Related articles
文 | 字母 AI
9 月 16 日，努比亚 NaviX Ultra 正式亮相，人称豆包手机二代。
这款手机内置豆包手机助手消费者版，侧面的 AI 键集成了指纹识别，按下去就能直接把豆包拉入工作状态；一声 「豆包豆包」，也可以随时叫它出来。
从打开豆包 App 到直接唤醒豆包手机助手，减少的是 Agent 和任务之间的距离。
Agent 的本质是任务入口。终极目标一定是用户只需要表达需求，Agent 就能给出结果。
就在两天前，新一代 Siri AI 终于上线，苹果也总算交出了手机 Agent 的答卷；但 iPhone 卖得再好，那套能力在国内还没法用。
这个位置，豆包手机助手抢先了一步。
努比亚 NaviX Ultra 12GB+512GB 版本售价 5999 元，国补后 5499 元起。现货开售后，努比亚很快公布首销战报：销售额一秒破亿元。
Agent 即入口
9 月 16 日的发布会上，努比亚总裁倪飞展示了一个 「特殊」 的案例：一位盲人用户举起手机，把摄像头对向自己眼前的美景。豆包替他识别眼前的环境、物体和信息，再通过语音把结果告诉他。
对普通用户来说，这可能只是一次视觉问答，但对一个看不见的人来说，手机摄像头突然变成了一双可以随时唤醒的 「眼睛」。
这并不完全是一项新能力，豆包原本就能看图、识物、理解镜头里的内容。真正变化的是，在豆包手机助手里，这些能力不再需要先打开一个 App、找到功能、再把画面交给 AI。
当需求发生的时候，AI 就在手里。
努比亚在发布会上给出了一组数据：在智能体手机出现之前，一次手机任务平均要点击 11 次、滑动 44 次，一个人每天要解锁手机 68 次，累计触摸屏幕超过 2600 次。
手机里的 AI 功能并不稀奇：修图、摘要、翻译、搜索，几乎每台手机都能做，但这些能力大多仍然是一件件工具，需要用户自己找到入口。
AI 智能体手机则希望往前一步，尽可能地减少 「找入口」 这件事本身，用户只需要表达需求，剩下的由 Agent 帮你搞定。
豆包手机二代的第一个明显变化就是，让豆包手机助手用得简单、随时可用。
手机侧面的 AI 键集成了指纹识别，验证本人后无需二次解锁，可以直接调用豆包手机助手；不方便按键时，喊一句 「豆包豆包」 也能唤起。
语音还接入了 Seed 全双工模型，支持连续交流和中途打断，并针对远场、方言以及地铁、街道等嘈杂环境进行了强化，不挑场合和环境。
为了保证豆包手机助手能随时接住任务，NaviX Ultra 在 7.62 毫米机身里塞进了 7100mAh 的电池，又专门做了星穹全域通信系统和全链路网络通讯增强。
同时，第五代骁龙 8 至尊版、512GB 起步、2 亿像素主摄等旗舰配置，也保证了它首先是一台能够长期作为主力机使用的手机。
但随叫随到只是第一步，一个能够把事情做完的 Agent，还要知道你正在做什么。
豆包手机助手开始把更多手机里的上下文交给 AI。当前屏幕上的内容，有问题可以直接问，不需要截图、复制，再去问豆包 App。用户授权以后，相册、短信、便签等本地信息也可以直接检索；看到值得留下的东西，一句 「记一下」，或者一个手势，就能把当前屏幕存进个人记忆，需要时再调取。
录音则已经接入飞书妙记，在会议结束之后可以直接完成转录，区分说话人、总结、翻译，用户还可以继续追问这场会议里到底讨论过什么。
这些能力单独拆开可能没什么特别，但当它们开始被收进同一个上下文里，用户就不用反复告诉 AI 自己以前做过什么、现在又在做什么。Agent 知道的越多，人需要亲自完成的中间步骤就越少。
再往前一步，就是 Agent 究竟能不能替用户把事情办完。
努比亚在发布会上披露，豆包手机助手目前端到端任务成功率已经超过 80%。一个复杂需求交给它后，模型自己会判断采用什么执行方式，拆解步骤，并在执行遇到变化时继续调整。发布会甚至给出了 「数百步、长达数十分钟」 的长链路任务，过程中可以随时插入新的指令，锁屏之后也不会停。
任务可以在后台运行和排队，用户不用一直盯着手机看它究竟到了哪一步，中途还能继续补充条件，插入新的急活；用户临时接管时，AI 会暂停，退出后再继续。
在字节自己的生态里，飞书、汽水音乐等服务已经可以直接被豆包手机助手调用。
字节之外，目前明确接入的第三方包括曹操出行和地图服务，豆包方面称已经开放开发者接入，并表示后续会持续扩展服务生态。
去年 M153 最惊艳的 GUI 能力仍以 Beta 形式保留。遇到没有直接接口、但允许 GUI 自动化的服务，豆包依然可以看懂屏幕，模拟人的点击、滑动，在 App 里替用户操作。
但二代给这双 「手」 加上了边界，豆包手机助手同步推出 SAEP（屏幕自动化操作声明协议），第三方 App 可以自己决定是否允许 AI 自动操作，也可以进一步限制截图、模拟输入、修改内容等具体权限。
SAEP 目前设置了 30 天公示期。期间没有明确同意的第三方 App 默认不会被 GUI 智能体操作；公示结束后，明确拒绝的应用仍不会被操作，而没有表态的应用，则会按照应用风险层级逐步开放。
如果第三方愿意更深度合作，也可以通过 A2A，MCP 或者官方接口，直接把能力开放给 Agent。
当然，豆包手机二代现在还算不上完美，外部第三方服务的接入仍然有限，像淘宝、京东这类外部电商，目前并不能直接完成操作。但和去年的工程样机相比，二代已经把这套 Agent 体验做成了一台正式面向普通消费者销售的量产手机，努比亚直接称它为 「全球首款 AI 智能体手机」。
从直接唤醒豆包手机助手到理解用户的上下文，再到调用自己的服务和越来越多的第三方 App，豆包手机二代正在一圈圈扩大 Agent 能够承接任务的范围。
先让 AI 随时都在，再让它越来越懂你，最后，让它真的把事情办完。
给豆包装上身体
去年 12 月，努比亚 M153 开卖时，字节第一次给豆包装上了一具真正能 「伸手」 的身体。它可以自己打开 App，识别页面，点击按钮，像人一样操作手机。
豆包团队从一开始就强调，自己没有开发手机的计划，而是和手机厂商做操作系统层面的合作。M153 本身也被定位为一台技术预览性质的工程样机，主要用来验证豆包能否真正作为手机助手进入系统层。
但这台工程样机拿到了不错的反响，市场反应远超预期。界面新闻后来披露，首批备货约 3 万台，开售后不到 24 小时便宣告售罄；它的初始定价为 3499 元，二手市场上很快出现数千元的溢价。
这是一次相当大胆的尝试，形态超前，甚至跨过了移动互联网用了十几年的 App 逻辑，试图直达 Agent 时代，直接替人把需求做完。
因此，它也碰到了很多现实的壁垒。
一代的经验成为了二代继续向前的土壤，至少它留下了两个答案：第一，用户真的愿意尝试一台由 AI 深度参与操作的手机；第二，当 Agent 开始真正替人办事之后，手机不再只是 AI 的载体，而会变成 AI 和整个移动互联网发生关系的地方。
M153 卖完之后，下一代手机——也就是现在的努比亚 NaviX Ultra——很快进入了准备阶段。今年 7 月，豆包手机二代已经按照约 20 万台的量级准备供应。9 月，豆包手机助手消费者版发布。
公开数据显示，截至 9 月 15 日 13 点 30 分，NaviX Ultra 在京东的预约量达到 37.3 万；努比亚首销战报称，NaviX Ultra 开售后销售额 1 秒破亿元。
从 3 万台工程样机到真正面向普通消费者的量产旗舰，豆包开始真正住进手机深处。
AI 不能永远住在一个 App 里，它需要离人更近。手机尤其关键，因为它仍然是今天大众最重要、最高频的计算终端。
2025 年 2 月的字节全员会上，梁汝波给 AI 业务定下了三个方向：追求智能上限、探索新的交互、加强规模效应。那时 Ola Friend 耳机刚发布几个月，梁汝波特别强调，耳机 「只是初步尝试」。
从坚果手机核心团队进入字节，到收购 PICO、推出 Ola Friend，再到两代豆包手机和车载 AI，字节其实已经围绕硬件入口探索了很多年。就在 NaviX Ultra 发布的同时，努比亚还推出了 LiveClip 2 开放式耳夹耳机，可以与手机联动，轻触耳机直接唤醒 AI 助手。
不同的硬件对应的是不同的使用距离和具体场景，耳机常驻耳边，手机握在手里，汽车又把 AI 带进另一个高频空间。不同的终端，其实是在不断缩短 Agent 和需求发生现场之间的距离。
而硬件入口乃至操作系统，本身就是一种优势。
苹果是最好的参照。过去几年，Apple Intelligence 频频延期，Siri 反复跳票，发布会上画过的很多能力迟迟无法兑现，一次次让用户失望，但苹果从来没有因此失去 AI 时代的入场券。iPhone 和 iOS、Mac 和 macOS，移动端和桌面端最核心的硬件入口和操作系统都掌握在苹果自己手里，只要这两张王牌还在，苹果就永远有机会把新的 AI 能力直接推到用户面前。
对于 Agent 来说，这种位置尤其重要——大量的任务从这里开始。谁掌握系统，谁就更接近用户的屏幕、账号、权限和应用分发；谁掌握硬件，谁就更接近现实世界。
字节正在让豆包不断接近任务发生的场景。
9 月 15 日，就在豆包手机二代发布的前一天，字节又开了一场 「飞书未来无限大会暨豆包工作开工大会」，给 Agent 发了 「工牌」。飞书发布 8.0 版本，整个产品开始为 Agent 重新适配，豆包工作则直接原生融入飞书，二者共用同一套账号体系；新发布的豆包工作伙伴甚至拥有自己的身份、权限和记忆，可以直接进入群聊，和人一起工作。
手机让豆包进入用户的日常操作，飞书则把它推进文档、会议、消息和企业系统，可以说，哪里有需求，字节就把豆包带到哪里。
字节过去靠推荐算法承接 「下一条内容」。推荐算法负责猜中用户此刻想要什么，今日头条、抖音、番茄、红果等产品，则负责把对应的内容送到用户面前。
到了 Agent 时代，这套逻辑开始从内容往任务延伸，现在，它想靠豆包承接用户的 「下一步行动」。
从内容生态到任务入口，字节正在把自己嵌入用户数字生活的更多环节。
模型给了豆包大脑，而字节正在给它寻找身体。
谁能成为用户的第一入口？
办公 Agent 之战愈演愈烈，阿里、字节、腾讯接连加码，千问办公、豆包工作、Work Buddy 等产品和能力相继更新。
三家公司抢的其实是同一个位置，即一项工作开始的时候，用户先把它交给谁。
就像我们在前面所说的那样，Agent 本质上是任务的入口，它的终极目标是用户只需要表达需求，它就能给出结果。
办公只是最直观的一块战场。把范围放大到用户的整个数字生活，各家的底牌会更加清晰。
腾讯掌握着国内最大的社交网络。消息、群聊、朋友圈、公众号、小程序，大量生活服务本来就从微信开始。现在 「小微」 扩大灰测，已经可以通过文字或语音发送消息、拨打电话，以及调起小程序完成日常服务。对腾讯来说，Agent 可以直接长在已经存在的社交关系和小程序服务之上。
阿里的优势则更加接近交易和履约。淘宝承接商品和交易，支付宝承接支付和大量生活服务，高德和飞猪再把出行和旅游接进来。千问今年把这些服务进一步打通后，用户就可以用一句话从点餐、购物、订机票和酒店，一路走到支付。
可以认为，腾讯和阿里的生态覆盖了需求和任务发生的具体场景，他们可以让 Agent 直接进入这些场景，把自己的超级 App 变成 Agent 的能力。
字节的路径则和他们相反。
字节在互联网时代积攒下来的内容生态，可以喂养模型、理解用户、分发产品，却很难天然承接用户的具体任务。
但字节有豆包。豆包已经把自己做成了一个大众入口。
按 QuestMobile 统一口径，2026 年 6 月豆包 AI 原生 App 月活已经达到 3.82 亿，千问为 1.67 亿，DeepSeek 为 1.29 亿。豆包不仅是中国用户规模最大的 AI 原生 App，6 月单月还新增了 1378 万活跃用户。
它的名字已经不再需要过多解释，不少用户会顺口喊一句 「豆包豆包」，有问题先问他，拍到一个不认识的东西也先丢给他看看。很多 AI 还在努力让用户记住自己叫什么，但豆包已经到了被挂在嘴边的阶段。
换句话说，它已经让大量用户习惯了直接把需求交给他。
别人先有场景，再把 Agent 放进去；字节先有豆包，再让豆包去覆盖场景。
而今天的豆包早已不是去年的那个 Chatbot，它早已从一个回答问题的 AI 入口，变成了一个承接任务的入口。
现在，字节又把这个已经形成的用户心智装进了一台真正的消费手机里，拿走了 「打开豆包 App」 这最后一步，让它成为了一个 「随叫随到」 的手机助手。
Agent 一定会走到手机，不只是一个 App 的位置，还要走到操作系统这一层。进入系统之后，Agent 才能真正拿到权限、上下文和应用能力，把用户交给它的事情一路做完。
谷歌已经把 Gemini 推进 Pixel 11，可以跨 40 多个应用执行多步任务；苹果的新 Siri AI 也补上了屏幕理解、个人上下文和系统级 App Actions。甚至连原本没有手机操作系统的 OpenAI，也被传出正在推进一款 AI 手机，设想用 Agent 取代传统的 App 操作方式，并同时掌握硬件和系统。
字节的优势在于，豆包就在中国市场，而且已经有了大规模用户。它不需要等海外模型和产品进入中国，也不需要从零开始教育用户认识一个新的 AI 助手。
Pixel 11 目前没有在中国大陆官方销售，苹果也明确表示 Siri AI 暂不在中国提供，但豆包手机二代，现在买了，到手就能用。
不过，需要注意的是，到手就能用并不等于无限畅用豆包手机助手。
豆包手机助手的基础使用不需要额外订阅，但 「操作手机」、录音纪要等高级能力存在免费额度，用完后需要等待额度恢复，或者开通豆包专业版获得更多用量。官方帮助中心明确表示，手机助手的额度与豆包专业版其他高级功能共享。
目前豆包专业版连续包月 68 元起，至于 NaviX Ultra 是否会像一代 M153 那样赠送会员额度，官方暂未公布。
