《AI 江湖·诸神之战》卷四 · 第 15 回|2026 · 第一个 AI 身体就在你口袋里:豆包手机、各路手机 、 耳机、 眼镜

上一回，AI 办公大战打得正酣。

可这场仗还在屏幕里，AI 已经悄悄换了战场——它开始往你身上钻。

为什么说“手机才是第一个机器人”

一提到“AI 长出身体”，大家想到的都是人形机器人：钢铁外壳、会走路、会干活。

但你有没有想过：你口袋里那台手机，其实已经是一个“AI 身体”了。

它 24 小时跟着你，它听你说话，它看得到你看到的（相机），它知道你在哪（定位），它随时能替你处理事。人形机器人还在实验室里学走路，你口袋里这个，早就天天上岗了。

手机里的 AI 助手，这两年在集体换脑子

先别急着盯某一台手机——这一两年，几乎所有手机里那个“语音助手”，都在悄悄换脑子。

以前你喊“小艺”“小爱同学”“小布”，它们干的是查天气、设闹钟、放音乐，你一句它一句，边界清清楚楚。这两年它们陆续接上大模型，开始能“跨着 App 办事”了。华为的小艺、荣耀的 YOYO、OPPO 的小布、vivo 的蓝心小 V、小米的超级小爱，还有国外的谷歌 Gemini、三星 Bixby、苹果 Siri，全都往“智能体”这个方向挤：不再只是听懂一句话，而是听懂一件事，然后自己动手把它办完。

差别有多大？老助手是“分步执行”——你让它设闹钟，它设；你让它“翻译完再发给我同事”，它就得你把这话拆成两步喂进去。新一批想干的是“一步到位”：你说一件事，它自己拆成几步、自己跨过几个 App 去凑齐。据 2026 年一些第三方横评，华为小艺在综合智能体评测上领先，OPPO 小布赢在响应速度和用户量，小米小爱靠智能家居生态渗透最广——这些排名和分数出自不同机构，口径并不统一，看个大概就好。

真正捅破窗户纸的，是去年底那台“工程样机”

要说“AI 替你操作手机”第一次被大众看见，时间得拨回 2025 年 12 月 1 日。

那天，字节的豆包团队联手中兴努比亚，放出一台“豆包手机”——努比亚 M153 工程样机，搭载的是还带“技术预览”字样的豆包手机助手，定价 3499 元。它总共就三万多台，一夜售罄，二手平台上被炒到近八千元。

一台“样机”凭什么掀起这么大动静？因为它把前面那件事，第一次变成了看得见的现实：你说“帮我打个车去公司”，它自己打开打车软件、填好目的地、叫车；你说“买瓶水送到办公室”，它自己切到购物 App、自己下单。不是“你点它才动”，而是“你说，它去做”。

从那儿以后，风向就变了。转过年来，各家手机 AI 助手齐刷刷往“能干活”上使劲；到 2026 年 9 月，初代工程样机的量产版——努比亚 NaviX Ultra——正式开卖，备货也从三万多台提到几十万台。

说句题外的亲历：我自己就在去年底抢了那批工程样机里的一台，一直用到现在。最直观的感受是，它不是“多了一个功能”，而是把“用手机”这件事，从“我自己一个个点”换成了“我说，它去点”。哪怕它还常常要你搭把手、最后按一下确认，方向已经回不去了。

AI 耳机、AI 眼镜：随身听、随时看

手机之外，还有两件东西在悄悄普及。

AI 眼镜，比如 Ray-Ban Meta：你戴着它，它能拍、能听、能实时把眼前的东西讲给你听。以前是“你拿手机拍”，现在是“眼镜替你看”。

AI 耳机，则把“语音助手”塞进了耳朵：随时唤醒、随时对话、随时翻译。

它们合起来，就是一个“外置的你”——多了一双眼睛、一对耳朵、一张随时能替你办事的嘴。

两条“肉身”路线

所以，“AI 长出身体”其实有两条路。

一条是“往身体里住”——手机、耳机、眼镜，让你身上的设备都变成 AI 的器官。另一条是“长出自己的身”——人形机器人、机器狗，让 AI 有一个能独立行动的躯壳。

两条路都在走。但要说“第一个真正普及的 AI 机器人”，答案可能有点反常识：不是工厂里的钢铁侠，就是你口袋里那台手机。

让 AI“替你点手机”，难在哪几步

“帮我点杯咖啡”这句话，人听了会自己打开 App、选店、下单、付款。要让 AI 也走完这套，得分头解决三个问题。

第一步是“看见”。它得先弄明白屏幕上此刻是什么：哪个是搜索框、哪个是商品、哪个按钮能点。这靠的是视觉理解——把手机画面当成一张图来读，认出上面的文字和控件，还得判断自己停在哪个页面、上一步有没有成功。

第二步是“动手”。认出来还不够，它得真去点、去滑、去输入。这一步考验的是动作要落在正确的位置——按钮差几个像素就点空，页面滑错了就跳走。所以它得一边做、一边看结果，点错了赶紧退回来重来。你看不见的那些“试错”，其实一直在后台发生。

第三步最难，是“过关”。手机里到处是关卡：登录要密码、下单要验证码、付款要指纹，还有各种弹窗和广告。这些设计本来就是为了“确认是人”。AI 想替你走完，就得在这些关键处停下来，把决定权交还给你——这既是技术的边界，也是安全的底线。它再聪明，也不该拿着你的指纹替你把钱花出去。

至于 AI 眼镜、AI 耳机，难点换了个方向。眼镜得“随看随答”，你一看它就要反应，慢半拍就废了；可眼镜本身又小又轻，装不下大模型。于是答案只能是端云协同：轻的活儿在眼镜上就地办，重的甩给云端的模型，再把结果极快地送回来。难的不是让 AI 看得见，而是让它在几乎不占用你时间的情况下，替你把这一眼看了、这一句答了。

口袋里的只是开始

口袋里的，是最贴身的一种“身体”。

可 AI 不满足。它还想长出真正的钢铁躯壳，去搬货、去搜救、去进工厂。而且，它要长的，远不止“人形”这一种样子。

其实还有一个“身体”，早就在外面跑了十几年——不是两条腿，是四个轮子。它，就是我们天天见的汽车。

下一回，我们看 AI 的身体，到底长什么样。

资料来源