豆包手機！GUI Agent是真革命還是開倒車？｜ 深度對話張和
豆包做了一個手機助手，也就是 GUI Agent，然後立馬就被微信和淘寶給封殺、設卡、穿小鞋。很多人看熱鬧，覺得這是豆包的滑鐵盧，評論區裡一半的人在吵吵隱私問題，另一半人在嘲笑它操作成功率只有 60 分。但在我看來，字節跳動這是拿著金箍棒把行業給捅了個窟窿，這一棒子下去，不管是想看熱鬧的還是想捂蓋子的，都得被震醒。
騰訊封路，阿里設卡，手機裡沒有中間商可以賺差價
張和最早在小米內部推動 GUI Agent 立項時，哪怕面對重重阻力，邏輯也硬得像塊石頭：既然自動駕駛在人命關天的物理世界裡都能做到 99% 的準確率，那麼在手機這個容錯率極高、全是結構化數據的虛擬世界裡，沒理由做不到 90% 以上。
張和認為，GUI Agent 本質上就是“不會出人命的自動駕駛”。 今天的豆包手機助手，就像 2022 年底剛出來的 ChatGPT，或者早期的特斯拉 FSD，看著笨拙、偶爾幻覺、成功率勉強及格（50-60分）。 但請記住，從 60 分到 90 分的進化速度，往往會快得讓你懷疑人生。只要投入自動駕駛級別的數據集和訓練算力，基於 Transformer 架構，甚至不需要什麼重大理論突破，這事兒就能成。
自動駕駛怕的是封路，而 GUI Agent 也一樣。最大的問題不是模型不夠強，而是騰訊把微信這條路給你封了，阿里把淘寶這條路給你堵了 。這就是典型的“路權”之爭。擁有模型和生態的巨頭們，正在人為地製造斷點。為什麼？去掉中間商！
巨頭互毆的終局，Agent 對 Agent 的談判
未來的終局很清晰：超級 APP（如微信、淘寶）為了護食，會在內部搞自己的 Agent，實現閉環；而操作系統（小米、蘋果）則會把控全局。當 OS 級的 Agent 想要調用淘寶的服務時，它不會再去模擬點擊，而是直接跟淘千問喊話：“嘿，幫我訂水果。”至於那些沒有能力做 AI 的中長尾 APP？對不起，你們只能乖乖接受 OS 的全權代理，甚至連反抗的資格都沒有。工具類 APP 被消滅是必然的，因為用戶只需要結果，不需要過程。
還有一個大餅，未來手機是雲端的虛擬機
其實，這場戰役的終局，反而會讓硬件廠商重新奪回話語權。現在的局面是：軟件廠商（如字節）急著證明自己，試圖越過操作系統直接操作 App；而硬件廠商（如蘋果、小米）則在“扮豬吃老虎”。他們手裡握著系統權限這張王牌，只要時機成熟，隨時可以切斷第三方的路，或者坐收漁翁之利 。
為什麼？因為只有硬件廠商掌握著最底層的傳感器和上下文 。無論是未來的 AI 眼鏡，還是現在的手機，它們本質上正在變成雲端超級大腦的“虛擬機” 。想象一下，你戴著眼鏡，手機揣在兜裡。你對眼鏡下令，眼鏡指揮手機裡的 GUI Agent 在後臺瘋狂操作，最後把結果反饋到你的耳機裡。這時候，手機實際上已經退化成了一臺隨身攜帶的“雲端虛擬機”。
這就解釋了為什麼 OpenAI 非要挖蘋果的設計師做硬件，為什麼今年已經出現了“百鏡大戰”，阿里已經祭出夸克眼睛，我相信豆包遲早也會出硬件。對了，這邊也建議阿里應該立刻、馬上去入股 OPPO 或 Vivo。
亂拳打死老師傅？GUI Agent的機會在PC
對於創業者，我有句難聽的實話：別在手機端的 C 端 Agent 上浪費時間了，那是巨頭和 OS 廠商的自留地，沒有系統級權限，你連後臺保活都做不到，死路一條。
真正的金礦在 PC 端，在 B 端。去看看那些老舊的、沒有任何 API 接口的稅務系統、政府後臺、企業內網。用 GUI Agent 去接管這些反人類的陳舊系統，幫企業打通數據孤島，這才是創業者能活下來並且賺大錢的生意。
我們現在的狀態，就像是看著馬車伕在罵汽車：“這玩意兒又吵又容易壞，還不認路！”但用戶是誠實的，一旦體驗過“動動嘴就能搞定一切”的快感，沒人會願意再回去用那些傻逼的SaaS軟件。GUIAgent行不行另說，工具類軟件agent化是必然的。
別為舊時代的 App 唱輓歌了。
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
