SagaSu的个人博客
SagaSu的个人博客订阅

#04 没有操作系统的公司怎么办：豆包、千问、元宝

「谁在定义个人智能体」系列 · 第 4 篇

10 月 14 日，豆包手机助手公布了一份名单。

名单上是明确拒绝让豆包手机助手"自动化操作"的应用，共 155 款。腾讯系 66 款，包括微信、QQ、腾讯会议、元宝、WorkBuddy；阿里系 23 款，包括淘宝、支付宝、高德、千问；快手系 14 款，美团系 11 款，另外还有 DeepSeek、Kimi、拼多多、小红书、WPS 和多家银行、三大运营商。

这份名单本身就是一张中国互联网的格局图。它也引出了这一篇要讨论的问题：手里没有操作系统的公司，它们的个人智能体要替你办事，就得进别人家的 App。别人不让进，怎么办？

上一篇讲的终端厂商，站在操作系统的位置上调度一切。字节、阿里、腾讯没有这个位置，只能从 App 出发。三家给出了三种完全不同的答案。

字节：先闯进去，再敲门

第一次：模拟点击

2025 年 12 月 1 日，搭载豆包手机助手技术预览版的努比亚 M153 发售。按澎湃新闻的介绍，豆包手机助手是在豆包 App 的基础上，和手机厂商在操作系统层面合作的 AI 助手，基于豆包大模型和手机厂商的授权工作。

它的做法是读屏幕、模拟点击：像人一样看界面，像人一样点按钮。这样它理论上能操作手机上的任何 App，不需要对方配合。体验过的用户说，它能比价点外卖、定时发消息，甚至能替你刷短视频领金币。

问题在两天后出现。12 月 2 日晚，多位用户反馈，用豆包手机助手操作微信时，微信会异常退出甚至无法登录。微信方面的说法是"可能是中了本来就有的安全风控措施"。之后淘宝、支付宝、高德、京东、多家银行 App 也陆续出现限制。

豆包团队 12 月 3 日发公告，下线了操作微信的能力，并说明助手不会代替用户做相关授权和敏感操作，也没有在云端存储用户的屏幕数据。12 月 5 日又发了一份调整说明，暂停刷分刷激励、金融类应用和部分游戏场景的操作。

第二次：先问对方同不同意

九个多月后，2026 年 9 月 14 日，豆包手机助手消费者版发布，搭载它的努比亚 NaviX Ultra 两天后开售。这次豆包换了做法，推出了一份《屏幕自动化操作声明协议》，简称 SAEP。

规则大致是这样：

  • 发布后有 30 天公示期，公示期内默认不自动化操作第三方应用；
  • 公示期结束后，没有声明拒绝的应用，按风险等级逐步开放；
  • 明确拒绝的，始终不操作，公示期后也可以随时声明拒绝，3 个工作日内响应；
  • 应用可以按整个应用、具体页面或操作意图分层声明，比如只禁止截图、模拟输入或修改内容。

另外，能走 MCP、A2A 等标准协议的应用优先走协议对接，走不通的才用模拟点击兜底。

中科院软件所的一位高级工程师评价，SAEP 主要解决了三个问题：避免平台把用户授权的智能体和恶意外挂混为一谈、一刀切地封掉；把事后冲突变成事前协商；用统一格式降低和海量应用逐一谈判的成本。

结果就是开头那份 155 款应用的拒绝名单。公示期内，豆包手机助手只能操作系统应用、中兴应用、字节系应用和部分已接入的第三方应用。

An image to describe post

豆包的定义

把两次尝试放在一起看，豆包对个人智能体的定义可以概括为：像人一样替你操作手机上的任何应用。

这和第 1 篇海外的"给 Agent 一台电脑"是同一个思路，只不过电脑换成了你的手机，网页换成了 App。它们也撞上了同一堵墙：Meta Muse 上线 12 天被 Amazon 屏蔽购物，豆包手机预览版上线两天被微信风控。

还有一条传闻：字母榜报道，字节内部有一个个人智能体项目 Spell，由豆包手机助手团队主导，大概率会和豆包 App 分开做。官方没有确认。

阿里：不用进别人家，自己家够大

千问的定位

阿里的处境和字节正好相反。淘宝、支付宝、高德、飞猪、淘宝闪购都是自己的，千问要办的大部分事，在自家生态里就能闭环。

2026 年 1 月 15 日，千问 App 宣布全面接入这些业务，上线 400 多项"AI 办事"功能。发布会上，阿里集团副总裁、千问 C 端事业群总裁吴嘉让千问点了 40 杯奶茶，千问调用淘宝闪购下单，用支付宝的"AI 付"在应用内付款，不用跳转。吴嘉的说法是，AI 有了大脑之后，开始长出触达真实世界的手和脚。

阿里给千问的定位一直很直白：替用户办事的个人 AI 助理。

千问 Go!

10 月 13 日，千问的 Personal Agent 产品"千问 Go!"开始限时邀测。按官方介绍，它在需要时可以自主查询操作各类授权平台、比较方案、电话联系服务方，完成目标任务。

测试用户分享的几个例子，能看出它和之前的千问有什么不同：

  • 用户只说"之前的航班有延误，不记得是哪趟了，帮我沟通赔偿"。千问 Go 先查订单和航班动态，确认延误后联系客服；电话没接通就转图文客服；客服提出给代金券，它坚持要现金，最后拿到 70 元现金赔偿。
  • 用户说听说淘宝有价保但不会用。千问 Go 找到入口，检查所有订单，找出一笔符合条件的，退回 52 元差价。
  • 按用户给的车型、门店、时间，打电话给途虎询价并预约保养。
  • 买冰箱时比较淘宝同款价格，算上用户能用的补贴、优惠券、旧机回收和送装费，总价低于 4500 元时通知用户。

每日经济新闻的一篇报道提到，最后这个例子体现的是千问想强化的另一项能力：理解个人的具体处境，这正是 Personal Agent 里"Personal"的含义。

演示里，AI 的操作过程可以在界面上看到，用户能随时介入或中止。

阿里的定义

阿里对个人智能体的定义可以概括为：在授权的服务生态里，替你把事办完，必要时替你打电话、替你谈。

几个特点值得注意：

  • 它很少需要模拟点击，因为大部分服务本来就是自己的，可以直接调接口；
  • 它用"打电话"和"图文客服"绕过了没有接口的地方，这和海外初创公司 Instinct、Amazon Alexa+ 的思路接近；
  • 它的"个人"讲的是理解你的订单、你的补贴、你的优惠券，偏消费场景。

阿里也在硬件上铺路。千问已经发布了 AI 眼镜，10 月 13 日同一天又发布了多款 AI 硬件。阿里 AI 硬件负责人宋刚说，用一句话定义他们的硬件战略，就是"可以用 AI 办事"。

但千问的边界也很明显：出了阿里生态，它同样要面对别人家的墙。千问自己也在豆包的拒绝名单上。

An image to describe post

腾讯：先做员工的，再想个人的

绕开聊天机器人

腾讯的情况最复杂。按字母榜 8 月的分析，腾讯在聊天机器人上被豆包拉开了一个数量级：元宝月活约 5000 万，豆包接近 4 亿。所以腾讯没有在这条赛道上继续死磕，而是调整成"算力加 Agent 舰队"：一边大量囤积算力，一边铺一组面向不同场景的 Agent 产品。

舰队里最大的是 WorkBuddy，主攻 AI 办公，跨平台月活两千万，腾讯在二季度财报里称它是"中国使用最广的效率智能体服务"。旁边有写代码的 CodeBuddy、内嵌在微信里的小微、远程操控电脑的 QClaw 等。腾讯还参与了 Manus 的回购。

个人 Agent 和服务 Agent

腾讯云副总裁吴永坚 9 月说过一组二分法：企业 Agent 落地有两个方向，向左是个人 Agent，让每个员工更高效、更自由；向右是服务 Agent，嵌入企业流程、稳定可靠地完成生产任务。

这里的"个人 Agent"，和第 2 篇讲的 Microsoft Autopilot 是一个意思：服务对象是一个员工，场景是工作。WorkBuddy 就是这个定义下的产品。

元宝的个人智能体

消费端的个人智能体，腾讯还没有正式推出。9 月 30 日，字母榜独家报道元宝将推出个人智能体，形态和时间未定。

这篇报道里有一组对照，是目前中文媒体里讲得比较清楚的：

  • 个人智能体：专为用户个人服务，跑在用户专属的独立云端虚拟机上，相当于有一台"专用电脑"，可以 7×24 小时工作，能根据用户身份、数据和偏好调整策略，跨会话执行、主动响应、完成长周期任务；
  • 工具智能体：用户发起任务后在临时沙箱里完成，没有长期记忆，长任务能力弱，只能被动应答。按这个标准，目前大多数 Agent 都是工具智能体。
An image to describe post

报道还分析了一个问题：微信手握 14 亿用户和小程序生态，为什么不自己做个人智能体？原因有两个。一是成本，全量开放意味着要给所有用户开虚拟机；二是冲突，个人智能体可能削弱小程序的分发地位。所以腾讯的策略是让元宝先探路。

元宝在服务对接上走的是合作路线。6 月美团 CEO 王兴说，美团的 AI Agent"小美"将和元宝深度合作，用户在元宝里提本地生活需求，会直接接到美团的服务。7 月，京东的 AI 智能体和元宝打通了小程序生态，用户用自然语言就能跳到商品页下单。

腾讯的定义

腾讯目前的定义分成两层：工作场景里，个人 Agent 指员工的效率助手；消费场景里，个人智能体指一个有专属云电脑、常驻、懂你的 Agent，但还没正式发布。连接服务的方式是合作和小程序，而不是模拟点击。

三条路线对照

字节（豆包） 阿里（千问） 腾讯（元宝、WorkBuddy）
自家生态 抖音、飞书等 淘宝、支付宝、高德、飞猪 微信、QQ、小程序
怎么进别人家 先模拟点击，后用 SAEP 协议征求同意 主要不需要；必要时打电话、图文客服 合作伙伴对接、小程序
对"个人"的理解 像你一样操作你的手机 懂你的订单、补贴和处境 工作端是员工；消费端是有专属电脑的分身
主要阻力 超级 App 拒绝 出了阿里生态就是墙 成本，与小程序分发冲突
当前状态 消费者版已上市，大量应用拒绝 千问 Go! 邀测中 WorkBuddy 已商业化，元宝个人智能体未发布

这三条路，正好对应"个人 Agent 能不能绕过 App"的三种答案：字节想绕过，阿里不需要绕，腾讯选择不绕。

An image to describe post

为什么平台不让进

豆包的拒绝名单发出来后，一篇雪球上的评论说得比较直接：大厂拒绝的原因肯定不只是保护用户隐私和体验。允许竞争对手的 AI 操控自家应用，意味着用户数据、使用习惯、算法都可能暴露；而且用 AI 代操作的用户，大概率不会看开屏广告和推荐内容。

另一篇报道把平台的顾虑归为两类。一是安全责任：点击屏幕的不是机主本人而是智能体，一旦出了问题谁负责，目前没有划清。二是商业生态：平台辛苦积累的用户关系、数据和流量入口，要交给第三方 AI 调度，在没有合作模式之前不现实。

这其实揭开了个人智能体定义里一直被回避的一层：个人 Agent 代表的是用户，但用户在平台上的每一步行为，都是平台的商业资产。 个人 Agent 越能干，平台越被架空。

还有一个对照值得记下来。投资界 10 月 16 日的一篇文章提到，阶跃星辰的 STEPX Neo 走了另一条路：AI 不读屏、不模拟点击，只调用 App 主动开放的接口。靠这种做法，它拿到了支付宝、美团、滴滴和腾讯部分产品等近百家企业的合作。同样是手机上的个人智能体，"先闯进去"和"只走正门"，换来的是完全不同的待遇。

和海外比

海外也在经历同样的事。Meta Muse 被 Amazon 屏蔽后，Meta 和 Sierra 在 10 月 6 日发起了 Personal Agent Protocol，规定个人 Agent 怎么向企业表明身份、拿到什么权限、企业怎么看到它做了什么。

豆包的 SAEP 9 月 14 日推出，Personal Agent Protocol 10 月 6 日宣布，前后相差三周。中美两边几乎同时得出了同一个结论：个人 Agent 不能只靠"像人一样点"，得有一套让平台愿意放行的规则。

两份协议的出发点也有区别。SAEP 是 Agent 一方发起，让应用声明"拒绝什么"，没拒绝的就逐步开放；Personal Agent Protocol 是 Agent 方和企业一起制定，由企业决定"开放什么"，没开放的就不能做。这个差别第 7 篇详细讲。

我的看法

国内互联网派让我对个人智能体的定义多了一个认识：一个个人 Agent 能做什么，不只取决于它的能力，还取决于别人允许它做什么。

第 1 篇讲的"有自己的电脑"，第 3 篇讲的"站在操作系统的位置"，都是在讲能力。但豆包的经历说明，能力再强，碰到一份 155 款应用的拒绝名单，能办的事就只剩自家生态那一圈。阿里看起来走得顺，也只是因为它的墙圈得够大。

所以我越来越倾向于认为，个人智能体的定义里需要有一个"关系"维度：它和用户是什么关系，和服务方是什么关系，和平台是什么关系。这三组关系决定了它实际上能替你做多少事。

An image to describe post

另外，从这三家的进展看，中国的个人智能体很可能先在"生态内闭环"里跑起来，比如千问在阿里生态里办事、元宝通过合作接入美团和京东，而不是一个能跨所有 App 的通用分身。这和海外 Muse、dots 的路径不太一样。

下期预告

第 5 篇《个人智能体分几级》：清华的 L1 到 L5、2024 年信通院和荣耀的 L1 到 L5、2026 年国家标准的 L1 到 L4、开发者平台 Vellum 的 L0 到 L6，再加上 IDC 和高通的四个阶段。五套尺子各量什么、能不能对上、你的手机到底算几级，下一篇用一张对照表讲清楚。

资料来源

字节：豆包手机助手

阿里：千问

腾讯

其他

参与讨论