很多年后，当人们不再需要亲手打开任何 App，他们或许会回想起，手机第一次替自己作出选择的那个夏天。那时，用户仍习惯在几十个图标之间来回跳转，搜索餐厅、比较车价、筛选酒店，再逐项填写地址和付款。AI Agent 出现以后，一句话开始取代所有步骤。它理解目的，调用服务，安排顺序，只在支付等关键环节把决定权交还用户。人们当时只觉得少点了几下屏幕，还没有意识到，站在所有 App 之前的 Agent，已经开始掌握需求的解释权、服务的选择权，以及订单的分配权。图片来自 YouTube 博主 Kingmi Mobile包括在今年 7 月举行的 WAIC 2026 上，努比亚 NaviX Ultra、阶跃星辰 STEPX Neo 和荣耀 Robot Phone 集中亮相，也让 AI Agent 手机的竞争进一步升温。产品形态看似各不相同，背后对应的合作模式，大致可以分为三条路线。第一类是苹果、华为、小米等传统厂商的垂直整合路线，掌握硬件、系统、账号与生态，可自研或接入模型，AI Agent 只是既有体系的延伸。第二类是模型公司联合 ODM 从零做 Agent 手机，如 STEPX Neo。模型公司负责智能与交互，ODM 负责硬件与供应链，优势是迭代快，但需重建品牌与渠道。第三类是模型公司与手机品牌合作，将 Agent 嵌入系统。多数仍停留在基础 AI 功能层面，而豆包与努比亚更深入系统权限与交互，开始参与任务执行，甚至成为最差异化的灵魂。更详细的梳理可以回看爱范儿的文章：三条路线分别对应系统内生、从零定义与深度嵌入三种路径，但竞争的核心点依旧牢牢围绕谁能成为用户的统一入口。在此基础上，我们还可以延伸出几个关键判断。1. 手机行业第一次希望用户「少玩手机」过去十多年，移动互联网追求更多页面、更长停留和更多广告曝光。短视频依赖连续滑动，电商依赖浏览比较，搜索引擎依赖结果页点击。Agent 手机的目标正好相反。用户让 STEPX Neo 规划行程，系统可以查询日程、选择常用交通工具，再调用携程完成机酒规划。上一代豆包手机助手也曾支持在多个电商平台之间查询同一商品，再把结果交给用户确认。Agent 越好用，用户亲自点击的次数越少。未来衡量 AI 手机能力的指标，可能从每天看了多久手机，转向每天委托手机完成多少项任务。屏幕使用时间可能下降，手机在生活中的参与程度却会提高。App 也不会消失。商品、司机、酒店、支付、物流和办公能力仍然需要 App 提供。App 会逐渐从用户直接操作的软件，变成 Agent 背后的能力供应商。Agent 还可能成为新一代搜索引擎和广告位。用户要求预订餐厅时，系统往往只会给出一个结果。哪家平台先被调用，哪项服务成为默认选项，都会影响最终订单。广告可能从横幅和推荐流，转移到 Agent 的选择过程。未来的生态冲突，主要围绕两个问题展开：谁有资格调用 App 的能力。Agent 完成订单之后，平台、手机厂商和模型公司如何分配收益。但新的争议也随之出现，当 Agent 推荐某项服务时，它依据的是用户利益、历史习惯、平台合作关系，还是厂商自营业务？选择过程越不可见，平台中立性问题就越关键。2. AI 手机争夺的核心资产是权限，终点是「代表你」的资格最近发布或官宣的三套 AI 手机方案，都在强调同一件事：记忆。豆包手机助手在授权后可读取录音、联系人、相册、短信、便签和日历，也支持用户主动保存长期信息。STEPX Neo 为用户与智能体分别建立记忆域。华为将记忆融入系统级感知，小艺接入 200 余项系统感知数据并支持全天候智能感知、记忆与上下文理解，通过「小艺时光机」在用户授权下整合运动、拍照、听歌、位置与通话记录生成日常与旅行回忆。包括最近，OPPO 也加入这场竞争，启动「小布 Next 计划」，开放端侧 Multi-Agent 系统内测。经用户授权后，它可持续理解个人习惯与多场景信息，让手机从执行指令的工具，升级为理解需求的智能代理。厂商集体做记忆，并不是为了做一个更高级的备忘录。没有记忆的 AI 只能提供通用服务，而个人 Agent 至少需要三类信息：我是谁：地址、联系人、饮食偏好、作息与预算等。发生过什么：照片、录音、订单、行程、浏览记录与历史任务等。如何替我做事：不坐早班机的原因、酒店偏好、金额阈值等。前两类让 AI 认识和理解用户，第三类让 AI 学会代表用户。STEPX Neo 的智能体域，本质就是在做这件事：记住过去，与长期代办事务，是两种能力。模型可以在云端运行，Agent 可以存在于电脑、汽车或眼镜中，但手机的优势在于，它本身就是最核心的数字身份载体。手机集成账号、手机号、联系人、位置、支付、生物识别、文件与各类登录状态。豆包手机助手将 AI 键与系统鉴权结合，本质是在区分「请求」与「授权」：按键发起意图，系统确认身份。读取隐私信息、发送消息、完成交易，都必须证明 Agent 已获得机主授权。一条完整链路通常是：身份确认 → 偏好调用 → 环境感知 → 任务规划 → 服务执行 → 关键步骤确认 → 结果回写记忆。与之相伴的则是手机的角色正在变化，从单纯的工具变成个人 Agent 的身份载体、记忆容器与行动终端。但依赖也随之加深，目前更换手机品牌，主要迁移照片、通讯录、文件、聊天记录和应用。但静态数据可以复制，长期训练出的个人 Agent 难以完整迁移。AI 手机最敏感的资产，也将从用户数据本身，延伸到由数据塑造的「另一个我」。与此同时，Agent 越懂用户，也未必是好事。传统推荐系统形成的是信息茧房，但执行型 Agent 的目标是完成任务，还可能形成行动茧房。未来记忆系统需要保留一定的探索机制，也要允许用户查看和修改 Agent 对自己的判断。3. 第一批高频场景会很琐碎，但操作步骤越少，错误的影响范围越大尽管厂商发布会喜欢展示旅行规划、复杂办公和多平台购物，以及各种所谓的杀手级场景，但实际普及最快的任务，大概率是查快递、叫车、点外卖、寻找照片、设置日程、整理录音和填写重复信息。相关产品演示已经体现了这种倾向。努比亚 M153 展示点外卖、购物和修图；STEPX Neo 展示差旅规划和支付宝调用；荣耀展示从收藏的餐厅信息中找到目标，再调用滴滴前往，付款和最终决策仍然留给用户。此外，Agent 的普及速度取决于任务失败的代价。普通 App 发生错误，通常只影响当前页面。但系统级 Agent 可以读取屏幕、调用多个应用、访问个人信息并连续执行任务。一次判断错误，可能同时影响聊天、支付、文件和其他账户。尤其是国际机票、大额转账、医疗预约和工作邮件一旦出错，后果更难处理。GUI Agent 还面临一种新的攻击点。今年 7 月的一项移动 Agent 安全研究指出两类风险：屏幕感知攻击和通道滥用攻击。攻击者可在肉眼难以察觉的文字或像素中嵌入指令，诱导视觉模型执行错误操作；对五种移动 Agent 框架的测试显示，即使低权限恶意 App 也可能劫持 Agent 行为。🔗 https://arxiv.org/abs/2607.00333另一项针对移动 GUI Agent 的研究在 10 款应用、1111 个样本中测试五种视觉模型 Agent，攻击成功率达 23%–30%。恶意指令可伪装为正常内容，仅靠视觉识别难以拦截。也就是说端侧运行虽能减少数据外传，但无法解决屏幕欺骗、提示注入与权限滥用问题。因此，任务记录是否可追溯，关键步骤是否强制确认，权限能否按任务细分，是否支持即时中止与撤销，以及出现损失时的责任归属，都是厂商们亟待解决的棘手难题。4. 最先被真正改变的，可能是不会用智能手机的人现阶段，AI Agent 还很难成为消费者换机的首要理由。相比之下，价格、影像、续航和品牌依然更能左右购买决定。对熟悉智能手机的用户而言，许多 Agent 功能只是把原本的操作流程缩短几步，便利有限，惊喜也有限。但同一项能力放到老年人、视障人士和不熟悉数字产品的用户手中，价值却截然不同。「把孩子发来的地址直接设为导航终点。」「看看这个月的电费交过没有。」「找出我下周三的医院预约。」AI Agent 可以用自然语言接收需求，再代替用户识别信息、调用服务和完成流程，相当于在复杂的 App 与用户之间增加了一层「翻译」和「操作」服务。尤其考虑到过去的智能手机适老化，通常依靠大字体、简化桌面和减少功能，现在保留数字服务完整能力、具有执行能力的 AI Agent，得以发挥更大的作用。举例而言，苹果在 2026 年公布的新无障碍功能中，已经把 Apple Intelligence 接入 VoiceOver、放大器、语音控制和辅助阅读器，能够提供更详细的环境描述和自然语言导航。换言之，AI Agent 手机最有价值的用户，未必是科技爱好者。它更可能先帮助那些一直被 App 规则挡在数字生活之外的人。5. 端侧 AI 的上限，既由算力决定，也由内存决定讨论端侧 AI 时，行业最关注的指标通常是 NPU 算力。但进入 Agent 阶段后，核心问题便成了如何在有限功耗、内存和闪存下，让模型持续理解屏幕、检索个人数据并调用系统能力。 一个典型案例是，苹果在第三代 Apple Foundation Models 中保留约 30 亿参数的小模型，同时引入 200 亿参数的 AFM 3 Core Advanced，但采用稀疏架构，每次仅激活 10 亿至 40 亿参数。 模型权重放在 NAND 中，按任务加载专家模块到 DRAM；复杂推理与工具调用则交由 Private Cloud Compute 处理。🔗 https://machinelearning.apple.com/research/introducing-third-generation-of-apple-foundation-models这说明端侧模型不会无限堆参数，而是走「小模型 + 稀疏化 + 云端兜底」的路线，在性能、功耗和占用之间做平衡。整体来看，端侧模型本地负责语音、屏幕理解、检索与基础工具调用，云端负责复杂推理与长文本生成，系统逐渐演化为多模型协同架构。 而随着模型规模上升，存储压力难免同步增加，这也是内存厂商分走一大块蛋糕的重要原因之一。麦克卢汉说，媒介是人的延伸。智能手机沿着这一逻辑，逐渐成为人类感官、记忆与行动能力的外延：人负责判断，手机负责执行。AI Agent 手机则试图成为具备一定自主判断能力的「外置器官」，既能保存信息，也能理解信息；既能响应指令，也能结合用户的身份、经历与偏好，主动规划并完成行动。别看在后智能手机时代，AI 眼镜、AI 吊坠、AI 项链等硬件层出不穷，但归根结底，它们争夺的无非是，谁能成为你在数字世界中的合法代理人。对此，天然距离用户更近的 AI Agent 手机，大概仍有资格说一句：本宫不死，尔等终究是妃。我们正在招募伙伴📮 简历投递邮箱hr@ifanr.com✉️ 邮件标题「姓名+岗位名称」（请随简历附上项目/作品或相关链接）
