12月1日，首銷手機(jī)字節(jié)跳動(dòng)豆包團(tuán)隊(duì)發(fā)布豆包手機(jī)助手技術(shù)預(yù)覽版。備貨

據(jù)介紹，豆包豆包手機(jī)助手，首銷手機(jī)是備貨在豆包 APP 的基礎(chǔ)上，和手機(jī)廠商在操作系統(tǒng)層面合作的豆包 AI 助手軟件?；诙拱竽Ｐ偷氖卒N手機(jī)能力和手機(jī)廠商的授權(quán)，豆包手機(jī)助手能夠?yàn)橛脩魩?lái)更方便的備貨交互和更豐富的體驗(yàn)。

現(xiàn)階段，豆包開(kāi)發(fā)者和科技愛(ài)好者可以在豆包與中興合作的首銷手機(jī)工程樣機(jī) nubia M153 上，體驗(yàn)豆包手機(jī)助手的備貨技術(shù)預(yù)覽版本。目前該版本已面向開(kāi)發(fā)者和科技愛(ài)好者少量發(fā)售，豆包售價(jià) 3499 元。首銷手機(jī)

豆包手機(jī)助手的備貨出現(xiàn)，是豆包在試圖用 AI Agent 打通APP 之間，重構(gòu)移動(dòng)互聯(lián)網(wǎng)的交互邏輯。

盡管當(dāng)前的演示仍需面對(duì)技術(shù)「不確定性」的免責(zé)聲明，但這種深入操作系統(tǒng)底層、追求「意圖直達(dá)服務(wù)」的嘗試，可能比單純的 Chatbot 更具革新意義。

或許，誰(shuí)能率先解決「操作手機(jī)」的穩(wěn)定性難題，誰(shuí)就能定義 AI 時(shí)代的「iPhone 時(shí)刻」。

據(jù)業(yè)內(nèi)人士向「極客公園」介紹，字節(jié)跳動(dòng)與努比亞為這款工程機(jī)的首銷備貨量為 3 萬(wàn)臺(tái)，并為此訂購(gòu)了對(duì)應(yīng)數(shù)量的手機(jī)關(guān)鍵元器件。

從「對(duì)話框」到「行動(dòng)派」

過(guò)去兩年，我們見(jiàn)慣了能寫詩(shī)、能畫圖的 Chatbot，但對(duì)于普通用戶而言，手機(jī)上最痛的痛點(diǎn)往往是繁瑣的操作流。豆包手機(jī)助手這次的大看點(diǎn)，在于它試圖從「對(duì)話」跨越到「行動(dòng)」。

在技術(shù)預(yù)覽版的演示中，豆包展示了一種在此前 GUI Agent（圖形用戶界面代理）研究中常被提及的能力——它能像人類一樣「看懂」屏幕，并直接模擬點(diǎn)擊操作。

這種「看懂屏幕」并模擬人類操作的底氣，則源自豆包大模型在多模態(tài)能力上的積累。

據(jù)官方透露，該模型在視覺(jué)理解、推理以及圖像創(chuàng)作等維度的性能已處于國(guó)際第一梯隊(duì)。正是因?yàn)槟Ｐ途邆淞司珳?zhǔn)的圖形界面（GUI）識(shí)別能力，它才能在多項(xiàng)權(quán)威評(píng)測(cè)中拿到高分，從而像人類一樣理解「按鈕」和「輸入框」的含義，而不僅僅是識(shí)別一堆代碼。

據(jù)豆包手機(jī)官方使用文檔介紹，豆包會(huì)根據(jù)意圖自動(dòng)判斷是否調(diào)用 AI Agent 能力，若用戶對(duì)話開(kāi)頭包含「幫我操作手機(jī)」，則會(huì) 100% 通過(guò) AI 操作手機(jī)完成任務(wù)。

任務(wù)描述越詳細(xì)，它的執(zhí)行效率越高，執(zhí)行效果越好。例如：“打開(kāi)美團(tuán)外賣幫我把最近幾個(gè)訂單的好評(píng)寫了”。此外，AI 操作手機(jī)是在虛擬屏操作的，不會(huì)在前臺(tái)默認(rèn)展開(kāi)，也不會(huì)影響正在進(jìn)行的其他任務(wù)，你可以隨時(shí)返回桌面使用其他應(yīng)用。

用戶也可以直接跟豆包對(duì)話，講出需求，豆包可根據(jù)需求自動(dòng)判斷是否通過(guò)操作手機(jī)功能完成，以及在豆包對(duì)話框底部功能按鈕中找到“操作手機(jī)”，點(diǎn)擊按鈕可手動(dòng)描述需求，也可以設(shè)定定時(shí)等條件任務(wù)。

試想這樣一個(gè)場(chǎng)景：你在社交媒體上被種草了一款好物，過(guò)去你需要截圖、退出應(yīng)用、打開(kāi)電商平臺(tái)、搜索、比價(jià)。

而在豆包的演示中，你只需說(shuō)一句「幫我在全平臺(tái)比價(jià)下單」，AI 就能自動(dòng)跨應(yīng)用跳轉(zhuǎn)，搜索同款、對(duì)比價(jià)格規(guī)格、領(lǐng)券，甚至幫你選好最低價(jià)的商品填入購(gòu)物車。

圖片來(lái)源：豆包手機(jī)使用指南文檔

雖然出于安全考慮，支付環(huán)節(jié)仍需人工確認(rèn)，但前面那一系列機(jī)械的點(diǎn)擊和切換，AI 已經(jīng)代勞了。

甚至復(fù)雜任務(wù)也可以執(zhí)行。在官方演示的旅行規(guī)劃場(chǎng)景中，當(dāng)用戶提出「下個(gè)月去巴黎，幫我把收藏的餐廳標(biāo)在地圖上，看看哪天有展并訂票」這樣一句包含多重意圖的指令時(shí)，AI 能夠迅速將需求拆解為 6 個(gè)子任務(wù)：從查詢社交媒體收藏、到高德地圖標(biāo)記、再到攜程訂票，最后整理進(jìn)備忘錄。

這種跨應(yīng)用、多步驟的「任務(wù)鏈」執(zhí)行能力，可以說(shuō)是 AI 從「玩具」邁向「工具」的關(guān)鍵分水嶺之一。

為了實(shí)現(xiàn)這種「類人」的交互，豆包打通了系統(tǒng)層面的多項(xiàng)權(quán)限。

在系統(tǒng)層面，豆包手機(jī)為 AI 能力設(shè)計(jì)了多種交互方式，用戶可以通過(guò)側(cè)邊鍵、語(yǔ)音甚至耳機(jī)喚醒它；在相冊(cè)里，它能直接聽(tīng)懂「把路人 P 掉」的指令并執(zhí)行。

圖片來(lái)源：豆包手機(jī)使用指南文檔

在更復(fù)雜的「Pro 模式」下，它還能調(diào)用系統(tǒng)工具，結(jié)合記憶功能，直接完成「推薦禮物并放入購(gòu)物車」這種需要多步推理的復(fù)雜任務(wù)。

圖片來(lái)源：豆包手機(jī)使用指南文檔

當(dāng)然，將屏幕控制權(quán)和個(gè)人喜好交給 AI，隱私安全始終是繞不開(kāi)的話題。所以豆包團(tuán)隊(duì)也強(qiáng)調(diào)，這一功能支持按需開(kāi)啟，并承諾嚴(yán)格保護(hù)數(shù)據(jù)隱私。

作為「技術(shù)預(yù)覽版」，豆包團(tuán)隊(duì)也在視頻結(jié)尾特別提示，受限于大模型技術(shù)的不確定性，演示中的「絲滑」體驗(yàn)?zāi)壳斑€無(wú)法百分百?gòu)?fù)現(xiàn)，產(chǎn)品距離團(tuán)隊(duì)的最終預(yù)期仍有差距。

這也體現(xiàn)了 AI Agent 目前最真實(shí)的狀態(tài)：方向極度性感，但落地仍需時(shí)間打磨。

2 不造硬件的「第三條路」

在 AI 手機(jī)的浪潮中，一直存在兩種流派：一種是像 Google / Pixel 手機(jī)這樣，自研模型以及整套 AI 軟件產(chǎn)品體驗(yàn)，并植入自家系統(tǒng)；另一種則是純軟件廠商，試圖通過(guò)超級(jí) APP 搶占入口。

圖片來(lái)源：Google

豆包選擇了第三條路：不做硬件，只做生態(tài)。

在發(fā)布預(yù)覽版的同時(shí)，豆包方面明確表示「沒(méi)有自研手機(jī)計(jì)劃」。他們的策略非常務(wù)實(shí)——通過(guò)與多家手機(jī)廠商洽談，以「操作系統(tǒng)層面合作」的形式，將豆包的大模型能力植入不同品牌的機(jī)型中。

這種「手機(jī)廠商 + 大模型廠商」的深度耦合，正在成為行業(yè)的一股新趨勢(shì)。

就像谷歌 Gemini 與三星的合作一樣，術(shù)業(yè)有專攻正逐漸成為共識(shí)。

對(duì)于手機(jī)廠商而言，從零打造一個(gè)具備頂級(jí)推理、視覺(jué)理解和復(fù)雜任務(wù)規(guī)劃能力的模型成本極高；而對(duì)于字節(jié)跳動(dòng)這樣的互聯(lián)網(wǎng)巨頭，缺乏硬件載體則會(huì)讓 AI 始終隔著一層 APP 的玻璃墻，無(wú)法觸達(dá)用戶最核心的數(shù)據(jù)和場(chǎng)景。

目前的 nubia M153 工程機(jī)只是一個(gè)開(kāi)始。售價(jià) 3499 元的門檻或許更多是面向開(kāi)發(fā)者和極客人群的「邀請(qǐng)函」，旨在驗(yàn)證這種跨界合作的技術(shù)可行性與用戶反饋。

或許，誰(shuí)能率先解決「操作手機(jī)」的穩(wěn)定性難題，誰(shuí)就能定義 AI 時(shí)代的「iPhone 時(shí)刻」。

光做一個(gè)APP，在 AI 時(shí)代已經(jīng)不夠了

豆包手機(jī)助手的出現(xiàn)，本質(zhì)上或許是一次對(duì)移動(dòng)互聯(lián)網(wǎng)交互邏輯的重構(gòu)。

大模型的能力越來(lái)越強(qiáng)，單純做一個(gè) APP，在 AI 時(shí)代已經(jīng)不夠了。

AI Agent 需要接管更復(fù)雜的任務(wù)、感知更豐富的上下文，發(fā)揮一些真實(shí)的功能，才有更落地的價(jià)值，這意味著它必須走出軟件的圍墻，向下沉淀，與操作系統(tǒng)的底層權(quán)限和硬件能力進(jìn)行深度整合。

過(guò)往，字節(jié)跳動(dòng)一直是一支強(qiáng)大的“空軍”——擁有極致的算法和龐大的應(yīng)用生態(tài)，但在操作系統(tǒng)和終端硬件上，相比擁有 Android 的谷歌或擁有全場(chǎng)景終端的華為，字節(jié)始終缺少一塊落地的“陣地”。

在移動(dòng)互聯(lián)網(wǎng)時(shí)代，這或許不是問(wèn)題，但在 AI 需要深度介入用戶場(chǎng)景的當(dāng)下，缺乏硬件載體可能意味著喪失對(duì)場(chǎng)景的感知力。

豆包手機(jī)助手的推出，像是字節(jié)在當(dāng)下階段拋出的一次探索。

從 Pico 到 Ola Friend，再到如今深入手機(jī) OS 層的助手，字節(jié)正在小心補(bǔ)齊“硬件觸點(diǎn)”這塊短板。

這或許并不是未來(lái)兩三年行業(yè)的最終形態(tài)，但至少可以確認(rèn)的是：字節(jié)已經(jīng)意識(shí)到，想要讓 AI 真正跑通，必須邁出“軟硬結(jié)合”的這關(guān)鍵一步。