文｜识礁Farsight

2026年9月14日，豆包正式发布豆包手机助手消费者版本，首发机型为努比亚NaviX Ultra，9月16日发售。

相较2025年末问世的技术预览版，豆包手机助手消费者版本虽然更加强调稳定与安全，但并未抛弃极具争议的“操作手机”能力。基于该功能，豆包手机助手可根据用户的指令跨App执行复杂任务。

由于相较传统智能手机做出了一定的差异化，豆包手机助手消费者版本备受市场关注。截至发稿，努比亚NaviX Ultra在京东平台的预约量约为38万人。据界面新闻报道，努比亚NaviX Ultra整体备货仅约20万台，或将再一次上演发售即售罄的市场表现。

不过，即便备货全部售罄，二十万量级的出货规模，在智能手机行业也显得微不足道。作为一款志在颠覆智能手机行业的产品，数十万销量仅仅是万里长征的第一步。唯有成为像iPhone一样的爆款，并且打通商业化闭环，豆包手机助手才有可能开启全新的AI手机时代。

GUI操控第三方App，初代豆包手机撞上生态墙

其实此前豆包面向开发者推出的豆包手机助手技术预览版，就曾凭借“操作手机”能力引爆市场。

图源：豆包

2025年12月，豆包团队联合中兴推出搭载豆包手机助手技术预览版的努比亚M153工程样机，可通过GUI模拟点击技术实现跨应用自动操作，售价3499元，上架第二天即售罄，二手平台售价一度炒至上万元。

豆包之所以没有在工程样机走红后立即推出消费者版本，一个重要原因在于GUI Agent撞上了应用生态的权限与安全边界。

图源：豆包

由于并非基于官方接口操控第三方软件，而是直接通过GUI识别UI组件，突破了App的流量入口、数据主权与安全风控体系，豆包手机助手技术预览版上线后，很快遭遇微信、淘宝及金融类App的限制，豆包被迫下线部分应用的自动操作能力。

对此，2025年度员工大会上，腾讯创始人、董事会主席、CEO马化腾表示，腾讯一贯旗帜鲜明地反对用黑产外挂的方式，把用户的手机和电脑屏幕录屏传到云端，“因为这是极其不安全、不负责任的”。

意识到GUI模拟点击技术路线阻碍重重后，豆包主动与开发者沟通。

2026年1月，据《智能涌现》报道，豆包手机团队正与主流应用厂商谈判，已拿到打车、外卖、订票等互联网产品的部分常用权限。

最新问世的豆包手机助手消费者版就接入了曹操出行、地图等服务，可通过标准化服务接口，实现“一语直达”。

不过，并非所有开发者都乐于向外部AI工具开放API接口。典型如荣耀，此前一直着力推动MCP、A2A等协议适配，但由于开发者积极性不高，生态扩张速度十分缓慢。

如果仅被动等待官方数据接口适配，豆包手机助手消费者版或将泯然众人。

豆包手机仍采用GUI，但主动权留给开发者

众所周知，2026年以来，AI行业竞争的焦点已从大模型转向Agent。相较仅能提供问答服务的Chatbot，可执行任务的Agent更具想象空间。

手机行业也是一样的道理。升级语音唤醒、记忆、屏幕识别等能力之外，豆包手机助手消费者版并未放弃Agent及任务执行的卖点。

不过如上文所述，有荣耀作为前车之鉴，仅靠有限的开发者提供API接口，豆包手机助手消费者版很难实现真正意义上的“一句话操作手机”。

有鉴于此，豆包手机助手消费者版选择“两条腿走路”，一方面通过官方数据接口执行相应的任务；另一方面让系统级GUI Agent托底。

图源：OpenAI

事实上，强化GUI操作能力，正成为Agent行业的重要技术方向之一。比如，为了提升Agent体验，OpenAI就大幅提升了GPT-6 Astra的GUI操控能力，不光可使用KiCad进行PCB设计，还能在Blender中建立房屋模型。

究其原因，科技行业发展数十年，软件多如牛毛，并非所有开发者都有动力、有能力开放接口。对于没有开放标准接口的长尾软件，GUI是扩大Agent操作边界的重要兜底方案。

不过与电脑端的软件大多具备工具属性，较少涉及信息安全不同，诸多手机端的软件都属于服务型产品，大部分移动互联网公司均对GUI模拟点击技术持抵触态度。

图源：豆包

为避免被第三方应用屏蔽而引发舆论争议，豆包手机助手同步推出了屏幕自动化操作声明协议（SAEP，Screen Automation Execution Protocol），并设置30天公示期。

公示期内，开发者可自主声明是否允许豆包手机助手通过GUI智能体操作自家应用。公示期满后，如果开发者未通过邮件告知且未通过SAEP协议声明拒绝，豆包手机助手将向用户开放GUI智能体操作应用的能力。

此后，如果开发者想调整自家应用与Agent的互动策略，可随时与豆包手机技术团队进行沟通。

可以发现，与技术预览版相比，豆包手机助手消费者版并未针对GUI模拟点击技术进行太多调整。关键的变化在于，豆包将权限开放与否的主动权交给了开发者。相较逐一等待开发者开放接口，SAEP显著降低了GUI Agent操控第三方应用的协调成本。

豆包手机商业化，先从AI办公开始？

豆包手机助手推出屏幕自动化操作声明协议的举措固然值得肯定，但该产品能否一蹴而就开启AI手机时代，也值得反思。

2026年以来，Agent竞赛的焦点主要集中于办公场景。因为该场景下，用户有明确的降本增效需求，Agent的效益可以得到清晰量化。

与PC具备较强的生产力属性不同，智能手机主要承载娱乐、社交和生活服务需求。目前，每天有约7亿人刷两小时抖音，4亿人刷快手，2亿人刷小红书。庞大的内容消费时长说明，移动互联网场景下，相较更快的操作效率，用户更关注内容带来的“情绪价值”。

对此，2019年11月，时任阿里董事局主席马云曾表示，“每天晚上大约有1700万人浏览天猫、淘宝，但是什么东西都不买。我也不知道这些人在干嘛，就是随便瞎逛。所以你的网站不能仅仅是用来购物的，体验、趣味、交流、分享等更重要。”

移动互联网用户娱乐化的偏好，会给豆包手机助手带来两大挑战，其一是Agent功能的实用性大打折扣；其二是商业化难度更高。

GUI Agent需要持续识别屏幕、规划操作路径，并在每一步执行后重新判断界面状态，推理链条更长，因而会比单纯调用标准接口消耗更多算力。在此背景下，由于用户并没有迫切的提效需求，GUI Agent很难通过向用户收费打通商业闭环。

图源：豆包

或许是因为意识到了GUI Agent技术存在结构性矛盾，豆包手机助手消费者版着重强化了办公能力，支持录音纪要、工作任务等功能。用户可通过自然语言，操控豆包手机助手执行信息检索、数据分析、内容生成等任务。

图源：豆包

事实上，通过办公Agent向用户收费，恰恰是当下豆包的发力重点。2026年6月，豆包推出专业版，标准、加强、高级套餐连续包月价格分别为68元、200元和500元。

由此来看，豆包手机助手消费者版真正值得关注的，不只是让Agent进一步获得了“操作手机”的能力，还在于同时触碰到了AI手机两条极为重要的边界：一条是由GUI Agent决定的能力边界；另一条则是依托于办公场景的商业边界。

过去几年，AI手机迟迟未能成为颠覆性产品，并不只是因为模型能力不够强。更深层的问题在于，AI想跨应用完成任务，就必须突破应用之间长期存在的生态壁垒；而当任务执行需要持续调用大模型、视觉理解和多轮推理时，高昂的算力成本又会让厂商望而却步。

这也是豆包手机助手消费者版本的价值所在。基于SAEP的GUI Agent可以以更为温和的方式缝合接口碎片化的问题，办公功能则试图为昂贵的Agent能力找到最先愿意付费的人群。

如果这两条路径可以同时跑通，AI手机就有可能从一场围绕模型和功能的技术竞赛，变成一门可以规模化运行的生意。