作者 ｜ 駱軼航
郵箱 ｜ tluo@pingwest.com

12月1日，豆包手機助手上線。

它偷了螞蟻森林能量，成功了；它在 B 站答題領(lǐng)會員，全程自動操作；有人讓它“把昨天拍的照片在微信上發(fā)給我媽”，搞定了。

不到兩天，它就被微信屏蔽了。支付寶、淘寶、美團等等，隨即先后屏蔽了豆包手機助手打開它們的 App。

風(fēng)波未平，AI 創(chuàng)業(yè)公司智譜又上場了。12月9日深夜，智譜開源了 AutoGLM，口號響亮：“讓每臺手機都成為 AI 手機，AI 手機不該掌握在少數(shù)廠商手中”，拉高了一波 AI 手機概念股。

在一文中我說過：接下來你會看到更多的“手機助手” 試圖打開你的微信、抖音和支付寶。沒想到這么快就來了。

豆包手機助手的興奮感已經(jīng)傳到了大洋彼岸，有開發(fā)者在 X 上說：“這是我見過第一個真正能用的 AI 手機助手，不是 Siri 那種‘幫你設(shè)個鬧鐘’的玩具級功能，是真的能跨應(yīng)用完成復(fù)雜任務(wù)鏈?！?/p>

它展示了一個強大的 GUI Agent 的真正潛力——不需要 App 開放 API，Agent 直接“看”屏幕理解界面；不需要人工訓(xùn)練每個 App 的操作路徑，Agent 自主學(xué)習(xí)，跨應(yīng)用無縫切換，完成一個完整任務(wù)鏈。

難怪 X 上也有評論說：“這是 iPhone 問世以來，手機交互方式最大的一次革命”。

豆包手機助手證明：GUI Agent 作為一種產(chǎn)品形態(tài)，是成立的，用戶需求也是真實的，搭載了豆包助手的Nubia M153 工程機在閑魚上的熱銷，超過 99% 天天上播客和 demo day 的 AI 創(chuàng)業(yè)項目。

而智譜 AutoGLM 的開源，在豆包把市場教育完，也把雷點踩完之后，以“開源英雄”的人設(shè)，收割了一把關(guān)注度和認知。

它用了一種更“高明”的辦法：ADB +視覺識別方案，在“云手機”的虛擬環(huán)境里操作，操作手機的方式更隱蔽，它無需獲得更高級別的手機系統(tǒng)權(quán)限，模擬的是人類用手指點擊屏幕的行為，平臺風(fēng)控很難區(qū)分是真人還是 AI。

AutoGLM 還借此享受了一把開源的聲譽紅利，但不用承擔(dān)任何產(chǎn)品的法律風(fēng)險——用戶怎么部署是他們的事。問題是：配置ADB、開發(fā)者模式、部署 9B 的推理模型，這事兒普通人是搞不定的。閑魚上已經(jīng)有人賣“100元代部署AutoGLM 服務(wù)”了。

恕我直言，我覺得智譜 AutoGLM 開源對推動智能手機的 AI 化意義相當(dāng)有限。

比起豆包是真的想讓一部分人先用上一部“AI 原生” 的手機，AutoGLM 更多的是秀了一把肌肉，收割了一波注意力，以及提供了一種看似目前可以繞開微信、支付寶和美團們“封禁”，然則終將被堵上的技術(shù)漏洞?，F(xiàn)在已經(jīng)有開發(fā)者出來報錯了：自己部署的 AutoGLM，被微信封了。

該沒解決的問題，一個也沒解決。Super Agent 和 Super App 之間的關(guān)系，一點兒也沒理順。

一句話，AI 手機怎么搞，需要產(chǎn)業(yè)的廣泛共識，需要 Super Agent 和 Super App 之間的共識。

中國移動生態(tài)太發(fā)達了，互聯(lián)網(wǎng)巨頭們圍繞著 App 建立起來的流量、護城河、生態(tài)和利益太豐富了，它已經(jīng)成為了推動手機 AI 化的 legacy ——打破任何一點現(xiàn)在的格局，都讓巨頭們難受。

但該來的，還是要來。

1

第一個問題：能不能有 AI Agent 認證體系？

豆包助手暴露的問題是：努比亞授權(quán)了 AI 能用系統(tǒng)級權(quán)限，但 App 廠商不認。

中間缺少的環(huán)節(jié)是：誰能授權(quán) AI 操作第三方 App?

模擬用戶的點擊、滑動、輸入，是豆包從努比亞獲得的授權(quán)。從技術(shù)角度看，這是手機操作系統(tǒng)賦予的合法能力。但微信的用戶協(xié)議明確禁止“外掛軟件”，任何模擬用戶操作的行為都屬于違規(guī)。

這個時候，為什么不能有一個“ AI 代理操作認證體系” 呢？就像網(wǎng)站有 SSL 證書證明身份和安全性，AI Agent 為什么不能有一個“可信代理”認證體系呢？

至少，它能解決三個問題：第一，證明AI的身份——誰家的 AI，什么技術(shù)架構(gòu)；第二，證明AI的授權(quán)——用戶讓我干什么，授權(quán)范圍是什么，有沒有超出授權(quán)；第三，證明AI的安全性——不會亂來，有安全措施，有操作日志，有責(zé)任保險。

當(dāng)年支付寶剛出來的時候，銀行也不舒服，覺得你憑什么代替我跟用戶交互？這是我的客戶，你憑什么中間過一道？后來，有了第三方支付牌照，問題就解決了。規(guī)則是：滿足這些條件，你就能做第三方支付；不滿足，就不能做。銀行可以對接，也可以拒絕，但是要有一套通行的依據(jù)。

同理，AI Agent 也需要這樣一個“代理操作認證” 體系，它未必是一張牌照，而是一套通行的技術(shù)標(biāo)準(zhǔn)。不是誰都能隨便模擬用戶操作，但只要你符合標(biāo)準(zhǔn)，通過認證，平臺就不能無理由拒絕。

別再爭了各位。美國人是最擅長制定這種技術(shù)共識標(biāo)準(zhǔn)的，我們達不成共識，最后就還得用 OpenAI 和 Anthropic 制定的標(biāo)準(zhǔn)。

1

第二個問題，能不能把最高權(quán)限交給用戶?

聊天記錄、支付記錄、打車訂單，所有權(quán)、使用權(quán)、授權(quán)權(quán)分別是誰的?

App 可以認為：用戶的數(shù)據(jù)在我平臺上，是我的資產(chǎn)。我投入了服務(wù)器、帶寬、運維成本，提供了免費服務(wù)，數(shù)據(jù)當(dāng)然有我的權(quán)益。而且用戶協(xié)議里寫了，用戶授權(quán)我使用這些數(shù)據(jù)來改進產(chǎn)品、推送廣告。

用戶覺得：這是我的隱私，我的聊天內(nèi)容，我跟朋友的對話，憑什么不能給我自己的 AI 看?我授權(quán) AI 幫我整理聊天記錄、提取重要信息、提醒我未讀消息，這是我的權(quán)利。

AI 模型和 Agent 提供者認為：用戶授權(quán)了，我就可以讀取、分析、使用這些數(shù)據(jù)來提供服務(wù)。我不會泄露給第三方，不會用于訓(xùn)練模型（除非用戶同意），我只是代表用戶行使他/她的權(quán)利。

這個時候，明確“數(shù)據(jù)所有權(quán)歸用戶” 的至高原則是非常重要的，它決定了一切用戶授權(quán)、AI 代理 和 App 安全防范機制的基礎(chǔ)。

這意味著以下幾點：

• 用戶在平臺上產(chǎn)生的內(nèi)容、行為數(shù)據(jù)，歸根結(jié)底屬于用戶本人，平臺提供服務(wù)，但不擁有用戶的數(shù)據(jù)。

• 數(shù)據(jù)使用權(quán)可以授權(quán)，平臺有權(quán)使用數(shù)據(jù)提供服務(wù)（比如推薦算法、個性化廣告），這是用戶協(xié)議中約定的，但用戶也有權(quán)授權(quán)第三方 AI 使用數(shù)據(jù)，這兩個授權(quán)之間不應(yīng)該沖突。

• 平臺有安全審查權(quán)，但不能無理由拒絕，如果 AI通過了認證，證明了安全性，就不該輕易被拒絕。

1

第三個問題，能不能重新創(chuàng)造商業(yè)模式？

Super Agent 動了 Super Apps 的蛋糕，這簡直是一定的。

因為人的瀏覽行為被 Agent 取代，推薦算法帶來的注意力機制會被顛覆。這樣，廣告收入會被影響，流量分發(fā)的收入來源也會被影響，甚至?xí)T收入也被影響。

但 Super Agent 自己呢？如果它的存在只是削弱了平臺的收入，而自己的 GPU 算力、模型研發(fā)和優(yōu)化等成本又居高不下，久而久之，無人從這場變革中受益，這個游戲就玩不下去了，就會變成雙輸或者多輸?shù)挠螒颉?/p>

在這種情形下，重新想象和創(chuàng)造商業(yè)模式就是很重要的。

OpenAI 跟亞馬遜現(xiàn)在關(guān)系很緊張，但它與沃爾瑪?shù)暮献魇且粋€不錯的例子。現(xiàn)在沃爾瑪 36% 的線上流量來自 OpenAI，盡管現(xiàn)在沒有聽說它們之間又什么分成計劃，但這件事不值得想象么？這就好比是搜索引擎的CPC（按點擊付費）模式：每一個通過 ChatGPT 引導(dǎo)到沃爾瑪?shù)挠脩簦譅柆敻督o OpenAI 一筆費用。

再比如 Agent 的訂閱費用——如果 Agent 購物真的能給一個用戶每年省2000元人民幣的話，一個月收20元的訂閱費不過分吧？這筆錢，Super Agent 是應(yīng)該分一部分給 Super Apps 的。就像愛奇藝的會員用戶可以付費跳廣告，YouTube 從訂閱費里分成給創(chuàng)作者，是一個道理。

此外，增值服務(wù)分層設(shè)計是不是可行？基礎(chǔ)功能免費，但限制次數(shù)，只能用于常規(guī)任務(wù)。如果用戶真的有強烈意愿，讓 Super Agent 操作微信自動回復(fù)、支付寶賬單管理、滴滴會員卡管理等高級功能的話，還是要為高級功能付費的——也就是執(zhí)行復(fù)雜任務(wù)鏈、跨平臺操作，處理敏感信息私有信息，甚至企業(yè)定制化等高級功能，都得收錢，這個錢要跟 Super App 分成。

這個問題不解決，平臺就會一直抵制，這也是可以理解的。

1

第四個問題，能不能推廣沙盒確認和分級確認的安全機制？

把“我愛你”發(fā)給了男老板而不是女朋友，要轉(zhuǎn)100元結(jié)果轉(zhuǎn)了10000元，Agent 誤刪重要聊天聯(lián)系人，清理垃圾文件把重要工作文檔也刪了……這些事如果出現(xiàn)，責(zé)任是誰的？

很多人忽略了，AI 犯錯的成本，往往比人犯錯更高——因為 AI 操作速度快，一秒鐘能完成人需要一分鐘完成的任務(wù)，出錯了也是大規(guī)模出錯，人想挽回都做不到，標(biāo)準(zhǔn)的手慢無。

AI 被黑客了怎么辦？釣魚郵件和詐騙電話能騙人，就一定騙不了 AI？AI 一定比老頭老太太反詐意識更強？AI 在社交平臺發(fā)布不當(dāng)內(nèi)容，被封了號算誰的？AI 自己發(fā)現(xiàn)刷單能賺錢，用假賬號注冊能領(lǐng)紅包，它會不會自己學(xué)會作弊？AI 是通過學(xué)習(xí)優(yōu)化的，如果它的目標(biāo)是幫用戶省錢，作弊是最有效的方式，它真的不會作弊？

為了規(guī)避這些問題，類似“沙盒”的模式是重要的。目前豆包助手采用的方式先是預(yù)覽操作步驟，用戶確認后再執(zhí)行，并在執(zhí)行過程中實時顯示操作過程，這其實已經(jīng)具備了沙盒思維了，它的本質(zhì)是一種確認機制。

另一種方式是：AI 可以先在虛擬環(huán)境里“練習(xí)”，練熟了再上真機。敏感操作必須先在沙盒里預(yù)演，系統(tǒng)模擬執(zhí)行，生成預(yù)覽結(jié)果，用戶看到“如果執(zhí)行會發(fā)生什么”，確認沒問題后，才在真實環(huán)境執(zhí)行。不需要人自己干，但需要人至少點一次確認。

在這個基礎(chǔ)上，建立分級確認機制也是可行的。不是所有操作都需要用戶確認，那樣太煩，用戶體驗會很差。根據(jù)風(fēng)險等級設(shè)計確認流程：讀取信息無需確認；發(fā)消息和社交媒體等常規(guī)操作，彈窗簡單確認；支付、轉(zhuǎn)賬、修改密碼、保存和刪除數(shù)據(jù)，都需要人的多重驗證。

此外，用戶需要有隨時喊停 AI 的權(quán)力，一鍵中斷所有正在執(zhí)行的操作。就像電梯的緊急停止按鈕。而 AI 發(fā)現(xiàn)異常也要自動停止——這些方面銀行和自動駕駛企業(yè)都已經(jīng)做過了，AI Agent 服務(wù)提供者也應(yīng)該做好。

一句話，讓用戶承擔(dān)全部風(fēng)險是不對的。

豆包手機助手這次掀起的波瀾，如果說它真正有些意義的話，恐怕在于兩點：

第一，它告訴了人們：GUI Agent 可以成為真正的 Super Agent，它真的創(chuàng)造了手機上的一次交互變革，引發(fā)了興奮、爭議、喧嘩和騷動。讓人們知道，AI 真的可以跟你一起操作你的手機。

第二，比起很多智能手機廠商的 Agent 嘗試，它第一次直搗黃龍，代理一小撮追求技術(shù)進步的嘗鮮用戶，“操作”了他們的 Super App，比如微信、支付寶、美團和京東，讓如何建立 AI Agent 的產(chǎn)業(yè)標(biāo)準(zhǔn)，如何思考 App 這個存在了快20年的物種在 AI 時代該如何變革等一些問題，變得無可回避。

接下來，需要的是共識，以及為了建立共識而繼續(xù)的博弈。

點個“愛心”，再走 吧