AI手机：两条技术路线的未来展望

近期，科技界见证了AI在智能手机领域的两场“革新”事件，分别由苹果与谷歌的合作，以及字节跳动的豆包AI手机所引领。

在彼岸的美国，苹果与谷歌携手，宣布将谷歌的Gemini引入Siri，但并未直接让Gemini操控应用，而是让用户通过Siri传达意图，再由Siri调用相应应用。简而言之，AI在此仅扮演“调度员”的角色。这样的操作方式，无疑是“苹果式”的保守。

反观国内，字节跳动的豆包AI手机因功能多样而备受瞩目，从打车、购物到订票，AI化身“万能助理”。这一策略则显得更为“互联网式”的激进。

尽管两者都冠以AI手机之名，实现路径却大相径庭。这背后，实际上代表了两种截然不同的技术路线：

一种策略是让AI与App学会“对话”，通过标准接口直接调用应用功能，即A2A（Agent-to-Agent）。此路虽需多方协作、制定规则，进展缓慢，但更为稳健。

另一种则是赋予AI一把“万能钥匙”，通过系统权限“读屏”并模拟操作APP，即GUI（图形用户界面）。此路虽简单易行、进展迅速，却潜藏风险。

技术路线的选择，实则各家公司基于自身利益与生态位，对未来主导权的一次战略押注。谁的模式能赢得用户青睐，将决定未来十年我们如何与手中的设备共存。

双轨并行：两种逻辑

要深入理解这场竞赛，我们需剖析这两条路线背后的逻辑。

GUI路线，以“快”字当头。

其实现方式最初依赖于安卓系统中的“无障碍服务”功能。这一权限原为视力障碍者设计，便于他们通过语音指令操作手机。如今，AI借此权限“读懂”屏幕文字与图标，模拟人类操作。随后，市场上出现了更为“先进”的路线，即AI助手获得手机厂商的系统签名权限，从而更流畅地模拟操作。

此法的优势显而易见——它绕过了所有App厂商，直接将AI能力覆盖至现有应用生态中。对于急于在AI领域占有一席之地的厂商而言，这是最快的验证路径。

“当用户习惯通过AI助手操作所有App时，这个助手便成为新的流量入口。”关注互联网公司的投资人林亮表示。然而，对于用户而言，GUI的体验可能“时灵时不灵”。

“GUI非常依赖应用界面的稳定性。”应用开发者陈刚表示，“如果App更新界面设计，例如按钮位置变动，都可能让AI‘点错’位置，导致任务流程中断。”

陈刚指出，当任务链路变长时，这种不稳定性会被放大。有数据显示，一个包含5个步骤的操作，即便每一步的成功率都高达90%，整个任务的最终成功率也可能骤降至59%。

除了体验上的不确定性，许多用户还担忧安全和隐私风险。在GUI模式下，AI需通过“读屏”理解屏幕内容，进而决定下一步操作。这意味着它需实时获取屏幕信息。尽管厂商承诺数据会加密或不上传，但用户心中难免有疑虑：用户的数据在何种情况下被收集、如何使用、由谁负责？

A2A则是完全不同的思路。它不让AI“看”屏幕，而是为AI与各个应用建立一套通用的“对话语言”——即标准的API接口。

这听起来或许有些抽象。想象一下这样的场景：你对手机说“帮我打车去机场”，系统Agent理解后，直接告知相应的Agent：“用户要去机场，请提供打车服务。”出行App的Agent收到请求后，在自己的权限范围内完成任务。

A2A的核心在于“合作”。这一路线中有个关键设计叫“双重授权”：同时获得用户和应用方的授权。

这样一来，权责变得清晰明了。用户可以对不同的App设置不同的权限等级。例如，允许AI读取外卖App比价信息，但禁止读取银行App；对于转账这样的高风险操作，每次执行都需用户额外确认。由于数据流动通过明确的接口进行、有据可查、即便出现问题也可追溯。

那为什么并非所有厂商都选择A2A呢？

因为协调成本很高。A2A需要操作系统厂商、应用开发者共同推进一套标准化协议。没有足够多的应用支持、A2A的价值就难以显现；没有明确的价值、开发者就缺乏适配的动力。

因此、A2A注定是一场“持久战”。它“慢”在生态共识的达成与基础设施的建设。

现在、两条路线的逻辑已清晰：GUI虽有一定风险但高效、能让厂商用最小代价快速验证AI手机的可能性。A2A稳妥但缓慢、需要更多协调和投入、不过一旦成功、就能建立一套更安全的体系。

巨头们的算盘：不同路线的背后

在手机端、海外巨头几乎都选择了A2A、推动API（接口）集成。

苹果最直接。它升级了“App Intents”框架、要求所有想接入AI功能的应用、都必须按照苹果制定的标准提供API接口。

谷歌的路更为复杂。它一边推“AppFunctions API”来统一智能体交互标准、一边大力推广各类应用适配。这是个缓慢的过程。

微软自研了“AutoGen”这样的多智能体对话框架、探索不同AI智能体如何更好地协同。

OpenAI和Anthropic虽不直接做手机、但它们推动的“函数调用”和“工具使用”功能、实际上就是A2A的技术前身。根据Anthropic公布的数据、从2025年3月的2000多个活跃MCP服务到12月已超过1万个——这个增速相当惊人。

为什么无论是苹果、谷歌这样的操作系统霸主、还是微软、OpenAI这样的AI领头羊、都选择了缓慢的接口路线？

因为它们是现有秩序的建立者和最大受益者。

苹果、谷歌的核心利益是维护平台、稳定开发者。未经三方授权就简单使用GUI、这种“外挂式”的路线、本质上是在挑战它们的统治地位。因此它们必然会选择A2A这种“可控”的方案、将AI能力牢牢掌握在自己手中、作为强化生态控制力的新工具。

海外巨头的GUI尝试主要停留在PC端、且严格限制在受控环境（如浏览器、沙盒、虚拟机）内。

相比之下、国内市场格局更为复杂。巨头中既有“挑战者”也有“守成者”、选择也因此更多样。

字节跳动的豆包大模型与中兴努比亚深度合作