同顺号-创作平台

　　文 | 产业家，作者|斗斗，编辑 | 皮爷

　　中国市场，似乎总存在一种独特的“加速度”，能够把原本停留在抽象层面的技术命题，迅速推入现实世界，接受真实场景的检验。互联网时代如此，AI时代也更是如此。

　　这一特征，在12月初豆包与努比亚联合推出的努比亚M153上体现得尤为集中。

　　在这款设备中，AI助手首次被赋予系统级执行权限，从调起外卖App、规划出行路线，到整理文件、拆解任务并自主调度多个应用，其开始真正代替用户完成跨应用操作，AI不再只是给建议，而是直接去做事。

　　而在当前的全球智能终端市场中，具备类似系统级自治执行能力的产品，几乎找不到可对照的案例。

　　也正因如此，产品发布仅两天，便在行业和用户层面引发了较高的讨论热度。除了关于“权限”的争议外，引发这场热议的核心原因恰是，一个长期存在于产业叙事中的抽象想象，第一次被具象化地呈现在公众面前，那就是AI，正在从能“思考”，迈向能“行动”。

　　事实上，过去两年，围绕AI Agent的讨论从未停止。模型公司、终端厂商、应用平台都在反复强调Agent将重写数字经济的运行逻辑。然而，用户并没有获得实质性的体感。豆包手机一定程度上打破了这种距离感。如果说ChatGPT曾让全球用户第一次切身感受到AI会“思考”，那么手机端Agent的出现，则第一次让人意识到，AI开始真正介入行动本身。

　　但这也引出了更深层的问题。那就是为什么AI必须从“能思考”走向“能行动”？又为什么，第一批具备行动能力的AI，会率先出现在手机这一终端形态之上？

　　更关键的追问在于，随着一个可行动的AI被放到了聚光灯下，所有深埋在概念里的问题都被放到了台面上，建立于移动互联网上的一众高频场景，真的已经准备好迎接一个能够独立“行动”的AI吗？

　　而更大的悬念，来自中国市场本身。

　　在国际科技巨头普遍保持谨慎推进Agent的节奏下，中国市场以应用场景密度更高、用户接受度更强、线上线下服务链路更完整、治理体系更统一，客观上构成了一个“可以提前上路”的试验场。中国能否在这一轮变革中率先跑出来？

　　这些问题，既指向AI Agent的未来走向，也将影响着中国数字经济的下一个十年。

　　一、AI价值共识：必须从“思考”迈向“行动”

　　“思考”型AI，正在遇到天花板。

　　OpenAI的财务情况，是一个直接的信号。2024年Q1，其推理成本还只是略高于收入，但2025年Q3，支出已经攀升到36.5亿美元，同期收入只有20.6亿美元。换言之，每赚1美元，就要在算力上花掉1.8美元，业务规模越大，亏损反而越深。

　　这种失衡，并不是个别公司的管理问题，而是由这一路径内在的成本结构所决定。随着模型越迭代越大、参数越多、推理链条越长，需要的计算资源就会快速上升，推理成本几乎是“往上蹿”的曲线。而收入端却受制于企业付费意愿和应用渗透节奏，只能缓慢爬坡。当“指数级的算力开支”遇到“线性增长的营收”，商业模型就会变得很吃力。

　　承压的远不止OpenAI。据UBS研究报告显示，自2024到2025年间，AI基础设施领域的投资资金从150亿美元激增至1250亿美元，几乎增长了8倍，但相关企业的利润增长并未同步提升。

　　从商业视角看，这一现象指向的是同一个核心问题。那就是以“思考”为主的AI，确实能为企业创造价值，但很难直接参与价值结算。当前大模型主流收费方式，仍以Token计价、调用次数计费为主，本质上仍是API生意，单位价值有限，且高度可替代。资本与产业对这种边界的感知，往往比技术社区更为敏锐。在既有形态下，“思考”型AI更像是一种效率工具，而非业务体系中不可或缺的生产要素。

　　于是，当这一轮“只会思考”的红利逐渐见顶，几乎所有头部玩家开始意识到，AI下一个价值点不在“思考”能力，而在“行动”能力。

　　那么，谁能掌握“行动权”？

　　其实，在传统的数字经济里，“行动权”主要集中于两类主体中，一类是操作系统和终端厂商，它们控制设备权限、系统入口、通知与前台展示；另一类是超级应用和平台公司，它们掌握着服务入口、交易链路以及用户关系。而在AI时代，Agent作为新的技术载体，被推至台前，逐渐演化为跨应用、跨服务的调度中枢。

　　这也是为什么模型公司、平台公司、终端厂商虽然叙事各异，但在资源投入和战略重心上，最终都不约而同地指向Agent。因为谁能占据这一调度层，谁就有机会在下一轮数字经济中，重新定义收费方式和价值分配逻辑。

　　在这一竞争中，手机成了一个绕不开的载体。

　　数据显示，中国成年用户平均每天使用手机约6.2小时，完成超过120次数字动作。支付、地图、出行、即时通讯等95%的高频任务，都发生在手机上。几乎所有与个人生活和工作相关的关键动作，都被压缩在这块小小的屏幕里。是用户“行动密度”最高的终端。

　　更关键的是，手机操作系统天然掌握着AI行动所需的应用安装和调用权限、前后台调度、身份认证、支付接口、系统级通知等，这些是一条“行动链路”的基础设施。

　　在这样的结构性条件下，手机终端顺理成章地成为各方验证AI商业价值的首要试验场，也成为“行动型AI”竞争中最先被点燃的战场。

　　二、Agent伪命题背后：三方势力试水“AI执行”

　　在Agent的方向逐渐清晰之后，企业开始“试水”，其中有三方势力，进入了对“AI行动权”的争夺战场。

　　最先动起来的，是以阿里、百度、腾讯等为代表的基础模型服务商。

　　对模型服务商而言，最直接、也是成本最低的落点，必然是自身已经掌握的应用入口。以阿里的千问为代表，这类厂商普遍选择通过“模型+自家应用生态”的方式承载Agent能力，即在一个统一的AI入口中，整合多模态、写作、代码与生活服务能力，并逐步打通云服务、电商与本地生活场景。生成的内容可以直接进入钉钉等，购物建议也能顺滑跳转到淘系完成交易，从而在单一App内形成相对完整的执行闭环。

　　这种路径的优势在于模型能力强、生态协同度高，Agent可以在一个相对可控且在App层面充分放权的环境中尝试执行任务。但其边界同样明显，那就是应用层能力，其权限止步于App之外，无法调度系统级资源，行动范围天然受限。

　　当应用层的边界逐渐显露，产业的视角也随之向下移动至系统层。

　　这正是终端厂商集体入场的背景。OPPO、小米、vivo、荣耀几乎同时将“大模型+系统级助手”确立为AI手机的核心方向，无论是OPPO在ColorOS中提出的“Agent Matrix”，还是小米在澎湃OS中对“超级小爱”的重构，核心目标都是让AI在操作系统层完成任务拆解、编排流程，并实现跨应用完成执行。

　　相比模型厂商，终端厂商的优势在于其太天然掌握系统级权限，比如通知管理、前后台调度、悬浮窗、无障碍接口，这些都是AI行动的关键入口。但与此同时，它们也承载着更重的约束，即一旦系统级自动化失控，冲击的将是整个应用生态与用户体验。因此，大多数厂商采取的都是渐进式推进策略，在原有助手框架内，谨慎扩大自动执行的边界，而非直接释放一个高度自治的Agent。

　　也正是在这种“有权限但不敢放开”的空隙中，原生AI厂商看到了另一种可能。

　　与模型厂商和终端厂商不同，豆包这类原生AI玩家既没有操作系统，也没有平台级生态，唯一的核心资产是模型能力。如果无法切入行动层，或将只能停留在API供应商的位置。因此，豆包选择了一条更为激进的路径，直接争夺系统层的行动入口。

　　不同于单纯做App，豆包手机助手一开始就选择与中兴在OS层深度合作，让大模型以虚拟用户的方式操作手机界面。在M153工程机上，用户已经能直观看到一种更接近真实Agent的形态。

　　不过，其也迅速触碰到了现实阻力。当系统级Agent具备自主操作能力，应用方会本能地进入防御状态，通过权限、协议和风控策略限制自动行为。这背后既有合规需求，也有对既有流量结构和商业模式被重构的警惕。

　　综合来看，三条路径共同勾勒出当前Agent竞争的基本图景。模型厂商在“模型+自家生态”中做Agent，有智力，但缺乏权限；终端厂商在OS层做Agent，有权限，却必须优先维护生态稳定；原生AI厂商试图借系统合作直达行动中枢，野心最大，也最容易遭遇阻力。

　　表面上，Agent之战比的是模型能力和交互体验。但真正决定成败的，并不在模型层或单一应用层，而是谁能在不打破既有秩序的前提下，为AI争取到足够的行动空间。不过就目前来看，在规则尚未重构之前，Agent真正行动的幅度，注定有限。大多数探索仍被牢牢限制在各自的生态边界之内。

　　三、鲶鱼背后：一个正在推进的产业结构重塑

　　在豆包手机和这一轮“试水”过程中，更深层的体系性矛盾被集中暴露出来。

　　在既有数字体系中，操作权限天然绑定于人类用户之上。而当一个非人类智能体开始持续、规模化地发起操作。这套默认前提便不再成立。谁来界定AI能做什么、不能做什么。当Agent可以完成支付、下单、修改信息乃至直接参与交易时，权限的边界不再清晰，传统的授权逻辑随之松动。

　　随之而来的是商业模式的挑战。在依赖人类注意力的体系中，广告与推荐形成了稳定闭环；但当决策者变成Agent，没有点击和停留，价值如何衡量，收益如何分配，迄今仍缺乏可复制的答案。

　　第三个问题是责任机制的缺位。当AI出现错误并造成损失，责任应由平台、模型、用户还是Agent本身承担，在法律与制度尚未完善之前，这一问题无法被回避。

　　从更底层的视角看，这些问题归根结底，其实都源于基础设施的缺失。

　　目前，大量应用仍只为人类操作而设计，缺乏标准化动作接口和可验证结果的能力，整个生态并没有为AI“动起来”做好准备。所以，AI Agent面临的核心挑战不是技术不足，而是体系滞后。当围绕人类用户构建的规则逐渐失效，而新的行为主体已经入场，冲突几乎不可避免。

　　但也是这些冲突，正在倒逼产业链上的各方重新审视自己位置，并以不同姿态加速入场。

　　例如，智谱近期推出的AutoGLM，已不只是一个对话系统，而是具备“Phone Use”能力的智能体产品，能够根据用户指令自动完成打开APP、下单、选择支付等复杂操作，呈现出AI Agent执行真实任务的雏形。该技术甚至被业界视为，全球首个具备此类手机操作能力的开源代理模型。

　　与此同时，一些SaaS和B端服务，也在弱化复杂UI，转而提供更清晰、可预测的指令化接口，本质上是在为Agent预留入口。

　　当越来越多的参与者开始围绕“如何让AI真正动起来”重构自身能力，Agent时代便不再只是概念上的演进，而是逐步具备了现实发生的条件。

　　在此基础上，可以预见的并非一场简单的“替代”，而是一轮长期的结构性迁移。Agent的出现并不意味着推荐流或信息流广告会迅速消亡。无论是搜索、内容分发还是商品推荐。在执行任务前依然需要参考排序结果，但这套体系的服务对象，正在从“人”转向“Agent”。

　　这一转变，将进一步引发UI价值的结构性重估。长期来看，“对人友好”的UI将持续贬值，尤其是在B端场景中；相反，动作语义清晰、接口稳定、结果可预期、可验证的服务，将逐步获得更高的调用权重。对Agent友好，正在成为新的基础能力。

　　而在这场重构中，并非所有市场都会以同样的速度适应。有些只能被动调整，有些则具备成为天然加速器的条件。

　　四、中国市场，在成为AI最好的试验田

　　放眼全球，AI技术竞争正迅速进入白热化阶段。近两年，大模型在参数规模、推理能力和多模态表现上的进步速度明显加快。仅2023–2024年间，主流模型在MMLU、GSM8K等推理基准上的正确率提升幅度普遍超过20个百分点，多模态模型在图像、语音、视频理解上的能力也被不断刷新。模型能力的进化周期，已经从“以年计”压缩到“以月计”。

　　在这一背景下，各国、各大科技公司几乎沿着同一条技术曲线前进。无论是模型规模、训练方法，还是推理优化路径，都在快速趋同，模型之间的能力差距正在被迅速拉平。

　　但当视角从能力竞争转向实际落地，分化开始显现。

　　AI Agent的真正成立，所依赖的不只是模型智能，而是一整套可执行、可协同、可规模化的落地环境。一个事实是，能够承载Agent的市场，至少需要几个前提。比如，足够密集且标准化的服务场景，才能让任务被拆解并自动完成；完整的线上到线下闭环，才能让决策直接转化为现实结果；用户对自动化与代理行为的高度接受，才能让授权与信任成为常态；产业链之间足够快的协同能力，才能让接口、权限和规则不断迭代；以及一个能够推动标准逐步统一的治理体系，为AI行动划定安全边界。

　　正是在这些维度上，不同市场开始出现分化。

　　数据显示，美国用户月均使用App数约40–45个，而中国用户约25–30个；中国前5大超级App微信、支付宝、抖音等，占用户总使用时长大60%，而美国前5大App使用时长占比不足35%。

　　一个事实是，许多海外市场在服务结构、场景密度和系统协同上相对分散。应用碎片化、线上线下割裂、权限高度敏感，使得AI更多停留在建议者、助手的角色，很难自然过渡为真正的执行者。

　　而在中国市场，几乎是天然具备AI Agent所需的运行条件。

　　具体来看，高密度、可自动化的生活与商业服务，已经将大量现实行为压缩为标准流程。外卖、出行、零售、政务、金融等领域高度平台化，使得任务具备清晰接口。支付、履约、调度体系的全面数字化，使线上指令可以直接撬动线下结果。长期的产品演进，也显著提高了用户对自动化执行与代理行为的接受度。

　　与此同时，中国市场在模型、终端、App与服务平台之间，具备快速联动和对齐的能力。这种能力并非来自单一企业，而是整个数字生态长期积累的结果。多重因素叠加，使得AI Agent不只是理论上可行，而是真正跑得下去。

　　也正是在这样的背景下，豆包手机所代表的Agent形态率先出现在中国，并非偶然。是市场条件成熟后的一次自然显现。当权限体系、服务接口、用户习惯与产业协同同时到位，AI Agent才第一次以“可以日常使用”的形态出现。

　　从这个视角看，中国市场正在提供一块极具价值的试验田，用以验证AI Agent是否具备真正规模化运行的可能。而能够在这样的环境中跑通的厂商，未来输出到全球的，将不只是模型参数或单一产品形态，而是一整套围绕AI行动而重构的新AGI操作系统。

　　豆包手机，正是被打响的第一枪。