九年前三星踩过的坑，智能体手机还要再踩一遍？

2026 年 7 月 27 日，OPPO 高调宣布启动 " 小布 Next 计划 "，正式开放了行业里首个手机端侧 Multi-Agent 协同系统内测。

说人话，就是在几乎所有品牌都已经明确将于今年秋季推出 "AI 智能体手机 " 的前提下，OPPO 率先把这功能下放给了现有机型，让用户可以 " 尝尝鲜 " 了。

可能有的朋友要说了：不对啊，去年努比亚不是都出了初代豆包手机了，怎么你这今年才内测，而且还是 " 首个 " 呢？

诶，对的，这就是我们要说的关键。因为今年所有的新款 AI 智能体手机，包括努比亚自家的二代豆包手机 NaviX Ultra 在内，有一个算一个，都不会再延续去年初代 " 豆包手机 " 的技术路线。

换句话说，在 AI 智能体手机真正大规模上市之前，大家想象中的那种能 " 无限制全自动操控所有应用 "AI 智能体手机，大概率已经死了。

初代的手机智能体，安全和法律风险其实很大

2025 年 12 月 1 日，字节跳动与中兴通讯合作推出 M153 手机，也就是初代的豆包 AI 手机。它最令人惊艳之处，就是可以让用户完全用语音控制手机里的几乎任何 APP。比如你可以说一句话就让手机自动打开微信发朋友圈，也可以一句话就让手机自动开启电商 APP 买个商品，甚至只需要动动嘴皮，手机还能自动在不少游戏里自动清日常、刷副本……

那，初代豆包 AI 手机是如何实现这些功能的呢？简单来说，它靠的是所谓的 GUI Agent 路线，即通过安卓系统天生自带的 " 无障碍 " 功能权限，让智能体可以实时 " 阅读 " 屏幕内容，并代替用户在屏幕上模拟点击操作。

这样做的好处很明显，那就是不管应用本身 " 愿不愿意 "，只要 AI 能够 " 看得懂 " 屏幕上显示的是什么，就都能代替人去操作。

但 GUI Agent 的缺点也非常突出。一方面来说，它相当于将手机屏幕上的一切内容全部暴露给了智能体，这使得该技术天生自带了隐私泄露的风险。

其次，AI 能够模拟人手点击也就意味着，万一操作出现了严重错误（比如买错了东西、转错了账），从技术手段上无法证明到底是人在操作还是 AI 在操作。因此存在着重大安全隐患。

初代豆包手机能代替用户操作游戏这事，很快引发了争议

而且，GUI Agent 这种 " 什么应用理论上都能操控，不管适配与否 " 的特点，也会导致一些伦理上的争议。比如让它去运行对抗性的游戏（典型的就是棋牌类），当然就属于 " 作弊 "。

当然最重要的是，几乎所有手机软件的使用协议里都会明文写着，软件本身仅授权用户手动操作，禁止使用第三方自动化脚本。而初代豆包手机这种 GUI Agent 技术路线，不仅违反了绝大多数软件的授权协议，甚至有未经应用方同意就读取数据、替代应用原生入口、截留用户操作的不正当竞争嫌疑。

从 " 读屏幕 " 到 " 打商量 "，智能体手机悄然生变

从初代豆包手机当初限量发售，且开卖后没几天就大幅限制智能体 " 替人打游戏 " 的能力，再到后来诸多一线 APP 纷纷对其 " 封杀 " 的过程来看，很显然它所隐含的各种风险，整个行业其实是看得非常清楚的。

但也正因为如此，从各路公开信息来看，如今的这些第二代智能体手机们，已经彻底改变了机内 AI 与第三方 APP 的交互方式。现如今的它们，采用的普遍是官方协议互通（MCP/A2A）的技术路径。

这是什么意思？简单来说就是手机内置的智能体在接到用户的命令（比如，用 XX 应用执行 XX 任务）之后，先对命令进行理解。之后，它会自动打开对应的 APP，然后 " 翻译 " 的更加简洁的命令，发送给 APP 内置的智能体。最后，由 APP 本身内置的智能体驱动它自身，去完成用户想要的操作。

在这个过程中，手机本身的智能体不再直接操控 APP 本身，更不会再去识别屏幕上显示了什么，该点击哪里。这当然可以保护用户隐私，也免去了对第三方 APP 进行非法操作的嫌疑。

但它的缺点也非常明显：如果对应的 APP 没有内置智能体，不能实现 " 自己操控自己 " 呢？

是的，这就是最新一代智能体手机们为了 " 合规 " 所必然付出的代价了。它们只能在研发阶段就尽量去找一线 APP 们 " 打商量 "，必须要对方开放接口、允许机内智能体和软件内置智能体 " 打商量 " 才能实现手机自动操控的效果。倘若第三方 APP 本身并不提供自动执行能力、或者不愿意和某个品牌 " 协商合作 "，那这些最新的手机智能体就什么也做不了。

九年前的悲剧历历在目，如今的后辈们能克服吗

2017 年初，三星随着 Galaxy S8 系列手机，发布了最初代的 Bixby 语音助手服务。当时，它有一个特别突出的特点，就是可以让用户说出一些多步骤的复杂命令，之后手机就能自动跨 APP 执行。比如 " 拍张照片，然后发个微博 "。

初代 Bixby 之所以能做到这种功能，背后靠的是三星彼时推出的 Bixby Capsule 开发框架。说白了，就是要第三方 APP 提前做适配，将自身的功能封装成 Bixby 能对接的 Skill（技能），之后就能实现语音控制的多步骤自动操作。

是不是觉得很眼熟？没错，九年前三星初代 Bixby 选择的这条技术路线，某种程度上来说完全可以看作 2026 年（乃至 2027 年）手机智能体实现方式的鼻祖。它们都不能真正让手机自动控制第三方 APP，它们的功能边界都受限于第三方 APP 的适配与否，而它们的核心交互逻辑也都是「用户指令→系统解析→调用 APP 接口→返回结果」。

那，三星在手机自动化执行系统上开拓得如此之早，它们后续的这套生态，体验一定很好吧 ~

三星当时专门搞了个 "Bixby 市场 "，推广那些适配了 Bixby 技能的第三方 APP

并不是，结果是由于第三方 APP 适配意愿不足，三星砸了不少钱也只搞定了几十款主流 APP，最终他们不得不在后续版本上取消这套机制，也相当于宣告了手机行业最早的 " 自动化交互 " 尝试，以惨败告终。

正因为手机行业实际上已经有过在这条赛道上的惨痛历史，面对如今新一代智能体手机们为了合规，只能放弃 " 强行操控 " 的现状，我们三易生活才会感到一丝疑虑。

当然，要解决这个问题，理论上并不是没有办法。比如就像大家可能已经看到的那样，一些最新的机型会同时内置多个不同来源的大模型，通过 " 广撒网 " 尽可能地提高对各家软件公司 APP 的兼容性。

除此之外，正如三星在九年前已经做过的那般，砸钱鼓励开发者做适配，自然也是多少可行的办法。况且如今的大环境已经不比以前，主流 APP 们增加内置智能体，适配 MCP 生态的意愿，注定是要比过去更强的。

对于入门机来说，内置大模型的第三方 APP 对它们可能变成更重的负担

当然，这不会毫无代价。比如它可能导致手机有更高的研发成本，可能使得手机的功能维护也变得更复杂；万一某些大牌智能体厂商经营困难，也有可能造成不少手机功能受损。甚至，由于大量 APP 都需要加入内置智能体来实现与手机 AI 的对接，这还会让它们体积更大、更耗费手机存储、对入门机也可能更不友好。

只是，从目前的技术趋势来看，这很有可能是整个行业都不得不面对的 " 阵痛 "。而它最终是否能真正开花结果呢？目前还不好说。

【本文图片来自网络】