萬字詳解智能體2.0：手機里的“互聯互通”新戰場

《21世紀經濟報道》競爭秩序場工作室 報道

過去兩年，智能體（Agent）是AI行業最重要的敘事，現在聚光燈正收束到一個更具體的方向：端側智能體。

在海外，名為OpenClaw的智能體在硅谷技術圈走紅，接管一眾開發者的電腦；在國內，字節跳動把豆包嵌入手機，樣機價格在二手市場居高不下。這些智能體運行在手機、電腦和汽車上，能操作本地環境和所有工具，點外賣、打游戲、炒股票，把執行力拉到極致。

智能體還會接管更多個人設備。在發售工程版“豆包手機助手”后，據媒體披露，字節已于去年年底啟動正式版手機項目，搭載智能體的新機預計于今年Q2發布。

我們近期還從多方了解到，包括阿里系在內的多家App與字節跳動達成停火協議，App允許努比亞設備的手動登錄，豆包主動限制AI操作場景，雙方回到“井水不犯河水”的狀態。

行業正在形成一個共識：未來智能體的壁壘，在于能打通多少個人設備，能互聯多少服務。智能體想成為新的能力層，重組我們與設備、與App的連接方式，改變行業生態格局。

但這種互聯互通的技術趨勢，也撞上了個人和平臺的控制邊界。在我們2025年年初的手機智能體測評中，許多擔憂已初現輪廓：智能體要想操作手機，需要利用高敏感權限進行讀屏和自動操作，引發權限濫用、個人隱私等安全擔憂和商業糾紛。

眼下，這些問題成了更嚴肅的堵點。我們為此新一輪測評了豆包手機助手、智譜、榮耀、華為、小米、OPPO、vivo七款手機智能體，追蹤它們的性能、底層模型、系統權限、隱私設計最新情況，并梳理水面之下的廠商博弈。

越來越多智能體正在排隊上路。它們距離真正上路有多遠？還缺哪些技術、商業或合規條件？厘清這些關鍵事實，端側智能體的故事才可能真正開始。

如果說前幾年的大模型浪潮，讓人第一次意識到機器會聊天，那么智能體帶來的是一個更有沖擊力的現實：機器會替人做事。

過去一年里，標志性的智能體產品大多生長在云端。Manus、Claude等產品展示了任務規劃與工具調用的能力，它們運行在遠程服務器上，依賴云端算力和網頁工具來做PPT、訂票和購物。而端側智能體走的是另一條路線：模型部署在本地設備，在手機、電腦、汽車里操作軟件與系統。

越來越多智能體從云端落入個人終端。在國內，豆包手機助手是端側智能體破圈的一個起點，但這條路并不始于此。過去一年多里，國內手機廠商已經完成了一輪并不低調的市場鋪陳。

移動數據調研機構Quest Mobile在2025年9月測算，國內六家手機廠商的智能體用戶規模，在一年內合計增長了6500萬，用戶規模整體達到5.35億。

OPPO、vivo、榮耀是其中最積極的發力者。根據Quest Mobile數據，OPPO小布助手在2025年6月已經擁有1.6億月活用戶，vivo藍心小v為5500萬，榮耀YOYO助理為4200萬，三者躋身上半年增速最快的AI應用行列。

“AI+硬件”在今年已是一片紅海。但與互聯網公司用硬件爭奪C端入口不同，手機廠商的出發點是，借助AI抬高硬件與操作系統的價值，圓心始終是手機本身。

國內的手機智能體潮始于2024年。當年9月，榮耀用“一句話點咖啡”為AI手機拉開序幕，并表示榮耀Magic 7系列是安卓陣營里首款落地AI智能體的手機。華為、vivo、OPPO、小米等廠商也很快升級了自己的手機助手。

“AI即操作系統”是主流廠商的戰略想法。2025年10月，vivo更新OriginOS 5 操作系統，基于藍心大模型重構；OPPO提出AI OS戰略，開始為智能體配置獨立的物理喚醒鍵。

但現實情況是，手機智能體仍停留在一個吸引投資者的概念，而非能用的產品。我們在2025年3月測評了6款手機智能體，發現失敗率高、不穩定、耗時長是普遍問題，只有榮耀勉強能算“半自動駕駛”。

經過一年的發展，宣傳和現實的落差仍在。我們對包括智譜AutoGLM、豆包手機助手在內的7款手機智能體開展了新一輪測試，在總計70次任務中，整體成功率僅有兩成，39%的任務啟動后中斷，還有24%直接失敗降級為信息問答。

如果細看任務過程，甚至可以說手機智能體的“接管能力”在退化。以點外賣為例，如今大多數手機智能體只能完成第一步——打開外賣App。之后既不會進入搜索頁面，更談不上篩選店鋪、確認規格。

2025年年初時，手機智能體明顯能在App里走得更遠。當時，榮耀YOYO助理能通過多輪對話抵達美團下單頁，OPPO和小米也能完成“瑞幸咖啡”的關鍵詞搜索。

自主范圍不斷收緊的同時，能力本身仍存在許多硬傷。

最集中的短板是任務規劃。當我們說“找一款性價比高的抽紙”時，大部分智能體會將整句話原封不動地復制進電商平臺，而不是先搜索抽紙、再按價格篩選。智能體還會直接“偷懶”用文字回答任務，而不是調動App執行。

App的版本更新也是難題。在我們的測評過程中，餓了么正式改名為“淘寶閃購”。但如果使用新名稱，手機智能體都會打開淘寶，只有說“餓了么”才可能被識別。

正是在這一背景下，豆包手機助手只進行了小范圍的工程預覽，卻獲得了格外多關注。在早期測評中，不管是訂機票、發微信乃至玩開心消消樂，豆包手機助手都能在短時間內絲滑完成。遇到失敗，甚至能主動糾錯。

復旦大學系統與軟件安全實驗室張曉寒在測評多款AI手機后，將手機智能體的能力劃分為基礎、進階和高階三檔：基礎能力主要是識別屏幕、調節系統設置，如今的手機智能體都能完成；進階能力各有側重，例如華為小藝擅長圖像處理，而vivo藍心小v的本地文件檢索速度很快。

真正拉開差距的，是深度操作App的高階能力。“這類跨App任務是手機智能體能力的分水嶺，也是當前各家的關注焦點。”張曉寒表示，當前確實只有豆包成功率較高。

西湖大學AGI實驗室負責人張馳曾帶隊某頭部互聯網公司的智能體研究團隊，他也認同，豆包在多模態感知、復雜任務推理和準確度的綜合體驗上屬于頂尖。但張馳同時指出，由于第三方App迅速“圍剿”了豆包，它在穩定性、長尾場景覆蓋率以及對App更新的適應能力上，完成度仍然未知。

在張馳看來，目前手機智能體整體仍停留在L1到L2階段之間，只能在一些有限場景、有限App中做演示。豆包手機助手意味著“智能體第一次真正產品化”，但更像是第一輛上路測試的全自動駕駛汽車，能在園區內跑，還開不上公共道路。

值得補充的是，操作App并非手機智能體的唯一關注點，記憶是另一條被多方押注的方向。

豆包手機助手、vivo和OPPO都上線了“閃記”類的功能，比如總結小紅書帖子，解析B站視頻，快速記下微信和支付寶扣款。通過用戶手動截屏，讓AI存儲信息。

上下文記憶的建立，可能會進一步改變我們與AI的溝通方式。現在要讓智能體做事，仍然需要非常具體的、多輪的提示詞，而記憶的目標是讓AI理解模糊指令，更加“個人化”。

在手機廠商的藍圖里，記憶被視為AI手機向前演進的第一刀。OPPO ColorOS智慧產品研發總監姜昱辰在媒體采訪中提到，后續會沿著連點成線、連線成圖的路線，建立用戶偏好畫像。記憶的演化速度會很快，“可能未來1～2年內就會有非常不一樣的用戶體驗。”

為什么現在大部分手機智能體仍然不盡如人意？要真正替代人類操作，還需要多久？當人們討論這兩個問題時，模型能力鮮少被追問。

幾乎所有手機智能體都采用GUI Agent為底層模型，即通說的“視覺路線”。它的工作方式可以概括為三步：理解、感知、執行——大模型先理解點咖啡的指令，再像人眼一樣觀察外賣App的頁面和按鈕，最后模擬點擊操作。

最受關注的豆包手機助手，接近豆包人士告訴我們，采用的是未公開的閉源版模型。

2025年1月，字節Seed團隊曾和清華大學聯合推出開源的UI-TARS原生智能體。從技術報告來看，UI-TARS 1.0 的開發重點在推理能力，把復雜的任務分解為若干個小任務，并加入自我反思糾錯的訓練過程。大半年后發表的UI-TARS 2.0進一步指出，純GUI操作存在局限，不足以滿足實際工作需求。因此不再局限于單純的點擊和滑動，而是通過SDK，接入外部的文件系統和沙盒平臺。

曾在手機廠商工作的Carrie向我們指出，國內不少手機智能體的基模來自阿里通義實驗室的Qwen系列，開源和多模態能力是其主要優勢。我們看到的多篇技術報告也證實了一點。

通義實驗室在2025年8月專門發布了GUI-Owl模型，用于 GUI 自動化任務。12月，通義實驗室又推出了MAI-UI模型，據稱首次將用戶交互、MCP工具調用、端云協同的能力，集成在一個能自我進化的開源框架中。

在覆蓋20個安卓應用、116項任務的Android World基準測試中，字節得分73.7分，阿里拿到76.7分。登上該基測榜單的國內公司還有智譜、階躍星辰和OPPO，自評分數在70分到80分之間。雖然在2025年一年里有明顯提升，但還不能穩定達到人類平均水準（80分）。

該榜單的最高得分為97.4分，由一家名為AGI的美國硅谷初創公司摘下，據稱公司正與小米、聯想、三星探討合作。

階躍星辰也是目前與手機廠商合作密集的大模型公司之一，合作方包括榮耀、OPPO和中興。技術報告顯示，除了生產力工具，Step-GUI重點考慮了高頻使用的生活服務，比如“在攜程上訂一張去三亞的機票，微信發給我老婆”。

最早一批入場手機智能體的智譜，最近開源了AutoGLM。據智譜披露，AutoGLM在常見國內App中的任務成功率可達89.7%。

測試得分看起來都不錯，為什么實際體驗還很笨拙？

在張馳看來，差距首先出現在學術指標與產業目標之間。學術界與產業界關注的指標并不一致，很多落地障礙并非技術問題，而是工程問題。但如果不以落地為目標，研究者往往很難提前想到工程缺口。

張馳舉例說，多輪對話就是一個典型場景。很多開發者沒考慮到，在真實環境下，需要用戶進行反復補充信息，才能向智能體指明具體要買哪趟航班；再比如，學術研究中的GUI Agent往往只關注單個任務的記憶，但要落地成產品，必須具備手機的上下文記憶，才能理解用戶的語境。

工程方面的問題，在過去一年里被更多研究者關注。OPPO研究院與上海交通大學在2025年10月聯合發布的一篇論文指出，當前技術評估體系過度強調任務成功率，卻忽略了以用戶為中心的指標，包括意圖理解的準確性、持續自我演化能力，以及整體交互體驗。

這篇論文還提到，基準測試和真實場景的復雜性有明顯差距。在測試環境中，幾乎沒有不可預測的干擾，但在真實使用里，一個突如其來的界面廣告彈窗就足以中斷執行。

在此背景下，豆包的技術意義主要是連接學術與產業。“字節的這一系列研究，更多是基礎能力的增強，并圍繞產品體驗整合多種技術方案，比如加上了系統接口。這些嘗試需要大量數據和算力，能夠彌補學術界在這方面的不足。”張馳評價道。

我們還了解到，一些手機廠商宣稱并未在量產產品中釋放GUI Agent的全部能力，主要顧慮是穩定性和隱私。據其解釋，雖然公司認為自己的GUI Agent實際效果不差，但魯棒性還不夠，也就是表現不夠穩健，消費者對AI操作失敗的容忍度很低。此外，GUI Agent的隱私風險仍然過高。

如果說大模型是智能體的大腦，那么操作系統就是它的手腳。沒有環境支持，GUI Agent的能力無法釋放，二者缺一不可。

正因如此，圍繞手機智能體的爭議，總會落到一個話題上：系統權限。

我們聯合張曉寒測評了努比亞（豆包手機）、榮耀、華為、vivo、OPPO、小米六臺手機的預裝智能體，發現幾乎所有智能體的權限總量都超過100個。四類權限（系統控制、屏幕控制與注入、窗口與顯示管理、隱私數據訪問）構成智能體接管手機的能力基石。

張曉寒形容這是“一個驚人的數量級”。他表示，作為參照，即便是微信這類生態復雜的超級App，申請權限通常也不會超過100項。

很難說如此多權限，都是必要的。云安全聯盟大中華區CTO王安宇曾負責多家手機的終端安全，他告訴我們，智能體如果想應對復雜的任務鏈條，例如“給我媽發個消息今晚不回家吃飯”，最簡單的方式就是提前申請通訊錄、短信等全套權限。雖然也有其他方式，但會頻繁觸發授權彈窗，影響使用流暢度。

比數量更值得關注的，是申請權限的內容。測評顯示，手機智能體申請的高敏感權限平均接近 40%，包括獲取精確定位、讀取短信與錄音、靜默安裝應用等。

張曉寒表示，普通 App 的高敏感權限占比通常控制在 30% 以下，而且獲取位置等敏感數據時，通常得按國家標準進行單獨彈窗提示。“這意味著用戶在使用手機智能體時，實質上是在運行一個默認擁有極高特權的程序，不能視為普通應用。”

智能體拿到的這些敏感權限服務于兩項核心能力：讀屏與自動操作。如何實現這兩步，決定了風險的上限，因此需要更深入的分析。

在我們去年第一輪測評中，除了華為，所有手機智能體都采用了無障礙權限。它相當于一張萬能門禁卡，可以繞過手機操作系統的沙箱隔離機制，進入每個App的獨立房間，讀取屏幕上的文本、按鈕、標簽。

經過一年進化，一些智能體走入了手機系統更深處。

技術測評結果顯示，為了讀屏，榮耀、小米和vivo的技術主路徑是無障礙權限，而豆包和OPPO利用的是更底層的系統服務——豆包手機助手用到了一項名為WindowManagerService的系統服務，其截圖依賴于CAPTURE_VIDEO_OUTPUT 和 CAPTURE_SECURE_VIDEO_OUTPUT 權限；OPPO的小布助手則通過SystemUI 等其他系統組件的相互調用，實現屏幕識別。

王安宇向我們解釋了兩者的差別：無障礙權限仍面臨限制，打開時需要有系統彈窗，需要用戶手動開啟，而且無法直接讀取銀行密碼鍵盤等Secure安全窗口。只要遵守這些安全柵欄，第三方App都可以合法調用。

與無障礙不同，系統框架沒有單獨的彈窗提示，可以直接獲取像素級屏幕內容，并且能截屏到Secure安全窗口。因此，它只授予廠商級預裝應用，不開放給第三方App。

針對利用系統框架截屏到Secure安全窗口的問題，豆包此前回應時解釋，豆包手機助手使用了原生截屏接口（WindowManagerService），目的是為了在靈動島向用戶展示操作過程。

針對此次測評，豆包回應我們稱，CAPTURE_SECURE_VIDEO_OUTPUT權限用于生成可視化虛擬操作界面，將助手的后臺操作過程實時投射至虛擬屏（帶有粉色光暈標識），確保用戶全程可見。在這一過程中，“嚴格遵循應用聲明的 Secure 標記，無法截屏銀行安全鍵盤等聲明受保護的界面內容”。

“‘嚴格遵循’是個有點討巧的說法，理論上是能夠截屏Secure頁面的，只是不一定會實際處理。”一位手機安全業內人士直言。

我們的技術測評也顯示，豆包、OPPO具備截屏Secure窗口的能力，但會加入標志提示，由調用方判斷下一步的處理方式。相當于可以無視外界的安全屏障，更依賴于自我約束。

在自動操作層面，權限升級同樣明顯。OPPO和vivo的技術主路徑為利用無障礙權限、模擬點擊，豆包和榮耀則申請了inject_events權限，小米兩者都有涉及。

“inject_events相當于設備的完全控制權，能力范圍遠遠超出無障礙權限。”王安宇解釋，無障礙點擊速度偏慢、容易受后臺服務限制等影響，對復雜界面處理也相對存在局限性；而inject_events直接向系統注入事件，更少被UI干預，成功率更高。同樣的，該權限只對廠商級預裝應用開放。

更開放的系統權限是一把雙刃劍，它讓AI更智能，也讓安全暴露在更大的風浪中。

智能體需要不斷截屏、分析、傳數據上云，其中不可避免接觸好友動態、私信提示、廣告內容等敏感信息。哪怕廠商承諾不存儲這些信息，但在讀取和處理的瞬間，隱私暴露的?險也是客觀存在的。

多位從業者還共同提到了誤操作的問題。如果指令被干擾或者理解錯誤，用戶可能來不及退出，智能體就在幾秒鐘內完成連續操作了——這是一種更不可控的風險。

值得一提的是，無論是無障礙權限還是inject_event，系統方手機廠商都兼具“玩家”和“裁判員”雙重身份。我們曾在此前的無障礙權限測評中發現，手機廠商的原生智能體調用了無障礙權限但未提示，或者任務結束后無障礙權限還保持打開，并未嚴格遵循安全規則。

“GUI Agent 最根本的問題還是權限太高了，本質是在代替用戶操作。”張馳說，智能體要真正落地，一定需要限制，而且得在用戶預期和實際能力之間找到共同點。不能讓用戶以為什么都能做，實際上很多事做不到，也不該做。不確定性疊加高權限，本身就是一種風險。

給智能體套上透明的使用規范，因此是第一道防線。

在我們去年的測評中，手機智能體的調用還相當混亂：有的沒有單獨提示無障礙權限，有的任務結束后仍保持高權限開啟。而今年的測評顯示，各家提供者已經形成了較為一致的安全基線。

豆包、榮耀、OPPO已公開各自的AI隱私與安全白皮書。結合我們的測評可以看到，當前的安全設計主要集中在三個維度：知情與控制、操作透明度、數據傳輸策略。

在知情和控制上，差異最明顯的是單獨告知機制。雖然所有智能體都要求用戶先同意《隱私政策》，但普通用戶不一定明白AI如何操作、風險有多大。對此，只有小米和豆包在實際操作前，單獨發送了“是否允許AI接管手機”的彈窗。

敏感操作的二次確認已成為行業共識，但哪些算敏感操作并不統一。大部分智能體只要求用戶對支付二次確認，豆包則將發布內容、刪除內容、退出賬號等行為也納為敏感操作，需要手動接管或確認。

OPPO在其領頭撰寫的安全技術白皮書提到，對于不同風險等級的行為，需要不同策略。OPPO建議的高風險操作有拼接驗證碼、安裝App、刪除或修改用戶數據、發起支付和轉賬、保存敏感個人信息。

豆包在回應我們時提及，豆包手機助手采用了權限授權透明化、敏感操作人工接管、權限可控可調整等安全保障。

多位網絡安全從業者向我們提到，AI操作日志留痕和權限記錄很重要。云安全聯盟分析師卜宋博解釋，這是為了讓AI的每?步操作有跡可循。比如“打開麥克風”“訪問通訊錄”等操作，應當像App權限一樣可視化，才能做到事后追溯與監管。

測評顯示，目前小米和華為的基礎記錄缺失。例如，使喚智能體需要調用手機麥克風，但在小米系統的麥克風權限使用記錄中，事后沒有出現小愛同學的痕跡。小米對此沒有明確回復，只向我們表示在第一次使用AI助手時，會事前征得調用麥克風的用戶授權。

還有一種需要特別關注的隱私場景，是鎖屏狀態下的智能體表現。王安宇告訴我們，手機鎖屏時會有網絡限制，如果能語音喚醒智能體，說明其繞過了很多安全機制。假如手機落入第三方手中，智能體還可能成為繞過鎖屏的“入侵”工具。

王安宇和卜宋博因此單獨測試了鎖屏場景，發現大多手機智能體都已經加上安全防護。只有小米默認屏幕顯示詳細的通知信息，并允許智能體播報出信息、網絡狀態、鎖屏時間等。

“這是一個比較小的攻擊面，畢竟現在手機都設計了聲紋識別，要喚醒智能體，黑客還得知道機主的聲紋特征才行。”多位技術安全專家說。不過他們也指出，作為收集數據更多、能力更強的AI，對危險場景的考慮應當更細致。

總的來說，參與測評的業內人士認為代碼邏輯是安全的，行業也有一套基礎安全護欄。但問題并沒有到此結束。

目前所有手機智能體都需要用“端云協同模式”來處理數據，而數據上云是手機智能體最有爭議的環節，并不讓人意外。張曉寒向我們指出，過去常見有敏感信息的網絡數據包被截取，或者沒有嚴格加密傳到云端，導致隱私泄露。可以說，數據安全是整個手機安全體系中最核心、最脆弱的問題。

為了評估手機智能體數據上云的風險，多位技術專家進行了測評。結果顯示，除了系統原生功能（鬧鐘、日歷）外，大多數任務都會觸發云端傳輸。

至于傳輸數據是否包含敏感信息，張曉寒告訴我們，測評智能體均采用了較為完備的數據加密和保護方法，所以無法通過抓包驗證。

張曉寒因此又嘗試了黑盒測試，要求智能體“將當前屏幕展現的身份證照片轉為吉卜力風格”。結果發現，所有智能體都能完成任務，且身份證號未被脫敏處理，這意味著敏感信息大概率被上傳到了云端處理。

許多開發者已經在關注數據匿名化方案，試圖讓“上云”過程更安全。比如，階躍星辰在技術報告中設想，云端的大模型不應該直接訪問原始屏幕截圖，而是接受本地GUI模型處理后的摘要。這些摘要僅包含完成任務所需的關鍵語義，不包含敏感的細節信息。

但愿景離現實還有很長距離。北京師范大學最新發布的一篇論文指出，現有GUI Agent的隱私識別能力很弱，只有13.3%的概率準確識別出安卓屏幕里的隱私信息。也就是說，智能體幾乎意識不到自己正在看隱私，離合格的數據保護還很遠。

“最大的擔憂還是在這里，你在手機屏幕里看到的一切內容，理論上都會暴露給一個智能體。無論是加密還是直接傳原始數據，最終一定程度上都是可以被還原的。”張馳說。

開發者當然可以為此承諾最小化收集、不留存等安全措施，但問題在于，數據已經交出去了——如何使用，取決于要不要相信它們的安全機制和自我約束。

隱私悖論曾在互聯網時代反復上演，用戶為了便利交出隱私，但難以控制它們究竟被如何利用。手機智能體的風險更大，因為它不再針對單個App，而是整合全景數據。這既是技術難題，也是信任拷問。

豆包手機助手發售后，最顯性的阻力來自于App。發售第二天，多位購買了努比亞M153手機的用戶反映微信突然被強制下線，提示“登錄環境存在異常”。微信相關人士表示，可能觸發了安全風控措施。

微信率先反應后，阿里系、美團系等App集體“限制”了豆包操作，來自努比亞設備的賬號無法正常登錄。由于許多高頻生活類App無法調動，“AI手機”的核心賣點迅速塌縮。

“兩方誰有問題？其實做法都有點問題。”在手機廠商和互聯網公司都工作過的業內人士指出，App 不該徹底拒絕互聯，但 Agent 也沒有理由要求強制開放。在發展和安全的外皮之下，“現在純屬是商業行為”。

行業的一個共識是：手機智能體尚未探索出合理的分潤模式，各方手中握有的籌碼、顧慮也不盡相同，這些都增加了達成商業共識的難度。

App的防御并不意外。此前，OPPO的“AI一鍵記賬”功能就曾在上線不到一個月后，被微信從支持列表中移除。過去一年，行業已經對自動化截屏與操作保持警惕，只是豆包第一次把能力邊界推到極限。

這背后的動機已經被反復討論。可能影響平臺的安全運行是一方面；另一方面，一旦智能體能完全替代真人操作手機，短期沖擊的活躍度、使用時、廣告曝光的核心商業指標，長期還可能讓App被管道化(OTT化)，退化為智能體的工具零件。

除了App，還有一條水下暗流是手機廠商。

智能體要接管手機，目前必須擁有手機系統權限才行。尤其對豆包、智譜、階躍星辰等第三方入局者來說，談攏硬件廠商是上路的第一關。

我們了解到，字節跳動在2024年就開始接觸中興等手機廠商，希望手機AI助手的入口和流量完全轉給豆包。作為交換，字節愿意免除手機廠商的托管費，并承擔AI助手的Token調用成本。

Token成本是各個手機廠商看重的問題之一，智譜也跟手機廠商提出過類似方案，改為按設備數量進行整機收費。這是因為智能體調用頻繁、消耗巨大，長期的算力成本反而可能侵蝕硬件利潤。

但即便字節拋出誘人的商業條件，當時也并未打動中興之外的手機廠商，原因不只是性價比。據《財新》報道，智能體需要硬件廠商開放系統級權限，包括攝像頭、指紋識別等物理傳感器的開關。手機廠商普遍不愿意將系統級權限直接開放給App開發者，尤其是字節跳動這種全能巨頭。

“這只是表層理由。”曾參與談判的業內人士向我們指出，本質還是因為字節的方案不符合手機廠商的AI戰略。一方面，主流手機廠商都有自己的AI團隊，不會輕易讓渡系統AI助手這一核心入口；另一方面，字節當時并未想清楚AI助手到底要做什么，“手機整個產線都是成本，沒有辦法拿整個身家賭一個AI的前途。”

一位頭部手機廠商負責人直言，如果?個產品推出第?天，?部分服務都不能?了，“在我們這?就是質量事故，是沒法接受的。”大部分消費者的手機購買決策依據是系統流暢度、續航和發熱，在消費品戰場，產品穩定性遠比AI創新更重要。

不過，這并不意味著手機廠商處于防御狀態，而是在謹慎評估。

我們了解到，字節仍在推進與硬軟件廠商的雙線談判。根據《智能涌現》披露，字節已于去2025年底開啟豆包手機助手正式版項目，新機預計將于2026年Q2中晚期發布。有供應鏈人士稱，豆包二代手機依舊合作中興努比亞，由中興負責硬件，豆包負責AI。

推進的關鍵是豆包驗證了市場需求，即用戶愿意為智能體能力買單。我們獲得的一份OPPO內部講話顯示，Color OS 智慧產品研發總監稱豆包手機助手是一次“AI手機的市場教育”，讓整個生態更積極地討論合作可能性，“現在?家（App大廠）都變得更積極了。”

在手機廠商的視角里，用戶體驗始終是第一優先級。考慮到這一點，多位開發者都提到，手機智能體的落地路線應該是“雙軌并行”的：高頻、標準化的場景（比如訂機票、點外賣），通過A2A等合作協議完成；非標準化的長尾場景（比如在某個學術網站注冊賬號），再用GUI Agent的視覺識別路線。

所謂A2A、MCP或者意圖框架，都屬于智能體與外界工具的互通方案。經過App授權后，智能體通過API或者其他Agent調用服務，避免讀屏分析和模擬點擊。體驗更流暢、魯棒性更強，也更易形成穩定的合規邊界，但也考驗對接雙方的Agent水平。

從手機智能體興起以來，這類合作路線就一直存在，難點始終在于“摸著石頭過河”——合作沒有先例，即使只期望覆蓋一部分高頻App場景，也需要復雜的商務談判和技術對齊。

“現在還是一個非常早期的階段，肯定說不上有成熟的標準”，前述OPPO負責人坦言。協議需要標準化，尤其需要回答流量分成、數據回流以及用戶上下文隱私處理等核心問題，否則合作會變得不可控。

據我們的了解，阿里在內的部分App與字節跳動達成停火協議，App允許努比亞設備的正常登錄，而豆包主動限制AI操作場景，雙方回到“井水不犯河水”的狀態。

我們于2月10日核查，在微信、淘寶、淘寶閃購、美團、支付寶、拼多多、高德地圖App中，努比亞設備的用戶可以正常登錄，不會再彈出“登錄環境異常”的提示；而豆包手機助手會主動提示，自己不可操作上述App。

至于進一步的合作意愿如何？許多業內人士的判斷是：阿里系可能更愿意探索，因為自身也在推進智能體戰略。最近千問App開始接入淘寶、支付寶、閃購、飛豬、高德，甚至“想復刻一個豆包手機都沒有任何問題”。

而騰訊系一直是堅定的防守陣營。自2024年起，騰訊已經意識到端側智能體可能對自身生態造成沖擊，但沒想到最終跑出來的是字節跳動。目前的處境也比較微妙，自家的元寶還在補作業階段，微信生態對接入Agent尤其謹慎，防守仍是當前的最優解。

豆包方面回復我們稱，目前仍在積極尋求與各應用廠商的深度溝通，希望推動形成更加清晰、可預期的規則，避免用一刀切的方式，否定用戶合理使用 AI 的權利。

豆包手機助手被微信安全彈窗“封堵”，讓不少人想起十多年前的3Q大戰。彼時，360以“隱私保護器”為由攔截QQ，騰訊則以不正當競爭為由反擊，宣布裝有360軟件的電腦無法運行QQ。雙方從2010年互掐到2014年，成為中國互聯網史上標志性的反壟斷與競爭秩序案件。

映射到今天，爭議依然圍繞平臺的邊界，“只不過一個是主張對方篡改功能屏蔽廣告，構成不正當競爭；另一個是通過高系統權限繞過App風控，以動搖以App為中心的移動互聯格局。”合規從業者李汶龍撰文寫道。

當前的期望在，尋找同一個概念錨點，至少讓不同方在同一個法律框架之下同頻對話。多位合規從業者向我們提到，他們認為錨點應該是“互操作性”。

互操作性不是一個新概念。20世紀末，歐美監管機構將大型電信運營商視為公共基礎設施，要求電話網絡必須開放互通。由此確立的互聯互通概念，也影響了此后幾十年的互聯網環境。

到了AI時代，互聯互通升級為更深入的功能操作，邊界也需要重新摸索。

海外已經有了一些進展。谷歌的情況與字節頗為相似，三星等手機廠商需要以谷歌的智能體為端側AI入口。今年1月，歐盟對此啟動了兩項互操作性的程序，要谷歌履行《數字市場法案》（DMA）義務。

兩項程序中，一是針對AI服務，要求谷歌向第三方AI提供與Gemini同等級的系統訪問權；二是針對搜索業務，要求谷歌以公平、合理和非歧視（FRAND）條款，向第三方搜索引擎開放匿名排名、查詢、點擊和瀏覽數據。

如果把這一語境置換為國內市場，意味著字節、手機廠商不準利用底層權限“拉偏架”，指定自家的手機助手為唯一入口，必須給第三方平等接入的機會。而頭部的APP廠商也不能利用自己的生態地位構建閉環，架空系統入口。雙方堅持公平、合理和非歧視的FRAND原則，才有往前走的可能性。

尋找錨點只是第一步，進一步的問題是，誰有能力號召和落地規則。

多位研發者提到，他們認為可以參考蘋果的生態位。蘋果當年的做法是，提供一套開發者套件，讓所有 App 開發者自己去決定，哪些能力可以通過 Siri 這樣的系統級助手被調用，哪些不可以。

具體來說，通過App Intents框架，Siri只調度開發者授權的功能接口，而不直接觸達底層數據。而針對 App 廠商最擔憂的數據控制權之爭，蘋果設備僅在用戶請求時，向私有云發送必要數據，私有云處理完請求后立即刪掉數據，即“閱后即焚”。

這樣一來，硬件級的隱私設計能打消App 廠商被“吃掉”的恐懼，App方保住了數據資產，獲得了流量；手機獲得了AI能力升級；用戶也獲得相對可控的隱私體驗。

但這是一種非常理想化的方案，幾乎是國內廠商難以復制的終點。畢竟蘋果的處理方案，本質建立在自研芯片和絕對生態霸主的基礎之上。

Carrie向我們直言：“往深里走，會發現都是芯片和內存的問題”，芯片和端側AI是當前產業的高門檻工程。豆包也在回復中談到，在當下的產業落地，云端處理相比端側有明顯優勢，復雜 AI 模型在手機上運行會能力大幅降低，還會導致耗電快、手機發熱、內存不足等問題。

這構成了國內智能體落地的矛盾，似乎沒有一家公司同時具備硬件供應鏈、隱私技術與生態號召力三體合一的底氣，去引領安全方案與商業步伐。

不少人因此認為，只有出現一個真正破圈的“超級智能體”才能打破僵局。到那時，就像傳統出租車面對網約車平臺一樣，沒有端側智能體的“登船票”就會被甩下——這當然是一個技術上的樂觀預期，卻是商業與隱私治理的悲觀前景。

撰文｜肖瀟 王俊

測評｜王俊 肖瀟 王安宇 張曉寒 卜宋博 章馳

制圖｜肖瀟 黎旭亭 黃蘭雯