10月14日，豆包手机助手《屏幕自动化操作声明协议》（SAEP）的30天公示期结束。根据相关报道，官方公布的名单显示，已有155款第三方应用拒绝AI自动化操作，涉及腾讯、阿里、美团、快手等互联网大厂旗下的多个产品，甚至包括Kimi、DeepSeek等AI产品。

这意味着，豆包手机助手试图通过屏幕识别、模拟点击等方式操作第三方应用时，将面临更多限制。对于明确拒绝的应用，豆包不能按照原有方式执行自动化操作。

这件事有些尴尬。

字节希望通过豆包手机助手，让AI从一个只能聊天、回答问题的工具，进化成能够理解用户意图、操作手机应用、直接完成任务的智能助手。用户只需要说一句话，AI就能帮忙搜索信息、整理日程、点外卖，甚至完成一系列跨应用任务。

但现实是，AI已经学会了如何操作手机，手机里的应用却不一定愿意让它操作。当AI试图成为手机的新入口时，它首先遇到的阻力，恰恰来自构成整个移动互联网生态的应用。

这不仅是豆包手机助手面临的问题，也揭示了AI智能体走向实际应用时必须解决的一道难题：模型可以越来越聪明，但它能否调用现实世界中的服务，并不完全由模型能力决定。

一、豆包手机助手遇到了什么问题？

过去两年，AI产品的竞争主要集中在模型能力上。谁的推理能力更强，谁能生成更好的图片和视频，谁能写代码、分析文件，谁就更容易获得用户关注。

但随着大模型能力不断提升，行业开始出现一个新的方向：AI不再满足于回答问题，而是希望直接替用户完成任务。

例如，过去用户想安排一次旅行，需要分别打开搜索引擎、旅行平台、地图和日历，查询交通、比较酒店、规划路线，最后再手动整理行程。

现在，用户只需要告诉AI自己的预算、目的地和时间，AI就可以尝试理解需求、拆解任务，并调用不同工具完成操作。

这就是AI Agent，也就是智能体的发展方向。

豆包手机助手正是沿着这个思路探索。它试图利用手机系统层面的能力，让AI理解屏幕内容，并通过模拟点击、输入等方式操作第三方应用。

与传统语音助手相比，这种方式最大的不同在于，AI不再只是告诉用户应该怎么做，而是尝试亲自执行。然而，问题也随之出现。

AI能够识别一个应用的界面，并不意味着它获得了操作这个应用的授权。

第三方应用可以通过声明协议表达自己的限制和要求。对于明确拒绝豆包自动化操作的应用，豆包就不能再像操作普通界面那样继续执行任务。这会直接影响跨应用任务的完整性。

假设用户让豆包帮忙点一份外卖。AI可能能够理解用户的口味和预算，也能够整理附近的餐厅信息，但如果后续操作涉及拒绝自动化的应用，那么任务就可能无法继续。

同样，如果用户希望AI在不同平台之间完成信息查询、商品比较和订单处理，只要其中一个关键环节被限制，整条任务链就可能中断。这也解释了为什么，AI手机的难点并不只是让AI变得更聪明，而是让AI真正拥有完成任务所需要的能力和权限。

二、为什么互联网大厂不愿意开放自己的应用？

如果从用户角度看，AI替自己操作手机显然是一件方便的事。但从应用平台的角度看，事情就没有那么简单。

腾讯、阿里、美团等企业经过多年发展，已经建立了自己的产品生态。用户通过微信进行社交，通过淘宝购物，通过支付宝支付，通过美团获取本地生活服务。

这些应用不仅是提供具体功能的工具，也是各个平台连接用户、分发流量和实现商业变现的重要入口。而AI手机的出现，可能改变用户使用这些服务的方式。

1. AI可能成为新的流量入口

过去，用户想买东西，就打开淘宝；想点外卖，就打开美团；想搜索信息，就打开搜索引擎。平台通过首页推荐、搜索结果、广告展示和个性化推荐，引导用户浏览内容、选择商品并完成交易。

但在AI成为主要交互入口之后，用户可能不再需要主动打开这些应用。例如，用户只需要告诉豆包：帮我找一家附近评分高、价格适中、适合两个人吃饭的餐厅。AI就可以根据用户的需求筛选选项，并尝试完成后续操作。

在这个过程中，用户的需求由AI理解，选择由AI完成，甚至交易也可能由AI发起。原本属于应用平台的用户交互过程，就有可能被AI重新组织。这意味着，未来用户可能越来越习惯于直接向AI提出需求，而不是先决定使用哪个App。

谁掌握用户提出需求的入口，谁就有机会影响用户最终使用什么服务。这才是AI手机真正值得互联网大厂警惕的地方。

如果用户越来越依赖AI完成任务，原有应用可能逐渐从用户直接交互的入口，转变成由AI调用的后台服务。对于已经拥有成熟用户生态的平台而言，这显然是一个需要认真评估的变化。

2. 开放操作权限，不等于开放服务能力

还有一个问题经常被忽略：应用界面可以被AI识别，不代表应用就应该允许AI执行所有操作。

屏幕自动化通常需要识别界面元素、输入文字、模拟点击，必要时还需要处理弹窗和权限提示。但应用内部的业务逻辑远比界面复杂。

例如，支付页面可能涉及身份验证、风险识别、用户授权和交易确认；电商平台的订单操作可能涉及退款规则、库存、优惠券和售后责任。

这些流程并不是简单点击几个按钮就能安全完成的。如果AI在理解页面内容时出现偏差，或者错误判断了用户的真实意图，就可能产生实际损失。

因此，应用平台有理由限制某些自动化操作，尤其是涉及资金、账户安全和重要数据的操作。这里需要区分两个问题：一是应用是否允许AI读取和操作界面；二是应用是否愿意向AI开放经过授权的业务能力。

前者涉及屏幕自动化权限，后者涉及接口、身份验证、业务规则和责任划分。拒绝屏幕自动化，并不必然意味着拒绝与AI合作。这两种模式之间存在很大的区别，也是字节未来可以尝试突破的方向。

3. 每个平台都希望拥有自己的AI入口

更深一层的问题是，互联网大厂自己也在发展AI。腾讯、阿里、字节以及其他科技公司，都希望自己的AI产品能够成为用户获取信息、使用服务的新入口。

如果某个平台允许竞争对手的AI直接操作自己的核心应用，就需要考虑一个问题：用户以后究竟会优先使用谁的AI？

例如，假设微信未来可以通过自身的AI能力完成消息整理、日程安排和部分生活服务，那么腾讯是否愿意让豆包成为连接这些功能的主要入口？

同样，阿里也需要考虑自己的AI产品与淘宝、支付宝等业务之间的协同关系。从这个角度看，155款应用拒绝豆包自动化操作，并不是简单的技术兼容问题，而是各个平台正在重新划定AI时代的产品边界。

当然，不同应用拒绝开放的具体原因可能并不相同，不能将所有限制都归结为流量竞争。但可以确定的是，当AI开始尝试跨越应用边界时，技术问题、商业利益和安全责任就会同时出现。

三、豆包该如何破局？不能永远依赖模拟点击

面对第三方应用的限制，字节当然可以继续优化屏幕识别、点击精度和任务规划能力。

但如果AI手机始终依赖模拟点击来完成所有任务，那么它的发展空间就会受到应用界面、权限规则和平台政策的制约。

更可行的方向，是从单纯操作界面，逐步转向获得授权的服务调用。

1. 从模拟点击转向官方API合作

假设用户想让AI预订一张机票。一种方式是让AI打开旅行App，识别搜索框，输入出发地和目的地，再逐步点击日期、航班和订单页面。这种方式直观，但很容易受到界面改版、弹窗和权限限制的影响。

另一种方式则是通过航空公司或旅行平台提供的官方接口，查询航班、比较价格，并在用户授权后创建订单。

两种方式的区别在于：前者主要依赖AI理解界面并模拟人的操作，后者则是通过明确的业务接口调用服务。官方API可以预先定义允许执行的功能、输入参数、返回结果和权限边界。只要接口稳定，AI就不必每次都从屏幕上重新理解整个操作流程。

这种模式可以应用于许多场景：

• 旅行规划： 查询航班、酒店和交通信息，整合不同服务的结果。
• 本地生活： 查询餐厅、营业时间、价格和配送信息。
• 办公协作： 创建日历事件、整理任务、更新项目状态。
• 电商购物： 查询商品信息、比较价格，并在用户确认后创建订单。

当然，API并不是万能解法。平台需要决定开放哪些功能、如何控制调用频率、是否收费，以及如何处理数据安全和交易责任。

但相比单纯模拟点击，官方接口更有机会形成稳定、可维护、可审计的AI服务体系。对于字节来说，真正需要建设的不是一个能够点击更多按钮的助手，而是一套能够连接不同服务的能力网络。

2. 让应用平台也能从AI流量中获益

如果字节希望更多应用开放接口，就必须回答另一个问题：为什么这些平台要配合？

假设豆包能够直接帮用户比较商品并完成购买，用户可能不再进入原来的购物App浏览推荐内容。

如果AI把整个购物流程都控制在自己的界面里，那么原有平台可能失去一部分广告展示机会和用户交互入口。在这种情况下，单纯强调AI能够提升效率，并不足以让所有平台主动开放服务。

字节需要建立新的合作机制。例如，可以与合作平台约定按照成功订单支付服务费用，或者根据有效交易进行佣金分成；也可以为合作伙伴提供专门的AI调用接口，让平台在开放部分能力的同时，继续保留自己的账户体系、交易规则和风险控制机制。

对于部分场景，还可以在交易确认时展示服务商、商品详情、价格和相关条款，让用户清楚知道自己正在使用哪一家平台的服务。这意味着，AI不一定非要取代原有应用，也可以成为它们新的获客和交易渠道。

当然，这种合作需要合理的利益分配，也需要避免平台利用商业合作限制用户的选择。如果AI只推荐愿意付费合作的服务商，那么它就可能从一个帮助用户做决策的助手，变成一个新的广告分发入口。

因此，真正有效的合作机制，需要同时兼顾平台的商业利益和用户的选择权。

3. 用清晰的权限管理建立信任

除了技术和商业合作，安全机制也是豆包必须解决的问题。如果用户让AI整理日程，AI可以在获得授权后自动创建事件；但如果用户让AI转账或者删除重要文件，就不应该仅凭模糊的指令直接执行。

字节可以按照操作风险设计不同的权限等级。对于查询天气、搜索公开信息等低风险任务，可以在授权范围内自动执行。

对于修改日程、编辑订单等具有一定影响的操作，可以先展示具体内容，让用户确认。对于转账、付款、删除重要数据等高风险操作，则应要求用户进行明确的最终确认，并保留完整的操作记录。

同时，用户应该能够查看AI访问了哪些数据、调用了哪些功能，以及在什么情况下执行了某项操作。这些设计看起来会增加一些步骤，但它们是建立信任的必要条件。

AI手机的目标不应该是让所有操作都无需确认，而是在安全的前提下，让不必要的操作尽可能自动化。

只有当用户相信AI不会擅自处理敏感信息，也不会在没有明确授权的情况下执行重要操作时，AI才有机会真正成为日常生活中的可靠助手。

四、如果核心App始终不开放，豆包还有机会吗？

答案是有。因为用户真正需要的，并不是让AI打开某一个特定的App，而是让AI帮自己完成一件事情。

如果豆包暂时无法操作某个应用，它仍然可以从其他环节切入，逐步提升任务完成率。

1. 先做好自己能够控制的服务

字节并非没有自己的产品生态。豆包可以与飞书等办公工具形成协同，也可以围绕日程、录音整理、任务管理、文档处理等场景，构建相对完整的工作流。

这些任务不一定需要调用竞争对手的核心应用，却能帮助用户节省大量时间。例如，用户参加完一场会议后，可以让AI整理会议纪要、提取待办事项、生成项目计划，再将内容同步到经过授权的办公工具中。

如果这条工作流能够稳定运行，用户就能感受到AI真正创造的价值，而不只是看到一个可以模拟点击的功能演示。

2. 从用户目标出发，而不是执着于某个App

传统的移动互联网产品，通常围绕应用组织功能。用户想完成什么事情，就需要找到对应的App。但AI智能体可以反过来思考：先理解用户的目标，再决定需要哪些服务。

例如，用户说：“帮我安排一个周末旅行，预算不超过3000元。”豆包可以先整理目的地建议、交通方式、酒店价格和行程安排，再通过可用的服务查询实时信息。

如果某个平台暂时无法自动操作，AI可以明确告诉用户当前限制，并将已经完成的规划和相关信息交给用户继续处理。这当然还不是完全自动化，但比起因为某个App无法接入，就让整个任务彻底失败，已经是更有价值的产品体验。

真正优秀的智能体，应该能够识别任务中的限制，并寻找合理的替代路径，而不是只会沿着预设流程执行。

3. 从单点功能走向跨平台任务网络

长期来看，豆包还需要建立更广泛的合作生态。它可以先连接愿意开放接口的酒店、航空公司、地图服务、办公软件和生活服务平台，再逐步扩展到更多领域。

这个过程不一定需要一开始就覆盖所有应用。

更现实的做法，是先在几个高频场景中形成完整的任务闭环。例如，先实现从旅行规划、航班查询到酒店预订的连续服务，再逐步扩展其他任务。

关键不是接入多少个App，而是用户提出一个需求后，AI究竟能完成多少实际工作。如果接入了上百个应用，却只能在每个应用里执行零散操作，那么用户未必会感受到明显的价值。

相反，如果只接入少数服务，就能完整解决用户的一类高频需求，产品也可能获得稳定的使用场景。

五、这件事给整个AI行业带来了什么启发？

豆包手机助手遇到的限制，不只是字节一家公司的问题。它揭示了AI智能体发展过程中的一个关键变化：AI的竞争正在从模型能力，逐步延伸到工具调用、服务连接和生态协作。

过去，我们评价一个大模型，往往会关注它的推理能力、知识水平、代码能力和生成质量。

但对于真正需要执行任务的AI来说，这些能力只是基础。

一个能够理解复杂需求的AI，如果没有权限查询必要的信息，就无法做出可靠的判断；一个能够规划完整流程的AI，如果无法调用相关服务，就只能停留在计划阶段；一个能够操作应用的AI，如果没有可靠的授权和风险控制机制，也很难让用户放心使用。

因此，未来AI产品之间的竞争，至少会在三个层面展开。

第一层：模型能力

AI能不能准确理解用户意图，能不能拆解复杂任务，能不能根据执行结果调整计划。

这是智能体的基础。

第二层：工具与服务能力

AI能不能访问必要的数据，能不能调用外部接口，能不能跨越多个系统完成任务。这决定了AI究竟能够做什么。

第三层：生态与信任

应用平台是否愿意开放服务，用户是否愿意授予权限，出现问题后是否能够追溯和处理。

这决定了AI的能力能否真正进入日常生活。

这三个层面缺一不可。只关注模型能力，容易把AI产品的进步等同于模型参数和基准测试成绩的提升。但对于用户而言，模型再强，如果无法帮助自己完成实际任务，价值仍然有限。

反过来，一个模型能力并非最强的产品，如果拥有稳定的服务接口、完善的权限管理和良好的任务流程，也可能在特定场景中提供更好的体验。

这也是为什么，AI智能体的发展不能只依赖模型公司的单方面努力。它需要模型厂商、操作系统厂商、应用开发者和服务提供商共同参与。

六、未来的手机，会不会变成一个由AI统筹的服务入口？

从更长远的角度看，豆包手机助手所探索的方向，可能会改变我们使用手机的方式。过去，手机的交互逻辑是以应用为中心的。用户打开App，再在App内部寻找功能。

未来，交互逻辑可能逐渐转向以任务为中心。用户先提出目标，AI再根据任务选择工具、调用服务，并在必要时向用户确认。例如，用户不必先决定使用哪个日历工具、哪家旅行平台或者哪种办公软件，而是先告诉AI自己要做什么。

AI再根据用户的授权、偏好和实际需求，选择适合的服务完成任务。但这并不意味着传统App一定会消失。应用平台仍然拥有自己的用户关系、业务规则、专业服务和交易能力。它们完全可能通过官方API、系统级集成或者内置AI等方式，继续参与未来的智能体生态。

未来更值得关注的，或许不是AI是否会取代所有App，而是用户是否还需要亲自操作每一个App。

如果越来越多的任务能够由AI在后台完成，那么应用的价值就可能从提供交互界面，进一步转向提供可靠的服务能力。对于应用开发者而言，这既是挑战，也是新的机会。

他们需要思考的不再只是如何让用户在自己的App里停留更久，还包括如何让自己的服务能够被AI发现、理解、调用和推荐。

对于AI厂商而言，则需要证明自己不仅能够理解用户需求，还能够安全、稳定地完成任务。

两者之间的关系，未来可能既有竞争，也有合作。

AI可以成为新的入口，但不能只靠更聪明的点击

155款应用拒绝豆包手机助手自动化操作，表面上看，是AI手机在应用兼容和权限管理方面遇到了一道障碍。

但从产业发展的角度看，它揭示了一个更值得思考的问题：当AI试图成为互联网的新入口时，它必须面对一个现实：理解用户的需求，与真正完成用户的需求，是两种不同的能力。

模型可以理解用户想买什么，可以比较不同商品的价格，也可以规划一套完整的购物流程。

但如果没有获得相应的服务权限，没有可靠的交易接口，也没有应用平台的合作，它就未必能够完成最后一步。

这也是字节接下来需要解决的问题。与其不断追求让豆包能够操作更多App，不如逐步建立标准化的服务调用机制，通过官方API、商业合作和安全授权，让AI能够在合理的边界内完成更多真实任务。

对于整个行业来说，这次事件也提醒我们：AI智能体时代的竞争，不会只发生在模型之间。

它还会发生在服务接口、产品生态、商业利益和用户信任之间。

未来真正有竞争力的AI，不一定是能够控制最多应用的AI，而是能够在获得合理授权的前提下，可靠地调用不同服务，并真正帮用户完成任务的AI。

当AI从聊天工具走向任务执行者，模型能力决定了它能想多远，而服务生态决定了它最终能走多远。