豆包手机二代:从「操作你的一切」到「求 App 给我一个接口」

这周三 9 月 16 日 14:00，努比亚 NaviX Ultra 正式开售。这是中兴通讯和字节跳动联合研发的手机，官方给它定的调子很唬人——"全球首款 AI 智能体手机"。

努比亚官网：AI 智能体手机 NaviX Ultra 官方主视觉

但我的注意力不在首销，而在它背后那条被隐去的暗线：

豆包手机，换了一种跪法。

去年 12 月第一代豆包手机发售时，主打的是"我能操作你手机里的所有 App"。现在第二代上市，核心能力清单里却多了一行小字：首批接入豆包购物比价、曹操出行（仅北京、杭州）。

从"操作一切"到"先谈好这几家"，这不是功能迭代，是战略后退。而这后退里，藏着 AI 手机真正的胜负手。

01

9/16 能买到什么

先列事实。按照字节和中兴官方口径，NaviX Ultra 的能力可以分成五层（凤凰网科技、第一财经、中国青年网）：

入口。机身左侧有一颗专属实体 AI 键，带指纹鉴权。锁屏状态下验证通过后，无需二次解锁即可调用。语音唤醒针对远场、车内噪音、嘈杂环境做了优化，连续对话目前还是 Beta。

识屏。官方演示里有一个很具体的场景：用户把相机对准室内环境，说"根据这个装修风格，帮我选一个一米二以内、价格不超过一千元的柜子"，豆包直接去电商平台筛选符合条件的商品。同类能力此前只在苹果 Siri / Apple Intelligence 的演示里见过，国行至今未落地。

记忆。本地检索相册、短信、便签、录音。演示场景是：问"港澳通行证什么时候到期"。办公场景接入了飞书妙记。三指上滑，或者 AI 键+音量键，可以把当前屏幕内容手动保存到本地，供后续检索。

执行。"帮我叫一辆去公司的车"，自动确认常用地址、选车型、发起下单。首批只接入了曹操出行，城市限定北京、杭州。

操作手机。也就是去年最受关注的 GUI 智能体能力，能以 Beta 版形式开放。

安全上，字节提出了一个 SAEP 协议，对 Agent 操作分层分级、全链路审计，支付等高风险操作仍需用户确认。目前已获 ISO27001 / 27701 / 42001 及等保三级认证。

平心而论，这份清单称得上国产 AI 手机现阶段最完整的一次落地。但看完你会发现一个奇怪的收缩：

它比去年第一代喊出的"操作所有 App"，收敛了太多。

02

被删掉的第一章

去年 12 月，第一代豆包手机发布时，核心卖点是"AI 能像你一样操作手机"。

技术路线很直接：读屏 + 模拟点击。AI 先识别屏幕上的按钮和文字，然后像人一样点、滑、输入。好处是理论上万能，不需要 App 配合，缺点也很明显——对第三方应用来说，这等于一个外挂跑在你的系统里替用户操作。

结果就是各家 App 集体抵制。[待核实：该段细节来自网易自媒体号"科技堡垒"，尚未交叉验证] 风控、用户体验、数据安全、商业利益，每一条都能成为拒绝的理由。你让 AI 自动下单，电商平台怕薅羊毛和误操作；你让 AI 自动发内容，社交平台怕机器人和流量作弊；你让 AI 读聊天界面，IM 应用怕隐私合规风险。

更底层的矛盾是：字节跳动自己既是平台又是应用方。它做 AI 手机，天然让其他应用厂商警觉——你今天能替用户操作我，明天是不是就能截走我的流量和数据？

所以第一代发售后，"操作所有 App"的能力基本被砍没了。这不是技术失败，是商业失败。AI 手机的第一课，字节学得有点贵。

03

从"操作一切"到"求一个接口"

第二代换了打法。官方没有明说，但能力清单里写得很清楚：接入、首批、限定城市。

这三个词透露的是同一件事——豆包不再靠读屏+模拟点击去"绕过"App，而是走 MCP 协议路线，让应用主动开放接口。（站长之家对"GUI 模拟点击 + 工具调用"双轨并存现状有独立佐证，中国青年网/凤凰网对"操作手机以 Beta 开放"有官方口径佐证。）

这两条技术路线有什么区别？

GUI 模拟点击就像雇了一个看不见的人在屏幕前替你点。它不挑食，但不受欢迎。App 厂商无法审计、无法控权、无法保证体验一致性，唯一的防御手段就是风控识别+封杀。

MCP 协议路线则像企业间签合作协议。App 把特定能力封装成接口，AI 按规则调用。体验可控、权责清晰、可以审计，但前提是对方愿意跟你签。

豆包手机助手：识屏问答——「帮我看下这个概念是什么意思」

字节从第一条路切到第二条路，本质上是把"我能操作你的一切"换成了"求你给我一个接口"。这是一个结构性后退，但很可能是唯一能让生态活下去的选择。

问题是，这条路的上限被 App 厂商握在手里。接入谁家、开放到什么程度、要不要抽成、流量怎么算，每一题都要谈。曹操出行先开放叫车，豆包购物先开放比价，不是因为这俩能力最简单，而是因为它们最先愿意谈。

所以 AI 手机的国界从来不在芯片、不在模型，而在接口。

04

它和 Grok 进 Office，是同一件事的两面

我想到另一个同期选题：Grok 进 Office。

微软把"用谁的模型"做成了可配置选项。Word、Excel、Teams 里，用户可以选 OpenAI、选 Anthropic、选 Grok、选国产模型。平台方掌握入口，模型厂商只能争着被接入。

豆包手机的处境正好反过来。字节掌握 AI 能力，但缺少 App 接口。它要一家一家去谈购物、出行、办公、社交。每谈成一家，手机才能多一项"能代办的事"。

这两个方向殊途同归地指向同一个结论：

谁掌握入口，谁掌握定义权。微软定义了办公软件的入口，所以它能决定让谁进场。字节想定义手机的 AI 入口，却发现入口的钥匙在别人手里。

豆包手机助手：语音入口——「我附近有什么好吃的推荐」→「导航去第一个餐馆」

这不是字节一家的问题。华为小艺、小米、荣耀、OPPO、vivo，只要想做 AI 智能体手机，都要面对同一套选择题：是冒着被封杀的风险做"万能外挂"，还是低姿态地去求接口？

我倾向于认为，第二批玩家会观望豆包这次能谈下多少 App。如果豆包带着中兴都谈不动，小厂更没有筹码；如果豆包谈成了模板，整个行业会快速跟进。

05

9/16 之后，真正的问题才出现

NaviX Ultra 开售，意味着一个能读屏、能读短信、能读相册、能替你下单的 AI，第一次以量产机的形式进入普通消费者口袋。

这带来一个每个购买者都要回答的问题：

你愿不愿意让一个掌握你短信、相册、便签、录音、常用地址、出行习惯的 AI，常驻在手机里？

豆包手机助手：记忆能力——本地检索，直接调出你的联系人等数据

它拿到的权限，比你装过的任何一个 App 都大。SAEP 协议、等保三级、ISO 认证，这些都能背书，但无法消除一个根本矛盾：AI 越有用，它需要读取的东西就越多；它读取的东西越多，出事时的代价就越大。

字节当然知道这一点。所以支付必须人工确认，高风险操作分层分级，所有 Agent 行为全链路审计。这些设计不是炫技，是在为可能的舆论反扑提前修防火墙。

还有一个容易被忽略的细节：NaviX Ultra 采用了长鑫存储 10667Mbps LPDDR5X。这是国产高速率 LPDDR5X 首次量产应用于旗舰机。一边是 DRAM 涨价让雷军叫苦，一边是国产内存第一次上旗舰——这条线和最近存储芯片的行情完美咬合。

所以 9/16 卖的不只是一台手机，是一张关于 AI 入口、国产供应链、隐私边界的综合考卷。

06

写在最后

豆包手机二代最值得写的，不是它多强，而是它多克制。

它没有再喊"操作一切"，而是老老实实列出首批接入的应用和城市。它没有再画"一个 AI 通吃所有 App"的大饼，而是把"操作手机"放进了 Beta。它甚至把去年的失败，转化成了今年的卖点——安全、审计、合规、用户确认。

这是一种成熟，也是一种无奈。成熟在于终于认清了生态规则；无奈在于，哪怕你拥有国内最强的推荐算法和内容分发，你仍然要去求 App 给你一个接口。

所以回到标题那个问题：豆包手机二代，真的换了一种跪法。只不过这次不是跪用户，是跪生态。

而对于整个行业来说，9/16 的真正意义在于：我们终于要亲眼看看，这种跪法能不能跑通。