AI手机的技术路线已形成鲜明分野 。

　　12月19日 ，字节跳动在联合中兴努比亚推出“豆包手机 ”nubia M153后再传扩围动作——正与vivo 、联想、传音等厂商推进AI手机合作。

　　以“豆包手机”为代表的阵营，凭借读屏
、模拟点击等GUI（图形用户界面）技术
，试图让AI助手突破应用壁垒完成复杂任务，却引发主流App集体“自卫
”
。

　　反观海外 ，苹果、谷歌主导的阵营
，则坚持API（应用程序接口）标准化路线，虽稳健却进展迟缓。

　　两种技术路线的博弈 ，是移动互联网十余年商业逻辑与利益格局的剧烈碰撞 。流量入口迁移的序幕已然拉开
，手机厂商 、应用开发者与用户的关系正被深度改写
。

　　GUI接管屏幕：豆包撕开系统级权限口子，智谱开源补位

　　这场路线之争的导火索 ，是12月初字节跳动联合中兴努比亚发布的“豆包手机”nubia M153。这款手机凭借跨应用AI操作能力搅动行业：用户只需发出语音指令
，AI便能完成订外卖
、发微信、比价购物等一系列跨App任务，其技术核心是GUI（图形用户界面）多模态大模型与系统级权限的深度绑定 。

豆包手机图片来源：中兴商城

　　前小米OS AI产品专家 、现出海AI应用公司ExcelMaster.ai创始人张和告诉《每日经济新闻》记者（以下称每经记者） ，通过与手机厂商（如中兴）达成操作系统层面的深度合作
，让AI助手获得凌驾于所有App之上的系统级操作权限
。其技术逻辑是模拟人类的点击
、滑动等操作，贯通全手机应用 ，实现跨App的任务执行。

　　但AI助手直接“接管 ”屏幕，很快引发主流App的“自卫反击
”：微信提示环境异常甚至封号
，淘宝频繁弹出人机验证，各大银行App则直接拒绝在录屏状态下运行 。

　　12月9日 ，智谱AI宣布开源自主任务模型AutoGLM
，为GUI路线提供了另一种可能性
。

　　AutoGLM同样基于GUI范式，通过视觉大模型实现手机自动化操作 ，但此前因未获厂商系统级权限支持
，只能依赖安卓无障碍模式运行。

　　张和指出，无障碍模式存在明显短板：“AI操作时会完全占据前台窗口 ，比如操作淘宝一分钟内
，用户无法刷微博、聊天 。”但他强调，豆包与智谱AutoGLM本质同源 ，都是大模型厂商视角的探索
，仅开源与否的差异
。“只要手机厂商配合，智谱AutoGLM也能实现后台静默操作 ，核心症结始终是系统权限。 ”

　　获得中兴努比亚手机的系统级权限，是豆包率先做出AI手机的核心原因之一 。

　　但张和指出
，这类合作的主动权掌握在手机厂商手里——并非厂商不具备同等技术研发能力，而是“要不要做（AI手机）
”的战略考量。

　　厂商的顾虑主要有两点：首先是用户对隐私泄露的普遍担忧 ，贸然开放权限可能严重影响手机品牌的用户口碑和形象；其次
，手机厂商希望将系统级AI入口牢牢掌握在自己手中，而非沦为AI公司的技术通道
。

　　“这也解释了为何豆包的首个合作伙伴是中兴努比亚 ，而非头部厂商。”张和补充道 。

　　苹果 、谷歌“慢半拍 ”：API路线的保守布局

　　豆包手机的出现
，也引发了全球范围内关于AI手机两条技术路线——GUI范式与API（应用程序接口）范式——的对比和讨论
。

　　豆包和智谱的GUI，如同一个“AI保姆
” ，它像人一样看着手机屏幕
，帮用户操作手机。苹果和谷歌的API路线，则像给App们发了一套“手册” ，让它们自己把功能开放出来给系统调用 。

　　两者的优劣对比十分鲜明：GUI不依赖App开发者配合
，通过视觉大模型“读取 ”屏幕
、模拟人类点击实现操作，优点是通用性强 ，理论上人能使用的App它都能驾驭；但缺点同样突出，一是隐私保护压力大
，二是效率较低，需逐步骤操作且易出错
。

　　以苹果Apple Intelligence为代表的API范式 ，不是通过模拟
，而是构建底层框架与标准化接口，让AI通过规范“调用能力
”完成任务。这种模式的优点是稳定、保障隐私且效率高 ，缺点则是需要App开发者主动配合
，生态构建周期更长 。

iPhone 17搭载Apple Intelligence 图片来源：苹果官网

　　张和评价苹果是“最保守的大玩家”
。

　　2022年，苹果推出Apps Intent框架 ，鼓励开发者向系统声明功能供Siri调用
，但坚决不开放读屏绕开应用的能力；即便未落地的“屏幕感知 ”功能，也选择通过API向Siri提供屏幕内容 ，而非直接操控界面。

　　当前
，苹果Apple Intelligence集成了OpenAI的ChatGPT 。而据媒体报道，苹果正计划采用谷歌的Gemini模型 ，为Siri语音助手升级提供技术支撑
。苹果希望将该技术作为临时解决方案，直到自家模型足够强大。

　　谷歌则走端云协同路线
，且优先布局电脑端 。旗下Gemini大模型具备强大端云协同能力，但手机端未采用GUI多模态操作；推出的AppFunctions API ，旨在解决生态内的碎片化问题
，实现系统对应用能力的统一发现与索引。

　　谷歌和苹果均倾向于推动应用开发者主动接入标准化接口，实现AI助手跨应用协作
。

　　张和透露 ，目前两家公司尚未在手机上推出GUI多模态操作相关功能
，仍处于技术储备阶段。“谷歌一方面需要协调安卓生态的手机厂商，另一方面也在观望市场反馈和技术成熟度 。”

　　AI生态洗牌：手机厂商 、超级App与长尾应用的利益重构

　　市场调查机构Canalys报告显示 ，得益于芯片技术的快速发展和消费者对AI功能日益增长的需求
，全球AI手机出货占比将从2024年的16%升至2028年的54%
。该机构预计，2023年至2028年的年复合增长率将达到63% ，三星和苹果等主要玩家将推动这一增长。

　　技术路线的抉择
，最终将指向移动互联网利益格局的深度重构 。

　　“靠AI助手去购物，相当于直接介入交易 ，互联网大厂自然担心商业模式受影响
。
”张和点出了超级App集体“自卫”的核心焦虑。

　　API类似手机厂商向各家互联网大厂商议，让后者开发接入手机智能助手的API接口
，在限定范围内向AI开放部分功能 。这一模式下，主动权掌握在互联网大厂手中 ，是否开放API接口
、对谁开放、开放多少功能
，都是未来提供议价权的筹码
。

　　而GUI Agent可以通过“看屏幕 、点按钮 ”的方式来操作App，相当于绕过了App对AI许可授权的过程。

　　更关键的是 ，GUI Agent将用户操作截留在了手机系统层面：用户无需打开App
，就能使用其核心功能 。这意味着，App上的广告投放将失去核心价值——而广告收入正是互联网行业的重要营收来源
。

　　张和认为 ，未来AI手机的生态将呈现“分层治理
”格局
，不同体量玩家命运迥异。

　　对于微信、淘宝等超级App而言，短期可以通过技术手段抵制外部AI读屏 ，保护商业数据与用户隐私 。长期最优解是自研AI Agent
，形成Agent to Agent（A2A）协作模式：系统级AI将用户意图传递给应用Agent，后者在权限内完成操作。这种模式既保护超级App“领地” ，又能融入AI手机生态
。

　　对于数以百万计的中长尾App来说，处境则将完全不同。

　　张和认为
，长尾App因缺乏自研Agent的技术与商业话语权，大概率将“被系统级AI直接控制 ” 。对它们而言 ，与其投入资源拉新获客
，不如接受系统级AI操作，换取新生态的流量分发
。手机厂商或会制定标准化利益分配条款 ，让长尾应用“搭上生态红利
”。

　　“这就像自动驾驶
，是不可逆转的历史趋势 。”张和总结道
。以用户需求为核心的变革，将推动生态从“流量争夺 ”走向“价值共创
” ，最终形成手机厂商主导
，超级App
、长尾应用和大模型厂商各司其职的全新格局。

（文章来源：每日经济新闻）