再聊聊豆包手机。说起来手机端接入AI并不是只有字跳在做，这么火的路线所有的厂商肯定都在布局了。比如苹果有Apple Intelligence、华为有Harmony Intelligence，其他厂商也都有些原生AI能力。但这些厂商所做的，基本都是框架级的。这些手机的AI也有完善的AI框架，AI入口（各种语音助手）可以控制系统本身。单纯从AI Agent能力看也都不差。

但他们都没有做一个类似豆包手机那样的功能：模拟人去操作APP，他们都要等待APP先主动接入到自己的框架里，才能让AI去主动去操作这些APP。它的类似UI-TARS的技术结合多模态的Seed1.5-VL模型，是可以模拟用户点击，直接去操控第三方APP的。类似Codex里的Computer Use，技术上就是截图识别+模拟点击。刚出的新版的豆包手机，则是这两者的结合体。系统级优先，模拟操作兜底。同时明确档APP拒绝模拟操作时把操作交还给用户。

为什么只有豆包做了模拟操作，技术原因肯定是次要的（比如用开源的 MiniCPM5-2B 模型+ MiniCPM-V/AgentCPM-GUI + Android 系统权限，差不多就能做一个类似的产品出来）。里面应该有着相当多的利益冲突问题。未来会怎么样。。短期内还说不好。但显然，这是行业里市场份额不占优的那些APP的一个契机。不管是给豆包手机提供方便，还是主动接入其他手机的AI系统，都是自己翻身的机会。比如Office现在基本被微软和WPS垄断，但将来呢，说不定大家基本都在AI里搞，无界面版的/或纯Web版的Office可能就有翻身的机会了。。但同样的这也意味着自己失去了一些机会，比如在APP给用户推广告就不方便了。。必须要有新的、AI时代下的盈利模式

我还不知道AI时代的应用市场会是什么样子，但肯定是和现在的大不一样的。