文｜鄭亦久

十二月的第一天，字節(jié)跳動旗下的豆包突然推出的手機助手測試版，瞬間成為焦點。

它并不是單純豆包AI的升級版，而是一套試圖改變手機使用方式的系統(tǒng)級AI。它讓模型能夠像“人”一樣刷手機，從而以一種更高維度的方式接管用戶的意圖。

豆包手機助手演示視頻

這種技術方向本身無疑是明確的，在移動端逐漸進入AI原生時代的當下，系統(tǒng)層面的會從傳統(tǒng)的點按界面，逐漸轉(zhuǎn)向自然語言理解與高度自動化執(zhí)行。

然而，當這套看似未來感十足的路線真正落地時，一個不難發(fā)現(xiàn)的結構性障礙也隨之暴露出來——國產(chǎn)手機系統(tǒng)和軟件生態(tài)深度權限遠比想象中更難觸達，而豆包的愿景又高度依賴這種軟硬件的權限自由。

從這個角度來看，豆包最終可能被國內(nèi)復雜的生態(tài)結構“推著”走向自研硬件，而不是停留在做一個助手應用的層面。

怕玩手機累著，讓豆包來幫你“刷”

豆包手機助手在測試版中所呈現(xiàn)出的能力，明顯比市面絕大多數(shù)所謂的AI對話助手更為激進。

它基本是一套嘗試通過底層能力完成跨應用動作的系統(tǒng)級協(xié)作方案。

通過理解用戶的意圖，并將這些意圖自動拆解成一連串操作指令，再由系統(tǒng)級AI直接執(zhí)行。

如果從更宏觀的技術脈絡來看，豆包想做的，其實正是桌面端早已反復驗證過的“代理（Agent）”模式——像是目前給出的演示，幫你電商比價、外賣下單、聊微信等等。

豆包手機助手演示視頻

當然在PC環(huán)境中，這種代理能夠借助相對開放的系統(tǒng)、窗口結構與權限體系，順利完成自動化任務，從出道即巔峰的Manus，到之后ChatGPT的代理，其實目前大廠都已經(jīng)給出了穩(wěn)定方案。

但手機作為一個封閉得多的生態(tài)，情況就完全不同了。

不論蘋果還是安卓作為移動系統(tǒng)限制更強、應用之間的邊界更硬、可供調(diào)用的系統(tǒng)能力也更少。

桌面端代理能夠輕松實現(xiàn)的操作，一旦移植到手機上，立刻變成一系列需要深度系統(tǒng)權限才能完成的動作。

因此，豆包試圖在手機端復刻“全局代理”的企圖，難度實際上遠高于PC端的同類產(chǎn)品。它不僅要理解用戶的意圖，更要突破手機系統(tǒng)對跨應用操作的天然封鎖。

像是讀取微信聊天界面這種功能，一旦被騰訊盯上，視為某種程度的隱私風險，那正式版是否還能使用，尚未可知。誠如新浪科技直接報道了“傳‘豆包助手’手機微信登陸出現(xiàn)異常，涉及功能無法正常使用”便是印證。

豆包手機助手演示視頻

畢竟從目前的測試效果來看，其試圖扮演的不再是一個“語音助手”，而是橫跨系統(tǒng)的AI“操作系統(tǒng)”。

這確實代表了未來手機交互的方向。然而，也正是這種對底層權限的高度依賴，讓豆包在現(xiàn)實中撞上了沉重的生態(tài)壁壘。

目前國內(nèi)的頭部手機廠商幾乎都在打造某種程度上的“AI原生系統(tǒng)”。小米、華為、OPPO、vivo甚至蘋果無一例外，都通過系統(tǒng)級集成來強化自己的生態(tài)閉環(huán)。

在這樣的背景下，他們不可能讓一個來自外部的第三方助手直接介入底層，也不可能讓渡關鍵的權限。

和中興努比亞工程機的合作，本質(zhì)上也揭示了同樣的問題：能夠與豆包深度合作的廠商，往往是生態(tài)規(guī)模有限的品牌，而真正具備影響力的頭部廠商，出于商業(yè)邏輯的天然對立，不可能放開權限。

圖源：中興商城

因此，豆包現(xiàn)在處在一個尷尬的位置。一方面，它描繪的愿景合理且前沿；另一方面，它能否觸達這個愿景，卻并不取決于自身的技術，而取決于系統(tǒng)權限是否能被開放。

當被卡住脖子，“豆包手機”成唯一出路

當豆包選擇做這樣一款高度依賴系統(tǒng)級權限的助手時，它實際上已經(jīng)接受了一個隱含前提：如果未來要讓這套能力成為真正的“標準體驗”，它必須能直達軟硬件生態(tài)的核心。

而能操作的方式只有兩種：說服一家頭部廠商開放系統(tǒng)權限，或者自己做能完全掌控的硬件。

第一條路幾乎沒有現(xiàn)實可能。所有頭部廠商都在打造自己所謂的AI OS，它們不會允許一個外部助手成為系統(tǒng)級入口。

AIOS架構

這意味著豆包不可能依靠現(xiàn)有廠商提供的底層權限來構建自己的核心能力。事實上大概任何AI廠商都很難指望依靠第三方的硬件來實現(xiàn)自己的全部需求與野心。

Meta依托的是眼鏡，而阿里最近也推出了夸克AI眼鏡，其實多少也是在考慮尋求一個獨立的硬件入口。

這種趨勢在全球范圍內(nèi)正在發(fā)生。無論是OpenAI的輕量設備路線，還是Google對Pixel系列的深度整合，本質(zhì)都指向同一個方向：下一代AI智能硬件的核心不再是UI，而是AI邏輯。

Pixel 10的AI個人總結功能

在這個前提下，豆包要么成為別人系統(tǒng)的一部分，要么必須擁有自己的設備，并控制從硬件到OS的全鏈路。

對于豆包而言，問題大概不是要不要造硬件，而是不造硬件就無法實現(xiàn)愿景。事實上傳言字節(jié)開發(fā)智能眼鏡的消息由來已久，而收購多時的錘子硬件團隊顯然并不會完全閑著。

可以說在現(xiàn)有的產(chǎn)業(yè)格局下，這種“操作層”只有依附在它自己能掌控的硬件上，才有機會被完整實現(xiàn)。

豆包在發(fā)布手機助手時專門強調(diào)“不造手機”，但從技術方向、生態(tài)沖突到權限結構，未來打臉自己幾乎是必然會發(fā)生的事。