AI手机助手新变量：实测AutoGLM 开源能否破局“豆包围城”？

《科创板日报》12月10日讯（记者 李明明） 12月初，字节跳动“豆包手机助手”随联名机型亮相，悄然掀起关于未来手机形态与AI生态的行业探讨，随后该产品因涉及微信、淘宝等应用的适配争议引发关注。时隔一周，大模型独角兽智谱于12月9日正式宣布，将其核心AI Agent模型——AutoGLM全面开源。

此举不仅让围绕手机AI入口的行业探索愈发深入，更将操作手机的核心能力向全行业开放，使这场行业关注的焦点从具体终端产品落地，逐步延伸到关乎未来生态格局的核心技术能力共建。

这一举动，也被外界解读为智谱在“豆包”点燃AI手机热潮后，以截然不同的“开源”策略，强势竞逐下一代人机交互入口控制权的关键落子。那么，在这场决定未来格局的战役中，手握“操作系统级”Agent能力的智谱，能否成功？

智谱AutoGLM部门负责人刘潇告诉《科创板日报》记者，AI手机的发展为移动互联网注入了Agent自主执行带来的新增流量，但新生态与协同关系的构建，仍需依托AI手机普及及与各App生态的深度磨合，尚需时日。

实测AutoGLM

据悉，本次开源的是一套“拿来就用”的完整能力包，包括训练好的核心AI Agent模型、Phone Use能力框架与工具链，目前AutoGLM已支持微信、淘宝、抖音、美团等超过50个高频中文应用的核心场景，其自动化操作能力与日前引发热议的“豆包手机”演示相似。

AutoGLM通过一整套Phone Use能力框架，能在真机上稳定完成一系列操作，诸如发送微信红包、外卖点单、机票预订等。

智谱方面对《科创板日报》记者介绍，智谱自2023年4月开始投入Phone use方向，2025年8月发布AutoGlM2.0即可完成大家所见的豆包手机的功能。

《科创板日报》记者对AutoGLM进行了实测，下达“帮我在美团点一杯冰豆花”指令后，系统通过云端虚拟手机自主完成打开App、搜索店铺、筛选商品、关闭广告弹窗等操作，最终跳转至结账界面，按指南在支付前停止操作，全程耗时约一分半钟。

这一效率较真人手动操作提升较为明显，根据实测，普通用户手动完成同款饮料点单，需经历浏览推荐、确认店铺、选择规格、核对订单等步骤，平均耗时3-5分钟，AutoGLM通过流程自动化将耗时压缩70%以上。通过跨应用操作的连贯性，依托GLM-4.5V视觉推理模型，能识别50余款高频中文应用的UI元素，完成点击、滑动、输入等拟人化操作。

《科创板日报》记者继续加大难度，对AutoGLM下达了商品比价的复杂任务，发出“给我比对32K显示器哪个购物平台便宜，找一个最便宜的下单”，AutoGLM用时1分44秒完成了任务。

综合体验来说，AutoGLM在生活、办公等场景表现亮眼，但成功率层面仍存一定短板。实测中发现，遇到设计特殊的APP界面时，可能出现操作适配不顺畅的情况。

智谱AutoGLM部门负责人刘潇也对《科创板日报》记者分析，从应用形态来看，AutoGLM核心关注点集中于三点：一是操作准确性，这是保障用户体验的基础；二是复杂任务执行能力，鉴于第三方应用内部逻辑通常较为繁琐，市场普遍关注AutoGLM能否高效完成长链路、高复杂度的任务；三是数据安全问题，该模型在实现跨应用操作过程中，数据安全风险也成为行业及用户重点关切的内容。目前，AutoGLM正针对上述核心诉求持续优化，以提升技术适配性与应用安全性。

从“豆包”围城，到人人皆Agent的AI新纪元

智谱在此时开源，与“豆包”此前引发的市场教育和生态冲突密不可分。

12月1日，字节跳动推出的“豆包手机”工程样机，以其系统级权限和跨应用自动化能力，让市场第一次直观感受到“AI Agent手机”的颠覆性潜力。其“所见即可问，所言即可为”的跨应用操作，与AutoGLM的能力描述高度重合。

然而，“豆包”的迅速走红，也瞬间遇到了现有互联网生态的挑战。

周鸿祎此前坦言，这种能绕过App直接完成任务、让服务直达用户的AI助手，会直接冲垮互联网大厂的护城河。很快，用户反馈微信、淘宝等应用出现登录异常或风控提示。迫于压力，豆包团队在12月5日发布公告，对金融支付、刷分激励等敏感场景的AI操作能力进行了规范化限制。

这场风波也揭示了AI手机入口争夺的核心矛盾：系统级AI对现有移动互联网权力结构的根本冲击。一旦跨应用操作被AI统一调度，App 对用户路径、账号安全、业务链路与商业模型的控制将被削弱。

豆包与AutoGLM代表着AI手机发展的两条不同路径。技术架构方面，豆包手机是系统级集成，依赖Android系统权限，AutoGLM是视觉大模型+ADB指令，开源框架；商业模式上，豆包手机为封闭生态，字节亲自下场整合硬件，AutoGLM则为开放生态，赋能全行业开发者。

行业定位上，豆包手机为超级助手/潜在AI操作系统，AutoGLM是行业公共技术底座。

豆包的“封闭嵌入” vs AutoGLM的“开源双部署”，这两种战略背后的底层逻辑是什么？是否源于基因差异？

北京计算机学会AI专委会秘书长、北大人工智能博士张有鱼告诉《科创板日报》记者，豆包（字节跳动）的核心逻辑是抢占入口：移动互联网时代抢App，AI时代抢OS（操作系统）。字节无手机硬件，但手握抖音、头条等C端生态及算法优势，通过“封闭云架构+系统级嵌入”，欲将大模型打造成新OS内核。因头部厂商自研OS防字节，豆包选择与急需差异化的二线厂商（如努比亚）合作，以“寄生突围”策略突破壁垒。

而智谱AutoGLM的核心逻辑是技术极客的“底层赋能”：源自清华系的技术派基因，聚焦“模型+开源”而非流量变现。因无字节级C端生态，难与微信、抖音角逐C端入口，故依托国内顶尖Agent（智能体）技术（如AutoGLM手机操作能力），采用“全能力开源”的安卓式打法——不做封闭生态，而是向硬件厂商、开发者免费开放核心能力，以技术标准定义未来，走差异化技术供应商路线。

AI手机入口争夺战进入新阶段

智谱AutoGLM的开源，标志着AI手机入口之争进入了下半场：从争夺“硬件终端”或“单一入口App”，升级为争夺生态的“核心灵魂”——即那个能真正理解并操作手机的系统级AI能力。

业内热议本次开源是“掀桌子”，核心在于智谱选择了一条让巨头难以防御的技术路径。

技术方面，不同于传统脚本依赖易被封禁的无障碍服务（Accessibility），AutoGLM在底层调用了ADB（Android Debug Bridge）指令，并结合视觉大模型（AutoGLM-Phone-9B）。其运行逻辑是“看屏幕截图 -> 大模型分析 -> 模拟手指点击”。这种基于视觉的“类人操作”，让APP厂商通过简单的代码检测进行防御变得极其困难。只要人眼能看懂界面，AI就能操作。

智谱方面对《科创板日报》记者介绍，目前AI手机卡在模型、手机厂商、系统、APP间的生态话语权战，AutoGLM的开源可以大幅解决玩家由于商业战争导致的AI手机卡点，大幅降低AI手机技术门槛，推动AI手机生态从封闭走向开放共创。AI手机后期产品有望从手机厂商、系统、APP三者间共同加速尝试走向放量。

谈及AutoGLM定位，刘潇告诉《科创板日报》记者，AutoGLM在开发阶段定位为通用多模态理解与操作模型，因此暂未与第三方应用开展深度对接，核心精力集中于技术模型的迭代优化。

刘潇认为，手机的发展为移动互联网注入了Agent自主执行带来的新增流量，其凭借对用户上下文的深度理解，能在更多场景中挖掘App使用新机会，但新生态与协同关系的构建，仍需依托AI手机普及及与各App生态的深度磨合，尚需时日。

Agent发展中，可控性与隐私保护是首要前提，需在算法及技术工程开发初期，融入敏感操作防控与安全栅栏设计；其大规模成熟还依赖行业共识凝聚及国家层面的政策规范引导。

当前Agent落地仍面临两大核心挑战：一是模型能力不足，难以稳定完成数十分钟至数小时的长链路任务，需算法与模型企业持续突破；二是工程应用层需完善AI手机操作系统、硬件适配及Agent身份认证体系，推动行业协同实现生态共赢。

刘潇进一步表示，希望AutoGLM能够使得穿戴式设备，从玩具到可用的改变。以前的穿戴式设备受制于交互方式的限制，几乎难以替代手机的任何功能，而现在通过AutoGLM，几乎绝大多数简单的任务都能轻松完成。“相信 AI 手机和更多原生 AI 硬件会大量涌现，相信安卓生态本身会面对这一诉求发生新的进化和改变。”

张有鱼判断，未来的AI手机市场不会只有一个“豆包”。更可能出现的格局是：手机巨头们拥有自研助手，二三线品牌和新兴设备商采用AutoGLM等开源方案快速跟进，形成多层次、多形态的竞争局面。在这场混战中，智谱通过开源AutoGLM，已经为自己赢得了扮演关键“赋能者”角色的入场券。它或许无法独占入口，但极有可能成为塑造整个入口生态的重要基石之一。

这场关于“灵魂”的争夺，才刚刚开始。