、不斷地分析圖像。這消耗的是大量的“腦力”（云端計算資源）。

A2A模式是建立了一個高效的內部通訊系統。當需要某個部門配合時，發送一條結構化的簡單指令即可。這消耗的只是“通訊費”（API調用費用）。

對于手機廠商來說，如果幾億用戶每天都在用AI讀屏，算力與帶寬開支將是一筆巨大的開支。這種商業模式，在規模化商用的前景下，幾乎是不可持續的。

所以無論從技術、監管還是商業成本來看，A2A都是更優的選擇。更重要的是，一旦這個生態建立起來，它將帶來全新的商業機會。這也是最讓行業人士興奮的原因。

首先，協議層與中間件將成為核心。PC時代有Windows，移動互聯網時代有iOS和安卓。在AI時代，A2A、MCP等協議標準，就像是新時代的“操作系統”和“開發語言”。誰能掌握標準，誰就可能成為下一個平臺級的巨頭。

其次，“智能體工廠”與垂直Agent服務商將迎來爆發。基于標準協議，為金融、醫療、物流等特定行業開發專屬智能體，將成為一個巨大的市場。未來，可能會有專門的“智能體商店”，你可以像下載App一樣，為你的手機雇傭一個“私人理財顧問”或“專屬旅行規劃師”。這為無數中小開發者，提供了全新的創業機會。

最后，現有公司也將在新生態中重新找到自己的位置。云廠商將成為智能體的“訓練場”，手機廠商則成為智能體的承載終端。它們都將獲得新的增長。

對于中國的科技公司而言，這是一個在底層協議和基礎設施上，與全球巨頭同臺競技的絕佳機會。

結語

聊了這么多技術和商業，我們不妨回到一個最根本的問題：AI，到底應該如何服務于人？

AI手機的發展，正從功能炫技的“概念期”，進入生態構建期。GUI和A2A，從不同維度給出了各自的回答。

GUI用一種最直觀的方式，完成了初步的市場啟蒙。它讓我們提前看到了AI手機未來的樣子——一個能聽懂、會操作的伙伴。這種“快”的優勢，幫助廠商們快速驗證了AI手機的可能性。但安全性存疑、經濟性不高，決定了它更可能是一種過渡方案。

A2A路線盡管起步緩慢、協調艱難，但它在做一件更基礎的事——為AI和應用之間建立一套清晰的“規則”。這些規則看起來很復雜，但本質上是在回答一個問題：AI應該在哪些地方有權力，在哪些地方沒有。一旦這套規則被廣泛接受和應用，就能形成一個更穩定、更可控的生態。這必然是一場持久戰。

這場路線之爭，往深了想，其實是我們希望與機器建立何種關系的思考。

AI手機的未來，或許并不在于讓手機變得無所不能，去替代我們做所有事。而在于，它能否成為一個更聰明的“副駕駛”，在我們做決策時，提供更精準的信息、更周全的建議，最終把選擇權交還給我們自己。說到底，技術終究是為人服務的。

*題圖來源于pexels。應受訪者要求，文中陳剛、林亮為化名。