二代豆包手机，给“微信美团淘宝们”留了30天冷静期

作者|苏涵

去年底，一台还没真正量产的手机，被一度炒到了3万多元。

它不是苹果，也不是华为，而是一台原本只面向开发者和科技爱好者的工程样机——努比亚M153，第一代“豆包手机”。

真正让它出圈的并不是硬件。

在当时流传最广的演示视频里，用户只需要说一句话，豆包就可以自己打开App、识别屏幕、点击按钮，甚至跨越多个应用完成任务。

过去十几年，人们已经习惯了想打车就打开滴滴、想点外卖就打开美团、想买东西就打开淘宝；豆包手机第一次把另一种可能摆到了普通消费者面前：

如果手机自己会操作这些App呢？但这个故事很快撞上了现实。

微信、淘宝、支付宝以及部分银行应用陆续出现风险提示或访问限制。那个看起来什么App都能操作的豆包手机，也不得不收缩自己的能力边界。

九个多月后，真正面向普通消费者的第二代终于来了。

9月16日，努比亚NaviX Ultra正式发售，5999元起，这次官方给它的称号更加高调——“全球首款AI智能体手机”。

发布前，其京东预约量已经接近40万。这一次，努比亚想卖的已经不只是一个AI助手，而是一种新的手机使用方式：以后不是人打开一个又一个App办事，而是把需求告诉AI，让手机自己去办。

问题是，九个月过去，这件事真的实现了吗？

值得注意的是，NaviX Ultra上的“操作手机”功能至今仍被标注为Beta版本。

豆包这一次专门推出了一套SAEP屏幕自动化操作声明协议，把一个过去没有明确答案的问题交给了App自己：你愿不愿意让AI操作你？

愿意，可以开放；不愿意，也可以明确拒绝。

按照豆包公布的规则，从9月14日起30天内，除非第三方应用主动声明接受，否则GUI智能体默认不会操作。

但30天公示期一过，规矩就变了：只要应用没发邮件说“不行”，也没在SAEP协议里声明拒绝，豆包就直接开放AI操作它的能力。

那么，等了九个月的“真·豆包手机”，现在究竟能替人办多少事？还是说，它能不能办事，得先问一句：App同不同意？

判断一台“AI智能体手机”到底有多智能，最简单的办法，不是看发布会上演示了多少功能，而是把几个普通人每天都会做的事情丢给它。

比如，“帮我点一杯咖啡”。

在目前公开的首批真机测试中，有人先后尝试让NaviX Ultra通过淘宝闪购、京东完成这一任务，但豆包都没能直接操作，最后给出的替代方案，是建议通过抖音相关服务下单。

换到能够调用的服务后，豆包进入瑞幸经典拿铁的订单支付页面，并识别出11.84元的实付金额，但到了真正付款这一步，系统会主动停下来，要求用户手动完成支付。

换成美团，结果也没有好多少。

测试者让豆包打开美团点外卖，AI能够理解用户想做什么，也能把App打开，但进入应用之后，自动操作便无法继续。

淘宝购物也是如此。一句话让它买东西，理想中的流程应该是AI自己搜索商品、比较价格、选择规格、加入购物车，最后把订单交给用户确认。

但目前在淘宝等部分主流应用中，豆包甚至还没有拿到完整执行这些操作的权限。

它知道你想干什么，却不一定有资格替你干。

但换成打车，情况突然又不一样了。

目前NaviX Ultra已经可以调用曹操出行等部分第三方服务。用户只需要告诉豆包自己要去哪里，AI便可以规划路线、选择车型并发起订单。

另外有真机测试显示，在滴滴场景下，用户只说一句出发地、目的地和车型，豆包也能够自行进入应用、完成叫车流程，最后由用户确认订单。

也就是说，至少在部分平台上，“一句话打车”已经开始从Demo变成现实。

再换成“一句话订机票”，边界又出现了。

目前豆包已经能够根据出发时间、预算、目的地等条件查询交通方案，也可以帮助用户比较机票、火车票、酒店，甚至一次完成比较复杂的旅行规划。

但到了真正购票，事情就没那么简单了。

有测试者要求豆包直接购买机票，AI最终停在了交易之前。身份证、实名信息、支付密码等敏感信息仍然需要用户自己处理。

类似的情况也出现在酒店、火车票等场景中：AI已经可以替你找、替你选，甚至替你走完前面的大部分流程，但最后那一下，很多时候还是得自己来。

而微信则是另一堵墙。

有人要求豆包发一条朋友圈，AI成功打开微信后便无法继续；尝试让它直接回复微信消息时，同样会因为应用风控而停止自动操作。

至于一句话转账，现在就更不现实了。

涉及支付、实名验证等高风险操作时，NaviX Ultra仍然会把控制权交回用户，而不是让AI自己完成最终确认。

于是，把“手机替人办事”拆成几个最普通的生活场景后，它现在的能力边界就变得具体起来：

打车，部分平台已经能做；订机票、酒店，可以帮你查、帮你选，部分场景能走到下单前。

微信发消息、美团点外卖、淘宝购物，目前仍然存在明显限制；付款、转账等敏感操作，则必须把手机重新交回人手里。

这显然还不是很多人想象中那个“再也不用打开App”的未来。

更有意思的是，同一台NaviX Ultra，面对不同App时，表现甚至像两台手机。

有的服务已经可以一路执行到底；有的只能帮你打开App；还有的能查询、能规划，却不能替你完成最后一步。

问题因此变得越来越清楚。

豆包并不是突然“不会点屏幕”了。恰恰相反，从技术上说，它早在第一代就已经展示过操作这些App的能力。

真正决定第二代豆包手机能不能替你点下一步的，已经不只是AI够不够聪明。而是屏幕另一边的App，愿不愿意让它点。

一个有些反常识的事实是，如果只看“操作App”这件事，去年那台3499元的工程样机，甚至比今天5999元的NaviX Ultra看起来更加自由。

第一代豆包手机刚出现时，最让人兴奋的地方，就是它几乎不需要App配合。

当用户说“帮我点一杯奶茶”，AI会自己看懂屏幕上的文字和按钮，再像人一样点击、滑动、搜索、比价。理论上，只要一个App能被人操作，它就可以照着操作。

这种方式叫GUI Agent（图形用户界面智能体）。

它最厉害的地方，也恰恰是后来惹出麻烦的地方：豆包不需要先问App同不同意。

微信没有专门为豆包开发接口，它也可以看着屏幕点击微信；淘宝没有主动开放商品搜索，它也可以模拟用户进去搜索；甚至到了银行App，理论上AI依然可以尝试伸出这只“手”。

于是第一代上市没多久，问题就接连出现。

微信出现登录环境异常，淘宝触发人机验证，部分银行App直接中止登录和支付。

豆包当时专门回应过，相关能力依赖Android系统级权限，并非所谓“黑客行为”；微信方面也曾表示，并没有专门针对豆包采取额外措施，异常可能来自自动化操作触发了既有风控。

但对普通用户来说，结果没有区别：

一台号称可以替你操作App的手机，开始被App拒之门外。

除了这种“看屏幕、点按钮”的老办法，第二代豆包手机还在尝试另一条路：不再自己伸手进去点，而是让App主动把能力开放给AI，也就是MCP（Model Context Protocol，模型上下文协议）和A2A（Agent-to-Agent，智能体对智能体）协议为核心的协同模式。

区别很好理解。GUI模式下，豆包像一个替你拿着手机的助理，需要自己看懂页面，再一个按钮一个按钮地点；MCP模式下，App厂商主动开放接口，AI可以直接调用相应能力，不需要再模拟人的点击。

听起来，这似乎解决了第一代最棘手的问题。

但问题随即暴露出来：有多少App真的愿意开放？

目前公开确认接入的第三方服务仍然有限，曹操出行是其中较明确的一家。

京东、淘宝、拼多多、美团、携程、微信等主流App，目前均没有向豆包开放MCP接口。与此同时，这些App又普遍存在对模拟点击的限制，因此豆包即便知道应该怎么操作，也无法替用户完成应用内部的按钮点击。

不是豆包不会，而是它拿到的“钥匙”太少。

更有意思的是，这张名单几乎天然分成了三个圈层：

最里面是字节自己的应用，豆包拥有最充分的调用能力；再往外，是曹操出行这样已经主动合作的第三方；最外面，则是微信、淘宝、美团、京东、携程这些拥有庞大用户和独立生态的超级App。

越往外，豆包能够伸进去的手越短。

所以第二代豆包手机虽然号称可以跨App办事，但至少在现阶段，所谓“跨App”并不是整个移动互联网任由AI自由穿行，而更像一张正在逐个谈判、逐个开放的白名单。

豆包现在最大的麻烦，不是微信、支付宝们排斥 AI。恰恰相反，它们已经开始主动拥抱 Agent。

有用户专门向腾讯客服求证了这件事。腾讯客服回应称，微信确实正在与华为、荣耀、小米、OPPO、vivo等手机厂商合作推出A2A助手能力，目前荣耀已经首批接入。用户可以直接通过YOYO助手发起微信音视频通话，或者向指定好友发送消息。

支付宝也在做类似的事。

今年7月，OPPO 小布助手接入 AI 版支付宝“阿宝”。用户可以直接对小布说买电影票、点餐、缴费，需求被传给阿宝之后，再由支付宝自己的 Agent 调用内部服务，到了支付等关键环节，仍然由用户确认。

这和第一代豆包手机有一个很大的区别。

以前豆包想做的是：我自己进入你的 App，替用户点击。现在微信、支付宝提供的路径更像：你可以把需求交给我，但进了我的地盘，由我自己执行。

这背后当然有安全和隐私的考虑，但还有一个更加现实的问题：用户到底属于谁？

比如过去用户订酒店，要进入携程或者美团，搜索目的地、比较价格、浏览推荐，最后完成下单。平台不仅赚交易的钱，也在整个过程中掌握用户需求，并通过搜索、推荐和广告影响用户最终选择。

但如果以后用户只告诉豆包一句：“帮我订一家周末上海500元左右的酒店。”

最先知道用户去哪里、预算多少、喜欢什么的，就变成了豆包。

甚至用户可能再也看不到携程首页的广告、美团推荐的酒店，也不用浏览十几个搜索结果。AI比较完以后，只告诉他：“这家最适合你。”

于是问题就来了：为什么推荐携程而不是美团？为什么选这家酒店而不是另一家？平台要不要为豆包带来的订单付费？商家未来会不会像今天购买搜索排名一样，花钱争夺“被AI选中”的机会？

AI拿走的不只是几个按钮，而是离用户最近的位置。这也意味着，对微信、美团、淘宝们来说，开放给豆包的并不只是几个按钮，还可能涉及用户、数据和流量分配。这也是超级App很难轻易交出全部权限的现实顾虑之一。

所以，豆包手机真正要解决的，也许已经不是如何拿到更多App的操作权限，而是如何和这些超级App重新划分权力：豆包负责理解用户，微信负责社交，支付宝负责支付，美团负责外卖，各自在自己的地盘完成任务。

这没有“一个AI操作所有App”听起来那么性感，却可能更接近AI手机真正能够商业化的样子。

今年的世界人工智能大会上，中兴通讯终端事业部总裁、努比亚总裁倪飞曾给AI手机描绘过一个很激进的未来：“未来不是人操作手机，而是手机替人办事。”

九个月前，第一代豆包手机第一次让人看到这种可能；九个月后，NaviX Ultra终于把它做成了一台真正可以买到的商品。

但从目前的实际体验来看，手机已经可以替人叫车、规划行程、处理部分系统任务，却还不能自由地替人点外卖、买东西、发微信，更无法越过用户完成支付和转账。

从“人操作App”，到“AI替人操作App”，豆包已经迈出了第一步；但距离真正的“手机替人办事”，中间隔着的已经不只是一代更聪明的模型，还有微信、支付宝、美团、淘宝们的一扇扇门。

而这些门，靠AI自己是打不开的。因为门后守着的，是各家不愿轻易让出的用户、流量和生意。