仅仅花费“4个小时”，被李云龙称为“豆包手机平替”的第一版“肉包”就被他做出来了。

　　12月，“豆包AI手机”无疑是科技圈的一大焦点。月初，字节跳动与中兴通讯联合推出的“豆包手机”——努比亚M153工程样机限量发售。在官方演示视频中，豆包手机助手展示了跨应用自动比价、订票、智能管家等功能，重新定义了人机交互的可能性。该机型开售后迅速售罄，甚至在二手平台出现高价转售，成交价一度接近发售价的两倍。然而，豆包手机助手很快因触发风控机制，被微信、淘宝、美团及多家银行类App限制登录或禁止AI操作，引发市场广泛讨论。

　　在豆包手机引发行业震动后，产品经理出身、如今在顺福资本专注AI投资的李云龙，萌生了自己开发类似产品的想法。在现场演示中，他介绍道：“‘肉包’无须连接电脑，也不依赖手机厂商授权，却几乎完整复现了豆包手机助手的核心能力。”

　　就在接受《中国经营报》记者采访的一个多小时内，尚未进行任何推广的“肉包”在开源社区GitHub上的星标数仍在持续攀升，表明已有大量国内外开发者开始关注并试用这一项目。

　　李云龙的“肉包”实践似乎也印证了一个观点：AI手机助手的技术门槛并不如想象中的那么高，真正的挑战在于模型优化、数据标注、系统权限获取以及可持续的商业模式。

　　技术揭秘，四小时如何打造“肉包”

　　“其实没什么技术难度。”这是李云龙在接受记者采访时的第一句话。

　　整个“肉包”项目的初版开发仅耗时四小时，其中99%的代码由AI生成。“我自己可能就写了十行左右的代码，里面甚至还有错误。”他笑着说道。

　　他调用了包括Claude、ChatGPT在内的六款AI助手协同工作，分别负责“肉包”的UI设计（软件界面设计）、前端开发、后端逻辑与测试部署。“我只下达指令，具体执行全部由AI完成。”

　　在李云龙看来，“肉包”的核心原理并不神秘：通过高权限工具截取屏幕画面，再利用多模态大模型识别界面元素；随后结合模拟点击、滑动、返回等操作，实现了对手机应用的自动化控制。

　　在执行层面，“肉包”采用了多智能体架构，包含管理者、执行者、反思者和记录者等角色。管理者负责理解用户意图并制定任务计划，执行者分析当前屏幕并执行操作，反思者则评估操作是否正确。这种设计使AI具备从错误中学习的能力，从而不断提升执行准确率。

　　这款轻量化工具的核心逻辑与豆包手机高度相似：通过调用开源大模型理解用户的自然语言指令，让AI像人类一样“看懂”手机屏幕，并操作各类App完成一连串任务，例如点外卖、发布小红书文案、在多个电商平台比价等。

　　事实上，在豆包手机问世之前，荣耀已展示过类似功能。IDC中国研究经理郭天翔曾指出，荣耀Magic8在今年的发布会上演示了AI操控手机的能力，而去年的Magic7发布会也曾展示“一句话点咖啡”的场景。

　　就在豆包手机被主流App封禁后不久，市场以为AI手机助手可能举步维艰的情况之下，智谱却开源了“会操作手机的AI”AutoGLM，阿里也在早前就发布了同类开源项目Mobile Agent，两个开源模型均采用纯视觉方案，能实现移动设备自动化操作。

　　不过值得注意的是，阿里Mobile Agent和智谱AutoGLM（开源版）均需连接电脑作为中转，而“肉包”则完全运行于手机本地，大幅降低了普通用户的使用门槛。

　　李云龙解释道：“以智谱AutoGLM为例（闭源的iOS或者安卓版本），用户需在手机端的远程虚拟手机中登录个人账号，隐私风险极高；阿里Mobile Agent虽已开源，但要求用户具备安卓调试环境。相比之下，‘肉包’将执行环境保留在用户自有设备上，数据不出本地，安全性更高。”

　　然而，由个人开发者耗时四小时打造的“肉包”，在性能上仍存在明显瓶颈。现场演示中，当被要求在B站（哔哩哔哩）搜索关键词视频并完成点赞任务时，整个流程耗时2分54秒。

　　“如果是豆包手机，应该只需十几秒。”李云龙解释称，这是因为“肉包”底层依赖的是阿里通义千问VL通用大模型，每一步操作都需要上传整屏截图至云端进行分析，导致响应迟缓。“而豆包与中兴通讯合作，获得了系统级权限，并且使用了专门针对手机操作场景微调的小模型，还投入重金对主流App（如美团、淘宝、B站）进行了人工标注。”

　　所谓“标注”，即由人工标记界面中各元素的语义——例如将“+”图标标注为“创建内容”，或将不同样式的“搜索框”统一归类。这种细粒度的数据积累，使模型能快速理解上下文，避免反复推理。而“肉包”及大多数开源项目因缺乏标注资源，只能依赖通用视觉语言模型，准确率与效率自然受限。

　　豆包手机之所以体验流畅，恰恰得益于其“封闭性”：仅适配单一机型努比亚M153，聚焦国内几十个高频App，通过深度标注与专属模型，就实现了更精准、高效的控制。

　　AI手机的困局与出路

　　“肉包”的开发经历揭示了一个现实：AI手机助手的技术门槛并不算高，真正的壁垒在于数据、生态与商业逻辑等。

　　数据标注是提升AI手机助手效率的关键障碍。据李云龙估算，若要将“肉包”训练至媲美豆包手机助手的水平，至少需要300万元投入和三到四个月时间。

　　“标注是一项浩大工程，需要专业团队对每个应用界面进行详细标记。”他说，“比如折叠屏与直面屏显示内容存在差异，也需要分别标注。”目前，他仅有几台测试机，但用户反馈显示，在折叠屏、异形屏上常出现坐标错乱，甚至引发系统级异常。

　　大厂的封禁则是另一道难以逾越的门槛。

　　豆包手机努比亚M153于12月1日开售，次日便陆续被微信、淘宝、美团及多家银行类App限制登录或禁止AI操作。“肉包”在GitHub上线后不久，也因“AI点外卖”功能被美团封禁。

　　李云龙指出，大厂封禁并非针对工具本身，而是因其行为模式被识别为非人类操作——例如人类滑动屏幕的速度呈曲线变化，而机器操作则过于平滑均匀。大厂不愿开放接口，本质上是出于商业利益考量。AI会直接冲击其流量变现模型。

　　360集团创始人周鸿祎也从商业逻辑角度分析指出，AI助手能直接完成订餐、购物等操作，动摇了大厂依赖“用户打开App—浏览页面—点击广告”构建的传统流量体系，使其核心KPI面临失效风险。“以往淘宝、美团等平台依靠用户停留时长和广告投放盈利，而豆包手机助手让用户无须浏览首页、观看广告即可直达目标，直接冲击了传统流量逻辑。”周鸿祎说。

　　值得注意的是，尽管大厂对第三方AI助手严防死守，自身却纷纷推出内置AI服务：腾讯有“元宝”，美团有“小美”，字节跳动有“豆包”，阿里则布局了“夸克”和“通义千问”。这些“围墙花园”内的AI助手，本质上是将用户行为锁定在自家生态内，防止流量外流。这也解释了为何豆包手机在接入微信、淘宝时遭遇抵制——一旦它试图成为跨平台的“超级入口”，便直接威胁到了现有利益格局。

　　更深层的难题，则在于手机操作权限与安全之间的矛盾。

　　荣耀曾在2024年展示过类似能力，但在AI功能上表现得更为克制，未呈现出跨App比价下单或类似的操作。“手机厂商对用户隐私和品牌声誉高度敏感，不敢贸然开放系统底层权限。”李云龙指出，一旦开放给AI，也就意味着黑灰产和诈骗者同样可能利用这些接口。

　　他认为，理想的路径是：由手机厂商作为整合者，与阿里、美团、抖音等头部App达成授权合作，在系统底层预留安全可控的AI代理接口。“这样既能保障用户体验，又能让各平台保留数据主权，同时确保AI仅作为执行者，而非决策者。”

　　而在这背后，还有一个关键问题：责任归属。

　　“对于微信、银行等涉及敏感信息的App而言，AI助手可能成为个人信息泄露甚至财产损失的帮凶。”上海汉盛律师事务所高级合伙人李旻表示，“监管部门为保护用户及他人信息安全、财产安全，应对AI代操作系统、使用App的行为作出必要限制。例如，在涉及个人财产的操作中，应实施最严格的监管策略，严禁授予AI操纵财产的权限；对于微信等及其他涉及他人信息的App，也应严格限制AI读取和调用的范围。此外，AI本身应提供相应保障并接受严格监管，不仅需符合相关规定，还应定期、单独取得用户授权，防止权利滥用。”

　　李云龙认为，AI手机助手的终极障碍正是责任界定。目前，无论是豆包手机助手还是“肉包”，均在支付及其他关键环节强制用户二次确认，将最终决策权留给人类，以规避潜在的责任纠纷。

（文章来源：中国经营报）