ARTICLE · 1206094
155款App对豆包说不:智能体手机的第一道墙,不是技术
155款App对豆包说不:智能体手机的第一道墙,不是技术10月14日，豆包手机助手公布了《屏幕自动化操作声明协议》的公示结果：155款应用明确声明，不允许它的智能体在自己身上执行屏幕自动化操作。 微信、QQ、淘宝、支付宝、美团、大众点评、快手、拼多多、小红书、WPS、滴滴、高德、三大运营商、多家银行——几乎你能想到的高频应用，全在里面。腾讯系65款、阿里系23款，加起来占了近六成。 而就在前一天，10月13日，另一款智能体手机在上海发布。阶跃的 STEPX Neo，3999元，同样打着"一句话替你办事"的旗号。它的合作名单里写着：支付宝、腾讯、携程、滴滴、高德、美团、剪映，近百家。 同一个美团。同一个腾讯 WorkBuddy。对豆包说不，对阶跃说可以。 这不是巧合，也不是谁被针对。这是两种做法的必然结果，也是整个智能体手机赛道撞上的第一道真墙——不是模型不够强，不是芯片不够快，是别人不给你开门。 先把事情说准。豆包手机不是被"封杀"，也不是装不了、登不上——微信淘宝照样能用手点开。被拒的只有一件事：让智能体替你操作。 豆包的技术路线是 GUI Agent。它不找 App 要接口，而是像人一样看屏幕、找按钮、模拟点击和滑动。你说"帮我点杯热拿铁"，它自己打开外卖 App，翻到那家店，选规格，点下单。 这条路的好处是什么 App 都能碰。坏处是——它没打招呼。 所以豆包在9月推了个协议，叫 SAEP（屏幕自动化操作声明协议），给开发者30天公示期。翻译成人话：我先跟你报备一下，我要用这种方式操作你的 App，你可以说不行。 这套机制设计得其实不粗：开发者可以按整个 App、具体某个页面、或者某个业务意图三级来声明边界——比如登录页禁止输入、支付确认页全面禁止操作。每次操作前，系统要综合"智能体是谁、系统安全底线、App 怎么声明、用户授没授权"四件事做判断。执行动作卡在系统的截屏、无障碍、点击、输入这几个关口上，绕不过去。而且全程留痕，App 可以事后审计：谁、什么时候、在你哪个页面、请求了什么、命中了什么规则、结果如何。 豆包还专门强调了一条：系统安全基线是底线，App 的声明可以更严，但不能更松。遇到支付、账号认证、发布内容、删除数据、改权限这类高风险动作，必须用户确认或接管。 听起来挺周到。然后 155 家说：不用了。 顺带说一句，豆包自己在9月就讲过：优先走 MCP、A2A 这种结构化接口跟 App 连，实在没有接口的地方，才回退到 GUI 操作。SAEP 就是给这条"回退路径"定规矩的。 翻译成人话：GUI 是兜底方案，不是首选方案。但兜底方案先跑起来了，接口方案还在谈。 原因不是一个，是三层叠在一起。 第一层，是真的怕出事。 中关村超互联联盟总工程师袁博讲得很直白：豆包通过屏幕自动化操作 App，但没有拿到应用方的明确授权。App 没办法确认，现在操作它的到底是手机主人本人，还是一个被木马控制的智能体。真出了事，责任算谁的？ 这句话值得停一下。以前 App 面对的"操作者"只有人，现在多了一个代理。人做错事自己担责，代理做错事——是用户担、是手机厂商担、还是 App 自己背？ 没人有答案。而风险是实打实的：银行类应用在下单、支付、退款这些环节，交易真实性的争议一旦起来，平台先被投诉。 第二层，是入口。 盘古智库高级研究员江瀚那句话我觉得是整件事的文眼： 他还有一句更狠的："原来的传统互联网生态，其实非常担心自己沦为一个管道。" 翻译成人话：过去你打开淘宝，看了什么、点了什么、停了多久，平台一清二楚，这些都是它的广告和推荐生意的基础。现在 AI 一句话就把事办了，你连 App 都没打开——那平台还剩下什么？ 移动互联网十几年的商业模式，建立在"用户必须经过我这道门"上。智能体想做的，恰恰是让用户不必经过任何一道门。 这就不是技术问题了。这是**你从"入口"退化成"执行节点"**的问题。 第三层，是防守。 工信部信息通信经济专家委员会委员盘和林讲了两个原因：一是怕竞争对手借 AI 入侵自己的生态抢用户，二是怕外部 AI 操作出安全事故最后由平台背锅。 他还说了句大实话：各家互联网大厂都有自己的 AI 产品，未来即便开放权限，也只会优先向自家 AI 开放。 这句话解释了名单里最有黑色幽默的一处——DeepSeek 和 Kimi 也在拒绝之列。 翻译成人话：两个最会干活的 AI，拒绝让另一个 AI 替它们干活。不是怕不安全，是怕自己被降级成一个"被调用的接口"。 如果说豆包是"先上车，后补票"，阶跃是"先谈好，再上车"。 差别不在技术强弱，在它把自己放在什么位置。 Step AOS 1.0 这套系统，从底层把通讯、文件、系统服务拆成一个个能被模型调用的"原子能力"，再通过 MCP、A2A 接口让智能体去组合。App 在这里不是被读屏绕过的对象，是被约定调用的服务方。 翻译成人话：豆包是站在你身后，替你的手去点别人的 App；阶跃是敲开 App 的门，说我们按约定来——你能干什么、不能干什么，写清楚。 位置一变，态度就变了。 它的生态名单里，有些名字很扎眼：支付宝（合作打通到了支付环节，接的是 Vibe Pay）、腾讯的 WorkBuddy、企业微信、微信读书、携程、滴滴、高德、美团、剪映（一句话成片）。 这里必须讲清楚一件事，否则容易误解成平台双标： 拒绝"宽范围屏幕模拟操作"，和允许"经过约定的接口做特定业务协作"，这两件事可以同时成立。一位研究员的说法是，决定合不合作的关键有四条——权限范围、业务控制、利益分配、责任归属。 同一家美团，可以拒绝"任何 AI 随时读我的屏、替我下单"，同时接入"通过接口调用我的外卖能力"。前者是失控，后者是可控。 这是整件事最关键的区分：平台拒的不是 AI，是"绕过"。 如果文章到这里收尾，就成了"路线之争，接口胜出"的爽文。现实没这么干净。 阶跃这款机器，几个冷静的事实： 它叫"先行版"。16GB+256GB、第五代骁龙8、6.36英寸屏、5000万主摄——硬件是中端水准，官方也没打算靠堆料取胜。3999元卖的是"软硬模全栈价"：手机、Step AOS、Step Studio 开发工具、Step 系列模型，外加12个月每月百亿 Token。翻译成人话：它卖的不是手机，是一个装在你口袋里的模型订阅服务。 行业正在下行。IDC 数据，2026年第三季度中国智能手机出货约5790万台，同比下降15.4%。新物种登场撞上行业寒冬，考验比平时更严。 近百家合作，不等于近百家都能跑通。名单是名单，实际体验是实际体验。首批接入的深度差很多——支付宝打通到了支付，其他多数还是查询、跳转、单点能力。真到"一句话办完一整件事"，能覆盖的场景远比宣传少。 而且，两条路线在往中间靠。豆包自己就说了，优先 MCP/A2A，GUI 是兜底。阶跃也必须保留 GUI 兜底，否则没谈下来的 App 就彻底用不了。 翻译成人话：这不是路线战争，是顺序之争。一个先跑再谈，一个先谈再跑。分歧在于你愿不愿意等。 聊到这，可以回答标题了：智能体手机的第一道墙，到底是什么？ 不是模型。模型早就够用了。一句"帮我比价下单"拆解成几十步操作，今天的模型能做完。 不是硬件。六麦克风、点阵背屏、端云协同，都是成熟工艺。 是授权。 清华大学国家战略研究院特约研究员刘旭说得很清楚：目前并没有直接规制 AI 智能体操纵第三方应用软件的法规或国家标准。在这种情况下，第三方应用出于数据安全和隐私保护拒绝开放，是意料之中的。 这句话的分量在于——它说明眼下这场僵局，没有裁判。 移动互联网早年也有过一次类似的博弈，答案是 robots.txt：网站可以声明"哪些内容允许爬虫抓，哪些不允许"。这个约定不是法律，但成了行业事实标准，让搜索引擎和内容方共存了二十多年。 智能体时代缺的就是这么个东西。一个所有方都认的"代理协议"：谁在操作、操作什么、边界在哪、出事谁担。 豆包试图自己造一个（SAEP），但自己造的规矩，别人凭什么认？尤其当你是那个想把所有入口都接到自己身上的人。阶跃选了另一条——一家一家谈，代价是慢。 两条路都还没走通。只是这个星期，一条看起来被堵住了，另一条看起来还开着。 如果你是普通用户：现在别急着为"一句话办事"买单。买之前先问一句——我想办的事，它到底能不能办？你可以现场试：让它点个外卖、发条微信、订张车票。如果这三件都办不成，宣传页上写多少功能都白搭。「先行版」三个字本身就是答案：这是给愿意尝鲜的人准备的机器，不是给求稳的人准备的。 如果你是开发者或创业者：这次事件给了个明确的信号——做智能体，权限的来源比能力的大小更重要。靠技术手段绕过去的，迟早会被关门；靠协议谈下来的，跑得慢但跑得久。而且现在没有国标，意味着谁先把接口规范做成事实标准，谁就拿到了下一轮的入场券。 如果你在看这个赛道：短期看，生态授权能力会变成智能体手机的核心竞争力——这个能力不在发布会 PPT 里，在合作名单的深度里。中期看，监管大概率会补上这个空白，而规范的走向会直接决定"GUI 路线"还有没有生存空间。 一句话收尾： 智能体手机真正的对手不是彼此，是那155个说"不"的门口。技术已经能干活了，但要进别人的门，还得先学会敲门。
豆包到底被拒了什么
为什么这么多家说不
它们真正警惕的，是豆包通过 GUI 识别屏幕、模拟点击，替用户跨应用完成操作。一旦 AI 能自动比价、下单、支付、发消息，平台就失去了对用户行为路径的控制。
