兩條路線，最終指向的是人和機(jī)器如何共處。

定焦One（dingjiaoone）原創(chuàng)

作者 | 金玙璠

編輯 | 阮梅

最近科技圈的兩場“AI秀”先后刷屏。

在大洋彼岸，當(dāng)?shù)貢r間1月12日，蘋果和谷歌宣布合作，要給Siri用上谷歌的Gemini。但蘋果的做法，不是直接讓Gemini操作手機(jī)上的App，而是用戶說什么，Siri先理解意圖，然后去調(diào)用相應(yīng)的應(yīng)用。換句話說，AI只是個“調(diào)度員”。這套操作，很蘋果。

另一邊，國內(nèi)的情況就熱鬧得多。字節(jié)跳動的豆包AI手機(jī)一度刷屏，AI可以幫你打車、購物、訂票，就像一個真正的“萬能助理”。這套打法，很互聯(lián)網(wǎng)。

你看，同樣是AI手機(jī)，實現(xiàn)的方式完全不同。這背后，其實是兩條技術(shù)路線：

一條路線，是讓AI和App學(xué)會“對話”，通過標(biāo)準(zhǔn)接口直接調(diào)用應(yīng)用能力，被稱為A2A（Agent-to-Agent）。這條路需要所有人坐下來一起制定規(guī)則，走得慢，但更穩(wěn)妥。

另一條路線，是給AI一把“萬能鑰匙”，通過系統(tǒng)權(quán)限“讀屏”并模擬操作APP，被稱為GUI（圖形用戶界面）。這條路簡單直接，走得快，但可能存在風(fēng)險。

這背后不只是技術(shù)選擇，本質(zhì)上，是不同公司基于自身利益與生態(tài)位，對未來主導(dǎo)權(quán)的一次押注。誰的模式能贏得用戶，很可能將決定：下一個十年，我們?nèi)绾闻c手中的設(shè)備共處。

兩種解法，兩種邏輯

要看懂這場牌局，我們先得看清這兩條路線背后的邏輯。

GUI路線，主打一個“快”字。

它的實現(xiàn)方式，最初是AI助手借助安卓系統(tǒng)中一個名為“無障礙服務(wù)”的功能。這項權(quán)限最初是為有視力障礙的人士設(shè)計的，好讓他們能通過語音指令來操作手機(jī)。現(xiàn)在，AI通過這項權(quán)限可以“讀懂”屏幕上的文字和圖標(biāo)，然后模擬人的手指去點擊、滑動，從而操作各種App。之后不久，市場上出現(xiàn)了比調(diào)用無障礙權(quán)限更“領(lǐng)先”的路線，也就是AI助手拿到了手機(jī)廠商給自己的系統(tǒng)簽名權(quán)限，從而通過進(jìn)程注入，更絲滑、無感地模擬操作。

這樣做的好處顯而易見——它繞開了所有App廠商，直接把AI能力覆蓋到了現(xiàn)有的應(yīng)用生態(tài)中。對于急于在AI浪潮中搶占身位的廠商來說，這是最快的驗證路徑。

“當(dāng)用戶習(xí)慣了通過一個AI助手來操作所有App時，這個助手就成了新的流量入口，這背后的商業(yè)價值，相當(dāng)有吸引力。”關(guān)注互聯(lián)網(wǎng)公司的投資人林亮表示。

不過，對于用戶來說，體驗現(xiàn)階段的GUI可能“時靈時不靈”。

“GUI很依賴應(yīng)用界面的穩(wěn)定性”，應(yīng)用開發(fā)者陳剛表示，“如果App更新了界面設(shè)計，比如一個按鈕的位置變了，都可能讓AI‘點錯’位置，整個任務(wù)流程就會卡住。”

陳剛指出，當(dāng)任務(wù)鏈路變長時，這種不穩(wěn)定性會被放大。有數(shù)據(jù)顯示，一個包含5個步驟的操作，即便每一步的成功率都高達(dá)90%，整個任務(wù)的最終成功率也可能驟降至59%。

圖源 / pexels

除了體驗上的不確定性，很多用戶擔(dān)心的是安全和隱私風(fēng)險。GUI模式下，AI需要通過“讀屏”來理解屏幕內(nèi)容，進(jìn)而決定下一步操作，就意味著，它需要實時獲取屏幕信息。盡管廠商們承諾數(shù)據(jù)會加密或不上傳，但用戶心中難免會有疑慮：用戶的數(shù)據(jù)在什么情況下被收集、如何被使用、誰來負(fù)責(zé)？

A2A則是完全不同的思路。它不讓AI“看”屏幕，而是為AI和各個應(yīng)用建立一套通用的“對話語言”——也就是標(biāo)準(zhǔn)的API接口。

這聽起來有點抽象，你可以想象這樣的場景：你對手機(jī)說“幫我打車去機(jī)場”，系統(tǒng)Agent理解后，直接告訴相應(yīng)的Agent：“用戶要去機(jī)場，請?zhí)峁┐蜍嚪?wù)?！背鲂蠥pp的Agent收到請求后，在自己的權(quán)限范圍內(nèi)完成任務(wù)。

A2A的核心，是“合作”。這一路線中有個關(guān)鍵設(shè)計叫“雙重授權(quán)”：同時獲得用戶和應(yīng)用方的授權(quán)。

這樣一來，權(quán)責(zé)變得清晰了。用戶可以對不同的App設(shè)置不同的權(quán)限等級。比如，允許AI讀取外賣App來比價，但禁止讀取銀行App；對于轉(zhuǎn)賬這樣的高風(fēng)險操作，每次執(zhí)行都需要你的額外確認(rèn)。由于數(shù)據(jù)流動是通過明確的接口進(jìn)行的，是有據(jù)可查的，即便出了問題也可以追溯。

那為什么不是所有廠商都選擇A2A呢？

因為協(xié)調(diào)成本很高。A2A需要操作系統(tǒng)廠商、應(yīng)用開發(fā)者共同推進(jìn)一套標(biāo)準(zhǔn)化的協(xié)議。沒有足夠多的應(yīng)用支持，A2A的價值就顯現(xiàn)不出來；沒有明確的價值，開發(fā)者就缺乏適配的動力。

所以，A2A路線注定是一場“持久戰(zhàn)”，它“慢”在生態(tài)共識的達(dá)成與基礎(chǔ)設(shè)施的建設(shè)。

現(xiàn)在，兩條路線的邏輯就清楚了：GUI雖有一定風(fēng)險但高效，能讓廠商用最小代價快速驗證AI手機(jī)的可能性。A2A穩(wěn)妥但緩慢，需要更多協(xié)調(diào)和投入，不過一旦成功，就能建立一套更安全的體系。

有人可能會問，GUI路線就不能通過技術(shù)手段實現(xiàn)分級授權(quán)嗎？理論上可以，但這樣做也就失去了相對于A2A的“快速部署”優(yōu)勢，同時還要承受更高的技術(shù)成本。

目前行業(yè)內(nèi)相對公認(rèn)的路徑是，GUI探路尚可，因為它會把智能體的便利和風(fēng)險都充分呈現(xiàn)出來，最終還是要看A2A，因為只有滿足了安全和便利兩個條件，才能走得遠(yuǎn)。如果跳出中國市場，全球的科技巨頭們是如何選擇的呢？

不同路線背后，巨頭們的算盤

在手機(jī)端，海外巨頭幾乎都選了A2A，推動API（接口）集成。

蘋果最直接。它升級了“App Intents”框架，要求所有想接入AI功能的應(yīng)用，都必須按照蘋果制定的標(biāo)準(zhǔn)提供API接口。

谷歌的路更復(fù)雜。它一邊推“AppFunctions API”來統(tǒng)一智能體交互標(biāo)準(zhǔn)，一邊大力推廣各類應(yīng)用適配，這是個緩慢的過程。

微軟自研了“AutoGen”這樣的多智能體對話框架，探索不同AI智能體怎樣更好地協(xié)同。

OpenAI和Anthropic雖然不直接做手機(jī)，但它們推動的“函數(shù)調(diào)用”和“工具使用”功能，實際上就是A2A的技術(shù)前身。根據(jù)Anthropic公布的數(shù)據(jù)，從2025年3月的2000多個活躍MCP服務(wù)，到12月已經(jīng)超過1萬個——這個增速相當(dāng)驚人。

為什么無論是蘋果、谷歌這樣的操作系統(tǒng)霸主，還是微軟、OpenAI這樣的AI領(lǐng)頭羊，都選了緩慢的接口路線？

因為它們是現(xiàn)有秩序的建立者和最大受益者。

蘋果、谷歌的核心利益是維護(hù)平臺、穩(wěn)定開發(fā)者。未經(jīng)三方授權(quán)就簡單使用GUI，這種“外掛式”的路線，本質(zhì)上是在挑戰(zhàn)它們的統(tǒng)治地位。所以它們必然會選A2A這種“可控”的方案，把AI能力牢牢掌握在自己手中，作為強(qiáng)化生態(tài)控制力的新工具。

微軟手握Windows和Office兩大王牌，其AI戰(zhàn)略的核心是提升生產(chǎn)力，服務(wù)企業(yè)客戶。對于這些客戶來說，安全和穩(wěn)定是第一需求，無法接受GUI的不確定性和安全風(fēng)險。

OpenAI作為AI技術(shù)的“軍火商”，目標(biāo)是讓自己的模型被盡可能多的應(yīng)用“調(diào)用”。所以它必須提供穩(wěn)定、可靠的API接口，而不是無法確保結(jié)果的GUI工具。

海外巨頭是不是完全放棄GUI了？并非如此。

谷歌的Gemini和微軟的Copilot，在手機(jī)上推出了“屏幕共享”功能——讓用戶可以把屏幕分享給AI，AI可以“看”并回答問題，但本身不會去操作。

海外巨頭的GUI嘗試，主要在PC端，而且，嚴(yán)格限制在受控環(huán)境（如瀏覽器、沙盒、虛擬機(jī)）內(nèi)。

OpenAI把具備GUI操作能力的Agent限定在Atlas瀏覽器內(nèi)，明確禁止它運(yùn)行代碼、下載文件或訪問本地應(yīng)用。Anthropic在2024年底就發(fā)布了Computer Use API，但相關(guān)功能至今僅供開發(fā)者在虛擬環(huán)境中測試。

微軟的做法最具代表性。在其Recall功能因高頻截屏引發(fā)隱私爭議后，它直接把“看”和“做”兩個動作拆分了——Copilot Vision只能“看”用戶共享的應(yīng)用并提供建議，不能操作；有操作能力的Copilot Actions必須在單獨的沙盒桌面中進(jìn)行。

所以，海外巨頭出于“維護(hù)現(xiàn)有秩序”的考慮，堅定地走A2A路線，GUI嘗試只停留在“測試版”，并未向普通用戶大規(guī)模推廣。

相比之下，國內(nèi)市場格局更復(fù)雜，巨頭中既有“挑戰(zhàn)者”也有“守成者”，選擇也因此更多樣。

字節(jié)跳動走的是高權(quán)限GUI路線。它通過豆包大模型與中興努比亞深度合作，推出集成系統(tǒng)級AI助手的“AI手機(jī)”，希望繞開現(xiàn)有的生態(tài)壁壘，爭奪下一代流量入口。

阿里、華為、OPPO，都布局了A2A路線。

阿里的動作很直接，就是通過自建的、可控的API體系，將“通義千問”這個超級大腦，深度集成到淘寶、支付寶、高德等核心業(yè)務(wù)中。

華為則在2025年底發(fā)布的HarmonyOS 6中，通過“意圖框架”，實現(xiàn)了“小藝”智能體與十余款鴻蒙原生應(yīng)用的A2A協(xié)作。

OPPO也聯(lián)合了支付寶等頭部應(yīng)用，共同探索A2A的行業(yè)標(biāo)準(zhǔn)。

但這些看似相同的選擇背后，是各自的商業(yè)考量。

對阿里來說，這套打法“攻守兼?zhèn)洹?。一方面，作為中國頭部電商平臺，核心利益是用可控的API保護(hù)龐大的交易生態(tài)。但另一方面，它又不止于防守，而是通過通義千問打造一個入口，讓用戶在阿里生態(tài)內(nèi)完成更多交易和服務(wù)。

華為和OPPO當(dāng)然不想只做硬件制造商，容易被“管道化”，所以，在A2A路線之上，它們還在走一條以自家操作系統(tǒng)或AI大模型為核心的“混合生態(tài)”的路線。在這套體系里，既有標(biāo)準(zhǔn)的API調(diào)用，也有更底層的系統(tǒng)級智能體，最終目的都是為了掌握生態(tài)主導(dǎo)權(quán)，從一個“設(shè)備提供商”，升級為未來生態(tài)的“規(guī)則制定者”之一。

簡言之，國內(nèi)外廠商多數(shù)都選了A2A。只是區(qū)別在于，海外巨頭用它來強(qiáng)化現(xiàn)有控制；國內(nèi)廠商則用它來爭取話語權(quán)，一邊參與A2A的標(biāo)準(zhǔn)制定，一邊通過自身的OS、大模型或生態(tài)優(yōu)勢，建立以自己為核心的混合生態(tài)。

為什么主流廠商更傾向A2A？

選擇背后，是不同玩家在牌桌上的位置使然。不過，從這些主流廠商的選擇中，我們可以得出一個結(jié)論：GUI路線雖然能快速驗證AI手機(jī)的可能性，但A2A正獲得越來越多主流廠商的青睞。

是因為A2A更安全、更穩(wěn)定嗎？不全是。它之所以被看作是未來，可以從技術(shù)演進(jìn)、監(jiān)管合規(guī)和商業(yè)成本三個維度來看。

從技術(shù)角度看，A2A更符合AI分工協(xié)作的本質(zhì)。

GUI路線要求大模型同時承擔(dān)“感知屏幕（眼）、規(guī)劃任務(wù)（腦）、模擬操作（手）”的工作，負(fù)擔(dān)重、效率低且易出錯。A2A路線，則是讓AI回歸到它最擅長的“大腦”角色，專注于理解與任務(wù)調(diào)度，具體的執(zhí)行交給各垂直領(lǐng)域優(yōu)化的應(yīng)用智能體。這種“各司其職”的模式，不僅更高效可靠，也為未來更復(fù)雜的智能體協(xié)作打下了基礎(chǔ)。

從監(jiān)管角度看，A2A是更安全、更合規(guī)的選擇。

GUI的“讀屏”行為在全球范圍內(nèi)都面臨越來越嚴(yán)格的隱私監(jiān)管。2025年12月，美國德州起訴了包括三星在內(nèi)的多家智能電視制造商，指控它們通過高頻截屏非法收集用戶數(shù)據(jù)。這為所有采用類似技術(shù)的廠商敲響了警鐘。

圖源 / pexels

而A2A由于數(shù)據(jù)流動通過明確的接口進(jìn)行，并且有“雙重授權(quán)”機(jī)制保障，為廠商建立了一道合規(guī)“防火墻”。

最后，也是最關(guān)鍵的，從商業(yè)成本角度看，A2A是更經(jīng)濟(jì)的選擇。GUI方案看似“快”，但長期運(yùn)營成本高。

陳剛做了個類比：

GUI模式就像雇了一個需要24小時盯著監(jiān)控屏幕的保安，要不斷地看、不斷地分析圖像。這消耗的是大量的“腦力”（云端計算資源）。

A2A模式是建立了一個高效的內(nèi)部通訊系統(tǒng)。當(dāng)需要某個部門配合時，發(fā)送一條結(jié)構(gòu)化的簡單指令即可。這消耗的只是“通訊費”（API調(diào)用費用）。

對于手機(jī)廠商來說，如果幾億用戶每天都在用AI讀屏，算力與帶寬開支將是一筆巨大的開支。這種商業(yè)模式，在規(guī)?；逃玫那熬跋?，幾乎是不可持續(xù)的。

所以無論從技術(shù)、監(jiān)管還是商業(yè)成本來看，A2A都是更優(yōu)的選擇。更重要的是，一旦這個生態(tài)建立起來，它將帶來全新的商業(yè)機(jī)會。這也是最讓行業(yè)人士興奮的原因。

首先，協(xié)議層與中間件將成為核心。PC時代有Windows，移動互聯(lián)網(wǎng)時代有iOS和安卓。在AI時代，A2A、MCP等協(xié)議標(biāo)準(zhǔn)，就像是新時代的“操作系統(tǒng)”和“開發(fā)語言”。誰能掌握標(biāo)準(zhǔn)，誰就可能成為下一個平臺級的巨頭。

其次，“智能體工廠”與垂直Agent服務(wù)商將迎來爆發(fā)?；跇?biāo)準(zhǔn)協(xié)議，為金融、醫(yī)療、物流等特定行業(yè)開發(fā)專屬智能體，將成為一個巨大的市場。未來，可能會有專門的“智能體商店”，你可以像下載App一樣，為你的手機(jī)雇傭一個“私人理財顧問”或“專屬旅行規(guī)劃師”。這為無數(shù)中小開發(fā)者，提供了全新的創(chuàng)業(yè)機(jī)會。

最后，現(xiàn)有公司也將在新生態(tài)中重新找到自己的位置。云廠商將成為智能體的“訓(xùn)練場”，手機(jī)廠商則成為智能體的承載終端。它們都將獲得新的增長。

對于中國的科技公司而言，這是一個在底層協(xié)議和基礎(chǔ)設(shè)施上，與全球巨頭同臺競技的絕佳機(jī)會。

結(jié)語

聊了這么多技術(shù)和商業(yè)，我們不妨回到一個最根本的問題：AI，到底應(yīng)該如何服務(wù)于人？

AI手機(jī)的發(fā)展，正從功能炫技的“概念期”，進(jìn)入生態(tài)構(gòu)建期。GUI和A2A，從不同維度給出了各自的回答。

GUI用一種最直觀的方式，完成了初步的市場啟蒙。它讓我們提前看到了AI手機(jī)未來的樣子——一個能聽懂、會操作的伙伴。這種“快”的優(yōu)勢，幫助廠商們快速驗證了AI手機(jī)的可能性。但安全性存疑、經(jīng)濟(jì)性不高，決定了它更可能是一種過渡方案。

A2A路線盡管起步緩慢、協(xié)調(diào)艱難，但它在做一件更基礎(chǔ)的事——為AI和應(yīng)用之間建立一套清晰的“規(guī)則”。這些規(guī)則看起來很復(fù)雜，但本質(zhì)上是在回答一個問題：AI應(yīng)該在哪些地方有權(quán)力，在哪些地方?jīng)]有。一旦這套規(guī)則被廣泛接受和應(yīng)用，就能形成一個更穩(wěn)定、更可控的生態(tài)。這必然是一場持久戰(zhàn)。

這場路線之爭，往深了想，其實是我們希望與機(jī)器建立何種關(guān)系的思考。

AI手機(jī)的未來，或許并不在于讓手機(jī)變得無所不能，去替代我們做所有事。而在于，它能否成為一個更聰明的“副駕駛”，在我們做決策時，提供更精準(zhǔn)的信息、更周全的建議，最終把選擇權(quán)交還給我們自己。說到底，技術(shù)終究是為人服務(wù)的。

*題圖來源于pexels。應(yīng)受訪者要求，文中陳剛、林亮為化名。