iPhone的生态位，被豆包手机抢了吗？
9月16日，努比亚NaviX Ultra正式发布，被外界称为豆包手机的第二代产品。这款手机内置了豆包手机助手的消费者版本，侧面配备的AI键集成了指纹识别功能，按下即可直接激活豆包进入工作状态；而喊一声“豆包豆包”，也能随时将其唤出。从打开豆包App到直接唤醒豆包手机助手，缩短的是Agent与任务之间的距离。
Agent的本质是任务入口。其最终目标必然是用户只需表达需求，Agent便能直接给出结果。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；但即便iPhone销量再高，这套能力在国内仍无法使用。在这一领域，豆包手机助手抢先了一步。
努比亚NaviX Ultra的12GB+512GB版本售价为5999元，享受国补后起售价为5499元。现货开售后，努比亚迅速公布了首销战报：销售额在1秒内突破亿元。
Agent即入口
在9月16日的发布会上，努比亚总裁倪飞展示了一个“特殊”案例：一位盲人用户举起手机，将摄像头对准眼前的景色。豆包替他识别周围的环境、物体和信息，再通过语音将结果告知他。对普通用户而言，这可能只是一次视觉问答，但对看不见的人来说，手机摄像头瞬间变成了一双可随时唤醒的“眼睛”。
这并非完全是一项新能力，豆包原本就能看图、识物、理解镜头内容。真正变化的是，在豆包手机助手中，这些能力不再需要先打开App、找到功能、再将画面交给AI。当需求发生时，AI就在手边。
努比亚在发布会上提供了一组数据：在智能体手机出现之前，完成一次手机任务平均需要点击11次、滑动44次，每人每天解锁手机68次，累计触摸屏幕超过2600次。手机中的AI功能并不稀奇：修图、摘要、翻译、搜索，几乎每台手机都能做到，但这些能力大多仍是独立工具，需要用户自己寻找入口。
AI智能体手机则希望更进一步，尽量消除“找入口”这一环节，用户只需表达需求，剩下的由Agent完成。豆包手机二代的第一个明显变化，就是让豆包手机助手操作简单、随时可用。手机侧面的AI键集成了指纹识别，验证身份后无需二次解锁，可直接调用豆包手机助手；不方便按键时，喊一句“豆包豆包”也能唤醒。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，不挑剔场合和环境。
为确保豆包手机助手能随时接住任务，NaviX Ultra在7.62毫米的机身中塞进了7100mAh的电池，并专门设计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，一个能完成任务的Agent还需了解用户当前正在做什么。豆包手机助手开始将更多手机内的上下文信息交给AI。当前屏幕上的内容，用户可直接提问，无需截图、复制后再去问豆包App。获得授权后，相册、短信、便签等本地信息也可直接检索；看到值得保存的内容，说一句“记一下”或做一个手势，就能将当前屏幕存入个人记忆，需要时再调取。录音则已接入飞书妙记，会议结束后可直接完成转录，区分说话人、总结、翻译，用户还能继续追问会议中的具体讨论内容。
这些能力单独拆开可能并不特别，但当它们被整合到同一个上下文中时，用户无需反复告诉AI自己以前做过什么、现在又在做什么。Agent了解得越多，用户需要亲自完成的中间步骤就越少。
再进一步，就是Agent能否真正替用户完成事务。努比亚在发布会上透露，豆包手机助手目前的端到端任务成功率已超过80%。一个复杂需求交给它后，模型会自行判断采用何种执行方式，拆解步骤，并在执行中遇到变化时继续调整。发布会甚至展示了“数百步、长达数十分钟”的长链路任务，过程中可随时插入新指令，锁屏后也不会停止。任务可在后台运行和排队，用户无需一直盯着手机查看进度，中途还能补充条件或插入新任务；用户临时接管时，AI会暂停，退出后再继续。
在字节自己的生态中，飞书、汽水音乐等服务已可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，豆包方面表示已开放开发者接入，并承诺后续将持续扩展服务生态。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，豆包依然能看懂屏幕，模拟人的点击、滑动，在App中替用户操作。但二代为这双“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可自行决定是否允许AI自动操作，并进一步限制截图、模拟输入、修改内容等具体权限。
SAEP目前设有30天公示期。期间未明确同意的第三方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，而未表态的应用则会按应用风险层级逐步开放。如果第三方愿意更深度合作，也可通过A2A、MCP或官方接口，直接将能力开放给Agent。当然，豆包手机二代目前还算不上完美，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。但与去年的工程样机相比，二代已将这些Agent体验打造成一台正式面向普通消费者销售的量产手机，努比亚直接称其为“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上下文，再到调用自身服务和越来越多的第三方App，豆包手机二代正逐步扩大Agent能承接任务的范围。先让AI随时在线，再让它越来越懂你，最终让它真正完成事务。
给豆包装上身体
去年12月，努比亚M153开售时，字节首次为豆包装上了一具能真正“伸手”的身体。它可以自行打开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，而是与手机厂商在操作系统层面进行合作。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。
但这台工程样机获得了不错的反响，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；其初始定价为3499元，二手市场上很快出现了数千元的溢价。这是一次相当大胆的尝试，形态超前，甚至跨越了移动互联网用了十几年的App逻辑，试图直达Agent时代，直接替人完成需求。因此，它也遇到了许多现实障碍。
一代的经验成为二代继续前进的基础，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开始真正替人办事后，手机不再只是AI的载体，而会变成AI与整个移动互联网交互的场所。M153售完后，下一代手机——即现在的努比亚NaviX Ultra——很快进入准备阶段。今年7月，豆包手机二代已按约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，豆包开始真正融入手机深处。AI不能永远困在一个App里，它需要离人更近。手机尤其关键，因为它仍是今天大众最重要、最高频的计算终端。
2025年2月的字节全员会上，梁汝波为AI业务定下三个方向：追求智能上限、探索新交互、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，字节实际上已在硬件入口方面探索多年。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，可与手机联动，轻触耳机直接唤醒AI助手。
不同的硬件对应不同的使用距离和具体场景，耳机常驻耳边，手机握在手里，汽车则将AI带入另一个高频空间。不同的终端，其实是在不断缩短Agent与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，发布会上画过的许多能力迟迟无法兑现，一次次让用户失望，但苹果从未因此失去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中，只要这两张王牌还在，苹果就永远有机会将新AI能力直接推给用户。
对于Agent而言，这种位置尤为重要——大量任务从这里开始。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前一天，字节又举办了一场“飞书未来无限大会暨豆包工作开工大会”，为Agent发放了“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，可直接进入群聊，与人一起工作。
手机让豆包进入用户的日常操作，飞书则将其推进文档、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、红果等产品则负责将相应内容送到用户面前。到了Agent时代，这套逻辑开始从内容向任务延伸，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，字节正将自己嵌入用户数字生活的更多环节。模型赋予了豆包大脑，而字节正在为它寻找身体。
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。三家公司争夺的其实是同一个位置：当一项工作开始时，用户先把它交给谁。正如前文所述，Agent本质上是任务入口，其终极目标是用户只需表达需求，它就能给出结果。
办公只是最直观的战场。将范围扩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，已可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。对腾讯而言，Agent可直接生长在已有的社交关系和小程序服务之上。
阿里的优势则更接近交易和履约。淘宝承接商品和交易，支付宝承接支付和大量生活服务，高德和飞猪再将出行和旅游接进来。千问今年将这些服务进一步打通后，用户可用一句话从点餐、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，他们能让Agent直接进入这些场景，将各自的超级App变成Agent的能力。
字节的路径则与他们相反。字节在互联网时代积累的内容生态，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。豆包已将自己打造成一个大众入口。按QuestMobile统一口径，2026年6月豆包AI原生App月活已达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。它的名字已无需过多解释，许多用户会顺口喊一句“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，但豆包已到了被挂在嘴边的阶段。
换句话说，它已让大量用户习惯了直接将需求交给它。别人先有场景，再将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，字节又把这个已形成的用户心智装进一台真正的消费手机中，拿走了“打开豆包App”这最后一步，让它成为一个“随叫随到”的手机助手。
Agent一定会走到手机层面，不只是一个App的位置，还要走到操作系统这一层。进入系统后，Agent才能真正获得权限、上下文和应用能力，将用户交给它的事情一路做完。谷歌已将Gemini推进Pixel 11，可跨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，且已有大规模用户。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目前未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，现在购买即可使用。不过，需要注意的是，到手即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无需额外订阅，但“操作手机”、录音纪要等高级功能存在免费额度，用完后需等待额度恢复，或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。本文来自微信公众号“字母AI”，作者：袁心玥，36氪经授权发布。
