2026 年 9 月 14 日，字节跳动发布豆包手机助手消费者版；9 月 16 日，搭载该版本的努比亚 NaviX Ultra 正式开售，中兴称这是全球首款 AI 智能体手机。先把事实按时间线梳理清楚，再谈它到底改变了什么。
事实梳理：这条产品线走到了哪一步
起点是 2025 年 12 月 1 日，豆包手机助手以技术预览版形态亮相，载体是与中兴合作的工程样机努比亚 M153，仅一个配置（16GB+512GB），售价 3499 元。首批备货约三万台当日售完，二手市场一度被炒到七千元甚至上万元。
热度之后是争议。技术预览版发布后，豆包手机遇到了「生态墙」——部分第三方 App 无法使用「操作手机」功能。12 月 5 日，豆包发布《关于调整 AI 操作手机能力的说明》，限制刷分、刷激励类场景，暂时下线银行和互联网支付等金融类应用的操作能力，并限制涉及竞技排名的游戏场景。
九个月后的消费者版本，官方强调的重点从「能力」转向了「稳定性和日常可用性」。首款量产机型努比亚 NaviX Ultra 已在京东、天猫开启预约，将于 9 月 16 日 14:00 开售，同时新版本也会推送给上一代工程机 M153 的老用户。
四大能力升级：从「会聊天」到「会干活」
交互。一个容易被忽略但很关键的改动是：独立 AI 键集成了指纹鉴权，按一下同步完成本人验证，锁屏状态下也能直接调起助手办事，不必先解锁再操作。语音唤醒针对远场、设备内外噪声、快语速做了优化；开启连续对话 Beta 后，不必每句话都喊唤醒词。
识屏。这一代把「识屏问答」升级成了「识屏办事」。官方演示的场景是：打开相机对准室内环境，直接说「根据这个装修风格，帮我选一个一米二以内、价格不超过一千元的柜子」，助手结合画面信息去电商平台筛选商品并给出推荐。屏幕内容不再只是被解释的对象，而是任务的输入。
记忆。用户授权后，助手可以检索电话录音、相册、短信、便签等本地数据，比如直接回答「港澳通行证什么时候到期」。用户还能用语音说一句「记一下」、三指上滑，或者同时按住 AI 键和音量键，把当前屏幕内容存成可检索的本地记忆。办公场景接入了飞书妙记，支持转录、实时翻译、区分说话人、自动总结。
任务执行。「操作手机」以 Beta 形式保留，通过模拟点击加调用工具完成跨 App 操作，并补齐了多任务排队与插队、锁屏查看任务状态、按时间或地点触发的自动指令、系统工具（电话、日历、闹钟、飞书）批量调用等能力。出行场景接入了曹操出行，首批支持北京和杭州。
真正的看点：SAEP 协议，第三方 App 拿到了「拒绝权」
这次发布里最值得单独拿出来讲的，不是某个功能，而是一纸协议。
豆包手机助手推出屏幕自动化操作声明协议（SAEP，Screen Automation Execution Protocol），自发布之日起启动为期 30 天的规则公示。核心规则四条：
（1）第三方应用可以自主声明操作边界——明确允许或拒绝 AI 助手在自己的应用内执行屏幕自动化操作。（2）拒绝可以细到操作粒度——除了「禁止全部」，还能对截图、模拟输入、内容修改等特定操作单独设限。（3）公示期内，助手只对系统自带应用、字节跳动旗下应用，以及已通过 SAEP 或邮件明确同意接入的第三方应用执行自动化操作，其余应用默认不操作。开发者提交拒绝声明后立即生效，相关应用会被列入不可操作清单。（4）公示期结束后会逐步扩大可操作范围，但明确表示拒绝的应用始终不在范围内。
另外，豆包给出的技术路线是双轨并行：高频任务优先走 MCP（应用主动开放接口），GUI 屏幕操作作为补充路径被 SAEP 约束。这个先后顺序很重要——它等于官方承认了「读屏点击」是兜底手段，而不是最优解。
安全合规方面，官方公布持有 ISO 27001、ISO 27701、ISO 42001 和信息系统安全等级保护三级认证，建立了分层的 Agent 防护体系，对可操作范围做分级管理，高敏感操作需要用户手动确认。此前的公开口径还包括：不代替用户完成授权、支付、身份验证等敏感操作；不在云端存储屏幕内容；相关内容不进入模型训练。
影响一：GUI Agent 从技术问题，变成「生态许可」问题
去年「操作手机」功能为什么吵得那么凶？因为 GUI 自动化在技术上绕过了应用本身——它不问你同不同意，直接读屏加模拟点击就把事办了。第三方应用的抵触非常实际：AI 可能绕过广告展示、会员引导和数据埋点，也可能因为操作不可控引发体验问题甚至经济损失。
SAEP 把这个矛盾第一次变成了一个可签署的机制。它的意义不在技术先进，而在于承认了一件事：Agent 能对谁做什么，最终由被操作方的授权决定，而不是由 Agent 的能力决定。这个思路和站里写过的 Agent 自主越权防线 是同一层逻辑——越权问题的正解不是让模型更自律，而是让边界由别人来划。
对企业内做 Agent 的人，这条可以直接抄：你的 Agent 要去操作别的部门、别的系统，有没有拿到对方明确的、可撤回的授权声明？如果没有，那就等着出事。授权体系怎么落地，参考 AI Agent 权限管理怎么做。
影响二：能用接口就别读屏，这条路线图已经写明
「MCP 优先、GUI 兜底」这个排序，对做 Agent 的人是一条明确信号：屏幕操作是能力上限最高、但成本也最高的路径——慢、脆、每次界面改版都可能失效，而且合规负担最重。真正的正路是让应用开放结构化接口。
这也解释了为什么过去一年 MCP 生态扩张这么快。站里写过的浏览器自动化（OpenClaw 怎么接浏览器）是同一件事的另一面：能调接口就走接口，读屏只在没有接口时才用。做技术选型时判断标准很简单：这个任务有没有稳定的结构化通路？有就别去点屏幕。
影响三：端侧 Agent 的合规成本，正在前移
这次发布还有一个容易被忽略的信号：一个消费级产品把「同意机制 + 分级管控 + 审计可追溯 + 认证资质」当成发布内容的一部分来讲了。九个月前被争议逼出来的这套东西，现在成了产品说明书里的一节。
对行业的意义是，端侧 Agent 正在从「能不能做」进入「怎么合规地做」。此前我们写过端云分工（端侧 AI Agent 是什么）和荣耀的系统级 Agent Harness（荣耀 MagicOS 11 首发系统级 Agent Harness），加上这次的豆包，三条线拼起来是同一张图：手机厂商把 Agent 做进系统层，同时必须自己把权限、隐私和生态协商一起做掉。
顺便看一下同行节奏：小米澎湃 OS 4 的超级小爱 2.0 提出跨应用任务闭环；荣耀在 MagicOS 系列上持续扩展 YOYO 的自动化场景；华为把跨 App 执行与离线可用作为系统卖点；OPPO 在推端侧 Multi-Agent 内测；vivo 将于 9 月 16 日开发者大会发布新系统。端侧 Agent 的竞争，已经变成系统层之争。
老达点评
第一，这次最值钱的不是「会干活」，是「先问能不能干」。能力演示谁都能做，难的是让生态接受。SAEP 用一纸协议把「第三方同意」变成了流程上的前置条件，还附带 30 天公示期——这个设计相当克制，也相当聪明：它没有解决利益冲突，但它把冲突摆到了台面上，并且给了对方一个正式的否决入口。
第二，不要被「全球首款」这类定语带走节奏。上一代工程机也是同一批人做的，首款只是个时间定语。真正该看的是两件事：Beta 标签什么时候摘掉，以及拒绝名单会不会真的被尊重。如果一年后「明确拒绝的应用始终不在操作范围内」这条还站得住，这次发布的分量才算真正落下来。判断标准很朴素——看有没有大厂公开说「不」，以及豆包有没有守住。
第三，对做企业 Agent 的人，SAEP 是一份可以直接借用的模板。三条可以搬：能走接口就不读屏（成本与稳定性差一个量级）；被操作方要有可撤回的同意声明（口头同意不算）；敏感操作要人工确认并留审计轨迹（分层分级，而不是一刀切）。这套东西和你内部的 Agent 边界设计是相通的，安全分层怎么搭，可以对照 AI Agent 安全怎么防 里的七道防线。
第四，留意那个不起眼的转变：从「解释屏幕」到「拿屏幕当输入」。识屏问答是看，识屏办事是做。这是交互范式的切换——用户不再需要把需求翻译成文字，场景本身就是指令。但这条路径的副作用是：本地数据检索、屏幕记忆、跨应用执行叠在一起之后，隐私边界会变得非常难说清。消费者版本把「用户授权」写在了每一步，这是对的；但授权疲劳是所有 Agent 产品都要面对的下一道题。
总结
9 月 14 日，字节跳动发布豆包手机助手消费者版，9 月 16 日搭载它的努比亚 NaviX Ultra 正式开售，成为首款面向大众市场的 AI 智能体手机。这一代在交互、识屏、本地记忆和任务执行四条线上补齐了工程化能力，但真正的看点是 SAEP 屏幕自动化操作声明协议：第三方应用第一次拿到对 AI 自动操作说「不」的正式权利，并设置了 30 天公示期。技术路线上，官方明确了 MCP 优先、GUI 兜底的排序。老达点评：这次的关键词是「同意」而不是「能力」；对做 Agent 的人有三条现成启示——能走接口就别读屏、被操作方要有可撤回的授权声明、敏感动作要人工确认并留痕。真正要观察的是 Beta 何时摘牌，以及拒绝名单能否被守住。
