考虑到首发机型的备货量和技术的完善度,所谓的“豆包手机”暂时不会对移动互联网生态产生实质性的影响。搭载了豆包手机助手的深度定制机中兴努比亚 M153 限量发售,售价 3499 元,定位中端。外界传言其首发备货量约为 3 万台,且不会补货。
这款手机并不是一个面向普通消费者的成熟硬件产品。豆包手机助手团队特意强调,该机型“只是一款方便大家体验豆包手机助手使用的工程样机”,中兴商城页面也显示,“仅面向需要体验豆包手机助手的行业人士,不承诺成熟产品的功能完善度,普通消费者请务必谨慎选择”。
上周外界对于豆包手机助手的讨论更多围绕各大互联网公司相继“封禁”豆包展开。动作最快的是字节跳动的直接竞对腾讯,使用豆包手机助手会触发微信的风控策略,导致用户微信账号强制退出无法登录。
紧接着,包括各大银行、支付宝乃至淘宝、拼多多等电商应用、王者荣耀等手游都相继阻止用户使用豆包手机助手进行操作。豆包于上周五对外声明,表示将调整并限制豆包手机助手的使用范围,包括但不限于限制刷分/刷激励等应用场景、金融类应用、游戏类使用场景等。
看热闹不嫌事儿大的科技媒体们继续发挥他们渲染情绪的祖传艺能,对外强调又一轮互联网生态入口争夺大战开始。有了大模型的加持之后,大家的讨论明显都“深入”一些,动不动就要强调本质问题,上升到战略、生态、下一代交互的地位上。这样的论断过去在智能音箱、小程序乃至区块链等都屡见不鲜,不免有些厌烦,让人想起巴黎报纸的拿破仑笑话。
抛去这些宏大叙事的论调,各大互联网公司当前封禁豆包手机助手的直接原因或许只有一条:禁止外挂代替用户操作,无论它是否由 AI 还是脚本操作。微信、支付宝乃至银行等涉及用户隐私和金融风险的应用更是严厉禁止。过去,哪怕只是一个简单帮助用户去除应用开屏广告的“李跳跳”,都收到过互联网大厂的律师函,不得不无限期暂停更新。
豆包团队在限制豆包手机助手的声明中同时强调,他们正积极寻求与各应用厂商的深度沟通,希望推动形成更加清晰、可预期的规则,“避免用一刀切的方式否定用户合理使用 AI 的权利。”
这话略显偏颇。好似豆包手机助手才是帮助用户的屠龙少年,而其它互联网厂商则是横亘 AI 未来面前的恶龙形象。姑且不说抖音会不会禁止其他 AI 手机助手获取并操作用户的聊天信息、上传视频乃至抖音商城、钱包等页面,关键在于当前豆包手机助手的GUI交互手段,很难说就是未来手机 AI 的发展方向。
已经有不少媒体指出,部分手机或大模型厂商早在豆包之前就推出过类似的 AI 手机助手功能,比如荣耀的 YOYO 助手或者智谱的 AutoGLM。它们的技术原理也都差不多,通过获取系统底层权限,AI 读取手机屏幕信息并代替用户模拟点击。只是豆包展现的模型理解能力更强、交互也更流畅。
这样的做的好处是可以不需要再一对一地与应用厂商沟通,不用再费心建立生态,只靠自家的技术优化就能打通当前的移动互联网应用。过去 AI 厂商在浏览器层面推出的 AI Agent 功能与此类似,都是代替用户模拟操作网络页面。
但风险在于,手机是一个比浏览器拥有隐私更多、风险也更大的场景。一个简单的例证,浏览器内的 Agent 不需要额外获取更多系统权限,但类似于豆包手机助手则需要获取安卓的 INJECT_EVENTS 权限。
INJECT_EVENTS 权限是安卓系统的底层权限,可以直接向设备发送原始信号,后台模拟用户点击。它早在安卓系统诞生之初就已经存在,此前更多被手机厂商用作新机上市前的测试阶段。
开放这一权限,意味着你完全让渡了手机的控制权,风险极大,因此它只向系统级应用开放,第三方应用无法获取。苹果也没有为 iOS 系统开放类似权限。
更关键的是,无论你是否打开手机,理论上被授予这一权限的应用都可以在后台操作手机。比如豆包团队在宣传片中展示的助手直接打开特斯拉前备箱、查询播客节目、预定餐厅等功能,人物只通过耳机下达指令,而无需拿出手机。
目前,手机行业中也只有国内安卓厂商在尝试类似 GUI Agent 的道路,Google、苹果都没有在自家手机中使用类似的技术路线。Google 今年发布的 Pixel 10 系列虽然也强调 AI 的系统级能力,但更多是通过 API 接入和端侧 AI 来打通用户信息和自家应用生态。纵观过去 Google 的手机 AI 路线,也从未使用系统的 INJECT_EVENTS 权限。
事实上,Google 在今年发布的 Android 16 中已经在尝试引入一个名为 App Functions 的新接口,允许应用将自己的关键功能比如订餐、下单、发消息等能力提供给系统,系统助手可以调用这些功能代替用户操作,实现跨应用交互。
苹果及华为也都在 iOS 系统和鸿蒙系统内加入了类似能力,iOS 内称作 App Intents,鸿蒙系统内则称作意图框架。比如华为就在鸿蒙开发者文档中介绍,银行类应用接入意图框架服务之后,用户可以直接通过小艺发起转账交易。
换句话说,和 GUI Agent 需要获取系统底层权限,识别屏幕信息并代替用户模拟点击等相比,API Agent 的接入方式才更为安全也更可控,隐私泄露风险也更小。
OpenAI今年开始尝试通过 ChatGPT 打通第三方应用生态,同样是通过MCP等协议来接入外部应用。即便在介绍 ChatGPT Atlas 浏览器的代理功能时,OpenAI 也格外强调其安全风险,“用户仍应保持警惕并监控 ChatGPT 代理的操作行为。”
更直接点说,GUI Agent 的路线更像是当前 AI 生态尚不完善时的折衷产物。AI 与应用的交互完全可以靠代码或 API 的方式交流,现在则是模仿人来读取屏幕、模拟点击。当下通过获取手机最高权限来实现 AI 模拟交互,几乎可以用“高射炮打蚊子”来形容。
当然,我们并不是在苛责或者批评豆包手机助手。国内的 AI 应用探索一直跑在全球前列,豆包所展现的一些系统级 AI 能力确实也带给市场不少惊喜。
但它是建立在完全让渡用户隐私和系统操作的基础上——比如要读取你的微信聊天记录和联系人信息,目的仅仅只是为了搞清楚你昨天和朋友定的餐厅在哪里,又或者只是为了比较一下外卖的价格。就像豆包手机团队发布的那条宣传视频下,排名第一的评论说,“真的没人在乎个人信息安全吗?”
暂且忘掉豆包团队在声明中强调的对个人隐私严格保护、所有权限都是在用户授权下才获取的说法。我们并不是说豆包不注重隐私保护,更多只是强调其风险问题。科技公司们总有各式各样的法务条款来规避风险,而不用承担责任。
监管往往滞后于技术的发展。雷火竞技移动互联网时代狂奔十多年,苹果和安卓厂商们才在 2020 年前后加入了更多对应用调用系统权限的限制和披露。这时,人们才惊讶应用们会如此频繁地调用地理位置、读取剪切板、获取通讯录、相册等敏感信息,目的可能仅仅只是为了几个微不足道的小功能。一些应用甚至会在几分钟内发起上千次权限调用申请,国内外大厂无一幸免。
过去几天,也有不少手机厂商人士就豆包手机助手对外发声,或附和表态或解释技术原理。手机厂商们和豆包面临的困境是类似的,它们很难在短时间内就构建起一个 AI 与应用交互的生态,也无法打通国内封闭割裂的移动互联网壁垒,因而只能通过粗暴的方式来强行推进 AI 的手机变革。
阿里集团 CEO 吴泳铭之前说,人们对新技术革命,往往对短期高估,又对长期低估,但新技术革命会在人们的怀疑中成长,让很多人在迟疑中错过。
人类对于新技术的适应能力或许也远超自身的想象。现在已经没有人出门再带现金了,也很少见到人在路边招手扬车。无论如何,AI 对于手机的改造已经开始,曾经封闭的移动互联网生态也必须要正视 AI 的介入。