AI不再困于App，正走向掌心与眼前

文 | 智趣财经

曾经深耕云端模型竞赛的科技巨头，纷纷将战场转向硬件终端。

11月27日，阿里发布夸克AI眼镜。三天后，字节跳动联合中兴推出搭载“豆包手机助手”的nubia M153工程机，首次将大模型能力深度植入手机操作系统底层。一前一后，一“戴”一“握”，阿里押注眼镜，字节聚焦手机，目标却高度一致——打造能主动理解、跨应用执行、持续服务用户的AI智能体（Agent）。

当大模型更新迭代速度放缓，AI的竞争焦点正从“模型优劣”转向“用户触达”。对阿里、字节乃至全球科技巨头而言，AI的价值不再仅停留在“能回答什么”，更在于“能替用户完成什么”。谁能率先让AI稳定、安全、高效地承接真实世界的复杂任务，谁就有可能掌握下一代人机交互的定义权。

AI正“走出App”

智能硬件形态繁多，阿里与字节为何不约而同选择眼镜和手机作为主战场？这背后是对下一代计算平台的战略判断。

过去两年，AI助手多以“超级Chatbot”的形象存在——能写诗、画图、总结文档，却无法替用户完成实际操作。这种局限源于一个根本矛盾：AI被困在App的“围墙”内，无法获取系统权限和跨应用数据。用户仍需手动切换、复制、点击，AI只是“旁观者”。

阿里与字节的新动作，正试图打破这堵墙。

字节的豆包手机助手，核心突破在于获得操作系统级授权，能“看懂屏幕”并模拟人类操作。演示中，用户一句“帮我把最近几个美团订单的好评写了”，AI便自动打开App、定位订单、填写评价；一句“全平台比价下单”，它能穿梭于淘宝、京东、拼多多，完成搜索、比价、领券，仅支付环节需人工确认；更复杂的任务如“下个月去巴黎，标出收藏的餐厅、订博物馆票、整理行程”，AI能拆解为6个子任务，跨社交、地图、票务、备忘录等应用自动执行。

这种能力依赖豆包大模型在多模态理解上的积累——不仅能识别文字，还能精准解析按钮、输入框等图形界面元素，实现“类人”操作。所有执行均在虚拟后台完成，不影响用户当前使用，且支持侧边AI键、语音、耳机等多种唤醒方式。

阿里则选择了另一条路径——将智能体装入眼镜。阿里一次性推出S1、G1两个系列共六款产品，售价从1899元至3799元不等。这些眼镜的外观更接近普通眼镜，鼻托和耳弯采用仿生设计，解决了同类产品头重脚轻的佩戴问题。

阿里真正售卖的不是眼镜，而是入口与生态。夸克AI眼镜深度整合了支付宝、高德地图、淘宝、飞猪、阿里商旅等阿里核心生态服务，用户戴着眼镜就能完成扫码支付、实时导航、拍照识物搜索商品等一系列操作。

阿里认为，眼镜天然贴近第一视角，未来可集成更多传感器，实现对人与环境的深度感知，逐步挤压手机的使用时长。

两者殊途同归：AI不再是被动应答的工具，而是能主动感知、推理、执行的“数字分身”。曾经在云端比拼模型参数的科技巨头，如今不约而同转向硬件终端——这场从“对话框”到“掌心”“眼前”的转移，本质是一场关于“AI如何真正融入生活”的入口之争。

AI智能体抢占下一代入口

值得注意的是，尽管动作激进，字节跳动仍明确表示“没有自研手机计划”。其策略是与中兴、努比亚等厂商合作，在操作系统层面深度集成豆包大模型能力。nubia M153工程机售价3499元，主要面向开发者和极客，首销备货约50万台——虽远不及主流旗舰，但已超过黑鲨等垂直品牌的年销量，释放出从“极客玩具”走向大众市场的信号。

字节内部AI硬件团队Ocean整合了锤子手机、PICO VR、Oladance耳机等收购资产，并吸纳荣耀前员工，形成覆盖手机、耳机、眼镜的终端矩阵。与此同时，豆包已搭载到赛力斯、奔驰等车型，探索车载场景。这种“三位一体”战略——火山引擎提供算力、豆包大模型提供智能、超级App与硬件提供入口——正是其对标谷歌全栈AI生态的野心所在。

阿里同样加速端侧布局。此前其AI能力集中于云端，如今通过眼镜补齐“感知-决策-执行”的闭环。

从纯粹的软件和模型，转向重资产、长链条的硬件制造，这一战略转变背后，是科技巨头在AI时代对生存与发展权的深层焦虑与迫切追求。

当AI能力趋同，谁能更贴近用户、更深度介入生活场景，谁就能掌握数据、流量与定价权。

无论是手机还是眼镜，本质都是“争夺用户的注意力与数据”。当AI通过硬件更贴近用户生活，就能掌握用户的习惯、偏好甚至潜在需求。

手机仍是不可替代的入口——年出货量12亿台，是唯一的十亿级硬件。AI眼镜虽被寄予厚望，但当前全球出货量不足百万，短期内难以撼动手机地位。正因如此，字节选择以手机为支点，通过“操作系统级合作”轻资产切入；阿里则押注眼镜，试图在下一代交互中抢占先机。

资本市场已迅速作出反应。豆包手机消息公布当日，中兴通讯A股涨停，港股大涨超11%。这不仅是一次产品发布，更是对“AI原生设备”叙事的认可。

今天，阿里与字节正试图回答：“AI时代，智能设备该做什么？”答案或许尚未清晰，但方向已明确——AI必须从“对话框”走向“行动派”，从“工具”进化为“伙伴”。

阿里押注眼镜作为全天候AI伴侣，试图通过硬件创新构建新入口；字节则通过赋能手机，将AI能力深度植入现有最大硬件市场。

这场智能体硬件大战，本质是争夺从“意图”到“行动”的最短路径。对阿里、字节这样的生态型企业而言，智能体硬件的价值还在于构建更牢固的商业闭环。

在这场入口之争中，胜负不取决于谁的模型参数更大，而在于谁能让AI真正“可靠地帮用户做完一件事”。

当用户习惯对着一副眼镜或一部手机，自然说出复杂需求并得到可靠执行时，那个我们期待已久的真正AI时代，才算正式拉开序幕。这场始于云端的竞赛，最终将在每个人的指尖与眼前，决出胜负。