9 月 14 日，豆包手机助手消费者版正式发布。

9 月 16 日，首款搭载消费者版豆包手机助手的努比亚 NaviX Ultra 开售。

仅仅一天之后，9 月 17 日，火山引擎又正式发布了 豆包座舱助手。

三天。

手机。

汽车。

两个完全不同的终端。

表面看，是字节连续发布了两个 AI 产品。

但如果把它们放在一起看，会发现一件更有意思的事情：

豆包正在试图从“一个 AI App”，变成存在于不同设备之间的智能层。

这件事，可能比再做一个“超级 App”大得多。

因为超级 App 想做的是：

让你什么事情都在我的 App 里完成。

而 Agent 想做的是：

你甚至不需要关心自己正在使用哪个 App、哪台设备。

你只需要告诉 AI：

“我要做什么。”

剩下的事情，由它自己去完成。

这可能才是豆包最近一连串动作真正值得关注的地方。

01｜短短三天，豆包从手机走进了汽车

先来看时间线。

9 月 14 日

豆包正式发布手机助手消费者版。

这次并不是简单升级豆包 App，而是和手机厂商在系统层面合作。

豆包开始获得过去普通 App 很难拥有的能力：

• 理解当前屏幕
• 搜索本地照片、短信、便签等信息
• 保存和调用个人记忆
• 调用日历、电话、闹钟等系统工具
• 执行多步骤手机任务
• 在允许范围内操作第三方 App

例如，你不需要截图再发给豆包。

打开相机对着房间直接说：

“按照这个装修风格，帮我找一个一米二以内、1000 元以下的柜子。”

助手可以结合当前画面继续完成搜索。

这已经和传统 AI App 有明显区别。

传统 AI 是：

你把信息拿给它。

而系统级 Agent 开始变成：

它理解你当前正在做什么。

9 月 16 日

首款搭载消费者版豆包手机助手的努比亚 NaviX Ultra 正式开售。

但更重要的问题也马上暴露了出来：

AI 会操作手机，不代表手机里的每个 App 都愿意让 AI 操作。

豆包为此推出了一套叫 SAEP 的屏幕自动化操作声明协议。

第三方 App 可以自己决定：

允许不允许 AI 在自己的应用里执行自动化操作。

如果明确拒绝，豆包就不会继续操作。

这件事非常关键。

因为它第一次把 AI 手机真正的矛盾暴露出来了：

技术已经会点按钮了，但生态未必愿意交出按钮。

9 月 17 日

豆包又进入了另一个设备。

汽车。

火山引擎正式发布 豆包座舱助手。

它的定位也不是：

“在车机里装一个豆包聊天框。”

而是希望让 Agent 参与汽车完整的：

感知 → 决策 → 执行

链路。

按照公开信息，它可以感知数百种车辆信号，同时调用车控、导航、辅助驾驶、娱乐等数千个整车原子能力，再根据一个任务自动拆解并执行。

这就完全不是“车载 ChatGPT”了。

02｜传统车机听懂一句话，Agent 想理解一件事

过去的汽车语音助手，其实已经很好用了。

你可以说：

“打开空调。”

“车窗降下来。”

“导航回家。”

“播放周杰伦。”

这些本质上都是：

一句指令 → 一个功能。

后来大模型进入汽车以后，汽车开始更会“听懂人话”。

例如你不再需要说：

“空调调到 23 度。”

而可以说：

“有点冷。”

AI 理解意思以后，再调整温度。

但它最终完成的依然是一件事。

豆包座舱助手真正想往前走的是：

一句话对应一整套任务。

例如：

“孩子准备在后排睡觉了。”

一个真正的汽车 Agent 应该理解：

这可能意味着：

• 后排温度需要调整
• 音乐音量应该降低
• 阅读灯可以关闭
• 座椅可能需要调整
• 娱乐内容应该暂停或者降低声音

过去，这些是五六个不同按钮。

未来，可能只是一个意图。

用户描述目标，AI 自己组合能力。

这就是 Agent 和传统语音助手最大的区别。

03｜有意思的是：汽车可能比手机更适合 Agent

这件事乍一听有点反常。

毕竟我们每天使用时间最长的智能设备还是手机。

为什么汽车反而可能更适合 Agent？

原因很简单：

权限。

手机里可能有几十甚至上百个 App。

微信属于腾讯。

淘宝属于阿里。

美团属于美团。

小红书属于小红书。

豆包想替你：

发消息、

订餐、

购物、

打车、

发内容，

就意味着必须不断进入别人的地盘。

模型能不能看懂按钮是一回事。

有没有权替你按下那个按钮，是另一回事。

这也是为什么豆包手机助手这一次专门推出 SAEP 协议，把是否允许自动化操作的权力交给第三方应用。

汽车就不一样了。

空调是谁的？

车企的。

座椅是谁的？

车企的。

车窗、灯光、导航、音响、驾驶模式……

大量能力本来就在一套完整的汽车系统里。

只要汽车厂商愿意开放接口，

Agent 不需要一家一家去找第三方 App 谈判。

04｜更重要的是，汽车天生就是一台“有眼睛、有耳朵、有手脚”的计算机

手机 Agent 很重要。

但从 AI 的视角来看，汽车其实是一种非常特殊的设备。

因为汽车天然拥有大量传感器：

• 摄像头
• 麦克风
• GPS
• 温度传感器
• 座椅状态
• 车门状态
• 车辆状态
• 驾驶环境信息

这些相当于 AI 的：

眼睛和耳朵。

同时汽车又拥有：

• 空调
• 车窗
• 座椅
• 灯光
• 音响
• 导航
• 娱乐系统

这些又相当于 AI 的：

手和脚。

过去汽车其实什么都不缺。

缺的是一个能够理解人的目标，然后把这些零散能力组织起来的“大脑”。

Agent 恰好想补上这一层。

所以豆包进入汽车真正值得关注的，并不是：

“豆包现在也能在车里聊天了。”

而是：

AI第一次开始大规模接触一台真正能够改变现实环境的机器。

05｜其实豆包早就在汽车里了，这一次不同的是“身份”

这里还有一个容易被忽略的细节。

豆包并不是 9 月 17 日才第一次进入汽车。

火山引擎今年 4 月公开的数据已经显示：

搭载豆包大模型的智能汽车超过 700 万辆，覆盖超过 50 个汽车品牌、145 个车型。

也就是说：

豆包早就在很多汽车背后提供模型能力。

但以前更多像：

汽车系统背后的 AI 大脑。

这一次“豆包座舱助手”的变化是：

它开始从后台模型走到前台，成为一个完整的 Agent 产品。

官方公布的首款搭载车型是上汽荣威家越 07，目前即将开启预售；上汽奥迪相关车型也计划年内亮相。

这两种模式差别非常大。

一种是：

汽车调用豆包。

另一种是：

豆包开始调度汽车。

这才是值得关注的变化。

06｜手机和汽车之间，也开始出现一条“连续的任务链”

豆包座舱助手还有一个很有意思的能力：

手车互联。

按照公开介绍，用户可以直接在豆包 App 中：

• 查询车况
• 远程控车
• 把聊天中的行程推送到车机

例如你在家里和豆包聊天：

“周末想带孩子出去玩，找一个两小时车程以内、不太晒、附近还能吃饭的地方。”

AI 帮你把目的地和路线讨论好。

过去的流程可能是：

找完地点 → 复制地址 → 打开地图 → 收藏 → 上车 → 再打开车机导航 → 重新搜索。

如果未来上下文真的能够连续，

流程可能变成：

你在手机上做完决定，坐进车里以后任务直接继续。

设备切换了。

但任务没有重新开始。

这件事表面上只是“手机和车机互联”。

但它背后的意义其实很大：

未来真正持续存在的，可能不是 App，而是 Agent 的上下文。

07｜这就是为什么，我觉得豆包做的已经不只是“超级 App”

过去十几年，中国互联网一直在做超级 App。

微信、支付宝、美团、淘宝……

所谓超级 App，本质是：

尽可能把更多服务装进同一个 App。

支付。

打车。

购物。

外卖。

小程序。

内容。

用户最好不要离开。

但是 Agent 的逻辑恰恰不同。

Agent 并不一定需要把所有服务都变成自己的。

它真正想占据的位置是：

用户和所有服务之间。

以前：

用户 ↓ 打开手机 ↓ 找到 App ↓ 找到功能 ↓ 执行操作

未来：

用户 ↓ 告诉 Agent 目标 ↓ Agent 自己寻找能力 ↓ 调用 App / 系统 / 设备 ↓ 完成任务

这就是一个非常大的变化。

08｜超级 App 想拥有所有服务，Agent 想拥有“调度权”

这可能是理解豆包最近这些动作最关键的一点。

豆包不需要自己做：

地图。

汽车。

外卖。

酒店。

音乐。

购物。

它真正需要的是：

当用户产生一个目标时，豆包成为第一个知道这个目标的人。

然后它决定：

应该调用谁。

用什么工具。

在哪台设备完成。

如果这个位置成立，

Agent 实际获得的是一种非常重要的东西：

调度权。

过去互联网最重要的是：

流量入口。

谁掌握用户打开 App 的第一步，谁就拥有巨大的商业价值。

Agent 时代的入口可能变成：

谁最先知道用户“想干什么”。

这可能比传统 App 入口更靠前。

09｜但手机恰恰说明：这条路不会那么顺利

如果只看豆包连续进入手机和汽车，很容易得出一个特别宏大的结论：

“AI OS 要来了。”

但现实显然没那么简单。

豆包手机已经遇到了第一个非常现实的问题：

第三方应用权限。

豆包手机助手公开回应显示，目前主要支持系统应用、中兴应用、字节系应用以及部分已经接入的第三方应用；其他应用的 GUI 自动化能力仍取决于后续协议和开发者授权。

所以 Agent 面临的瓶颈已经不完全是模型能力。

而是：

• 权限
• 安全
• 数据
• 商业利益
• 平台规则
• 用户授权

AI 越能执行任务，

这些问题反而越重要。

这也是为什么汽车值得特别关注。

它可能是 Agent 最早真正拥有完整执行能力的场景之一。

10｜未来真正重要的，可能不是“你用哪个设备”

现在回头看豆包这一周的动作：

9 月 14 日：手机助手消费者版

↓

9 月 16 日：Agent 手机正式进入市场

↓

9 月 17 日：豆包座舱助手发布

把它们串起来以后，会出现一种完全不同的理解。

豆包可能并不只是在寻找：

“下一个超级 App。”

它真正想做的，也许更接近：

一个能够跟着用户在不同设备之间移动的 AI Agent。

今天它在手机上。

你出门以后，它到了汽车里。

以后如果它再进入：

电脑、

耳机、

眼镜、

电视、

智能家居、

机器人……

那么真正统一这些设备的就不再是：

某一个操作系统。

甚至也不是某一个 App。

而是：

同一个 AI。

11｜设备可能越来越像 Agent 的“身体”

这可能也是未来几年 AI 硬件真正值得看的方向。

手机拥有：

屏幕、摄像头、App。

汽车拥有：

传感器、车控、导航。

眼镜拥有：

第一视角。

耳机拥有：

听觉和语音。

机器人拥有：

现实世界里的手脚。

每一个设备，其实都可以看成 AI 的一种“身体”。

Agent 在不同设备上获得不同能力。

所以未来真正的问题可能不是：

“豆包要不要做手机？”

而是：

豆包要成为多少种设备共同使用的大脑？

如果这个逻辑成立，

那么 AI 公司和硬件厂商之间的关系也会发生变化。

硬件提供：

感知与执行。

Agent 提供：

理解与决策。

写在最后

过去十几年，互联网公司都想做一件事：

让用户留在自己的 App 里。

于是我们有了超级 App。

但 Agent 时代出现了另一种可能。

未来用户甚至不需要知道：

自己正在调用哪个 App。

也不需要知道：

这个任务最后是在手机、汽车还是云端完成。

用户只需要说：

“我想做什么。”

AI 去决定：

用哪个服务。

调用哪个设备。

执行哪些步骤。

最终把结果交回来。

所以从手机到汽车，豆包这一周真正值得关注的，并不是：

“它又多了一个入口。”

恰恰相反。

它正在尝试让：

“入口”这件事本身变得没那么重要。

超级 App 的目标，是把尽可能多的服务装进一个入口。

而 Agent 更进一步：

它想成为所有入口之前的那个入口。

手机只是第一站。

汽车也不会是最后一站。

如果未来真的出现一个能理解你的长期需求、记住上下文，并且可以在手机、汽车、电脑、眼镜和家庭设备之间不断接力的 AI，

那么到那个时候，

我们可能不会再问：

“你平时最常用哪个 App？”

而会开始问一个今天听起来还有点奇怪的问题：

“你平时用哪个 AI？”