AI可思议|0047|豆包手机助手151款应用拒绝接入,手机Agent谁说了算?

大家好，这里是AI可思议，我是Luca。咱们一起来看看AI行业的最新变化。

豆包手机助手SAEP公示结束，151款应用明确拒绝接入

今天我想从一件被很多人当成技术新闻、但其实是一次商业摊牌的事说起：手机上的AI助手能不能替你操作别的App，现在不由技术决定了，由那些App自己说了算。

豆包手机助手的《屏幕自动化操作声明协议》，也就是SAEP，三十天公示期结束了。这个协议干的事很简单：把是否允许AI助手对自家应用做屏幕自动化操作的决定权，交还给第三方App开发者。公示结果是一共151款应用明确拒绝，包括拼多多、小红书、美团系列、快手系列、DeepSeek，还有淘宝、支付宝、千问这23款阿里系应用，微信、QQ、王者荣耀等65款腾讯系应用，以及工商银行这样的金融机构。官方也说了，公示期结束后开发者仍然可以随时提交拒绝声明，收到就关掉相关操作。

这个协议的设计思路挺有意思。它更像是PC互联网时代的robots.txt，不是手机厂商单方面发权限，而是让每个App先声明自己的边界。听起来很文明，但结果说明了一件事：绝大多数头部平台不愿意配合。

为什么不愿意？我觉得不能简单归成保守或者抵触技术。你得回到这些App靠什么赚钱。社交和游戏靠用户时长，信息流广告按停留时间算钱；电商和本地生活靠交易链路，搜索排序、广告展位、店铺流量分配，整套变现机制的前提都是用户在App里一步步走完浏览、比价、下单。如果AI助手替你一句话比完价、直接下单，用户连首页都不看了，这套流量分配权就被绕过去了。平台的担忧不是抽象的，是很具体的收入。大模型厂商的顾虑又是另一层，让竞品的智能体在自己应用里操作，等于把用户行为和对话数据暴露给对手。金融机构更直接，屏幕自动化场景下交易责任怎么划分、异常交易怎么识别，规则还没清楚，关掉是风险最低的选择。

我个人认为，这件事真正的分量不在那151款应用本身，而在于它把AI Agent的一个隐含假设打破了。过去两年行业里有个默认叙事：算力上来、模型看懂屏幕、Agent就能跨应用办事，剩下的都是工程问题。但算力是可以靠钱和时间解决的，生态准入不是。它撬动的是移动互联网沉淀了十几年的利益格局，而且没有补偿机制。平台预判开放之后自己受损，又拿不到对应的好处，那最理性的选择就是先关门。更微妙的是这里有个反向博弈：Agent能力越强、渗透越深，平台的戒备就越强，围墙反而越修越高。

所以接下来值得看的，不是哪家模型又刷了什么榜，而是GUI自动化这条路线怎么走。它落地门槛低，不用每个App单独开发接口，理论上覆盖面最广；但它的天花板现在被生态规则死死压住了。还有别的路线，比如让App主动开放接口，但那条路要一家一家谈，速度慢得多。这两条路谁先跑通，可能比模型参数更能决定手机Agent到底能不能用起来。当然我得把边界讲清楚：这是公示期结束后的首批清单，开发者可以随时改主意，协议本身也还在演进，现在说终局已定太早了。但至少到今天为止，技术已经不是那个最硬的瓶颈了。

核心的事先聊到这，接下来看几条其他的变化。

论文用GDPR数据访问权分析ChatGPT记忆，95.9%由模型自行写入

有篇被ACM Web Conference 2026接收的论文，用GDPR赋予用户的数据访问权，从80名真实用户那里拿到了完整的ChatGPT对话记录和系统存储的记忆，一共1058段对话、22971轮交互、2050条记忆条目。结果里有个数字我印象很深：只有4.1%的记忆是用户明确要求记住的，剩下95.9%是ChatGPT自己判断这对未来对话有用之后单方面写进去的。而且52%的记忆包含对用户心理状态的推断，欲望和意图这类相对稳定的人格特征占了近九成。论文里举的例子是某某对失败有恐惧，尤其涉及重大职业决策，这已经不是记录你说过什么，而是在判断你是什么样的人。

我觉得这件事有意思的地方在于，它和OpenAI文档里强调的用户参与之间存在落差。你可以查看、修改、删除记忆，但记忆形成的过程你只能通过说什么间接影响，不能直接控制记什么。更实际的是，论文验证了84%的记忆能在对话历史里找到直接依据，也就是说它大多数时候记得又准又全，甚至你自己都不知道它记过。我个人认为，这不算什么阴谋，它就是个性化功能的自然产物，但用户对这件事的知情程度明显不够。论文团队还做了个工具，在你按下回车之前预判这个问题会触发什么敏感记忆，给出去身份化的改写，评测里九成以上的改写显著降低了个人归因，同时保持了回答的实用度。这说明隐私保护和对话质量不是非此即彼。顺带说一句，你可以现在就去设置里翻翻自己的记忆，看看哪些是它理解错了的。

商汤开源SenseNova Loop-9B-Preview，用循环计算对标27B模型

商汤开源了SenseNova Loop-9B-Preview，走的是Looped Transformer路线，中间层改成参数共享的循环计算模块，通过多轮迭代扩展有效计算深度，用9B的参数规模去对标27B的模型。在它给出的评测里，代码生成、办公场景、智能体任务几个方向上都超过了Qwen3.5-27B，其中WorkBuddy Bench、RaccoonPPT Bench和AutomationBench这几个评测也领先。

我不想把这条讲成小模型战胜大模型，因为这是商汤自己的评测设置，而且模型名字里带着Preview，官方自己也说这是前沿探索，循环计算怎么真正转化成能力提升、更大规模下怎么兼顾，都还有待推进。但我觉得方向值得留意：过去几年大家默认能力提升就是堆参数，现在开始有人认真试用更深的计算换更小的模型。如果这条路走通，对推理成本的影响会比任何一次降价都实在。现在能说的是这条路有人走通了第一步，不是它已经成了主流。

Pika基于MiniMax H3开源H3 Flex，六步实现音视频联合生成

Pika基于MiniMax的H3开源了H3 Flex，把音视频联合生成压缩到六步去噪，开放了适配器权重和推理代码，支持文本、首尾帧和多模态参考输入，原生输出480P和768P、5到15秒带同步立体声的视频。高分辨率增强和音频分轨这些走API，声音可以拆成对白、配乐、音效、拟音、环境声五类独立音轨。背景是H3开源一个月下载量超过2400万次，衍生出300多个公开模型。

我觉得这里真正实用的是那个工作流：先用低分辨率快速生成、筛选草稿，选定之后再走API做高分辨率增强，声音还能分轨后期调。这比一步生成完美视频的宣传实在得多，因为它承认了生成式视频现在的真实用法就是大量抽卡加人工挑选。至于它公布的对比评测拿了最高分、在DesignArena文生视频榜排第八，这是它自己的口径，我把它当成一个参考，不当成定论。

Character.AI申请破产保护，月亏损800万到900万美元

Character.AI申请了破产保护，如果找不到可行的出售方案，平台可能停止运营。这家公司2023年融资后估值到过10亿美元，月活一度到2800万，单次访问时长还超过过YouTube。但据报道，2026年1到8月它在算力上花了约5610万美元，即使压缩开支，每月仍亏损800万到900万美元。

我觉得这条最值得琢磨的不是AI陪伴是不是伪命题，而是它暴露了一个结构性矛盾：这类产品的黏性很高，但黏性本身就是成本。电影播给十个人和一百个人看成本一样，AI每回一条消息都要烧算力，对话越频繁、上下文越长，推理越贵。而免费版已经能满足最核心的需求，付费订阅主要提供更快的响应，用户缺少立刻掏钱的理由。有研究基于星野平台上万条评论和300多份问卷发现，用户感知到的情感效用和持续使用意愿显著相关，但和付费意愿没有显著直接关联。说白了，用户可能需要它、喜欢它、每天打开它，但这些行为不足以撑起稳定收入。我个人认为，这个赛道不会消失，需求是真实的，但它可能长期是个小而美的生意，而不是风投叙事里那种规模化平台。再加上安全和合规成本在上升，用来做增长的设计，很可能同时是合规的靶心。

以上就是今天的AI播报内容。AI可思议，陪你看懂AI。我们下期再见。