Agent手机走向量产，先向 App 低头

据报道，新一代豆包手机把备货量从3万台提升到数十万台，上一代最受关注的GUI能力却被收了回来。新产品将不再读取屏幕、模拟点击微信、淘宝和支付宝等头部应用；只有应用主动提供MCP服务、开放相应数据和操作权限后，豆包手机才能接入。

在豆包调整路线前后，Agent手机集中走向台前。7月13日，阶跃星辰发布STEPX Neo、智能体操作系统Step AOS和个人智能体Amoo；7月15日，国家网信办公布7款手机端侧生成式人工智能服务备案；7月18日，荣耀在WAIC展示Robot Phone，并将MagicOS进一步推向Agentic OS。

三家公司选择了三条不同的路。豆包与努比亚合作，将模型能力装进已有手机品牌；阶跃自己做模型、操作系统和硬件；荣耀则是守住手机系统，再向外引入阿里等模型与服务伙伴。

三款产品处于不同阶段，却同时把行业推到同一个问题前。大模型公司可以理解用户，手机厂商掌握设备，但人们每天使用的社交、支付、购物和本地生活服务，属于另外一批公司。Agent手机走向商业化的第一步，不是拿到更多权限，而是承认有些权限从来不属于它。

通常，一项技术走向成熟，意味着功能越来越完整，但Agent手机正在经历相反的过程。

所有人先挤进手机再说

大模型问世后的几年，AI 被装进眼镜、耳机、吊坠、录音卡片和其他新设备。它们占据某一段场景，却很难同时拥有手机已经具备的东西——稳定的大规模用户，持续在线的传感器，相册、日程、联系人和位置等个人上下文，支付与通信能力，以及能把产品送到普通用户手中的渠道与供应链。

大模型公司先选择手机，也因为现阶段只有手机，能把用户、权限、支付和服务接在同一台设备上。印奇在7月13日的发布会上说得直接：任何模型公司如果不拥有一个足够能养活它的应用，长期看都很难活下来。这也解释了阶跃为什么在基础模型之外，同时推出Step AOS、Amoo和STEPX Neo。

模型API可以带来调用收入，却不直接带来用户关系。独立AI应用可以获得用户，却很难拿到完整的设备权限和个人上下文。Agent要替用户完成一项真实任务，需要知道用户的身份、位置、日程和偏好，还要调用第三方服务，并从任务结果中获得反馈，终端把这些环节接在了一起。

阶跃对STEPX Neo的预期也不是先定下销量目标再销售。印奇称，目前的产品完成了约70%，剩下的部分要在用户使用中补齐，包括授权、信任、端云分工和具体场景。

这是模型公司进入手机的一种方式：先造出一台自己的终端，再用它验证操作系统、模型和服务之间的关系。

豆包的方式更轻，字节提供模型和Agent能力，中兴与努比亚提供硬件、制造、销售与售后。相比从头建立供应链，这条路线更快；相比只向手机厂商出售模型，又能更深地介入产品体验。

双方的目标并不完全相同，字节需要真实用户、任务数据和新的服务入口。努比亚需要在高度同质化的安卓市场中，拿到一项能够被用户感知的差异。模型公司想建立长期服务，手机公司首先要把设备卖出去。前者关注调用、记忆和订阅，后者还要计算库存、渠道和硬件毛利。

相较软件厂商，手机厂商进入Agent的理由更接近一张正在变化的成本表。存储和其他核心零部件价格从3月底开始上涨，多数安卓厂商选择涨价，进一步压低了用户的换机意愿。IDC在7月14日公布的初步数据显示，2026年第二季度中国智能手机出货量约6600万部，同比下降4.3%，已经连续第五个季度下滑；上半年出货量约1.34亿部，同比下降4.2%。

过去几年，手机厂商依次用影像、快充、折叠屏和卫星通信解释高端产品的价格。这一轮轮到了Agent。一台持续运行Agent的手机，需要更大的内存来保存模型和上下文，需要更强的芯片完成端侧推理，还需要在端侧与云端之间调度复杂任务。这些投入既可以成为涨价的理由，也会继续提高硬件和服务成本。但如果用户最后只是多了一个摘要、修图和问答入口，它也难以支撑一次新的换机周期。

Agent因此被赋予了双重任务。它既要帮助手机厂商建立新的产品溢价，也要证明自己带来的体验足以覆盖新增成本。

从绕过App，到等App开门

手机还有另一层限制，现有操作系统围绕“ 人使用APP ”建立。每个App拥有自己的数据、账户和权限，系统用沙箱阻止它们互相越界。支付、社交和银行应用又有各自的身份验证与风控。

Agent的工作方式正好相反，用户说“帮我安排一次出差”，它需要读取日历、确认同行人、查询机票和酒店，再调用支付工具。任务只有一个，所需数据和服务却分布在多个应用里，模型可以拆解这项任务，却无法仅凭系统权限决定携程、飞猪和银行应用如何配合。

手机拥有Agent需要的一切，也集中保存着移动互联网十多年形成的全部边界，这使它成为最现实的入口，也成为最难改造的入口。

GUI让豆包手机迅速证明了，AI已经能够像人一样使用应用。这项技术不要求应用提供专门接口，模型通过截图观察页面，找到按钮、输入框和弹窗，再模拟点击、滑动与输入，只要用户能够完成的操作，AI理论上都可以尝试完成。

手机里有数百万个应用，逐一等待开发者改造接口，需要很长时间；让AI直接理解已有页面，则可以快速覆盖大量场景。用户也能直观看到AI在工作——打开一个App，切换到另一个App，再把结果送回来。

但对于应用厂商来说，用户授权AI读取屏幕，并不等于平台同意AI绕过自己的接口完成操作。应用无法判断AI为何读取页面、实际需要哪些信息，也难以区分用户授权的助手与批量自动化工具。

技术上，豆包可以替用户点击；商业上，App没有接受一个外部Agent在内部自由行动。据《晚点 LatePost》报道，微信、淘宝、支付宝及部分银行客户端先后限制了相关能力。公开信息显示，豆包随后下线了操作微信，以及银行和互联网支付类App的能力。

而MCP把这层关系重新摆到了桌面上。在新方案里，应用需要主动声明自己愿意开放的数据和动作。它可以只允许Agent查询订单，不允许修改订单；允许填写购买信息，但把支付确认留给用户；允许调用某项服务，同时不向系统开放完整账户数据。

原本由AI自行决定的调用范围，改为由模型公司、手机厂商和应用共同约定。Agent获得更稳定的执行路径，应用则重新掌握权限、风控和数据边界。

而阶跃的选择从一开始就更接近这条路线。STEPX Neo首批合作伙伴包括支付宝、百度、美团、京东、滴滴、携程和高德，应用能力通过协议接口而非GUI方式接入。

在WAIC演示中，用户对Amoo说：“帮我把合同送到公司，Frank急要。”系统从联系人和上下文中找到地址，调用美团跑腿，生成填写好物品、费用和配送时间的订单。大部分流程在Amoo界面内完成；进入付款环节后，任务停在美团页面，等待用户确认。系统Agent理解了意图，也完成了信息整理。美团保留履约与支付，用户保留最终决定权。

苹果也在把这套边界写进系统，据苹果2026年更新的开发者文档显示，App需要通过App Intents主动声明可被Apple Intelligence和Siri调用的动作与数据；应用界面中的私有内容不会自动向系统开放，敏感或破坏性操作还可以要求用户再次确认。

支付宝把这套跨端协同接口称为AHA。7月15日，“阿宝”与OPPO“小布助手”实现跨端连接，小布负责理解需求，阿宝负责调用支付宝内部近200项生活服务，关键授权与支付仍由用户确认。

MCP、App Intents、AHA及其他结构化接口，正在成为不同公司给出的答案。它们并不是同一种协议，但解决的是同一个问题：让应用主动决定哪些能力可以被Agent调用，而不是由系统智能体自行进入应用、读取页面和完成操作。

系统内的闹钟、相册、日历和文件，可以被手机厂商拆成原子能力；支付、社交、电商和本地生活服务，由应用通过正式接口开放；尚未适配的长尾应用，仍可能依赖GUI补充。

因此，GUI不会立即消失。它仍是覆盖旧应用和低风险任务的快捷方式。但越接近支付、社交和交易，Agent越需要一条被应用认可、能够审计和追责的路径。

工程样机在意的是AI有没有手，量产产品先要确定，这只手可以伸到哪里。

App 愿意履约，不愿被分配

超级App当然不抗拒 Agent。

支付宝在做阿宝，阿里把千问接入淘宝，微信开始小范围测试“小微”，手机厂商也在把语音助手升级为系统智能体。各家公司争的是用户说出一句需求后，谁先接住它，又由谁决定调用哪一家服务。

5月11日，阿里将千问App与淘宝、天猫超过40亿件商品打通。用户可以在千问内完成商品查询、比较、订单管理、物流追踪和售后；淘宝App内部也上线了千问购物助手。阿里愿意让 Agent 替用户选购，但这个Agent首先属于阿里，商品来自淘宝天猫，支付和售后也留在阿里体系内。

过去的移动互联网商业链条，从用户打开App开始。平台通过首页、搜索、推荐和广告影响选择，再完成交易与后续营销。系统Agent试图把选择提前，用户不再打开美团、淘宝或携程，只需要说“帮我点杯咖啡”或“订一家附近的酒店”，Agent理解要求、比较服务并返回结果，App退到后台完成订单。

对用户而言，只是少了几个步骤。但对平台而言，可能少了首页曝光、搜索广告、推荐排序和行为数据。App还在完成交易，却未必继续掌握交易从哪里开始。用户的一杯咖啡可以来自淘宝闪购、美团，也可以来自品牌自己的小程序；一间酒店可以通过携程、飞猪、美团或直营渠道预订。系统Agent把哪一家排在前面，决定了订单、佣金和用户数据流向哪里。

因此，超级App不会把这种主动权无条件交给手机系统。

未来更可能出现的结构，是系统Agent与App Agent分工。即系统Agent靠近设备，知道用户的位置、日程、联系人和当下意图；App Agent靠近业务，掌握商品、账户、社交关系、支付和履约。模型公司提供理解与规划，手机厂商负责系统权限和端云调度，用户在付款、删除和发送消息等节点完成确认。

荣耀将它概括为“一主多专”，荣耀7月18日公布的Agentic OS框架中，一个随身主智能体负责理解用户，再协同垂直智能体、终端和云端模型。荣耀同时宣布与阿里千问共同开发面向手机场景的模型方案。

这种结构看上去更容易被各方接受，因为没有任何一家公司需要一次性交出全部能力。手机厂商保留系统入口；模型公司进入用户任务；互联网平台继续掌握服务和交易；用户获得一个统一的交互界面。

但接口只是技术协议，不是商业协议。系统Agent优先推荐哪一家服务，需要新的排序规则，App是否为系统分发支付费用，手机厂商能否参与交易分成，模型调用成本由谁承担，也没有现成答案。

长期记忆又增加了一层竞争，联系人、消费偏好和历史任务保存在手机、模型账户还是App内部，将决定用户更换设备或服务后，哪些关系可以被带走。接口决定Agent能调用什么，记忆则决定用户更难离开谁。

移动互联网没有让上一代基础设施消失，却改变了用户进入服务的方式。Agent带来的变化也未必是消灭App，而是把用户发起任务的第一步向系统层迁移。

对超级App而言，真正需要守住的，是排序、交易和用户关系。

Agent手机不会很快收敛到一种路线。模型公司与手机品牌合作、模型公司全栈做终端、传统手机厂商守住系统，三条路线短期内都会存在，但最终都要与同一批超级App谈判。

App的图标和页面可能减少被用户直接打开的次数，平台掌握的商品、社交关系、支付、交易和风控却不会消失。它们更可能从手机前台的应用，转变为Agent背后的服务系统；GUI也不会立刻退出。它会继续处理未完成接口改造的长尾应用；支付、社交和交易等高风险任务，则逐渐转向协议接口、权限分级和用户确认。

《新立场》认为，接下来值得观察的，是一项跨应用任务能够完成多少次，中途需要用户接管多少次；微信、淘宝、美团和支付宝开放了哪些能力；一名活跃用户会消耗多少云端算力，又是否愿意为这些服务付费。

豆包收回来的那只“手”，才是这门生意真正开始的地方。

*题图及文中配图来源于网络。