01 触发事件

7 月 15 日，豆包手机助手软件拿到生成式人工智能服务备案；同一篇《晚点》独家还给了两个更关键的数字：新一代豆包手机备货量从此前 3 万台提升到数十万台，同时它放弃了此前那套在用户授权后读屏、模拟点击、像人操作 App 的 GUI 路线，改成只有当阿里、腾讯等头部应用自己提供 MCP 服务时，豆包手机才能接入。

这不是一个产品小改版。

这是一家大厂在手机 Agent 路线上的一次公开降杠杆：从“先做出来再说”，退到“先拿到接口再说”。

我没在内部看过豆包手机的合作条款，但仅凭文中这几个信号，已经足够判断方向变了。

豆包随即主动下线了相关场景的操作能力。

这句原文其实比备货数十万台更重要，因为它说明字节不是做不到，而是意识到继续做下去，交易对手不会陪你玩。

02 这事的真正含义

表面上看，这是 GUI vs MCP 的技术路线切换。

问题不在技术，而在 control plane。

GUI 的本质，是让模型绕过应用原生 API、风控规则和分发入口，直接把 App 当作一个可被“视觉劫持”的 legacy interface。对模型厂商来说，这当然爽：不需要一家家谈判，不需要等平台开放，理论上任何能看见的界面都能被自动化。

但对超级应用来说，这等于失去入口主权。

用户关系在它手里，交易闭环在它手里，风控责任也在它手里。你让外部模型读屏、代点、代下单，那个真正会被定价的不是 token，而是调用权、审计权和失败责任。

所以我会把这次调整理解成一句话：手机 Agent 的战争，已经从 model capability 转成 protocol governance。

MCP、App Intents、AppFunctions 这些名字看起来像开发框架，实际上更像新的边境管理制度。谁能调什么、看到什么、在哪一步被截断、责任记在谁账上，才是商业现实。

我可能高估了 MCP 的统一速度，因为头部 App 未必愿意真的做成跨平台标准；但至少这篇报道已经说明，字节接受了一个事实：在手机端，raw autonomy 不会先落地，negotiated autonomy 才会。

03 历史类比 / 结构对照

这更像 2014 年前后的 AWS，不像 2022 年的 ChatGPT。

ChatGPT 时刻的特征是能力突然越过阈值，供给侧压着需求侧跑；而 AWS 的关键在于，它把底层资源做成了标准化接口，开发者可以在规则之内调用，而不是自己去机房“直接碰硬件”。

豆包手机现在放弃 GUI，转向 MCP，本质上也是把“直接碰界面”改成“调用被许可的能力”。

苹果今年 WWDC 放弃 Siri 读屏式控制，转向 App Intents；Google Pixel 走 AppFunctions；荣耀与微信的合作模式也是手机助手理解指令、微信自己执行动作、再把结果返回。路径 surprisingly 一致。不是大家突然都保守了，而是手机这个场景的权力结构比桌面更集中：支付、社交、身份、设备权限，全绑在一起。

桌面端可以容忍 Claude、ChatGPT 一类客户端在授权后读屏改文件，因为桌面一直是较开放的 general-purpose computing 环境。手机不是。手机更像超级应用、OS 厂商、监管三方夹着用户的一块收费站。

我没跑过 Pixel 那些少数合作应用的真实成功率，但方向已经很清楚：未来手机 Agent 更像 API orchestration，不像 human-like automation。

04 对 AI builder 意味着什么

对 AI builder 来说，这周就该修正三个判断。

第一，不要再把 mobile agent 的 moat 建在 GUI automation 上，尤其如果你的目标是中国市场。GUI 可以做 demo，可以做融资材料，可以做早期冷启动，但很难做 durable business。因为 switching cost 不在用户这边，而在生态伙伴那边；一旦头部 App 封禁，你的能力曲线会瞬间塌掉。

第二，把 MCP 视为 distribution negotiation，不只是技术适配。谁拿到接口，谁才有资格参与下一轮手机端流量分发。今天谈的是一个 MCP server，明天谈的就是排序、曝光、默认调用、结算和数据回流。很多团队会误把“接入成功”当成终点；我看这只是上桌资格。

第三，重新理解 token 经济学。手机端真正贵的未必是推理，而是失败调用、人工兜底、风控误杀和合作成本。也就是说，builder 如果还只盯着每百万 token 单价，可能抓错了主成本项。手机 Agent 的 unit economics，越来越像 enterprise integration，而不是单纯 inference arbitrage。

如果我是应用层团队，短期会把资源投到两类东西：一类是 MCP/tool schema 的标准化能力，另一类是能证明成功率和留存的垂直工作流。因为未来被定价的，不是“模型会不会点按钮”，而是“你能不能稳定完成任务”。

我可能低估了头部厂商自建 Agent 的速度，尤其 OPPO、vivo、荣耀这类系统层玩家；但正因为它们握着 OS 权限，独立创业团队更该避免和它们在“谁能代操作”上正面碰撞。

05 反方观点 / 风险

最强的反方观点是：我把这件事讲得太结构化了，实际可能只是豆包手机的一次战术收缩，而不是行业拐点。

比如，第一，GUI automation 未必会死，它可能只是从公开场景退到少数高价值、强授权、弱风控的场景里继续活着。报道也提到，海外少数与 Google 达成合作的外卖、生鲜、打车应用，最新 Pixel 仍可在受限情况下直接读屏控制。也就是说，GUI 不是 0，只是 premium exception。

第二，MCP 未必成为统一协议。大厂完全可能各做各的：微信一套、阿里一套、手机厂商一套、OS 一套。那结果就不是开放生态，而是接口碎片化。对 builder 来说，这甚至比 GUI 更糟，因为你得分别适配、分别审核、分别谈商务。

第三，数十万台备货不等于数十万台真实激活，更不等于高频留存。我没见到销量、DAU、任务成功率这些硬数据，所以不能把备货直接解读成需求验证。手机厂商和平台公司都擅长做技术预埋，但预埋和出圈之间，差着一个完整分发闭环。

所以我的核心判断不是“豆包赢了”，也不是“MCP 赢了”。

我的判断更窄，但也更重要：手机 Agent 的第一性约束已经暴露，不是模型不够强，而是谁有权让模型碰用户、碰交易、碰入口。谁控制这三样，谁就控制下一代 mobile AI 的 distribution。