12月1日，豆包团队搞了个大动作，正式发布了其“豆包手机助手”的技术预览版。

它内置在手机系统当中：在你的要求下，能操作你的手机，能记住你的偏好，甚至能在多个 App 里来回操作，帮你完成任务。这和苹果在去年WWDC开发者大会上演示的一系列苹果智能的功能非常类似。

不过苹果这些功能"期货"很久了...

所以很多人发出来疑问：字节要做手机了吗？

先划个重点：字节明确表示，他们没有自己造手机的计划 。

这次他们走的是一条更开放的路子：直接和手机厂商在操作系统层面“联姻”。

这不仅仅是给手机装个App那么简单，这更像是给手机换了个更聪明的“大脑”。

咱们从它的实际能力、背后的技术底座，以及这种合作模式的行业意义来聊聊。

01｜AI 第一次真正理解需求并帮你互动

你在哪个界面并不重要，豆包都能被唤醒，也能理解你需要什么

这点非常关键，因为它意味着：

你看到什么，它就看到什么。

它还支持语音唤醒、手机侧边AI键唤醒、和耳机唤醒...

比如你刷到一张景点照片，问“这在哪？”它秒答。

比如你看一条产品种草视频，问“这东西贵不贵？有替代吗？”

比如视频通话里你举着一本绘本，它能实时看懂并给孩子讲故事（中英双语）。

这相当于直接豆包的能力嵌进了手机系统。

豆包大模型本身在视觉、多模态理解上就属于国际一流。

比如他们的语音视觉通话能力，还能帮你查看各种的真实场景并进行实时互动。

对准绘本可以帮你中英双语朗读或者翻译绘本内容

02｜帮你“操作手机”：跨 App 执行任务

这是豆包最打动人的地方，也可能是手机操作系统未来 3–5 年的分水岭。

豆包可以：

• 自动打开淘宝、京东、拼多多

• 自动搜索同款

• 自动比价

• 自动领券

• 自动停留在最低价的支付页面

你说一句话：“帮我全网比价”，它直接在多个 App 里“像人一样”点点点。

和你平时操作手机一样...

这是豆包大模型在“图形界面操作（GUI Agent）”方面的强项，目前在多项权威评测中都是业界最佳。

它能做的远不止比价：

• 查票 / 订票

• 批量下载文件

• 物流一键查询

• 在飞书里自动提交请假、差旅

• 在地图里替你打点

• 在多个 App 之间连续跨应用任务流

这件事的意义非常大：

用户第一次从“手动操作”进入“AI 代操作”时代。

手机不再是你一个一个点出来的工具箱，而是一个会主动帮你做事的机器。

03｜直接在系统相册里修图、创作、处理

另外豆包的多模态能力（视觉理解 + 图像创作）也直接打通到了手机系统的原生应用，例如你可以：

• 在手机相册选中图片说：“把路人P掉”

• 说“把背景换成海滩”

• 说“这张照片调成证件照风格”

它都能自动帮你完成P图和图像编辑等操作

这不是跑到外部 App，而是相册里原生调用。

这意味着：

手机相册第一次拥有了“AIGC 内建能力”。

04｜Pro 模式：私人秘书 + 外包执行官”

如果普通模式像助理，那么豆包手机 Pro 模式，可能就是代表着未来AI助手的方向，它更像是你身边的“私人秘书 + 外包执行官”。

Pro 模式是 GUI Agent + API Tools + Memory(记忆） + 推理能力的结合体。

比如你说：

“下个月去巴黎，把我收藏的餐厅标在地图上，再帮我买个我喜欢的博物馆门票。”

豆包 Pro 会：

1. 搜索记忆：你之前说你喜欢凡高

2. 自动选择奥赛博物馆（有凡高展）

3. 帮你查时间、订票

4. 打开地图

5. 自动打点你收藏的餐厅

6. 生成备忘录

这不是“回答”，而是做完了整个任务链条，并且是基于你的历史记忆和你的兴趣爱好和使用习惯。

它是手机助手进化史上第一次真正做到：

“从目标到行动的自动化执行。”

05｜它目前真能帮你干嘛？

但是，现在还别把豆包手机助手想象成《钢铁侠》里的 JARVIS。

作为一个技术预览版，它确实有“未来味儿”，但也确实“有点慢、有点笨、有点不稳定”。

• 功能能跑，但不一定稳

• 一次任务要跑很久，你可能忍不了

• 有时它可能会来回反复操作迷路，流程绕得你头大

• 系统权限、体验打磨、商家接口等还没完全打开

• 很多 App 的 UI 并不是为 Agent 设计的，它只能硬点

那现阶段它究竟能干点啥？

我的感觉是：它很适合很多你“手腾不开”的场景。

比如：

① 你在开车，但又不想违反交规

开车的时候，你根本没空切 App，但很多琐碎事又不能等。

比如：

• “帮我查一下导航有没有堵车”

• “帮我让支付宝打开刚才那张停车发票”

• “帮我查查这个充电站多少钱”

• “帮我查我的高铁时间还有多久”

• “帮我看看刚才谁给我发消息了”

之前这些要么拿手机冒风险，要么等红灯手忙脚乱。

有了豆包，“语音 + 屏幕理解”基本能全程无手操作。

虽然速度还不够快，但能用、能救急。

② 你在做饭或手很脏的时候

你两手都在切菜、炒锅、处理生肉的时候，你绝不想去摸手机。

这时候你可以：

• “帮我查这道菜还要煮多久”

• “帮我看一下菜谱下一步是什么”

• “帮我回妈妈一句马上吃饭”

• “帮我打开定时器 10 分钟”

• “帮我查一下这瓶酱油是不是过期了”

• “帮我从相册找那张包装图，我看看调料比例”

它直接“看你的屏幕 + 用你的 App”，不用你停下动作洗手。

这是真实生活里最能体现 AI 价值的瞬间之一。

③ 你在照顾孩子的手忙脚乱时间

带娃的人都懂：一只手永远空不出来。

这时候豆包能做的事情非常多：

• “帮我把绘本读给他听”

• “帮我找上次拍的那张打疫苗照片”

• “帮我查这家医院明天有没有号”

• “打开上次收藏的宝宝辅食视频”

• “帮我把今天拍的照片按时间排好发给我老公”

你在处理孩子，它在处理手机。是非常真实的“人机分工”。

④ 你在运动、洗澡、做家务的时候

这些时间点有一个共同点：你没有空手操作。

豆包在这些场景下能：

• 播放你想看的视频（甚至帮你跳广告）

• 帮你查物流：“看看我的快递到了没”

• 帮你打开智能家居 App 调灯光

• 帮你查询今天的天气、晚餐预约

• 帮你整理待办：“把刚才那件事记到备忘录”

它的执行链条虽然比你手点慢得多，但胜在你无需停下手上的事。

⑤ 忙到没心情比价的时候

虽然它跨应用比价目前有点慢，但你不方便切 App 时，这功能特别值钱：

• 你在跑步

• 你在会议间隙

• 你在照顾孩子

• 你正在做饭

• 你人正在外面不方便看屏幕

一句话：

“帮我查一下有没有更便宜的。”它慢慢帮你点，不会嫌烦，也不会收你咨询费。

⑥ 你是真的懒的时候

有些事情本身不难，但就是懒得打开 App：

• 查天气

• 查电影

• 查导航

• 查机票

• 查餐厅评分

• 查商品历史价

• 在一堆 App 里找找有没有更便宜的

你自己点的话不到一分钟，但你累了一天，下班瘫在沙发上，你就是不想动。

这种时候豆包的存在意义非常真实：它不快，但它能替你干点小事。

官方完整演示视频↓

如果你手痒痒

又是土豪，想体验的话，

可以买一台nubia M153 手机试试...

哈哈哈

购买链接：https://o.doubao.com/

这里有一些用户使用案例，可以看看：

https://community.doubao-dev.com/

加入XiaoHu.ai 日报社群 每天获取最新的AI信息

____________

End.

感 谢阅 读