AI手机助手的发展与未来

郭全中 中央民族大学新闻与传播学院教授，博士生导师

互联网平台企业发展与治理研究中心主任

韦薇 中央民族大学新闻与传播学院硕士生

张磊 中央民族大学新闻与传播学院硕士生

随着生成式人工智能（Generative Artificial Intelligence，GAI）浪潮从云端涌向终端，具备系统级能力的AI手机助手逐步走向现实应用。2025年12月1日，字节跳动与中兴通讯在操作系统层面达成合作，联合推出“技术预览版”AI手机助手——豆包手机助手，并在全球范围内引发热议。以豆包手机助手为代表的终端智能体，正在尝试超越传统应用的孤立形态，通过自然语言交互和系统级权限从底层重构人际关系、信息流、服务链与传播生态。在此过程中，AI手机助手不仅作为技术界面而存在，更逐渐体现出智能传播主体、数字基础设施与社会化行动者的多重属性，人类更进一步迈向“数智化生存”。

一、智能传播理论视域下的AI手机助手

随着生成式人工智能向终端设备的渗透，AI手机助手的诞生带来的不仅是交互方式的革新，还有对传播结构与媒介生态的重构。在此背景下，需将其置于智能传播的视域下，探讨AI手机助手在人机传播、媒介“基础设施化”以及传播关系中的影响。

（一）深度媒介化进程中的“基础设施化”

生成式人工智能日益普及并深度嵌入人类社会的生活，学者常江认为人类媒介经验领域全部变革的基本逻辑是基础设施化，媒介正在社会生活中变得不可或缺。[1]AI手机助手的发展，整合了通话、信息、应用服务、物联网控制等多重功能于一个统一的自然语言界面，重构了用户与数字世界交互的入口，呈现向“基础设施化”演进的潜质。AI手机助手从原本与众多应用并列的位置转变为调度所有应用的“元应用”，其技术架构、交互协议和技术流构成个人层面数字实践的底层暗线。随着AI手机助手的应用不断扩大，当AI手机助手能通过大规模语言模型接入全球知识库与服务平台并执行跨应用任务时，它便从一个私人工具升级为连接个体与庞大社会技术网络的关口，其中呈现的连接性、可编程性与数据化的特征是深度媒介化社会的重要体现。[2]深度媒介化意味着媒介的泛化、无处不在和永久连接导致社会世界在某种程度上已经需要依靠数字媒介及其基础设施加以维系。[3]生成式人工智能正在通过提供持续的陪伴、即时的服务与全景式的数据交互将自己悄无声息地编织进日常生活的基础结构之中，成为支撑现代数字社会运行的数字基座之一，AI手机助手作为生成式人工智能在终端应用的智能体也在呈现这一趋势。

（二）人机共生的传播关系重构

在智能传播视域下，人机关系正在从“使用—被使用”的简单二元关系向共生关系发展。有学者在探讨智能时代的主体性时指出，人类主体正在走向复合化，这既体现为“人机一体的赛博格化主体”，也体现为“智能技术连接的复合人类主体”[4]。AI手机助手所带来的生态变革之一就包括人机关系的重构。作为贴身的智能体，AI手机助手一方面能通过语音识别、计算机视觉、行为预测等技术，深度感知并学习用户的习惯、偏好与需求，它的反馈与建议功能日益个性化，形成“数字镜像”或“外部认知代理”，一定程度上延伸和增强了用户的心智能力与行动范围，体现了人机能力的互补与融合；另一方面，深度的绑定也催生了新的情感实践与依赖关系，智能体被设计得更具共情力与陪伴感，以满足用户的情感与社会需求。[5]与此同时，这也带来了关于主体性让渡的隐忧：当人类决策过于依赖算法推荐、当情感过多寄托于机器回应，人的独立性、批判性思维与真实社会联结是否会受到侵蚀？

二、人机交互的技术演进与AI发展路径

人机交互经历了从命令行界面到图形用户界面再到自然语言界面的技术模式变迁，并诞生了能够自动问答的智能体。基于当前产业实践，在不同的技术整合深度和战略意图下，生成式人工智能在终端侧融合形成“APP+AI”“AI+”与“面向全部用户的AI系统”三类主要推进路径。

（一）人机交互的技术模式演进

在技术的演进下，人机交互的技术模式也在经历变迁，从需要精确记忆指令的命令行界面，到凭借视觉隐喻直接操纵的图形用户界面（GUI），再到追求类人对话自然性的自然语言界面（LUI），人机交互的技术模式呈现出“人适应机器”到“机器理解人”的发展趋势。

随着移动互联网、传感器技术和人工智能，尤其是自然语言处理与GAI的突破，以语音助手、智能聊天机器人为代表的LUI迅速崛起。有学者将这类交互模式的迭代归纳为从“界面隐喻”到“化身隐喻”（avatar metaphor）的范式转变，即智能体可以通过语言、语调甚至虚拟形象与用户建立社会临场感，越来越像一个具有社会属性的交互主体，并在“化身隐喻”的范式之下提出ASLI（avatar，scenario，language，instrument）界面范式。[6]根据这一范式理解LUI，理想的LUI系统是一个动态的、情境感知的智能体，不仅能理解多模态的“广义语言”，通过各类传感器捕捉用户与环境信息，更能基于动态变化的场景，通过一个统一的“化身”与用户进行任务导向的、连贯的对话。人机交互的重心从用户学习界面语法，转向了系统理解用户意图。认知负担被极大地转移至机器一侧，交互变得前所未有的“自然”和“低门槛”，从而有助于弥合数字接入沟。

（二）未来生成式人工智能推进的主要路径

生成式人工智能技术向终端侧加速渗透，与移动设备及既有生态系统的融合呈现出多样化的演进方向。从当前产业实践与技术布局来看，生成式人工智能未来发展主要呈现以下三种推进路径。

路径一：“APP+AI”。“APP+AI”路径是指在现有移动应用架构内部，以功能组件或模块的形式嵌入人工智能能力，核心逻辑是将AI作为增强既有应用体验的工具。这一路径的实施阻力相对较小，成本可控，能够在不颠覆现有产品逻辑与用户习惯的前提下，针对特定场景（如内容生成、智能搜索、图像处理、个性化推荐等）提供较为明显的体验优化。例如，当前各类社交、办公、内容消费应用纷纷集成文本生成、摘要总结或图像编辑等AI功能。该路径本质上是“+AI”，即技术采纳方在既有强大约束条件下所进行的渐进式创新。优势在于能够快速响应市场对智能功能的需求，以较低风险验证AI技术的实用价值。但是，这种渐进式的“嵌入”模式也存在着一些问题，AI能力被严格约束在单一应用的数据与功能边界之内，难以跨越不同应用之间的壁垒，以形成真正的系统性智能。它虽然缓解了“数据孤岛”内部的体验痛点，却无力从根本上打破“孤岛”本身，因此难以催生重构级的人机交互范式与生态格局，更多的是现有应用厂商在智能浪潮下的适应性策略，是为了巩固自身阵地而不是开拓新疆域。

路径二：“AI+”。“AI+”路径通常由拥有庞大且复杂产品生态的互联网平台主导、以人工智能技术为引擎，对平台所能调度与组织的业务、数据与服务链条进行智能化重组与深度整合。这既包括对其自有内部封闭生态的智能化深化，也涵盖以AI助手为接口对外部生态进行主动整合与接入。在国内，如阿里巴巴升级其通义千问大模型，使其能够理解用户指令并跨应用直接调度淘宝闪购、高德地图等生态内部应用；在国外，如亚马逊宣布将新版本的AI语音助手Alexa+陆续接入Yelp、Angi、Square及Expedia四大生活服务平台，可完成外卖订购、餐厅预订、家庭维修预约等多项任务，将自己打造为连接并调度多方服务的智能枢纽。各大互联网公司以AI为核心重构流程与服务链条，强化整个生态网络的协同性与用户黏性。“AI+”是互联网平台在智能时代的战略性生态扩张，本质上是利用AI技术拓展服务组织的边界与深度，构筑更高维度的流量护城河。同时，平台还通过提供无缝的智能服务，降低用户在单一生态圈内获取综合服务的成本，既增强用户依赖，也同步推高用户转向其他分散服务选项的转换成本，以此巩固平台在注意力经济与数据经济中的支配地位。

路径三：面向全部用户的AI系统。与“APP+AI”的局部改良不同，“面向全部用户的AI系统”路径更为激进，目的是将AI能力深度整合至移动操作系统的底层，打造一个具有系统级权限、能够统一调度所有应用与服务资源的智能中枢。例如，近期引发关注的豆包手机助手的尝试，这类系统级AI助手不再局限于单一应用，而是试图将自己打造为用户与整个数字世界交互的“元应用”或“总开关”。这一路径也伴随着较大的争议，系统级权限的获取引发了关于隐私安全、责任界定和生态开放性的讨论，还有可能会直接冲击现有分发生态与流量分配规则、触动既得利益格局，可视为大模型厂商联合硬件终端，挑战现有平台中心化秩序、争夺未来数字社会“架构权”的尝试。能否推进并扩大应用，高度依赖于技术成熟度、产业联盟强度、用户接受度以及与监管政策的互动。这一路径虽然较为激进，但是也带来了较大的变革潜力，因为它重构了人机交互的入口，交互模式或许有可能从用户寻找并操作多个应用的多端入口转变为用户向一个智能体表达需求、由智能体协调后台资源完成，AI的角色从“工具”向“准行动者”演变。

三、端侧智能体权限升级带来的生态演变

以AI手机助手为代表的端侧智能体获得系统级权限，推动数字生态从表层交互到深层结构的重塑。在人机交互界面上，从依赖视觉隐喻的图形操作转向基于自然语言理解的意图对话；在生态组织上，“应用孤岛”被打破，形成以服务流动与意图满足为中心的网络化协同；在产业格局上，产业权力结构进行再配置，引发围绕入口控制权、数据所有权与规则制定权的动态博弈。

（一）交互界面的重构：从“界面隐喻”到“意图对话”

AI手机助手的应用带来了人机交互范式的新变革，以LUI的实现挑战了由GUI所定义并固化的交互逻辑。在GUI主导的时代，交互以“视觉隐喻”为核心，桌面图标隐喻文件与程序，点击与滑动是物理世界的直接操纵。这种模式虽极大地促进了计算机设备的普及，却也将数字世界原子化为一个个以独立应用为壁垒的“孤岛”。用户必须预先知晓所需功能隶属于哪个应用，通过寻找并点击其图标这一“图形符号”来进入一个封闭的服务环境。AI手机助手借助系统级权限穿透了这些孤岛，将交互的起点从“识别与操作图形符号”重构为“表达与理解自然语言意图”。这样的交互界面重构带来了两层意涵：一是数字普惠性进一步扩大。自然语言交互将技术门槛降至最低，更广泛群体得以无障碍接入数字生态，为弥合“接入沟”提供了新的可能，智能设备进一步“基础设施化”。二是效率革命。AI手机助手减弱了基于GUI交互所固有的、在不同应用间切换、登录与手动搬运数据的认知摩擦与操作成本，将任务执行从离散的多步流程转化为连贯的对话进程。“人适应机器语法”向“机器理解人意图”进入更为深层的演化，人类社会生活的深度媒介化也在进一步加深。

（二）生态组织的重构：从“应用孤岛”到“服务网络”

交互范式的变革也让底层数字生态的组织逻辑发生连锁反应。交互的核心逐渐从封闭的“应用”转向开放的“意图”，整个生态的架构也随之从“应用集合”向“服务网络”演进。AI手机助手凭借其权限，能够在用户授权下，安全、合规地串联起不同应用内部的功能模块与数据流，根据动态意图进行实时组合与调用。生态的价值创造逻辑同步发生转变，价值不再源于单个应用的功能深度，更源于跨应用、跨场景的服务协同能力与连贯性，形成“1+1>2”的协同效应，这有助于提升用户体验的完整性与满意度，增强生态的整体吸引力。这样的网络化组织模式也为生态的多元化与健康发展带来新的可能。在旧有的、以超级应用为中心的模式下，中小型专业服务提供者难以突破流量与功能的壁垒。而在以智能体为调度中枢的服务网络中，评价标准更侧重于服务的专业性、可靠性与接口友好度。任何优质的服务节点，无论其自身体量大小，都有可能被灵活地织入服务网络，在响应用户复杂意图时被调用，从而凭借其核心能力而非资本规模实现价值。这也有助于激励生态内涌现更多创新性的垂直服务，促进形成基于专业分工的、更健康的产业生态结构。

（三）权力结构的重构：从“固化格局”到“动态博弈”

AI手机助手作为系统级智能体，必然引发围绕“入口控制权”“数据所有权”与“规则制定权”的重新博弈，内容产业的权力关系、服务平台与智能体入口的关系和产业组合都在形成新的格局。在内容产业上，当用户习惯通过智能体统一入口获取经整合、摘要的信息时，传统内容平台与用户之间的直接渠道连接被逐渐弱化，智能体在信息的筛选、整合与呈现中，行使了强大的“再中介化”权力，成为新的、隐性的“把关人”。这种新的权力格局有可能导致原创内容提供者的流量自主性与品牌议价能力被削弱，内容生产商的价值实现更加依赖于在智能体框架内的可见性，促使内容产业商业模式的重构。在服务平台与智能体入口的关系上，服务平台与智能体入口之间形成“非对称性依赖”。各类服务平台为免于被排除在用户意图响应的选项之外，往往需开放接口（API）接入端侧智能体，会在一定程度上动摇平台苦心构建的数据闭环与用户关系护城河。相反，掌控了首要交互入口的端侧智能体，则获得了对平台服务进行排序、评价与场景化组合的新型权力，在价值分配中占据更有利的调度者地位。在宏观的产业格局中，以“大模型技术公司+终端硬件厂商”为核心的联盟（如豆包手机助手模式），正凭借技术与底层入口优势对现有互联网平台主导的秩序发起冲击，争夺下一代生态的“架构定义权”。另一方面，传统巨头则加速推进“AI+”战略，对内深化整合、对外有限开放来巩固护城河，进行防御性创新。未来的竞争，已经从单一产品或流量的竞争，瞄准至整个生态体系主导权、标准协议与交互范式的竞争，数字生态的发展进入了一个权力结构更具流动性，也更趋复杂的新阶段。

四、端侧智能体普及中的应用风险与调试

端侧智能体的普及正在深刻重构移动生态的安全格局，其“一次授权、全局感知”的技术特性打破了传统应用的权限边界，使数据采集突破原有授权框架，安全攻击从单点突破升级为系统沦陷，责任归属从主体明确滑向归责真空，这些结构性风险亟待系统性审视与调整。

（一）隐私边界：全生命周期的数据泄露风险

1.数据采集：“全景式”信息获取路径

AI手机助手的出现，突破了以往行业通行的“单次操作、单次授权”模式，其仅需“一次授权”即可在手机系统内部畅通无阻地获取信息。特别是在GUI模式下，AI手机助手能够直接读取手机屏幕内容，实现对用户所处环境的全方位细粒度感知，所采集的数据范围远超以往。并且在这一过程中，用户极有可能泄露远超授权本意范围的敏感信息，如读屏时弹出的短信、微信通知，或通话录音中提及的隐私内容。许多侵入式AI手机助手，更将“一次授权”视为免死金牌，采集未经用户授权的敏感信息，使原本有边界的数据采集沦为无边界的信息攫取。

2.数据传输：“云端协同”的信息处理方式

当前AI手机助手多采取的是云端协同模式[7]，即基于简单场景的任务（处理文字与简单图像信息等）直接交给设备端大模型处理，复杂、高性能任务（读屏等）则由云端大模型处理。虽然此种方式能够最高效地发挥AI手机助手的综合性能，却会在处理过程中将用户数据上传至云端。现阶段端侧模型的参数规模仅有30亿，与千亿级参数的云端模型能力悬殊，这种能力代差使得复杂任务的数据上传成为必然，数据失控与泄露的风险也因此大幅增加。

此外，目前的手机终端厂商普遍缺乏自有云端大模型，其AI场景亦需和阿里通义、字节豆包等第三方大模型企业合作，数据也将进一步与其共享。其中的权责分配机制、数据保护方案都高度不明确。尤其是第三方大模型企业的隐私政策往往更宽松，这就进一步放大了敏感信息泄露的风险。

3.数据使用：“黑箱式”信息投喂

AI手机助手作为具备高级控制权限的个性化智能体，为实现各类功能，必然要从用户端采集更丰富、更多维度的信息，其中不乏各类敏感数据。然而，这些数据是否会被用于模型的二次训练，以及训练过程中如何落实脱敏、加密等安全处理措施，目前均处于不透明的“黑箱”状态。更令人担忧的是，随着大模型在各垂直领域的应用持续深化，越来越多的企业开始侧重强化模型的记忆能力与对用户的深度理解能力，这一发展趋势必然伴随大量个人用户数据的持续投喂。

（二）安全责任界定：多维风险下的归责困境

1.侵入风险：对AI手机助手的单点突破

在功能集成维度，AI手机助手实质上是在用户终端构建了一个具备“全局感知”[8]能力的数据汇聚节点。该节点可跨应用访问并整合原本分散于通信、社交、金融、位置服务等多个独立场景中的高度敏感个人信息，包括但不限于即时通信内容、生物特征信息、精确的地理位置、金融账户及交易记录等，这使其本身成为极具吸引力的高价值攻击目标。因此，此类智能体的单点安全状态直接关联系统整体安全，一旦被黑客攻破或被注入恶意指令，相当于将整部手机的控制权移交给他人，其危害程度远高于单个应用被入侵的情况。

2.执行风险：AI手机助手的操作偏离

在使用AI助手的过程中，用户通常只能给出期望的结果，却难以同步表达实现该结果所隐含的合规边界、社会常识与停止条件。系统一旦将自然语言指令转译为以“完成率”或“效率”为核心的执行目标，便可能优先追求成功概率，对未被明确写入指令的约束呈现弱敏感性，造成结果目标与行为正当性之间的结构性断裂。更重要的是，当这种结果导向的逻辑与系统级能力叠加时，风险不再仅仅停留于权限的过度攫取，而是演变为一种“黑客奖励”[9]，即AI可能会以用户代理的名义，在毫秒级时间内自主绕过应用间的沙箱隔离，甚至通过识别并利用系统漏洞来最大化实现目标，成为一个不择手段的黑客代理。例如，“帮我抢到票”若被系统等价为“最大化抢票成功率”，就可能驱动智能体偏离人类社会默认的合规路径（排队、遵守平台规则），转而寻求一切能提升成功率的策略组合，包括高频自动化操作、规避风控、利用漏洞等。

3.责任漂移：AI手机助手的“主体性”缺失

我国现行法律制度的主要规制对象是自然人或法人，对作为“工具”的智能体尚缺乏明确主体定位与归责要求，这种主体定位的缺失导致其自主性越强，监管灰区便越大。当AI手机助手能够自主签订电子合同、完成支付等具有法律效力的操作时，其本身又不具备法律人格，既无法成为可被追责的责任主体，也让现有的侵权责任、合同履行或个人信息保护框架难以对其行为进行精准定性，导致责任界定与受害人救济缺乏明确的法律抓手。这种“行为自主”与“责任悬空”的错位，使得“谁来担责、如何担责”成了当前治理体系中亟待填补的空白。

五、迈向协同发展的治理路径

面对风险外溢与责任悬空的双重挑战，AI手机助手的治理不能只靠单一监管，更需在清晰的制度边界上，引入行业标准与社会实践的柔性约束，促成监管端、产业端、用户端的协同落地，推动安全与创新相互支撑。

（一）治理目标：“弱秩序与强秩序并重”的多元共治体系

为应对AI手机助手带来的多维风险，需要在强弱秩序并重的基础上形成各主体、各方面协同的治理体系。一方面，监管端的“强秩序”必须在场。强秩序需要延伸既有法律法规并形成可操作的规范体系，明确哪些行为必须做到，哪些行为绝对禁止，进而把抽象原则转化为可落地的要求，为模糊地带提供明确的责任归属与救济路径。只有当边界足够清晰，创新与应用才不会在不确定性中滑向失序。另一方面，“弱秩序”弱而不虚，贯穿产业端、用户端与更广泛的社会实践逻辑。其通过行业标准、技术指南、社区规则等方式把共识固化为可遵循的行为模式，在多方共治的基础上，将技术向善与社会向善的理念转化为设计原则与工程约束，以更低的执行成本降低风险。强秩序与弱秩序二者相互支撑，强秩序为弱秩序提供可信的制度边界与纠偏能力，弱秩序为强秩序提供更灵活的场景适配与持续的社会动员。

（二）多层次协同的可能性路径

1.监管端：明确监管原则，填补规则空白

坚持“双重授权、双重可见、双重问责”的执行逻辑，是监管端履行职责的必要措施。首先，确立“用户+应用”的双重授权底线。AI手机助手在访问第三方应用前，须同时取得用户授权与第三方应用授权，任何一方不同意均不得执行。如云计算标准和开源推进委员会发布的《端云协同 智能体交互双重授权安全指引》所要求的[10]，智能体在取得用户授权的基础上，还须获得第三方应用授权后方可访问。这一机制既保障用户对自身数据的控制权，也尊重第三方应用的数据权益，防止“一次授权、全局畅通”的权限滥用。其次，建立“操作透明、全程可追溯”的可见性追责机制。在双重授权基础上，AI手机助手的数据采集范围、具体执行动作须向用户与第三方应用透明呈现，确保操作留痕、路径清晰。一旦发生问题，可追溯至具体环节，明确责任归属，从而避免责任推诿与归责真空。

此外，针对端侧智能体“主体性缺失”导致的责任漂移问题，应推动AI智能体的独立身份识别体系建设，为其设计区别于自然人的数据通路，如专用MCP接口而非UI界面读屏，使AI智能体成为可被识别的行为主体，建立信用档案与声誉机制。这既能划清AI行为与自然人行为的边界，实现精准归责，又能保留其增值服务空间，避免简单化的强监管抑制创新。

2.产业端：以产业实践推动智能体价值对齐

在行业具体实践中，研发者应坚持“技术向善”理念，在底层模型中植入符合法律及伦理要求的行为偏好，使智能体在接收到非法或高风险指令时，能够基于预设的价值规则自动识别风险并拒绝执行。同时，建立全生命周期的信誉评价机制，重塑智能体的评价导向，将合规度与安全度纳入评价指标，支持监管机构或第三方组织开展独立的智能体信用评级，对存在违规获取隐私、输出有害信息或实施商业欺诈等行为的智能体，依据评级结果实施市场降级或禁入。此外，国内头部AI企业也应主动响应“法律要求代码化”的工程实践，将抽象的法律规则转化为训练阶段具体的数据集构建及奖励函数设计，推动监管与产业的协同共治。

3.用户端：用户AI素养的提升

用户端治理的关键在于，将用户AI素养教育纳入批判性媒介素养的整体框架，培育其对算法系统的反思性使用能力与审慎质疑意识。具体而言：一是应充分理解AI助手的能力边界及其输出结果的不确定性，将其回应视为“参考性建议”而非“客观事实或强制指令”，并在涉及高风险任务时坚持进行二次人工核验；二是需主动在交互过程中明确表达行为约束条件与终止边界，避免仅提出目标而忽视合规前提，从而防止系统因片面追求执行效率而偏离合理路径；三是应树立最小必要数据披露意识，清晰区分“履行功能所必需的信息”与“非必要但易于提供之信息”，对涉及屏幕读取、语音录音、通讯录访问等高敏感权限保持高度审慎，并养成定期审查授权设置与操作日志的习惯，以有效降低无意间信息泄露及被动参与模型训练的风险。

六、未来展望：作为“协作者”的智能媒介

未来AI手机助手的发展不应继续依赖读屏与模拟点击等绕过系统规则的旁路技术，而应转向以“意图层+安全接口层”为核心的能力编排模式。这种模式强调在尊重操作系统权限边界和应用数据主权的前提下，通过标准化、可审计的安全接口实现跨应用任务协同，将大模型的理解与推理能力真正用于提升人机协作效率，而非突破既有生态规则。长远来看，理想的AI手机助手更应超越商业利益驱动的工具属性，朝着增强公共福祉的“数字公共基础设施”演进。它需在保障用户主体性、维护信息环境多元性和防止技术垄断的基础上，成为支撑社会交往、公共服务与数字包容的可信中介。唯有如此，AI手机助手才能从私有的智能代理升维为公共的智能媒介，在推动技术创新的同时守护社会价值，实现安全、公平与可持续的协同发展。