7月20日消息,据《晚点 LatePost》独家报道,字节跳动新一代豆包手机调整了与阿里、腾讯等超级应用的合作方式:将不会在用户授权后读取屏幕、模拟点击、像人一样操作应用(即 GUI 技术路线),只有当这些应用自行提供 MCP 服务、开放部分数据并允许操控时,豆包手机才能接入。与此同时,新一代豆包手机的备货量从此前的 3 万台提升到数十万台。这次调整值得关注的原因在于,它是国内 AI 手机与超级应用持续半年的博弈中,第一次有玩家明确改写游戏规则——而改写方向是把操控应用的主动权交还给应用厂商。需要注意的是,核心信息均来自晚点独家报道及匿名接近人士,字节跳动尚未通过官方渠道确认上述调整。 从"像人一样操作"到"应用授权才能操作"
据晚点报道,新一代豆包手机将彻底放弃第一代的 GUI 技术路线。第一代产品中,AI 在用户授权后直接读取屏幕内容、模拟手指点击,以"像人一样"的方式操作各类应用。新路线下,豆包手机助手不再越权读取和操作,只能接入应用厂商自行提供的 MCP 服务,调用的数据范围和允许执行的动作都由应用方定义。
与技术路线调整同步的是商业化放量。一位接近豆包手机的人士对晚点表示,新一代产品备货量从此前的 3 万台提升到数十万台,"手机不可能永远只停留在技术实验阶段,最终还是得卖出去"。目前,豆包手机助手团队正在与各头部应用厂商谈判,争取对方开放可被 AI 调用的接口或服务能力。
另一条值得记录的线索是合规进展。据晚点了解,7 月 15 日,豆包手机助手软件拿到一项生成式人工智能服务备案。一位手机行业人士分析,这一独立备案或意味着合规认可,为该系统未来拓展更多手机厂商合作预留了空间。该判断出自行业人士个人分析,并非备案本身的官方含义。
硬件层面也有交叉印证。7 月 18 日,努比亚 Navi X Ultra 作为搭载豆包手机助手的"豆包手机 2.0"在 WAIC 亮相,据现场报道,豆包手机助手将更深地接入系统,获得更深的系统调用权限。系统层权限的加深与应用层操作的退让同时发生,恰好勾勒出新路线的边界:字节能管的部分更深,应用厂商管的部分不碰。
第一代的前车之鉴:上线即遭超级应用封禁
路线调整的根源可以追溯到第一代产品的遭遇。2025 年 12 月 1 日,字节跳动首次发布豆包手机助手技术预览版,搭载于中兴旗下努比亚工程样机。用户只需动嘴或动一下手指,就能指挥手机执行原本需要点击几十次屏幕的操作,比如点外卖、搜小红书,甚至打《王者荣耀》。
微信、淘宝、支付宝以及各银行客户端很快封禁了豆包手机的 AI 功能,使其在相关场景下实际上无法使用。豆包随即主动下线了这些场景的操作能力。应用厂商的顾虑很明确:GUI 技术让 AI 读取屏幕、模拟点击,绕过了应用自身的接口,直接冲击应用厂商的风控规则和入口主权。
全行业都在收敛到同一条规则
豆包不是唯一向这条规则靠拢的玩家,超级应用和手机厂商各自的布局早已透露方向。超级应用选择把 AI 留在自己的围墙内:年初,阿里千问 App 接入淘宝、支付宝、淘宝闪购、飞猪、高德等生态业务,用户可以在千问里直接说话点外卖、买东西;6 月,微信开始灰度测试原生 AI 助手"小微",支持通过对话操作微信功能、调起小程序,并面向小程序开发者开放接入微信 AI 生态的能力。
手机厂商则在争夺系统级入口的同时,对超级应用保持克制。OPPO 的小布助手、vivo 的蓝心小 V、荣耀的 YOYO 都在从传统语音助手升级为系统级智能体。以荣耀与微信的合作为例:手机助手负责理解用户指令并向微信发起调用,微信接收指令后自行完成消息发送、语音或视频通话发起等动作,再把结果返回给手机助手。整个过程中,AI 看不到微信的界面内容。
海外同样在收敛。苹果在 2024 年发布 Siri AI 时曾宣称将能直接读取屏幕,例如识别信息里朋友发来的地址并加入联系人卡片,但在今年的 WWDC 上放弃了这项功能,改用目的与 MCP 类似的 App Intents,由开发者授权把应用里的内容和动作开放给 Siri 调用。Google Pixel 手机支持与 App Intents 类似的 AppFunctions 框架,在受限情况下操控应用;只有对少数几个与 Google 达成合作的海外外卖、生鲜、打车应用,最新款 Pixel 才可以直接读屏控制。形成反差的是,海外主流大模型产品的桌面客户端在获得授权后都能直接读取电脑屏幕、修改文件、像人一样操作软件。读屏操作在桌面上已被接受,在 7x24 小时相伴、存有更多隐私的智能手机上,各方仍在谨慎试探。
决定 AI 手机形态的不是技术,是入口主权
把过去半年的博弈连起来看,可以得出一个更硬的判断:AI 能以什么方式操控手机,从来不是技术问题。GUI 读屏和模拟点击在第一代豆包手机上已经做到了可用,桌面端的同类产品也证明了技术成熟度;它也不主要是用户隐私问题,因为第一代产品的读屏操作本就发生在用户授权之后。真正的变量是权力关系——谁拥有应用内的数据、入口和风控规则,谁就有权决定 AI 能不能进来、以什么方式进来。
从这个角度看,豆包的退让不宜读成"技术认输"。苹果放弃了已发布一年的读屏承诺,Google 只对签约应用开放读屏,荣耀与微信的合作干脆让 AI 看不见界面,全球范围内没有一家超级应用接受"被模拟点击"的方案。字节只是最晚确认这堵墙存在的玩家之一。备货量从 3 万台跳到数十万台,恰恰说明退让的商业逻辑:要卖出量产手机,就必须能用在微信和淘宝上,而进入这些应用的门票只能用操控权来换。需要克制解读的是,"数十万台备货"目前只有接近人士的单一口径,且备货不等于销售目标,更不等于超级应用已经点头。
关键看超级应用开放 MCP 的粒度
接下来的第一个观察点是谈判结果。豆包手机助手团队与头部应用厂商的谈判能否落地、哪些应用会开放 MCP、开放到什么粒度——是只允许查询类操作,还是允许交易类操作——将直接决定新一代豆包手机的 AI 能力上限。第二个观察点是 Navi X Ultra 的上市节奏和实际销售转化,数十万台备货的消化速度是对"AI 手机是否有真实需求"的第一次量产检验。第三个观察点是 7 月 15 日备案的后续效应:如果独立备案确实为字节预留了与更多手机厂商合作的空间,豆包手机助手有可能从努比亚独家走向多品牌搭载,届时它与 OPPO、vivo、荣耀自研助手的关系将从平行竞争变为正面交锋。