手機之外，AI硬件還有哪些機會？從豆包手機說起

撰 文|王子陽 清華大學經濟管理學院商業模式創新中心研究主管、西安交通大學物流融合創新發展研究中心副研究員

朱武祥 清華大學經濟管理學院商業模式創新中心主任，清華經管金融系教授

張芃 清華大學工程物理系碩士生

近期，豆包手機助手引發了一場頗具戲劇性的爭議。這款號稱能“接管手機”的 AI 應用，因其模擬點擊、屏幕識別等能力，一度被用戶視為“終于懂我的 AI 隊友”。它精準擊中了用戶在多應用間頻繁切換的痛點，描繪出了一幅智能體高度自主化的未來圖景。然而好景不長，微信、支付寶及多家銀行 App 接連發出風險預警與技術封鎖，迅速將這場狂歡推向了“生態圍剿”的尷尬境地。

輿論場的撕裂頗為典型。支持者痛斥互聯網巨頭利用壟斷地位扼殺創新，認為這是舊勢力對新技術的打壓。反對者則擔憂數據安全與隱私邊界，認為這種“系統級接管”帶來了不可控的風險。但如果我們跳出這種“創新對峙壟斷”的二元對立情緒，從商業演進的視角審視，會發現雙方或許都未觸及問題的核心。

這場爭論的焦點——創新權利與生態安全——固然重要，但都回避了一個更根本的問題：在這個數字生態中，豆包究竟站在了什么位置？為什么它的技術路徑會引發如此強烈的反制？本文試圖從生態位、連接方式和實現路徑三個維度，探討這個問題的答案。同時，我們也想追問：AI 與硬件結合的黃金時代，真正的機會究竟在哪里？

豆包的三重困境

困境一：生態位的根本性錯配

要理解豆包的第一重困境，我們需要引入一個關鍵概念：生態中心度。簡單來說，中心度衡量的是一個產品對用戶核心資源的掌控程度——包括操作系統級權限、賬戶體系、數據主權、以及由此衍生的生態話語權。中心度越高，產品在生態中的話語權越大，受制于人的程度越低。手機恰恰是一個高中心度產品的集大成者，也是巨頭嚴防死守的超級戰場。

而豆包手機助手的生態位是什么？它既不是操作系統，無法從底層調度資源；也不是超級 App，缺乏獨立的賬戶體系與數據沉淀。它是一個第三方應用，試圖通過模擬點擊和屏幕識別，去“接管”其他應用的操作流程。這種生態位的本質是低中心度——它對用戶的核心資源沒有任何實質性的掌控力。

這種錯配帶來的是一場結構性的不對等競爭。豆包試圖用低權限姿態，去奪取高權限生態的控制權。它想要操控微信發消息、讓支付寶完成轉賬、指揮銀行 App 查詢余額，但它既沒有這些巨頭的底層權限，也沒有用戶對這些巨頭的信任背書。這就像試圖在現有生態體系內建立新的協調機制，卻缺乏生態主導者的授權與支持——即便暫時擁有了某種技術手段，也必然面臨生態主導者的反制，因為這種方式從根本上挑戰了現有的權限分配體系。

更深層的矛盾在于，豆包的價值主張本身就建立在侵蝕現有生態控制權的基礎上。它越是成功，就越威脅到操作系統與超級 App 的核心利益。這不是技術創新與舊勢力的對抗，而是一個低中心度工具試圖重構高中心度生態規則。在商業競爭中，這種錯配的代價往往是致命的。

困境二：連接方式的結構性脆弱

豆包的技術路徑看似巧妙，實則建立在極度脆弱的地基之上。這種脆弱性體現在技術與利益兩個層面，它們共同構成了一種寄生式連接的宿命。

從技術層面看，豆包依賴模擬點擊和屏幕識別來實現跨應用操作。這意味著它必須精確識別每個 App 的界面元素——按鈕在哪里、輸入框在哪里、確認鍵在哪里。但這些界面并非靜態不變。微信每一次版本更新都可能調整聊天界面的布局，支付寶的一次改版就能讓轉賬流程完全變樣，銀行 App 的安全升級更是頻繁。每一次界面變化，都會導致豆包精心構建的操作腳本失效。這種依賴性不是偶然的技術缺陷，而是寄生模式的內在屬性——寄生者的生存依賴于宿主的穩定性，而宿主不僅沒有義務為寄生者保持穩定，反而有動力通過改變來驅逐寄生者。

更致命的是利益層面的沖突。這種沖突存在三個遞進的層次。

第一層是數據主權的爭奪。AI 助手要實現真正的智能化，必須深度理解用戶的行為模式——這意味著它需要訪問微信的社交關系圖譜、支付寶的消費記錄、日歷的行程安排、健康應用的體征數據。但這些數據恰恰是超級 App 建立護城河的根基。微信的社交關系鏈支撐起了它的廣告精準投放與小程序生態，支付寶的消費數據是其信用評估與金融服務的核心資產。

第二層是商業邏輯的零和博弈。讓騰訊、阿里向一個第三方系統開放這些核心數據接口，等同于要求它們主動拆除自己的商業壁壘。這不是技術對接的問題，而是利益分配的根本沖突。豆包獲取的每一份數據主權，都意味著巨頭們失去的一塊領地。當微信發現豆包在讀取用戶的聊天記錄，當支付寶發現豆包在分析用戶的消費行為，它們的風控系統會做出唯一理性的反應——封殺。這不是保守，而是商業自衛的本能。

第三層是用戶心理的抗拒。即便巨頭們愿意在監管壓力下做出某種妥協，用戶是否愿意接受這種深度綁定？當一個系統需要全面滲透你的數字生活才能提供價值時，它已經不再是一個可隨時更換的工具，而是變成了你數字人格的托管者。這種深度依賴帶來的不僅是數據泄露的風險焦慮，更是對自主權喪失的本能抵觸。一旦將所有行為軌跡交由 AI 統籌，用戶與系統的關系就從“主動使用”轉變為“被動依賴”，這種心理閾值的跨越，遠比技術實現困難得多。

寄生式連接無法建立穩定的商業關系。宿主隨時可以通過技術升級或策略調整，切斷寄生者的生存空間。豆包的困境不是技術不夠先進，而是它選擇了一種從根本上無法持續的連接方式。相反，如果能建立一種讓宿主也能獲益的共生式連接，情況將完全不同——這正是我們后文模式三的核心邏輯。

困境三：實現路徑的致命缺陷

汽車的發明并非在馬身上裝個發動機，而是重構了整個交通工具的底層邏輯——從生物動力到機械動力，從馬車車架到內燃機底盤。這個比喻之所以重要，是因為它揭示了技術革命的本質：真正的革新不是在舊模式上疊加新技術，而是從根本上重構實現路徑。

需要澄清的是，“AI 中間層”本身并非錯誤的方向。語音交互、意圖理解、智能代理，這些都是未來人機交互演進的必然趨勢。問題不在于引入 AI 作為中介，而在于豆包選擇的具體實現方式——通過模擬點擊來實現自動化。這恰恰是一種“在馬身上裝發動機”式的過渡性實現方式：馬的身體結構（App 的 UI 界面）并非為發動機（AI 自動化）設計，強行組合的結果是既保留了舊模式的所有缺陷（界面脆弱性、權限限制），又引入了新技術的額外成本（監督負擔、信任焦慮），最終得到的是一匹跑不快還容易散架的“機械馬”。

這種路徑設計導致了一種致命的體驗缺陷：半自動化的尷尬。

核心問題在于信任邊界的模糊。當你親手操作時，每一步都在視覺與觸覺的雙重反饋中完成，出錯了能立刻察覺并糾正。但當 AI 通過模擬點擊代勞時，你必須在最后一步進行全局檢查——訂機票時你真的敢不核對航班信息就付款嗎？發消息前你真的敢不確認收件人和內容就發送嗎？這種強制性的二次確認，實際上將原本的“3 步操作”擴展為“觀察 AI 執行 10 步 + 人工確認 1 步”。用戶的注意力從未離開，甚至因為無法實時干預而更加緊張。

豆包的半自動化既未達到完全自動的解放感，也打破了手動操作的掌控感。它陷入了自動化的“結構性的信任挑戰”——用戶既不能完全放手，也無法直接干預。這種體驗的本質問題不是技術不夠智能，而是實現路徑的選擇錯誤。當你選擇用模擬點擊去“接管”用戶操作時，就注定要面對這個結構性的信任挑戰。

更本質的矛盾在于，手機 20 年的進化方向是消除中間層，讓人與信息直接對話。從輸入法的智能預測，到 App 的快捷操作，再到小組件的一屏直達，所有優化都在減少用戶的操作步驟。而豆包通過模擬點擊實現的“自動化”，實際上在重新插入一個復雜的、不透明的中間層。這不是技c//術先進與否的問題，而是產品體驗的根本倒退。

從困境到出路

豆包的三重困境揭示了一個更宏觀的問題：在手機這個被巨頭嚴防死守的超級戰場上，試圖通過寄生式的技術手段奪取控制權，注定是一場不可能獲勝的戰爭。但這并不意味著豆包應該放棄 AI 硬件。豆包擁有國內領先的 AI 能力，這是真正的硬實力。問題不在于能力，而在于能力的釋放方式。

既然手機戰場困難重重，我們需要尋找新的方向。避開高中心度巨頭的直接對抗，建立可持續的連接方式，選擇正確的實現路徑——三種截然不同的模式由此浮現（表1）。

這三種模式的選擇邏輯各有側重：模式一通過重構價值主張，讓硬件成為用戶數字資產的托管者，建立主權級的護城河；模式二通過重構關鍵活動，在巨頭力所不及的垂直場景構建端到端閉環；模式三通過重構渠道通路，繞過 App 的界面層，建立基于 API 的共生式連接。這三種模式都不試圖操控用戶的手機和現有 App，而是通過重構商業模式要素，開辟新的價值空間。

表1 AI硬件的三種商業模式

模式一：本地數據中樞——重構“價值主張”

核心邏輯：成為用戶數字資產的本地托管者，通過數據積累建立不可替代的護城河。

這一模式的關鍵在于：讓硬件設備成為用戶數字生活的中樞，本地存儲和管理用戶最核心的數字資產——賬號憑證、個人偏好、歷史操作記錄、私密數據等。與云端服務不同，本地托管帶來三個獨特優勢：絕對的隱私控制，敏感數據不上傳云端，用戶擁有完全的所有權和控制權；離線可用性，不依賴網絡連接，設備隨時可以調用本地數據提供服務；即時響應，本地數據訪問速度遠超云端，帶來更好的用戶體驗。

隨著使用時間延長，設備上積累的數據越來越多，形成強大的鎖定效應。當用戶的數字身份、習慣模式、偏好設置都深度綁定在這臺設備上時，更換設備的成本變得極高。更重要的是，這些本地數據為 AI 提供了無可替代的增值空間——基于用戶歷史行為的個性化推薦、基于偏好數據的智能決策、基于私密信息的貼心服務，這些都只有本地 AI 能做到。

對 AI 硬件的啟示：豆包可以推出一款定位于“個人數字資產管家”的 AI 硬件。它不去模擬點擊手機上的 App，而是讓用戶主動將核心數據托管到設備。比如，通過導入功能，用戶可以將歷史聊天記錄、工作文檔、個人照片、健康數據等一次性遷移到設備。設備通過本地 AI 模型建立語義索引，用戶可以隨時詢問：“我在哪次會議上討論過季度目標？”或“幫我找出去年關于項目 A 的所有討論”。

關鍵在于兩點：用戶對數據擁有完全主權，設備僅作為本地處理器，不會將數據上傳云端，從根本上消除了隱私擔憂。隨著用戶導入的數據越來越多，設備的價值呈指數級增長——它從一個工具變成了用戶數字生活的“外掛大腦”，用戶不愿意也無法輕易更換。

模式二：垂直場景專用硬件——重構“關鍵活動”

這一模式的核心在于針對某一特定高價值場景，設計專用的 AI 硬件。這里的硬件不僅僅是算法的容器，更是通過專用的傳感器或處理能力，在特定場景下提供比手機高出 10 倍的效率。其關鍵特征在于“端到端閉環”：硬件本身就能完成核心價值的交付，不依賴外部服務商的 API 接口，也不依賴手機的通用計算能力。

在探討成功案例前，我們必須審視 Humane AI Pin 的敗局。這款曾被寄予厚望的產品，試圖通過投影和語音交互完全取代智能手機，挑戰通用場景。它的失敗提供了三個關鍵教訓：

教訓一：不要在手機最擅長的領域挑戰手機。在發郵件、查地圖、瀏覽信息流等通用場景中，智能手機經過二十年的進化，其觸控交互已經達到了效率的巔峰——肌肉記憶與視覺反饋的完美配合，實現了毫秒級的響應與確認。

教訓二：交互方式的改變必須帶來效率提升，而非倒退。試圖用語音交互去替代這種“所見即所得”的高效觸控，不僅效率不升反降，還增加了用戶的認知負擔。用戶發現，用 AI Pin 發送一封郵件需要反復確認語音識別是否準確，而用手機只需幾秒鐘。

教訓三：酷炫的技術不等于好的產品。這是一種典型的“為創新而創新”，技術雖酷，體驗卻倒退。AI 硬件的機會因此變得清晰：不是挑戰手機的通用場景，而是在手機力不從心的垂直場景尋找突破口。

相比之下，Plaud Note 展示了正確的打開方式。這家 2022 年成立的深圳公司，2023 年在 Kickstarter 上眾籌時獲得了超過目標 20 倍的資金支持，2024 年出貨量突破 50 萬臺。它沒有試圖取代手機，而是專注于“商務錄音”這一個極窄的切面。

在商務會議或電話溝通中，手機錄音往往面臨諸多痛點：環境嘈雜導致音質差、多人會議無法區分說話人、錄音文件占用空間大。更痛苦的是事后整理，聽完一個小時的錄音并手動整理筆記，往往需要耗費兩個小時，且難以快速檢索關鍵信息。Plaud Note 給出的解決方案是典型的“垂直專用”策略。在硬件層，它通過 MagSafe 吸附在手機背面，利用波束成形麥克風陣列獲取演播室級的高質量聲源，在設備內直接完成降噪。在軟件層，它通過云端 AI 進行聲紋分離、語音轉文字和智能摘要生成。更關鍵的是，它徹底重構了交付層：它不試圖去操控你的飛書或釘釘 App，而是生成一份結構化的鏈接。用戶只需點擊鏈接，即可一鍵將整理好的內容導入任何協作軟件。

這種“專用硬件＋本地閉環”的邏輯，在其他場景同樣有效。

首先是 AI 健康監測手環。手機健康 App 無法做到 24 小時貼身監測，且數據往往是碎片化的。專用的可穿戴設備可以持續采集心率、血壓、血氧乃至睡眠數據，利用本地化的小型 AI 模型分析長期健康趨勢。當識別到心律異?；蛩吆粑鼤和ｏL險時，設備直接通過語音或震動提醒用戶。這種模式的關鍵在于硬件本身完成了“采集+分析+預警”的閉環，不需要對接醫院的 API 即可提供核心價值。

其次是 AI 兒童學習伴侶。在家長無法陪伴的場景下，手機往往是分散孩子注意力的干擾源。專用的 AI 學習硬件（如智能臺燈或機器人）構建了一個純凈的交互環境。通過語音對話練習英語口語，或引導孩子講解數學解題思路，硬件內置的本地 AI 模型能實時評測發音準確度或邏輯完整性。它內置了教育內容和評測能力，不依賴外部在線教育平臺的實時服務，確保了學習的專注度。

再看 AI 車載安全助手。傳統的行車記錄儀只是被動的“黑匣子”，只能事后查看。AI 安全助手利用邊緣計算芯片，實時分析路況視頻流，識別駕駛員的疲勞狀態、分心行為或跟車距離過近，并通過語音實時預警。這種對低延遲要求極高的場景，必須依靠本地硬件的算力閉環，而非云端服務，從而在關鍵時刻挽救生命。

此外，在消費級市場之外，這種模式在特定人群中也有巨大的生命力。老人看護終端，在跌倒檢測或服藥提醒場景中，老人無法操作復雜的手機，專用設備可通過佩戴式傳感器與語音/燈光提醒完成監測與干預，家屬可遠程接收告警并查看歷史記錄。

由此，我們可以提煉出判斷一個場景是否適合做垂直 AI 硬件的四個黃金標準——這些標準在 Plaud Note 及上述所有案例中都得到了驗證：

標準一：專用傳感器需求。該任務需要專用的傳感器或輸入設備（如 Plaud Note 的麥克風陣列、健康手環的生物傳感器、車載助手的攝像頭），手機的通用硬件無法滿足。

標準二：閉環交付能力。任務流程可以在設備端或自有云端形成閉環，不依賴第三方服務商的接口。Plaud Note 不需要調用飛書的 API，健康手環不需要醫院的數據接口，學習伴侶不需要在線教育平臺的實時授課。

標準三：市場規模與付費意愿。目標用戶群體足夠大且具備付費能力。商務人士愿意為效率買單，家長愿意為孩子的教育投資，健康焦慮者愿意為安心付費。

標準四：效率躍升門檻。也是最重要的一點，AI 介入后能提供至少 10 倍的效率提升。Plaud Note 將 2 小時壓縮到 5 分鐘，健康手環將被動監測變為主動預警，學習伴侶將碎片化練習變為系統化輔導。

在商業模式上，垂直場景專用硬件往往采用“硬件+訂閱”的組合拳。硬件的首次銷售覆蓋制造成本并建立物理連接，而后續的高級 AI 功能（如無限時長的錄音轉寫、更深度的健康報告）則構成持續的訂閱收入。這種模式的溢價能力來自于在垂直場景的不可替代性——用戶購買的不是一個電子產品，而是“被專業化解決的問題”。

模式三：API服務連接器——重構"渠道通路"

第三種方向則更具顛覆性。與模式二強調硬件本身的計算能力不同，模式三的核心邏輯是：以對話式 AI 作為意圖入口，價值的交付依賴于對接外部服務商的 API。這種模式的載體可以是硬件（如 Amazon Echo 智能音箱），也可以是軟件（如螞蟻阿福 App）——關鍵不在于形態，而在于"意圖理解+API 調度"的架構模式。其本質是"去中介化"——不是去除所有中間環節，而是繞過超級 App 的界面層，建立基于意圖的新供應鏈，讓 AI 成為用戶與服務商之間的直接橋梁。

這與豆包模式有著本質的區別——正是前文提到的"共生式連接"。豆包通過模擬點擊"寄生"在 App 之上，實際上是在劫持 App 的流量，破壞了 App 的交互邏輯，因此必然招致封殺。而 API 連接器模式是"共生"的。對于服務商而言，AI 入口是一個新的流量渠道，能帶來增量訂單。只要能帶來真實的交易，服務商不僅不會抵制，反而會主動適配。Amazon Echo 在美國的成功已經驗證了這一點——它通過 Alexa Skills 連接了數以萬計的服務商，成為智能家居控制、購物、信息查詢的統一入口。

螞蟻阿福則是這一模式在中國健康醫療領域的典型驗證者。這款由螞蟻集團推出的 AI 健康應用，月活用戶已超 1500 萬，每天回答超過 500 萬個健康咨詢。螞蟻阿福通過對話式 AI 入口，連接了多方服務的 API。這種架構讓用戶無需在十幾個 App 之間切換，未來可以實現一次對話即可完成從咨詢到購藥到預約的全流程——這才是真正的"發射后不管"，用戶只需說出意圖，AI 自行調度后臺資源完成履約。

更多應用場景：除了健康醫療，這種"對話入口+API 調度"的模式同樣適用于其他需要跨多個服務商協調的復雜場景。

AI 旅行規劃器。出國旅行的規劃是一個極其繁瑣的過程，用戶需要在攜程、Booking、簽證中心、航司官網、Google Maps 等十幾個平臺間反復切換。在 API 連接器模式下，用戶只需輸入"3 萬預算、10 天日本關西游、偏好和風民宿"，AI Agent 通過 API 直接查詢各大航司的實時票價、Booking 的房源庫存和當地景點的門票接口，自動組合出最優行程方案，用戶確認后通過 API 一鍵完成支付。

再比如 B2B 領域的 AI 采購助手。企業采購員通常需要在多個供應商平臺提交詢價、對比報價。AI 采購助手允許采購員用自然語言描述需求，系統自動調用供應商聯盟的 ERP 接口發起詢價，收集反饋并生成對比表格。這將原本需要人工登錄多個網站操作的流程，轉化為 AI 后臺的自動 API 調度，大幅提升了供應鏈響應速度。

還有 AI 裝修管家。家裝涉及設計師、建材商、施工隊的協調。AI 裝修管家通過對接裝修公司的項目管理系統和建材商的庫存 API，實現了全流程的自動化統籌。當業主確認"水電改造完成"，系統自動觸發 API 通知泥瓦工進場，并向建材商發送瓷磚發貨指令。它將裝修協調的時間成本降低了 70%，有效避免了工期延誤。

實施路徑與利益重構：實施可分三階段推進。首先是"垂直切入"，主攻低頻、高客單價、高決策復雜度的增量市場，如跨國定制游、家庭裝修協調、法律稅務咨詢，避開巨頭壟斷的紅海。其次是"建立聯盟"，與行業頭部的非壟斷服務商建立深度合作，打造示范效應。最后是"標準確立"，定義模型上下文協議（MCP），讓服務商只需提供一份 API 文檔，就能被 AI Agent 理解并調用。

這種模式的核心在于利益分配機制的重構。對中腰部服務商，AI 入口作為去中介化的新渠道，可大幅降低獲客成本；對平臺方，可通過交易分成、訂閱或授權實現變現；對用戶，無需在多個 App 之間切換，一次對話即可完成復雜任務。

對豆包而言，它今天的困局源于戰場選擇：在高度競爭的領域，以第三方應用的定位，嘗試重構現有生態的交互方式。這不是技術問題，而是模式問題。商業競爭的終局，往往不是技術參數的勝利，而是基于正確角色定位與商業模式重構的勝利。

豆包擁有國內領先的 AI 能力，這是毋庸置疑的硬實力。但硬實力需要在正確的戰場上釋放，才能轉化為真正的競爭優勢。三種模式——本地數據中樞、垂直場景專用硬件、API 服務連接器——提供了三條不同的道路。它們是否適合豆包，豆包是否會選擇其中某條路，都是未知數。

換一個戰場，而非放棄戰爭。