馃崙馃崙

电脑版下载

21960
6

馃崙馃崙截图Q8X2R7L1T4J5M9B6W3

内容详情

馃崙馃崙

一夜间，豆包手机助手酿成「豆包手机，住手！」

前段时间，字节跳动豆包团队和中兴相助，宣布了搭载豆包手机助手手艺预览版的手机——努比亚 M153。在 M153 上，豆包团队基于其 GUI-Agent 的能力，打造了一系列「替用户操作手机」的功效，让我们有时机在 2025 年一览未来 AI 手机应该有的样子。

图片泉源：豆包手机助手

但很快，问题就泛起了。有用户反响称，豆包手机助手在某些金融 App 里会触发危害提醒，指脱手机目今开启了「屏幕共享」「无障碍」等效劳，要求用户注重资金清静；部分 App 更是因触发风控直接停用了相关效劳。

随后，微信确认了这一点，体现没有对豆包做任何特殊阻挡，用户遇到的情形更像是触发了既有的通用风控战略。豆包方面随即下线了相关场景的操作能力，并对受影响用户开启解封流程，同时进一步果真说明其权限挪用方法、数据处置惩罚方法和清静界线，重申不保存任何黑客行为或隐私侵入。

至于外界争议最多的 INJECT_EVENTS 权限，豆包也给出了正面回应：

INJECT_EVENTS 确实是系统级权限，手艺实现依赖 Android 系统级权限，有更严酷的使用限制。拥有该权限允许，相关产品才华跨屏、跨应用来模拟点击事务，完成用户操作手机的使命需求。豆包手机助手需要用户自动授权，才可以挪用该权限，使用操作手机功效。该权限的使用，我们也在权限清单中举行了明确的披露。据我们相识，现在行业的AI助手，均需要使用该权限（或与其类似的无障碍权限）才华提供操作手机的效劳。

从雷科技的角度看，豆包这一诠释确实通情达理；这种不避忌要害争议的做法，也值得肯定。但在雷科技看来，这场关于 AI 手机助手权限的讨论，虽然由风控误伤引发，但也是 AI 手机行业生长必将面临的问题；处于风暴中心的豆包，也执偾把这个需要行业配合打磨的细节，提前带到了公众眼前。

AI Agent 的三部曲

要明确这场争议背后的行业配景，我们必需先明确 AI 是怎么「用」手机 App 的。从手艺的角度看，「AI 操作 App」可以拆解成两个办法：

1. 让 AI 看懂 App；2. 让 AI 操作 App。

但问题是，Android 系统原本从未设想过让「一个智能体来控制另一个 App」。为了让 AI 能从系统（而不是 App）的层面控制其他 App，手机行业提出了三种差别的「AI 操作」蹊径。

第一条蹊径是基于 App 无障碍标签和 Android 系统无障碍效劳，打造的「模拟用户」操作蹊径。我们知道，现代智能手机都有无障碍效劳，好比为视障群体准备的文字标签效劳：开发者在开发 App 时，会为每一个按钮添加「无障碍标签」；手机开启无障碍读屏功效后，手机系统会读取「无障碍标签」并朗读对应内容，让视障用户知道目今选中的按钮的作用。

图片泉源：smartisan.com

AI Agent 只要读取 App 内部的标签结构，就能明确软件界面元素、知道每个按钮的作用；看懂 App 后，AI Agent 再使用无障碍效劳的模拟触控功效（手机键精灵的同款原理），就能自主操作 App。

但我们知道，海内移动互联网生长日新月异，主流 App 每隔几周就要上线一个新功效，而无障碍标签往往是开发流程里最容易被忽略的办法——很残酷的现实是，无障碍群体在互联网险些没有声量。这导致某些页面、按钮可能基础没有标签，或是只有「按钮」「窗口」这种险些没有意义的字样。面临这样的标签，纵然再智慧的 AI 也无能为力。

既然糟糕的无障碍支持让 AI 搞不懂 App 结构，那为什么不让 AI 像人一样「直接看屏幕」呢？这也引出了 AI 交互的第二条蹊径：AI 通过系统提供的屏幕捕获能力，实时获取手机屏幕目今的画面，然后用视觉大模子去明确画面中每个元素的功效寄义。

明确目今屏幕内容后，AI Agent 会使用无障碍（模拟点击）或 INJECT_EVENTS （应用注入触发）来操作 App，把 AI 链路跑通。豆包手机助手此次引起的争议也在这个「INJECT_EVENTS」上。

图片泉源：豆包手机助手

刚刚提到，无障碍的点击实质是「AI 代点」，但无障碍并不可稳固笼罩所有交互方法，许多界面仍需要更底层的事务注入。在这一场景下，INJECT_EVENTS 不是「破解 App」，而是用一种更底层、更原生的交互模拟方法，让 AI 能在任何 App 上执行更完整的操作。就现在 Android 系统自己的生长情形来说，「豆包蹊径」一ㄇ现阶段 Android 系统里唯一能让 AI 真正操作 App 的蹊径。

但归根结底，刚刚提到的两条手艺蹊径，实质仍是让 AI 模拟人的操作；而真正的 AI 手机，应该去掉低效的图形界面（GUI）中心层，让 AI 直接挪用 App 的功效组件。在这种理念下，第三条蹊径——MCP 蹊径降生了。

不相识 AI 的朋侪对 MCP（Model Context Protocol，模子上下文协议）可能较量生疏。简朴来说，MCP 是一种标准化的能力协议，它能「对齐」App 与 App 之间的功效，让 App 功效（组件）酿成可被 AI 跨应用挪用的�？�。

图片泉源：modelcontextprotocol.io

举个例子，若是我们把点餐功效封装成「能力组件」，叫外卖时 AI 就不再需要靠图形或文字去明确商家菜单里的选项，可以直接从组件后台中找到「隆江猪脚饭」的选项并添加到购物车里，再挪用支付的 MCP �？橹苯油瓿芍Ц�。

「豆包蹊径」为什么更领先？

事实上，在雷科技看来，豆包选择的「GUI-Agent + INJECT_EVENTS」计划，确实也是现阶段 AI Agent 体验最好、最完善的手艺路径。差别于读取无障碍标签的「蹊径一」，GUI-Agent 能充分验展大模子在多模态方面的优势，吃到海内 AI 模子飞速迭代的手艺盈利。

和 MCP 蹊径相比，「豆包蹊径」也不需要苦品级三方 App 的 MCP 支持：要知道 MCP 允许 AI 绕过 App 的图形界面，意义等同于让 App 放弃自己的流量入口。纵然我们都知道 MCP 计划必定成为主流，但 GUI 到 MCP 的转化注定是一个漫长的历程�？梢钥隙ǖ氖�，大宗 App 会在相当长的一段时间内维持古板形态，GUI-Agent 仍无法取代。

除此之外，豆包的 GUI-Agent 虽然被视为「过渡计划」，但它也提前为 MCP 时代打好地基。无论未来标准协议何等成熟，AI 想要可靠地完成使命，都必需先学会在真实 App 情形中运行，而其中的操作路径和数据转达算法只能从 GUI 操作里优化出来，而不是从 API 文档里学出来。

可以说，豆包通过 GUI-Agent 大规�；鄣穆睦�，必将成为豆包在 MCP 时代领先的要害。

MCP 才是 AI 手机的最优解？

虽然了，就像刚刚提到的那样，只管现阶段 MCP 生态的生长还处于初期阶段，GUI-Agent 依旧是 AI 手机的主流计划；但就像触屏手机用更富厚的交互方法取代按键手机、更通用的 USB-C 统一多种结构那样，可以肯定的是，体验更好、潜力更大的 MCP 计划，未来必定会取代 GUI-Agent 计划，成为 AI 时代的「默认蹊径」。

而随着「MCP 时代」的到来，AI 手机与 App 的线性关系也将爆发改变：App 将直接向 AI 袒露结构化的能力组件，系统也能对每一次挪用举行统一的权限治理，其清静性反而比现在的「屏幕捕获+GUI Agent+替换点击」还要高。

图片泉源：豆包手机助手

与此同时，MCP 的开放性也让跨 App AI 协作成为可能。现阶段差别 App 之间的联动还离不开链接跳转、剪贴板数据寄存等「歪门邪道」，而在 MCP 时代，AI 可以在统一上下文窗口中挪用差别 App 的能力，实现真正意义的「流程化」。

12 月 4 日，罗永浩在微博指出「手艺革命是谁都拦不住的」，同时也对字节在 GUI-Agent 蹊径迈出的这一步点赞：「AI 助手一定会各处着花，我们的生涯也会完全离不开它，未来的人们会记着这历史性的一天。」

图片泉源：微博

就现在的情形来看，豆包手机助手已经让我们「预览」了未来 AI 手机的样子；而即将到来的 2026 年，AI 手机行业必定会加大在 GUI-Agent 赛道的投入，用实打实的市场需求推动 App 生态的 MCP 转型历程。

从这个角度来看，豆包手机助手，才是开启 AI 手机黄金时代的钥匙。

CES2026开幕在即�。�1月6日-1月9日）作为中国报道科技展会最悠久、最深入、最专业的新媒体，雷科技CES2026报道团正在举行主要的前期准备。届时雷科技将派出史上最大规模的CES报道团，并由雷科技首创人兼总编辑罗超带队，对CES2026举行一线、专业和立体报道，敬请期待！