大约2025年年中，有朋友透露，字节似乎在市场上沟通了若干家手机厂商，想寻找在 AI 领域合作的可能性，最好是能将他们的豆包大模型植入手机底层系统。

事实上，在整个24-25年，这样的小道消息始终在不同渠道流传，始终没有得到任何验证。

对所谓的 AI 手机而言，那是个非常微妙的时刻。作为智能手机的全球龙头，苹果在彼时刚刚结束的 WWDC 2025 上对重注的 Siri 大升级意外避而不谈。随后便爆出苹果自研 AI 模型路线受阻，考虑用Claude 或ChatGPT 替换驱动新版 Siri。

当时很多人认为，如果强如苹果都做不成，那会不会所有人都做不成？或者 AI 手机压根是伪命题？

也有另一种声音认为，恰恰是巨头做不成的事情，能给到后来者弯道超车的机会。

江湖传言中，字节把手机视作「模型+超级 APP+硬件」三位一体的最后一块拼图，势在必得。

不过，手握硬件的国内大厂们，同样把 AI 视作是收复国内入口权失地的时代机遇。

试想下，如果未来用户调用 App 的途径是通过 AI，那意味着所有流量分发的权力将重新收归系统层，那苦超级 App 久矣的手机大厂们，将重新翻身把歌唱。

那句话怎么说的来着？扎克伯格有多恨蒂姆库克，苹果就有多讨厌不守规矩的 Meta。

在这样的未来期许面前，谁也不可能在当下多让一步。

就在纷纷扰扰、遮遮掩掩中，2025年12月1日，初代豆包手机努比亚 M153 突然登场，限量 3 万台迅速售罄，二手价格一度飙涨到数万元。

记得当时有知名科技媒体给了很高的评价，将这套 GUI 的交互比作 2007 年 iPhone 用多点触控取代物理键盘。

即使初代豆包手机在体验上有这样那样的瑕疵，但苛刻的用户们还是得承认，在戳戳点点了近20年后，智能手机终于出现了一套全新的交互范式。

初代豆包手机的路线是把 LUI（语言用户界面）+ 计算机视觉结合：仅以屏幕截图为输入，直接理解屏幕上为人类设计的界面，然后模拟人的点击、滑动、输入。

换句话说，你甚至可以把整个手机，就视作一个部署在本地的多模态模型。

随热度同期引爆的，便是之前所提到的超级App和手机厂商之间的角力。众多国民级 App 纷纷发声，宣布不支持努比亚 M153 的系统调用。

媒体称之为「移动互联网时代的列强围剿」。

「围剿」这个词或许过于悲壮，除了利益之外，这些超级 App 们的担忧也确有道理 —— 毕竟这个技术方案的通用性可以无限拓展，而没有任何 App 来得及为此做好准备和适配。

科技史上有很多这样的例子，比如当年好莱坞巨头们认为录像机本身就是为盗版而生，要求查封全美所有 Betamax 录像机。

又比如音乐行业联合封杀 Napster，认为线上音乐分发将最终摧毁音乐行业。

于是在二代豆包手机上，我们看到了针对这个问题的妥协，官方口径用了十二个字：协议优先、模拟兜底、人工确认。

第三方应用可以通过页面、业务意图、操作类型三个维度声明操作边界，也可以精细到具体动作。

在我看来，第一代豆包手机充分彰显了字节的产品野心，而第二代豆包手机则体现了字节更理性的平台企图。字节希望用更保守、更慢些的方案换来更强的可扩展性。

就好像1994年出现的 robots.txt —— 由网站声明哪些路径允许抓取。这个声明协议让爬虫彻底合法化，也让搜索引擎成为此后二十年最强大的流量入口。

手机 AI 入口之战，这一刻从圈地战争，变成了外交博弈。

想起一张快包浆了的微博截图：张一鸣在2010年曾困扰于 iPhone4 太贵，踌躇是否应该购买。

也许他不会想到，16年后，他创办的字节会成为 iPhone 潜在的竞争对手之一，无论他们是否承认。