豆包手机“一日游”背后：大厂AI入口之争
大家最近都在聊“豆包手机”——其实严谨点说是搭载在努比亚M153手机上的“豆包手机助手”。
事情很短，但信号很强。
12月1日，字节发布 “豆包手机助手”，安装后豆包助手可以直接操作手机里的所有APP，从而完成用户提出的任务；
比如用户说要买一瓶洗发水。
豆包手机助手会打开淘宝，京东，拼多多，搜索指定洗发水，对比价格，选择最便宜的购买，最终确认付款。
整个流程也就几分钟，非常丝滑。
但仅一天后，微信、淘宝、美团、各大银行等App以“安全”为由，集体屏蔽了该助手的自动操作权限。
为什么如此之快的就被封了呢？
在聊 “为什么被封” 之前，我们先回头看下现在的AI发展情况，看完后大家就能明白大厂们到底在慌什么。
2024年7月Bloomberg 上 发表了一篇文章，描述了OpenAI内部对AI定义的发展五个等级：
Level 1 聊天机器人（Chatbots）：能自然对话。
对应时间：2023年。 各大厂推出了自己的对话入口，百花齐放。
Level 2 推理者（Reasoners）：具备人类专家级的解题能力。
对应时间：2025年初。标志性事件是DeepSeek等模型展现出的深度思考能力。
Level 3 智能体（Agents）：代表用户采取行动的系统。
对应时间：现在
Level 4 创新者（Innovators）：能够协助人类进行科学发明、创造新知识的 AI。
Level 5 组织者（Organizations）：能替代整个组织（公司）工作的 AI。
现在的Level 3 智能体（Agents）阶段很尴尬也很关键。
前两个阶段交互很明确，都使用聊天窗口，以问答的交互为主。
但是智能体阶段，交互就不是很明确了，交互形式正在从单一的“对话框”分裂成多条路：
原有场景的AI化（做加法）：比如蚂蚁财富的AI投资分析、飞猪的“问一问”、剪映的AI智能剪辑。在已有功能上增加AI能力。
工作流搭建（做乘法）：比如字节Coze、阿里百炼智能体平台。
通过流程编排和API调用来制作复杂的智能体，优点可以任意编排智能体和流程，但是对普通用户门槛太高。
既然大厂都在争夺智能体（Agents）的入口，为什么我们普通用户感觉不到颠覆性的AI功能？
我也和很多大厂的朋友聊过，早在2024年开始 AI已经渗透到了大厂的工作流和产品中了，也写进他们的KPI里。这两年各个团队内部都在比赛AI创新。
但由于受限AI大模型能力（幻觉，不稳定），目前的AI更多能力发生在“冰山之下”，以提升人的效率为主：
客服侧：几乎全是AI在接管。
运营侧：智能推荐、AI总结、退款判别、商品合图。
技术侧：50%以上的代码，通过AI生成。
AI能力的渗透是伴随整个App迭代的，用户感知弱很正常。但真正的质变——AI编程、Agent工作流编排等技术侧的能力，正在向普通用户端传导。
我的预判是：爆发点就在今年春节或明年年中。听说豆包拿下了今年春晚赞助（我去年就已经向我的家人都安利了豆包），今年这可能会带来一波全民级的增长，很多人可能会第一次真正的用上AI。
除了App内部的AI化，大厂们更在乎的是“入口”。这个入口的争夺战在海平面之下，早已经升级了几轮：
浏览器插件：Monica、豆包/夸克插件。
比如编辑文档、搜索资料、电商比价都可以在浏览器里完成，而插件可以低成本的操作浏览器。理论上浏览器能做的事情，这个阶段AI都可以做了。
但是毕竟是装插件，有一定门槛，而且用户都只有一个浏览器，当用户同时装了两个插件，互相竞争是常态，一会儿是Monica，一会儿是夸克，体验很不好。于是这个阶段很快就结束了。
升级为浏览器：电脑上安装的夸克和豆包App，在本质上都已经是“AI浏览器”了，当AI回答的内容有涉及到网页，都默认在App内打开了。
这样一来不用像插件一样，争夺浏览器的控制权了，各自在APP内闭环。
硬件入口：夸克的智能眼镜、豆包的操作系统助手、智能耳机。这个入口目前还不明朗，主要是体验还差点意思，一个眼镜都要50g以上，而且涉及到续航，交互体验不好等问题。
对于长期戴20g以内眼镜的我来说，还是太重，如果不能替换我现有的眼镜只是偶尔带一下，我感觉我是不会买的。
智能体编排：通过用户来创建智能体，搭建工作流，然后公开出来，供其他人来使用。
编排智能体的还是各行业的人。
云端沙箱：在上一个阶段的基础上，将编排智能体的人换成了AI。
比如最近大火的Manus（前几天被Meta收购）。它本质是在云端构建了一个服务器（沙箱），通过服务器去虚拟出浏览器，各种电脑手机的操作系统，通过AI编排的流程执行任务。
看懂了上面的趋势和各个阶段，就明白了为什么微信和淘宝反应如此激烈。
“安全”只是借口。AI操作APP的时候，只要涉及到支付，都要人来确认，AI哪能随便把钱转走？
根本原因是“降维打击”：如果豆包真的控制了操作系统，它就不再是竞争对手，而变成了“用户本人”（User Agent）。
试想一个场景： 用户对豆包说：“中午想吃点东西，帮我找下性价比比较高的餐厅。” 这时候，是去美团，还是去抖音团购？决策权在豆包手里。
各大App厂商辛辛苦苦积累的用户，瞬间变成了豆包的“底层供应链”。这种把App管道化的能力，才是让巨头们脊背发凉的真正原因。
所以大家知道大厂们为什么慌了吧，“豆包手机助手”对于大厂的APP，直接就是降维打击了。
我个人觉得目前的AI手机，火候未到。
现在的App交互界面是为人设计的，而不是为AI设计的。AI模拟人手去点击，必然会有与人操作的冲突和效率折损。
我觉得最乐观的智能体操作场景是：
- 大众点评、淘宝、地图等App，下沉为底层的服务提供商，就像现在的数据库或地图API一样，前台界面不再重要，用户只需要和智能助手交互。
- 行业提供一套通用的Agent调用规范/接口（MCP），各大APP支持，并提供核心服务API，给到AI智能体调用。
- AI通过无界面形式在后台直接调用智能体，最终完成用户目标。
当然，商业竞争很复杂，也许未来各大AI巨头都会构建自己的AI体系，从大模型到智能体一杆子插到底，互相不打通。
谁知道呢？
但是有幸在AI大时代下，见证历史时刻，我很激动，一切拭目以待。
资源参考：
OpenAI Scale Ranks Progress Toward ‘Human-Level’ Problem Solving： https://www.bloomberg.com/news/articles/2024-07-11/openai-sets-levels-to-track-progress-toward-superintelligent-ai
豆包ai手机助手：https://community.doubao-dev.com/
对话季逸超：https://www.bilibili.com/video/BV1knvYBDEjs/?vd\_source=c8dab12fd455ce7568fbcac6a3ac9a3d
coze工作流：https://coze.cn
阿里云百炼：https://www.aliyun.com/product/bailian
关注我「荔枝AI圈」，从技术维度帮你拆解AI原理，深入探索AI的更多可能性。
作者提示: 个人观点，仅供参考