12月1日，首銷手機字節跳動豆包團隊發布豆包手機助手技術預覽版。備貨

據介紹，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。

現階段，豆包開發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者和科技愛好者少量發售，豆包售價 3499 元。首銷手機

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

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」的穩定性難題，誰就能定義 AI 時代的「iPhone 時刻」。

據業內人士向「極客公園」介紹，字節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能力上的積累。

據官方透露，該模型在視覺理解、推理以及圖像創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。

據豆包手機官方使用文檔介紹，豆包會根據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，它的執行效率越高，執行效果越好。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，支付環節仍需人工確認，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行。在官方演示的旅行規劃場景中，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。

為了實現這種「類人」的交互，豆包打通了系統層面的多項權限。

在系統層面，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，并承諾嚴格保護數據隱私。

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，產品距離團隊的最終預期仍有差距。

這也體現了 AI Agent 目前最真實的狀態：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；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。

在發布預覽版的同時，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，正在成為行業的一股新趨勢。

就像谷歌 Gemini 與三星的合作一樣，術業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劃能力的模型成本極高；而對于字節跳動這樣的互聯網巨頭，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據和場景。

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，本質上或許是一次對移動互聯網交互邏輯的重構。

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，與操作系統的底層權限和硬件能力進行深度整合。

過往，字節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，但在操作系統和終端硬件上，相比擁有 Android 的谷歌或擁有全場景終端的華為，字節始終缺少一塊落地的“陣地”。

在移動互聯網時代，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的最終形態，但至少可以確認的是：字節已經意識到，想要讓 AI 真正跑通，必須邁出“軟硬結合”的這關鍵一步。

(責任編輯：綜合)