本文来自微信公众号： 剁椒Spicy ，作者：剁椒团队
“未来不是人操作手机，而是手机替人办事。”
2026年世界人工智能大会上，努比亚总裁倪飞再次为AI智能体手机描绘了一个激进的未来。在他看来，豆包手机二代（NaviX Ultra）已经不再停留在技术演示阶段，而是真正具备面向商业化的能力。
不过，努比亚并不允许现场观众和媒体拍摄屏幕，公众最为关注的豆包手机二代能否支持微信、支付宝等国民级应用，与抖音等字节体系内部应用如何快速调用等问题，仍需要打一个问号。
在展会现场，样机被放在展柜内，没有向大众开放上手，工作人员仅向一些媒体和数码博主演示了搜索、信息汇总、消息发送和图片修改等功能。
（工作人员展示图片修改功能图源：爱范儿）
半年前，努比亚上架初代豆包智能体手机M153，通过识别屏幕和模拟操作，将AI手机从“提供建议”推进到“直接执行”。产品发布后，其登录和自动化操作在多款主流App中受到限制，部分账号还触发了风控，最初展示的微信操作能力也被下线。
半年后，NaviX Ultra重回大众视野。它需要证明的已经不只是AI能否替用户完成任务，还包括能否获得微信、支付宝等平台长期、稳定的调用权限。为此，豆包开始从直接操作App，转向通过协议与应用生态协作。
这一次，它能真正敲开超级App的大门吗？
豆包与努比亚的合作，源于双方不同的现实压力。根据IDC公布的数据显示，2026年第二季度中国智能手机市场出货量约为6601万台，市场份额高度集中于头部品牌，在芯片、屏幕、影像和快充等能力日益同质化的情况下，AI成为努比亚寻找差异化的重要机会。
字节面临的问题则恰好相反。
它拥有大模型、算法、用户和丰富的互联网产品，却没有自己的手机操作系统与硬件入口。
豆包虽然拥有庞大的用户规模，但作为一个App，受到应用权限的限制，它可以给用户提供建议，却很难进入另一个应用，帮用户完成任务。因此，豆包需要将App升维到AI OS的层面，调用相应App和系统能力来完成用户需求。
简而言之，努比亚需要AI重新定义硬件，字节则需要硬件承载AI。
但问题在于他们能够决定手机的设计与系统的功能，但无法决定微信、支付宝等“超级App”是否愿意被它调用。
因此，初代豆包手机所依赖的，是GUI Agent（图形界面智能体）。
它让AI像人一样“看”屏幕，识别页面上的文字、按钮和图片，再通过滑动和点击完成操作。
这套方式最大的优点是通用。它不需要等待App厂商开放接口，也不需要针对每个应用单独开发。理论上，只要人能够操作的App，AI就能够照着完成。
但GUI模式的问题，也恰恰来源于这种通用性——它相当于在App厂商没有明确同意的情况下，获得了一双可以伸进任何应用的“手”。
尤其当任务涉及聊天记录、购物订单、支付账户乃至银行信息时，谁来判断AI的操作是否代表用户真实意愿，出现误操作后又由谁承担责任，都没有清晰答案。
微信相关人士在回应豆包手机登录异常时也曾表示，并未专门针对豆包采取额外措施，相关账号异常可能是自动化操作触发了原有的风控机制。
但安全只是其中一层。
更深层的矛盾在于，AIAgent正在挑战移动互联网过去十多年形成的入口秩序。
用户进入App后，会经过开屏广告、搜索框、首页推荐、商品列表、活动会场和支付页面。App不仅完成一项服务，也在这个过程中掌握用户关系、消费偏好和流量分配。
当AI Agent出现，整个路径可能被大幅压缩。
用户只需要把需求告诉AI，AI便可以理解需求、筛选商品、比较价格并完成下单，用户甚至不需要知道最终调用了哪个平台。
对用户而言，这是效率提升；对平台而言，用户不再经过开屏广告、搜索页和推荐信息流，原有的广告曝光和推荐流量的价值也会随之减少。
以阿里为例，2025财年客户管理收入达到3438.67亿元。虽然这一口径还包含部分平台服务，不能直接等同于纯广告收入，但结合拼多多、京东等头部电商平台的相关财务数据来看，搜索排名、推荐曝光、内容流量和交易转化，依然是一块规模庞大的生意。商家每年需要为获得这些流量入口，向平台支付数千亿元。
这些平台的推荐算法持续影响用户从看到商品到最终下单的决策过程，商家购买搜索排名和推荐流量，本质上也是在购买影响用户选择的机会。
AI拿走的因此不只是一项操作权限，还有平台出售流量、影响消费决策并完成商业转化的能力。所以豆包手机触及的不单只是App权限的边界，还有流量入口与用户决策权。
在GUI之外，还有一种更加“礼貌”的办法，可以让AI OS绕开前面提到的各项冲突点，从闯入各大超级APP的“无礼之徒”，变成礼貌敲门的伙伴。
这，就是MCP与A2A协议。
MCP等协议提供了一种与GUI不同的合作方式。
在GUI模式下，AI面对的是为人类用户设计的页面，需要不断识别屏幕，再在屏幕上进行模拟点击。
在MCP或者API模式下，AI面对的则是更加“原生“的命令行界面，服务方可以主动将一部分数据与能力开放给AI，返回给AI一个规范的结果。
对于支付、社交等涉及资金和隐私的核心服务，平台更可能选择另一种方式：不把完整的底层接口直接交给豆包，而是让自己的智能体成为统一的能力出口，这就是A2A模式（智能体对智能体）。
如果说MCP解决的是“能力如何被发现和调用”，A2A解决的则是“一个智能体如何把任务交给另一个智能体执行”。
同期亮相的阶跃星辰STEPX Neo，为这种模式提供了一个更具体的案例。
据新浪科技报道，STEPX Neo搭载系统级智能体Amoo，并已与支付宝、携程、滴滴、美团、WPS、剪映等平台达成合作。
在支付宝与阶跃星辰的合作中，Amoo负责理解用户需求和系统调度，AI版支付宝“阿宝”则负责连接支付宝生态内部的生活服务。
用户提出需求后，Amoo负责理解和拆解，再将任务转交给阿宝。阿宝在支付宝内部完成商家匹配、服务调用、订单生成和风控，涉及支付、授权等关键环节时，仍需用户本人确认。
支付宝采用的AHA跨端互联方案，与通常所说的A2A并非完全相同的一套协议，但遵循的是相似的生态逻辑：外部Agent不直接控制平台，而是将任务交给平台自有Agent执行。
微信也在探索相似的路径。
公开信息显示，微信正在与华为、小米、荣耀、OPPO、vivo等手机厂商合作A2A能力。经过用户授权后，手机系统助手可以向微信发起任务请求，由微信完成发送消息、发起音视频通话等操作。
外部Agent负责传递用户意图，后续操作交给微信自己的Agent来完成，联系人消息发送和账号风控都是由微信的Agent来确认。
与此同时，微信也在测试原生AI助手“小微”。小微可以调用微信原生功能和小程序服务：对内，由小微连接微信和小程序生态；对外，则通过A2A向经过认证的系统助手开放有限能力。
（图源：钛媒体）
阿宝和小微代表的，是超级App在面对系统级Agent时，采取的一种更可控的开放方式。
平台不必将核心数据、账号权限和商业规则直接交给外部模型，而是由自己的Agent掌握内部执行权。
（OPPO小布助手通过调用支付宝AI来进行操作）
超级App并非完全拒绝系统级Agent，微信与手机厂商的A2A合作也说明，平台愿意在可控条件下开放部分能力。
这种开放是选择性的。
平台可以决定与谁合作、开放哪些能力、保留哪些数据，以及在哪些环节要求用户确认。
回到豆包手机，在初代豆包手机遇阻后，二代产品开始调整路线。可能豆包手机未来真正需要争取的，并不是让微信和支付宝完整开放底层MCP接口，而是获得与阿宝、小微等平台Agent进行任务交接的资格。
豆包负责接收用户最初的需求、理解意图并拆解任务；微信、支付宝等平台的自有Agent，则负责在各自生态内部完成身份验证、服务调用、交易执行和风险控制。
这种方式虽然限制了豆包直接操作应用的能力，却能够让超级App保留数据、账户和商业规则的控制权，也更可能成为各方能够接受的生态妥协。
据中国新闻周刊在WAIC现场了解，NaviX Ultra开始更多采用Agent协议与应用交互，而不再主要依靠GUI模拟点击。现场工作人员还介绍，目前字节体系内已经有数十款App支持通过协议调用，但除字节系以外还有哪些超级App已经开放、具体开放了哪些能力，尚未公布。
这表明，豆包不再试图直接硬闯各家App，而是开始敲门等待回应。
技术的问题可以解决，但商业利益的问题还没有答案。
当用户向豆包说“帮我订一间周末去上海的酒店”，豆包首先知道用户要去哪里、预算多少、偏好什么类型的酒店。过去这些信息可能是由用户直接提供给携程、飞猪或者美团，现在这些需求则给到了AI当中。
接下来，AI还要在价格、履约能力以及商业合作关系之间权衡，决定优先调用哪个平台。
随之而来的便是：AI带来的订单究竟属于豆包、努比亚，还是负责执行的服务平台？平台是否需要向Agent支付引流费用？商家未来会不会像购买搜索广告一样，购买被Agent优先调用的机会？
如果这些规则没有明确，即使技术接口存在，超级App们也没有动力把最有价值的部分交给一个可能架空自己的外部Agent。
如果豆包迟迟无法拿到阿里和腾讯等企业的深度授权，字节并非完全没有退路。
相比其他公司，字节最大的优势之一，是它本身已经拥有一套规模庞大的互联网产品生态。
在内容领域，字节拥有抖音和今日头条；在办公与创作领域，拥有飞书、剪映等工具；在消费场景中，抖音电商和抖音生活服务也已经形成了相当规模的商品和本地商户供给。
如果这些字节内部的业务率先向豆包手机开放，则可以让系统级Agent的豆包实现部分能力，成为豆包手机的基本盘。
但这条退路存在明显的上限。
抖音电商无法完全替代淘宝、京东和拼多多在商品品类、物流与用户习惯上的积累；抖音生活服务也无法覆盖即时配送、打车和完整出行链路。
更难替代的是社交与支付。
微信所掌握的人际关系和聊天网络，并不是字节通过增加几个功能就能迅速复制的。豆包也很难仅依靠字节系生态，覆盖支付宝和微信支付已经深入的线上线下场景。
因此，字节系生态可以帮助豆包手机完成冷启动，却难以单独支撑“一句话操作所有服务”的完整愿景。
更现实的路径，可能是一套混合式架构。
系统设置、文件整理、相册、日程以及字节系应用，由豆包依靠系统原生权限和内部协议直接执行；普通合作应用通过MCP或者API开放能力；社交、支付等高敏感服务，则通过A2A或者AHA等方式，与平台自有Agent完成任务交接。
这套方案不会像初代豆包手机那样，看上去可以自由操作所有App，更接近倪飞在WAIC群访中所强调的商业化路径：
“商业化不是把一个能够运行的Demo装进手机，而是让一项技术经受长期、高频和复杂的真实使用。“
相比不受限制地操作所有应用，一套权限更加克制、执行边界更加清晰的混合架构，反而更可能让豆包手机成为一款能够稳定销售和长期使用的消费级产品。
过去十几年，智能手机更像一个App启动器：用户打开不同应用，再进入内部完成服务。豆包手机所代表的Agent模式，则希望让系统直接理解需求、拆解任务，并调度相应的平台和服务。
理想情况下，系统Agent负责理解和调度用户需求，阿宝、小微等平台Agent负责各自生态内的服务、账号与交易，各方通过协议、授权和利益分配机制完成协作。
现实也可能走向割裂。腾讯、阿里、字节和手机厂商分别建设自己的Agent生态，App时代的平台围墙随之升级为协议围墙。若头部平台始终不开放社交、支付和交易等核心能力，豆包即使能够调用系统功能和部分合作应用，也可能停留在增强型语音助手和跨应用工具的阶段。
因此，豆包手机二代需要证明的，已经不只是AI能否完成任务，还包括字节能否获得其他平台长期、稳定的调用权限。
当AI开始替用户操作手机，移动互联网的入口不会消失，只会重新划分，而豆包已经走到了谈判桌前。