下一个赛道，AI手机？

文 | 影子备忘录 2025年底，一款定价3499元的工程样机在几乎没有大规模预热的情况下悄然上架，首发备货约3万台当日售罄，二手市场溢价一度飙到1.3万元。 这台机器没有顶级影像模组，没有折叠屏铰链，甚至外观设计也称不上惊艳，而它的核心卖点只有一个：手机系统里住进了一个真正能“替你干活”的AI智能体。 九个月后，迭代产品正式量产上市，备货量拉升至20万台，售价上探至5999元起步。但这一次，市场没有再现当初的疯狂。 除了个别配色售罄外，大多数版本货源充足，闲鱼上的倒卖交易也并不活跃。 从“抢不到”到“随便买”，这个转变本身就很值得玩味。 它并不意味着AI手机的热度消退了，恰恰相反，当一款产品从“稀缺话题”变成“正常商品”，往往说明它正在从尝鲜期进入真正的竞争期。 而竞争的方向，也在发生根本性的变化。 算力的焦点，正在从云端滑向掌心 如果把时间拨回两三年前，科技圈最激烈的战事发生在云端。各大公司争相发布千亿参数级别的大模型，比拼的是训练数据量、参数规模和跑分榜单。 那是一场典型的“军备竞赛”，比拼的是谁的模型更聪明。 但模型的聪明程度很快就不再是问题。当多家基础模型的能力趋于接近，竞争的重心开始下移，主要是从“谁的模型更好”变成了“模型从哪里出发、又落在哪里”。 这场争夺的标的，从模型本身变成了入口。 第一轮入口之争发生在办公场景。2026年年中，互联网巨头们在AI办公赛道集中加码，从“拼参数”转向“抢入口”，围绕职场桌面的卡位战迅速升温。 逻辑很清晰：办公是用户每天必须面对的高频场景，也是企业愿意付费的刚需市场。 谁能占据职场用户发起任务的第一站，谁就掌握了AI商业化最直接的通道。 但办公场景有一个天然的天花板，因为它终究只覆盖了用户清醒时间的一部分。 真正24小时伴随用户、承载最多交互行为、拥有最多传感器数据的设备，是手机。 于是，算力焦点的第二次迁移几乎是注定的：从办公桌面滑向掌心。 2026年被多位行业人士称为“AI原生手机元年”。这一年，监管层面首次集中公布了7款手机端侧生成式AI服务的备案信息，端侧AI从灰色地带走向合规化通道。 端侧算力的成熟、大模型轻量化技术的突破、以及监管框架的逐步明确，三股力量汇聚在一起，把AI手机从概念推向了赛道。 两条路径，同一个命题 当手机成为AI入口之争的主战场，一个根本性的问题浮出水面：AI和手机操作系统，到底应该以什么方式结合？ 这个问题之所以棘手，是因为它触及了智能手机产业沿袭近二十年的权力结构。过去，手机厂商掌握硬件和系统，应用开发者在其上构建服务，用户通过点击图标进入不同的应用。 这套秩序稳定而高效，但它建立在一个前提之上：人是操作的主体。 AI智能体要做的事情，恰恰是取代“人”成为操作主体。当用户说“帮我订一张明天去上海的高铁票”，AI需要理解意图、打开购票应用、填写信息、完成支付…… 这整个过程意味着AI要横跨多个应用，调用原本由用户手动触发的系统权限。这就动摇了现有秩序的根基。 不同阵营给出了截然不同的答案。 苹果选择了一条“借脑不放手”的路线。在最新的系统版本中，苹果推出了新一代Apple Intelligence和全新的Siri AI，底层模型部分来自外部合作伙伴，但AI如何进入系统、获得哪些权限、怎样调用应用能力，全部由苹果自己定义。 苹果甚至专门构建了私有云计算架构，确保用户数据在处理过程中“从不由苹果存储或分享给任何人，包括苹果自己”。 这套打法的核心逻辑是：模型可以外部供给，但操作系统级的分发权和控制权必须牢牢握在自己手里。 安卓阵营的探索则更加多元。一家头部厂商在最新开发者大会上发布了三大AI技术底座，即端侧大模型原生支持128K上下文，内存较上一代降低48%、能耗优化55%。 另一家厂商推出了号称行业首个系统级智能体执行框架商用落地的操作系统，AI助手最高可执行上百步长程任务。 还有厂商将端侧模型的预研目标直接设定在30B参数级别，为智能体提供更强的本地推理能力。 这些路径看似不同，实际上都在回应同一个命题：当模型能力成为公共基础设施，差异化竞争力究竟在哪里？ 答案正在变得清晰，这不在模型本身，而在模型之外。谁掌握操作系统、谁掌控应用与服务生态、谁能更深入地理解用户的使用习惯和场景需求，谁就能在AI手机的竞赛中占据有利位置。 模型可以买、可以合作，但操作系统级的整合能力买不来。 而大模型公司入局手机赛道，面临的处境恰好相反。模型自研可控，但操作系统、硬件以及大量系统权限并不在自己手中。 这正是那款引发抢购的AI手机面临的核心挑战，它的模型能力足够强，系统级权限也通过与硬件厂商的深度合作获得了，但第三方应用是否愿意开放接口、让渡数据与操作权限，决定权完全掌握在各App厂商手中。 这背后既有数据安全与隐私合规的真实顾虑，也有流量入口与商业利益重新分配的博弈。 真实的门槛，不是技术层面 很多人讨论AI手机时，习惯性地把注意力放在技术指标上，比如端侧模型多大参数、响应延迟多少毫秒、任务成功率百分之几。 这些当然重要，但它们并非决定AI手机能否真正爆发的关键变量。 真正的问题藏在生态层面。 第一代AI手机之所以能在短时间内引发巨大关注，很大程度上是因为它展示了一种全新的可能性：AI可以像人一样“看懂”手机屏幕，模拟点击和滑动操作，跨应用完成复杂任务。 这种被称为GUI Agent的技术路线，优势非常直观，它不需要每一款App单独为AI开发接口，只要AI能“看懂”屏幕，就能操作现有的所有应用。 但这条路线的软肋也很快暴露了，多家主流App以及银行类应用迅速对自动化操作设置了技术和风控限制。 原因不难理解：如果AI可以在用户不知情的情况下模拟操作、截取屏幕内容、修改数据，那数据安全和隐私保护的边界在哪里？ 更现实的问题是，如果AI助手能直接完成用户原本需要打开App才能进行的操作，那App的日活、广告曝光、用户停留时长怎么办？这触及的是商业模式的根本利益。 第二代产品的技术选型明显做了调整，从单纯依赖GUI模拟操作，转向新增协议化调用方式。 同时，相关团队还推出了一份屏幕自动化操作声明协议，把是否允许AI执行自动化操作的主动权交还给应用开发者。 这是一个务实的选择，但也意味着AI手机的能力边界，实际上被压缩了。 目前的情况是：搭载在最新款AI手机上的智能体，可以顺畅调用自家体系内的全系列产品，也能使用少量合作的第三方服务，但微信、淘宝、京东等头部应用，暂不支持相关操作。 这个局面的本质是一场多方博弈。手机厂商希望AI成为超级入口，掌握用户注意力的分配权；大模型公司希望模型能力成为操作系统级的基础设施；应用开发者担心自己的流量和商业模式被架空；用户则既想要便利，又担心隐私。 端侧AI能否真正成为AI时代的超级入口，取决于这四方能否找到一个利益平衡点。 有分析人士指出，在端侧模型规模化落地、智能体执行框架系统级商用等技术条件逐步成熟之后，最关键的仍然是AI应用生态发展中的利益重新分配，只要这个问题得到解决，其他问题便不再是主要矛盾。 这个判断是清醒的。技术问题终究可以通过工程手段解决，但利益分配是结构性的。它需要新的协议标准、新的分成机制、新的信任框架，这些都不是某一家公司能独立完成的。 赛道更替的底层逻辑 如果我们把视野拉得更远