日前，OPPO 方面宣布启动 " 小布 Next 计划 "，开放了业内首个手机端侧 Multi-Agent 协同系统的内测。在几乎所有品牌都已经明确将于秋季推出 "AI 智能体手机 " 的情况下，OPPO 率先将这个功能下放给了现有机型，让用户可以 " 尝尝鲜 "。

可能有的朋友会说，去年努比亚不是都出了搭载豆包手机助手技术预览版的工程样机努比亚 M153，这今年才内测，怎么就是 " 首个 " 呢？

事实上，这就是关键。因为今年所有的新款 AI 智能体手机，包括努比亚的 " 二代豆包手机 "NaviX Ultra，都不会再延续去年初代 " 豆包手机 " 的技术路线。

换句话说，在 AI 智能体手机真正大规模上市之前，大家想象中的那种能 " 无限制自动操控所有应用 " 的 AI 智能体手机，大概率已经 " 死 " 了。

初代 AI 智能体手机，安全和法律风险都有

2025 年 12 月 1 日，字节跳动与中兴通讯合作推出工程样机努比亚 M153，也就是初代 " 豆包手机 "。它最令人惊艳之处，是用户可以完全用语音控制手机里的几乎任何 App。比如，你可以说一句话就让手机自动打开微信发朋友圈，也可以一句话就让手机自动开启电商 App 买个东西，甚至只需要动动嘴皮，手机就能自动在游戏里清日常、刷副本。

那么，初代 " 豆包手机 " 是如何实现这些功能的呢？简单来说，它靠的是 GUI Agent 路线，也就是通过安卓系统自带的无障碍功能权限，让智能体可以实时 " 阅读 " 屏幕内容，并代替用户在屏幕上模拟点击操作。

这样做的好处很明显，那就是不管应用本身 " 愿不愿意 "，只要 AI 能 " 看懂 " 屏幕上显示的是什么，就都能代替人去进行操作。

但 GUI Agent 的缺点也非常突出。一方面，它相当于将手机屏幕上的一切内容全部展示给智能体，就使得这个技术方向天生自带了隐私泄露的风险。

其次，AI 能模拟人点击也就意味着，万一操作出现了严重错误（比如买错了东西、转错了账），从技术手段上无法证明到底是人还是 AI 在操作，因此存在着安全隐患。

初代 " 豆包手机 " 能代替用户操作游戏这事，很快就引发了争议

而且 GUI Agent 这种 " 什么应用理论上都能操控，不管适配与否 " 的特点，也会导致一些伦理上的争议。比如，让它去运行对抗性的游戏（典型的就是棋牌类），是否属于 " 作弊 "。

最重要的是，几乎所有软件的使用协议里都会明确写着，软件本身仅授权用户手动操作，禁止使用第三方自动化脚本。而初代 " 豆包手机 " 所采用的 GUI Agent 技术路线，不仅违反了绝大多数软件的授权协议，甚至有未经应用方同意就读取数据、替代应用原生入口、截留用户操作的不正当竞争嫌疑。

从 " 读屏幕 " 到 " 打商量 "，智能体手机悄然生变

从初代 " 豆包手机 " 当初限量发售，且开卖没几天就大幅限制智能体 " 替人打游戏 " 等能力，到后来诸多头部 App 纷纷对其 " 封杀 " 的过程来看，很显然它所隐含的各种风险，整个行业其实是非常清楚的。

但也正因如此，从目前的公开信息来看，即将亮相的第二代智能体手机，已经彻底改变了 AI 与第三方 App 的交互方式，它们采用的普遍是官方协议互通（MCP/A2A）这一技术路径。

简单来说，就是手机的智能体会在接到用户命令（比如用 XX 应用执行 XX 任务）后，先对命令进行理解，之后它会自动打开对应的 App，然后 " 翻译 " 出更简洁的命令发送给 App 内置的智能体。最后，由 App 内置的智能体驱动它，去完成用户想要的操作。

在这个过程中，手机的智能体不再直接操控 App，更不会去识别屏幕上显示了什么，该点击哪里。这当然就可以保护用户隐私，也免去了对第三方 App 进行非法操作的嫌疑。

但它的缺点也非常明显，如果对应的 App 没有内置智能体，不能实现 " 自己操控自己 " 呢？

这就是最新一代智能体手机为了 " 合规 "，必然付出的代价了。它们只能在研发阶段就尽量去找 App" 打商量 "，必须要对方开放接口、允许机内智能体与软件内置智能体 " 打商量 " 才能实现手机自动操控的效果。倘若第三方 App 本身并不提供自动执行能力，或是不愿意与某个品牌 " 协商合作 "，那这些手机智能体就什么也做不了。

九年前的悲剧历历在目，如今的后辈能克服吗

早在 2017 年年初，三星随着 Galaxy S8 系列机型发布了初代 Bixby 语音助手。当时，它有一个特别突出的特点，就是可以让用户说出一些多步骤的复杂命令，手机就能自动跨 App 执行，比如 " 拍张照片发个微博 "。

初代 Bixby 之所以能实现这个功能，靠的是三星彼时推出的 Bixby Capsule 开发框架。说白了，就是要第三方 App 提前做适配，将自身的功能封装成 Bixby 能对接的 Skill（技能），之后就能实现语音控制的多步骤自动操作。

是不是觉得很眼熟？没错，九年前三星初代 Bixby 选择的这条技术路线，在某种程度上可以看作 2026 年（乃至 2027 年）手机智能体实现自动操作的鼻祖。其实它们都不能真正让手机自动控制第三方 App，功能边界都受限于第三方 App 的适配与否，而且交互逻辑也都是「用户指令→系统解析→调用 APP 接口→返回结果」。

那么三星在手机自动化执行命名上开拓得如此之早，它们这套生态后续的体验一定很好……吧？

三星当时专门搞了个 "Bixby 市场 "，推广那些适配了 Bixby 技能的第三方 App

事实是，由于第三方 App 适配意愿不足，三星花了不少钱也只搞定了几十款主流 App，最终不得不在后续版本上取消这套机制，也相当于宣告了手机行业最早的 " 自动化交互 " 尝试以惨败告终。

正是因为手机行业实际上已经有过在这个技术路径上的惨痛历史，面对新一代智能体手机们为了合规，只能放弃 " 强行操控 " 的现状，我们三易生活才会感到一丝疑虑。

当然，要解决这个问题，理论上并不是没有办法。比如就像大家可能已经看到的那样，一些最新的机型会同时内置多个不同的大模型，通过 " 广撒网 " 来尽可能地提高对各家 App 的兼容性。

除此之外，正如三星在九年前就已经做过的那般，花钱鼓励开发者做适配，自然也是多少可行的办法。况且如今的市场环境已经不比以前，主流 App 增加内置智能体、适配 MCP 生态的意愿，注定要比过去更强。

对于入门机来说，内置大模型的第三方 App 可能会变成更重的负担

当然，这不会毫无代价。比如它可能导致手机有更高的研发成本，可能使得手机的功能维护也变得更复杂，万一某些智能体厂商经营困难，还可能会造成不少手机功能受损。甚至由于大量 App 都需要加入智能体来实现与手机 AI 的对接，还可能会让它们体积更大、更耗费存储空间，对入门机更不友好。

只是从目前的技术趋势来看，这很有可能是整个行业都不得不面对的 " 阵痛 "。至于最终是否能真正开花结果，就只有等待时间来给出答案了。

【本文图片来自网络】