僅僅花費「4個小時」，被李雲龍稱為「豆包手機平替」的第一版「肉包」就被他做出來了。

　　12月，「豆包AI手機」無疑是科技圈的一大焦點。月初，字節跳動與中興通訊聯合推出的「豆包手機」——努比亞M153工程樣機限量發售。在官方演示視頻中，豆包手機助手展示了跨應用自動比價、訂票、智能管家等功能，重新定義了人機交互的可能性。該機型開售後迅速售罄，甚至在二手平台出現高價轉售，成交價一度接近發售價的兩倍。然而，豆包手機助手很快因觸發風控機制，被微信、淘寶、美團及多家銀行類App限制登入或禁止AI操作，引發市場廣泛討論。

　　在豆包手機引發行業震動後，產品經理出身、如今在順福資本專注AI投資的李雲龍，萌生了自己開發類似產品的想法。在現場演示中，他介紹道：「‘肉包’無須連接電腦，也不依賴手機廠商授權，卻幾乎完整復現了豆包手機助手的核心能力。」

　　就在接受《中國經營報》記者採訪的一個多小時內，尚未進行任何推廣的「肉包」在開源社區GitHub上的星標數仍在持續攀升，表明已有大量國內外開發者開始關注並試用這一項目。

　　李雲龍的「肉包」實踐似乎也印證了一個觀點：AI手機助手的技術門檻並不如想象中的那麼高，真正的挑戰在於模型優化、數據標註、系統權限獲取以及可持續的商業模式。

　　技術揭祕，四小時如何打造「肉包」

　　「其實沒什麼技術難度。」這是李雲龍在接受記者採訪時的第一句話。

　　整個「肉包」項目的初版開發僅耗時四小時，其中99%的代碼由AI生成。「我自己可能就寫了十行左右的代碼，裏面甚至還有錯誤。」他笑着說道。

　　他調用了包括Claude、ChatGPT在內的六款AI助手協同工作，分別負責「肉包」的UI設計（軟件界面設計）、前端開發、後端邏輯與測試部署。「我只下達指令，具體執行全部由AI完成。」

　　在李雲龍看來，「肉包」的核心原理並不神祕：通過高權限工具截取螢幕畫面，再利用多模態大模型識別界面元素；隨後結合模擬點擊、滑動、返回等操作，實現了對手機應用的自動化控制。

　　在執行層面，「肉包」採用了多智能體架構，包含管理者、執行者、反思者和記錄者等角色。管理者負責理解用戶意圖並制定任務計劃，執行者分析當前螢幕並執行操作，反思者則評估操作是否正確。這種設計使AI具備從錯誤中學習的能力，從而不斷提升執行準確率。

　　這款輕量化工具的核心邏輯與豆包手機高度相似：通過調用開源大模型理解用戶的自然語言指令，讓AI像人類一樣「看懂」手機螢幕，並操作各類App完成一連串任務，例如點外賣、發佈小紅書文案、在多個電商平台比價等。

　　事實上，在豆包手機問世之前，榮耀已展示過類似功能。IDC中國研究經理郭天翔曾指出，榮耀Magic8在今年的發佈會上演示了AI操控手機的能力，而去年的Magic7發佈會也曾展示「一句話點咖啡」的場景。

　　就在豆包手機被主流App封禁後不久，市場以為AI手機助手可能舉步維艱的情況之下，智譜卻開源了「會操作手機的AI」AutoGLM，阿里也在早前就發佈了同類開源項目Mobile Agent，兩個開源模型均採用純視覺方案，能實現移動設備自動化操作。

　　不過值得注意的是，阿里Mobile Agent和智譜AutoGLM（開源版）均需連接電腦作為中轉，而「肉包」則完全運行於手機本地，大幅降低了普通用戶的使用門檻。

　　李雲龍解釋道：「以智譜AutoGLM為例（閉源的iOS或者安卓版本），用戶需在手機端的遠程虛擬手機中登入個人賬號，隱私風險極高；阿里Mobile Agent雖已開源，但要求用戶具備安卓調試環境。相比之下，‘肉包’將執行環境保留在用戶自有設備上，數據不出本地，安全性更高。」

　　然而，由個人開發者耗時四小時打造的「肉包」，在性能上仍存在明顯瓶頸。現場演示中，當被要求在B站（嗶哩嗶哩）搜索關鍵詞視頻並完成讚好任務時，整個流程耗時2分54秒。

　　「如果是豆包手機，應該只需十幾秒。」李雲龍解釋稱，這是因為「肉包」底層依賴的是阿里通義千問VL通用大模型，每一步操作都需要上傳整屏截圖至雲端進行分析，導致響應遲緩。「而豆包與中興通訊合作，獲得了系統級權限，並且使用了專門針對手機操作場景微調的小模型，還投入重金對主流App（如美團、淘寶、B站）進行了人工標註。」

　　所謂「標註」，即由人工標記界面中各元素的語義——例如將「+」圖標標註為「創建內容」，或將不同樣式的「搜索框」統一歸類。這種細粒度的數據積累，使模型能快速理解上下文，避免反覆推理。而「肉包」及大多數開源項目因缺乏標註資源，只能依賴通用視覺語言模型，準確率與效率自然受限。

　　豆包手機之所以體驗流暢，恰恰得益於其「封閉性」：僅適配單一機型努比亞M153，聚焦國內幾十個高頻App，通過深度標註與專屬模型，就實現了更精準、高效的控制。

　　AI手機的困局與出路

　　「肉包」的開發經歷揭示了一個現實：AI手機助手的技術門檻並不算高，真正的壁壘在於數據、生態與商業邏輯等。

　　數據標註是提升AI手機助手效率的關鍵障礙。據李雲龍估算，若要將「肉包」訓練至媲美豆包手機助手的水平，至少需要300萬元投入和三到四個月時間。

　　「標註是一項浩大工程，需要專業團隊對每個應用界面進行詳細標記。」他說，「比如摺疊屏與直面屏顯示內容存在差異，也需要分別標註。」目前，他僅有幾台測試機，但用戶反饋顯示，在摺疊屏、異形屏上常出現座標錯亂，甚至引發系統級異常。

　　大廠的封禁則是另一道難以逾越的門檻。

　　豆包手機努比亞M153於12月1日開售，次日便陸續被微信、淘寶、美團及多家銀行類App限制登入或禁止AI操作。「肉包」在GitHub上線後不久，也因「AI點外賣」功能被美團封禁。

　　李雲龍指出，大廠封禁並非針對工具本身，而是因其行為模式被識別為非人類操作——例如人類滑動螢幕的速度呈曲線變化，而機器操作則過於平滑均勻。大廠不願開放接口，本質上是出於商業利益考量。AI會直接衝擊其流量變現模型。

　　360集團創始人周鴻禕也從商業邏輯角度分析指出，AI助手能直接完成訂餐、購物等操作，動搖了大廠依賴「用戶打開App—瀏覽頁面—點擊廣告」構建的傳統流量體系，使其核心KPI面臨失效風險。「以往淘寶、美團等平台依靠用戶停留時長和廣告投放盈利，而豆包手機助手讓用戶無須瀏覽首頁、觀看廣告即可直達目標，直接衝擊了傳統流量邏輯。」周鴻禕說。

　　值得注意的是，儘管大廠對第三方AI助手嚴防死守，自身卻紛紛推出內置AI服務：騰訊有「元寶」，美團有「小美」，字節跳動有「豆包」，阿里則佈局了「夸克」和「通義千問」。這些「圍牆花園」內的AI助手，本質上是將用戶行為鎖定在自家生態內，防止流量外流。這也解釋了為何豆包手機在接入微信、淘寶時遭遇抵制——一旦它試圖成為跨平台的「超級入口」，便直接威脅到了現有利益格局。

　　更深層的難題，則在於手機操作權限與安全之間的矛盾。

　　榮耀曾在2024年展示過類似能力，但在AI功能上表現得更為剋制，未呈現出跨App比價下單或類似的操作。「手機廠商對用戶隱私和品牌聲譽高度敏感，不敢貿然開放系統底層權限。」李雲龍指出，一旦開放給AI，也就意味着黑灰產和詐騙者同樣可能利用這些接口。

　　他認為，理想的路徑是：由手機廠商作為整合者，與阿里、美團、抖音等頭部App達成授權合作，在系統底層預留安全可控的AI代理接口。「這樣既能保障用戶體驗，又能讓各平台保留數據主權，同時確保AI僅作為執行者，而非決策者。」

　　而在這背後，還有一個關鍵問題：責任歸屬。

　　「對於微信、銀行等涉及敏感信息的App而言，AI助手可能成為個人信息泄露甚至財產損失的幫兇。」上海漢盛律師事務所高級合夥人李旻表示，「監管部門為保護用戶及他人信息安全、財產安全，應對AI代操作系統、使用App的行為作出必要限制。例如，在涉及個人財產的操作中，應實施最嚴格的監管策略，嚴禁授予AI操縱財產的權限；對於微信等及其他涉及他人信息的App，也應嚴格限制AI讀取和調用的範圍。此外，AI本身應提供相應保障並接受嚴格監管，不僅需符合相關規定，還應定期、單獨取得用戶授權，防止權利濫用。」

　　李雲龍認為，AI手機助手的終極障礙正是責任界定。目前，無論是豆包手機助手還是「肉包」，均在支付及其他關鍵環節強制用戶二次確認，將最終決策權留給人類，以規避潛在的責任糾紛。

（文章來源：中國經營報）