豆包手机！GUI Agent是真革命还是开倒车？｜ 深度对话张和
豆包做了一个手机助手，也就是 GUI Agent，然后立马就被微信和淘宝给封杀、设卡、穿小鞋。很多人看热闹，觉得这是豆包的滑铁卢，评论区里一半的人在吵吵隐私问题，另一半人在嘲笑它操作成功率只有 60 分。但在我看来，字节跳动这是拿着金箍棒把行业给捅了个窟窿，这一棒子下去，不管是想看热闹的还是想捂盖子的，都得被震醒。
腾讯封路，阿里设卡，手机里没有中间商可以赚差价
张和最早在小米内部推动 GUI Agent 立项时，哪怕面对重重阻力，逻辑也硬得像块石头：既然自动驾驶在人命关天的物理世界里都能做到 99% 的准确率，那么在手机这个容错率极高、全是结构化数据的虚拟世界里，没理由做不到 90% 以上。
张和认为，GUI Agent 本质上就是“不会出人命的自动驾驶”。 今天的豆包手机助手，就像 2022 年底刚出来的 ChatGPT，或者早期的特斯拉 FSD，看着笨拙、偶尔幻觉、成功率勉强及格（50-60分）。 但请记住，从 60 分到 90 分的进化速度，往往会快得让你怀疑人生。只要投入自动驾驶级别的数据集和训练算力，基于 Transformer 架构，甚至不需要什么重大理论突破，这事儿就能成。
自动驾驶怕的是封路，而 GUI Agent 也一样。最大的问题不是模型不够强，而是腾讯把微信这条路给你封了，阿里把淘宝这条路给你堵了 。这就是典型的“路权”之争。拥有模型和生态的巨头们，正在人为地制造断点。为什么？去掉中间商！
巨头互殴的终局，Agent 对 Agent 的谈判
未来的终局很清晰：超级 APP（如微信、淘宝）为了护食，会在内部搞自己的 Agent，实现闭环；而操作系统（小米、苹果）则会把控全局。当 OS 级的 Agent 想要调用淘宝的服务时，它不会再去模拟点击，而是直接跟淘千问喊话：“嘿，帮我订水果。”至于那些没有能力做 AI 的中长尾 APP？对不起，你们只能乖乖接受 OS 的全权代理，甚至连反抗的资格都没有。工具类 APP 被消灭是必然的，因为用户只需要结果，不需要过程。
还有一个大饼，未来手机是云端的虚拟机
其实，这场战役的终局，反而会让硬件厂商重新夺回话语权。现在的局面是：软件厂商（如字节）急着证明自己，试图越过操作系统直接操作 App；而硬件厂商（如苹果、小米）则在“扮猪吃老虎”。他们手里握着系统权限这张王牌，只要时机成熟，随时可以切断第三方的路，或者坐收渔翁之利 。
为什么？因为只有硬件厂商掌握着最底层的传感器和上下文 。无论是未来的 AI 眼镜，还是现在的手机，它们本质上正在变成云端超级大脑的“虚拟机” 。想象一下，你戴着眼镜，手机揣在兜里。你对眼镜下令，眼镜指挥手机里的 GUI Agent 在后台疯狂操作，最后把结果反馈到你的耳机里。这时候，手机实际上已经退化成了一台随身携带的“云端虚拟机”。
这就解释了为什么 OpenAI 非要挖苹果的设计师做硬件，为什么今年已经出现了“百镜大战”，阿里已经祭出夸克眼睛，我相信豆包迟早也会出硬件。对了，这边也建议阿里应该立刻、马上去入股 OPPO 或 Vivo。
乱拳打死老师傅？GUI Agent的机会在PC
对于创业者，我有句难听的实话：别在手机端的 C 端 Agent 上浪费时间了，那是巨头和 OS 厂商的自留地，没有系统级权限，你连后台保活都做不到，死路一条。
真正的金矿在 PC 端，在 B 端。去看看那些老旧的、没有任何 API 接口的税务系统、政府后台、企业内网。用 GUI Agent 去接管这些反人类的陈旧系统，帮企业打通数据孤岛，这才是创业者能活下来并且赚大钱的生意。
我们现在的状态，就像是看着马车夫在骂汽车：“这玩意儿又吵又容易坏，还不认路！”但用户是诚实的，一旦体验过“动动嘴就能搞定一切”的快感，没人会愿意再回去用那些傻逼的SaaS软件。GUIAgent行不行另说，工具类软件agent化是必然的。
别为旧时代的 App 唱挽歌了。
Best regards,
小蘇
JustSayAI Team
—————
【主播小紅書】：📕叫我小蘇就好啊
【關注頻道】：
【訂閱JustSayAI早晚報】
🌈新朋友！訂閱「JustSayAI早晚報」· 每日兩封 · 一鍵聽報
🌟老朋友！加入會員獲取JustSayAI早晚報+深度研報+文字專欄
