12月1日，首銷手機字節(jié)跳動豆包團隊發(fā)布豆包手機助手技術預覽版。備貨

據(jù)介紹，豆包豆包手機助手，首銷手機是備貨在豆包 APP 的基礎上，和手機廠商在操作系統(tǒng)層面合作的豆包 AI 助手軟件。基于豆包大模型的首銷手機能力和手機廠商的授權，豆包手機助手能夠為用戶帶來更方便的備貨交互和更豐富的體驗。

現(xiàn)階段，豆包開發(fā)者和科技愛好者可以在豆包與中興合作的首銷手機工程樣機 nubia M153 上，體驗豆包手機助手的備貨技術預覽版本。目前該版本已面向開發(fā)者和科技愛好者少量發(fā)售，豆包售價 3499 元。首銷手機

豆包手機助手的備貨出現(xiàn)，是豆包在試圖用 AI Agent 打通APP 之間，重構移動互聯(lián)網的交互邏輯。

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

或許，誰能率先解決「操作手機」的穩(wěn)定性難題，誰就能定義 AI 時代的「iPhone 時刻」。

據(jù)業(yè)內人士向「極客公園」介紹，字節(jié)跳動與努比亞為這款工程機的首銷備貨量為 3 萬臺，并為此訂購了對應數(shù)量的手機關鍵元器件。

從「對話框」到「行動派」

過去兩年，我們見慣了能寫詩、能畫圖的 Chatbot，但對于普通用戶而言，手機上最痛的痛點往往是繁瑣的操作流。豆包手機助手這次的大看點，在于它試圖從「對話」跨越到「行動」。

在技術預覽版的演示中，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，該模型在視覺理解、推理以及圖像創(chuàng)作等維度的性能已處于國際第一梯隊。正是因為模型具備了精準的圖形界面（GUI）識別能力，它才能在多項權威評測中拿到高分，從而像人類一樣理解「按鈕」和「輸入框」的含義，而不僅僅是識別一堆代碼。

據(jù)豆包手機官方使用文檔介紹，豆包會根據(jù)意圖自動判斷是否調用 AI Agent 能力，若用戶對話開頭包含「幫我操作手機」，則會 100% 通過 AI 操作手機完成任務。

任務描述越詳細，它的執(zhí)行效率越高，執(zhí)行效果越好。例如：“打開美團外賣幫我把最近幾個訂單的好評寫了”。此外，AI 操作手機是在虛擬屏操作的，不會在前臺默認展開，也不會影響正在進行的其他任務，你可以隨時返回桌面使用其他應用。

用戶也可以直接跟豆包對話，講出需求，豆包可根據(jù)需求自動判斷是否通過操作手機功能完成，以及在豆包對話框底部功能按鈕中找到“操作手機”，點擊按鈕可手動描述需求，也可以設定定時等條件任務。

試想這樣一個場景：你在社交媒體上被種草了一款好物，過去你需要截圖、退出應用、打開電商平臺、搜索、比價。

而在豆包的演示中，你只需說一句「幫我在全平臺比價下單」，AI 就能自動跨應用跳轉，搜索同款、對比價格規(guī)格、領券，甚至幫你選好最低價的商品填入購物車。

圖片來源：豆包手機使用指南文檔

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

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

這種跨應用、多步驟的「任務鏈」執(zhí)行能力，可以說是 AI 從「玩具」邁向「工具」的關鍵分水嶺之一。

為了實現(xiàn)這種「類人」的交互，豆包打通了系統(tǒng)層面的多項權限。

在系統(tǒng)層面，豆包手機為 AI 能力設計了多種交互方式，用戶可以通過側邊鍵、語音甚至耳機喚醒它；在相冊里，它能直接聽懂「把路人 P 掉」的指令并執(zhí)行。

圖片來源：豆包手機使用指南文檔

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

圖片來源：豆包手機使用指南文檔

當然，將屏幕控制權和個人喜好交給 AI，隱私安全始終是繞不開的話題。所以豆包團隊也強調，這一功能支持按需開啟，并承諾嚴格保護數(shù)據(jù)隱私。

作為「技術預覽版」，豆包團隊也在視頻結尾特別提示，受限于大模型技術的不確定性，演示中的「絲滑」體驗目前還無法百分百復現(xiàn)，產品距離團隊的最終預期仍有差距。

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

2 不造硬件的「第三條路」

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

圖片來源：Google

豆包選擇了第三條路：不做硬件，只做生態(tài)。

在發(fā)布預覽版的同時，豆包方面明確表示「沒有自研手機計劃」。他們的策略非常務實——通過與多家手機廠商洽談，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型中。

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

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

對于手機廠商而言，從零打造一個具備頂級推理、視覺理解和復雜任務規(guī)劃能力的模型成本極高；而對于字節(jié)跳動這樣的互聯(lián)網巨頭，缺乏硬件載體則會讓 AI 始終隔著一層 APP 的玻璃墻，無法觸達用戶最核心的數(shù)據(jù)和場景。

目前的 nubia M153 工程機只是一個開始。售價 3499 元的門檻或許更多是面向開發(fā)者和極客人群的「邀請函」，旨在驗證這種跨界合作的技術可行性與用戶反饋。

或許，誰能率先解決「操作手機」的穩(wěn)定性難題，誰就能定義 AI 時代的「iPhone 時刻」。

光做一個APP，在 AI 時代已經不夠了

豆包手機助手的出現(xiàn)，本質上或許是一次對移動互聯(lián)網交互邏輯的重構。

大模型的能力越來越強，單純做一個 APP，在 AI 時代已經不夠了。

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

過往，字節(jié)跳動一直是一支強大的“空軍”——擁有極致的算法和龐大的應用生態(tài)，但在操作系統(tǒng)和終端硬件上，相比擁有 Android 的谷歌或擁有全場景終端的華為，字節(jié)始終缺少一塊落地的“陣地”。

在移動互聯(lián)網時代，這或許不是問題，但在 AI 需要深度介入用戶場景的當下，缺乏硬件載體可能意味著喪失對場景的感知力。

豆包手機助手的推出，像是字節(jié)在當下階段拋出的一次探索。

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

這或許并不是未來兩三年行業(yè)的最終形態(tài)，但至少可以確認的是：字節(jié)已經意識到，想要讓 AI 真正跑通，必須邁出“軟硬結合”的這關鍵一步。