同样让AI替你操作手机，为什么豆包吃瘪？

十月中旬，国内AI手机行业先后发生了两件大事，走向却完全不同。

10月13日，阶跃星辰旗下终端品牌发布首款智能体手机STEPX Neo先行版，全栈定价3999元，10月16日开售。随它一起公布的，是一份长长的合作名单：支付宝、携程、滴滴、美团、高德、京东、WPS、微博，腾讯侧的WorkBuddy、企业微信和微信读书，以及剪映，近百家企业和产品以接口方式接入。

一天之后，10月14日，豆包手机助手宣布《屏幕自动化操作声明协议》（SAEP）30天公示期结束。官方同时公布的，是一份拒绝清单：151款应用声明拒绝被AI代为操作，微信、QQ、淘宝、支付宝、美团、快手、拼多多、小红书、WPS、DeepSeek、Kimi，以及多家银行和运营商应用都在其中。其中腾讯及关联生态65款，阿里巴巴及关联生态23款，快手14款，美团11款。

都是想让AI替人操作手机，一个拿到了近百家的接口，一个收到了151个闭门羹。很多人第一反应是：这是不是大厂在抱团排挤新人？

把技术路线摊开看，答案没那么简单。

1

被拒绝的不是AI，是一种做法

先要说清楚一件事：这151款应用拒绝的，并不是AI手机，而是某一种特定路线的AI助手。

按官方说明，用户仍然可以手动打开这些应用，只是不能让豆包助手用图形界面识别屏幕、模拟点击和滑动的方式代为操作。换句话说，拒绝的是一种特定的代办方式，不是拒绝AI本身。

这一点很重要，因为它决定了后面的分歧性质。

手机智能体想替人办事，其实是两步：第一步是如何识别和操作，第二步是怎么调用。

第一步里， GUI（图形用户界面）是最常见的技术路线——读取屏幕内容，模拟人手去点、去滑、去输入。它解决的是"看不懂界面就操作不了"的问题，本身只是一种技术手段，用得好不好，要看第二步。

真正决定分歧的，是第二步怎么调用。

一种做法是跳过授权：利用手机的系统级权限直接调用应用。这种调用里，三方应用往往毫不知情——不知道自己被调用了，不知道哪些数据被读走，也没有机会说"不行"。

另一种做法是基于MCP、A2A这类协作方式来调用。无论底层是不是GUI，智能体、用户、应用三方都是知情且同意的：应用自己决定开放哪些能力，用户授权，智能体在约定范围内调用，过程可查、可撤回。

豆包一代走的是前一种。2025年12月上线没几天，就有用户反馈微信出现"登录环境异常"、淘宝触发人机验证、多家银行应用直接拦截。

阶跃从一开始就选了后一种。STEPX Neo兼容MCP、A2A等智能体连接协议，董事长印奇将其概括为H2A2A——用户向智能体Amoo表达需求，Amoo再调用专业服务智能体完成任务。剪映与阶跃落地的A2A协同视频创作，用的也是这种方式。

微信同样在做智能体生态开放，方式也是A2A。今年6月，荣耀与微信的首个A2A合作成果落地：荣耀YOYO支持一句话发微信消息、拨打微信音视频电话，用户把YOYO和微信升级到新版本即可使用。据腾讯客服当时的说法，微信在与华为、小米、荣耀、OPPO、vivo等多家厂商推进这类能力。

阶跃与腾讯的合作是同期公布的：首批上线的腾讯产品包括WorkBuddy、企业微信和微信读书，合作能力通过双方约定的接口接入。用户可以通过Amoo调用WorkBuddy处理工作任务，或接入企业微信的协作能力。

三方知情同意的调用是什么样，可以看两个公开案例。出行场景里，用户说一句"带父母出去走走"，Amoo结合群聊邀约、日程等信息，把模糊念头还原成时间、地点、同行人，再跳转到携程等合作方的页面完成购买；办公场景里，一句"整理上周进展"，Amoo会自动补全时间、项目和格式偏好，交给WorkBuddy执行，成果再推回手机。整个过程里，各家做的是自己擅长的那一段。

这几乎是和豆包手机完全不同的选择和路径。

2

平台为什么选择性开门

可能有人会说，豆包二代不是已经改了吗？

确实改了，而且步子迈得不小。努比亚NaviX Ultra这一代在调用方式上引入了MCP、A2A，操作上仍保留GUI兜底，还推出了SAEP协议，让开发者自主声明开放边界，可以按应用、页面和操作意图三层设置，公示期结束后仍可随时声明拒绝。相比一代，这是明显的进步。

但151款应用的拒绝说明，信任的修复比协议的更新要慢。平台算的账，也不止安全这一笔。

第一笔是账号和资金安全。 跳过授权的调用分不清"本人操作"和"机器代操作"。一旦涉及下单、支付、退款，出了问题责任归属难以界定。银行和金融应用对此最敏感，清单里多家银行在列并不意外。

另一笔是数据。 要替人操作，AI得先看懂屏幕。聊天界面、支付页面、浏览记录都会被读到。各家公司都声称不存储、不训练，但数据一旦离开本地，疑虑就很难消除。

第三笔是入口。 超级应用的广告和佣金，建立在"用户亲自打开应用"这件事上。如果AI成了新入口，用户不再看到首页，平台十几年攒下的用户心智和流量分配权就要重新划分。有分析师把这称为流量控制权的博弈，不是没道理。

第四笔是风控和合规。 开放自动化操作，等于开出一道可能被套利、被刷激励的后门。竞技类游戏尤其警惕这一点，腾讯游戏一直明确规定，未经授权的第三方软件、插件或系统不得用于其服务。

四笔账加起来，平台的沉默成本远高于开放收益，拒绝清单就成了最省事的选择。

但这些平台并不是反对AI本身。微信自己的开放也带着明确的边界：据21世纪经济报道等媒体实测，目前开放的只是发消息和音视频通话，不能发朋友圈，也不能进行红包这类涉及资金的操作；首次调用需要授权，消息发出或电话拨出前，还会让用户再确认一次。能力给出去，但分寸留在自己手里。

3

用户最在意的到底是什么

绕回最开始的问题：AI智能体生态该怎么建？两种做法，两种结果，在同一周里先后呈现了出来。

一种做法是跳过授权：利用手机的系统级权限直接调用应用，覆盖广、见效快，但应用往往并不知情。另一种做法是先谈边界：能力由应用自己开放，开放多少对方说了算，调用前经过用户授权，智能体在约定范围内调用，过程可查、可审计、可撤回。这条路慢，覆盖率低，需要一家一家谈。

对普通用户来说，这两种调用方式的差别，不在"能不能办成事"，而在办这件事的时候，你交出去了什么，以及出了问题能不能查得清。

跳过授权的调用，AI得先读懂屏幕。聊天界面、支付页面、浏览记录，它都要先看到才能操作。更麻烦的是，应用这边往往不知道自己被调用了，平台的记录里也难以区分本人操作和机器代操作——一条消息发出去了，一笔订单提交了，事后很难说清到底是你点的，还是机器替你点的。真出了误发、误订的事，溯源和撤销都不容易，这还不包括你在用AI助手帮你点外卖，万一此时一条敏感聊天弹窗出来，被AI助手拿去截图分析的情况。

三方知情同意的调用，能办的事目前确实有限，得一家一家谈。但它把边界做进了流程里：应用自己决定开放哪些能力，调用前需要授权，执行前还会再确认一次，过程可查、可撤回。阶跃就在安全设计上专门强调了可信执行环境、操作可审计回溯、权限按需授予、误操作一键撤回。

用一个日常场景就能看出差别。让助手给家人发条微信、拨个视频电话，和让它替你下单付款，风险完全不是一回事。前者发错了，解释一句就好；后者一旦点错，钱和责任都得你自己扛。所以哪怕是开放程度有限的A2A方案，也会把涉及资金的动作留在人手里。

代价也是明摆着的：经过授权的调用能办的事少、推进慢；跳过授权的做法理论上什么都能点，却有不少应用把它挡在门外。用户要的其实很朴素——希望AI替自己跑腿，但不希望它替自己做主，更不希望它把钱花了却无人负责。

移动互联网用了十几年，把应用、服务、支付、关系链一层层建起来。智能体想接进这套体系，靠的不是更强的模型，也不是更快的点击速度，而是一套让各方都愿意继续参与的规则：授权在前，过程可查，责任有人承担，利益能分到。

一种做法先做了再谈，一种做法先谈了再做。接下来无论哪条路走得通，都要先回答同一个问题——这套能力，是在谁的授权下使用，做到哪一步，出了问题由谁负责。无论是互联网、AI ，任何生态的合作逻辑都是建立在安全、互信的基础上，才好去谈共赢。