僅僅四小時(shí)！他做出了豆包手機(jī)平替產(chǎn)品“肉包”

　　僅僅花費(fèi)“4個(gè)小時(shí)”，被李云龍稱(chēng)為“豆包手機(jī)平替”的第一版“肉包”就被他做出來(lái)了。

　　12月，“豆包AI手機(jī)”無(wú)疑是科技圈的一大焦點(diǎn)。月初，字節(jié)跳動(dòng)與中興通訊聯(lián)合推出的“豆包手機(jī)”——努比亞M153工程樣機(jī)限量發(fā)售。在官方演示視頻中，豆包手機(jī)助手展示了跨應(yīng)用自動(dòng)比價(jià)、訂票、智能管家等功能，重新定義了人機(jī)交互的可能性。該機(jī)型開(kāi)售后迅速售罄，甚至在二手平臺(tái)出現(xiàn)高價(jià)轉(zhuǎn)售，成交價(jià)一度接近發(fā)售價(jià)的兩倍。然而，豆包手機(jī)助手很快因觸發(fā)風(fēng)控機(jī)制，被微信、淘寶、美團(tuán)及多家銀行類(lèi)App限制登錄或禁止AI操作，引發(fā)市場(chǎng)廣泛討論。

　　在豆包手機(jī)引發(fā)行業(yè)震動(dòng)后，產(chǎn)品經(jīng)理出身、如今在順福資本專(zhuān)注AI投資的李云龍，萌生了自己開(kāi)發(fā)類(lèi)似產(chǎn)品的想法。在現(xiàn)場(chǎng)演示中，他介紹道：“‘肉包’無(wú)須連接電腦，也不依賴(lài)手機(jī)廠(chǎng)商授權(quán)，卻幾乎完整復(fù)現(xiàn)了豆包手機(jī)助手的核心能力。”

　　就在接受《中國(guó)經(jīng)營(yíng)報(bào)》記者采訪(fǎng)的一個(gè)多小時(shí)內(nèi)，尚未進(jìn)行任何推廣的“肉包”在開(kāi)源社區(qū)GitHub上的星標(biāo)數(shù)仍在持續(xù)攀升，表明已有大量國(guó)內(nèi)外開(kāi)發(fā)者開(kāi)始關(guān)注并試用這一項(xiàng)目。

　　李云龍的“肉包”實(shí)踐似乎也印證了一個(gè)觀(guān)點(diǎn)：AI手機(jī)助手的技術(shù)門(mén)檻并不如想象中的那么高，真正的挑戰(zhàn)在于模型優(yōu)化、數(shù)據(jù)標(biāo)注、系統(tǒng)權(quán)限獲取以及可持續(xù)的商業(yè)模式。

　　技術(shù)揭秘，四小時(shí)如何打造“肉包”

　　“其實(shí)沒(méi)什么技術(shù)難度?！边@是李云龍?jiān)诮邮苡浾卟稍L(fǎng)時(shí)的第一句話(huà)。

　　整個(gè)“肉包”項(xiàng)目的初版開(kāi)發(fā)僅耗時(shí)四小時(shí)，其中99%的代碼由AI生成?！拔易约嚎赡芫蛯?xiě)了十行左右的代碼，里面甚至還有錯(cuò)誤?！彼χf(shuō)道。

　　他調(diào)用了包括Claude、ChatGPT在內(nèi)的六款A(yù)I助手協(xié)同工作，分別負(fù)責(zé)“肉包”的UI設(shè)計(jì)（軟件界面設(shè)計(jì)）、前端開(kāi)發(fā)、后端邏輯與測(cè)試部署?！拔抑幌逻_(dá)指令，具體執(zhí)行全部由AI完成?！?/p>

　　在李云龍看來(lái)，“肉包”的核心原理并不神秘：通過(guò)高權(quán)限工具截取屏幕畫(huà)面，再利用多模態(tài)大模型識(shí)別界面元素；隨后結(jié)合模擬點(diǎn)擊、滑動(dòng)、返回等操作，實(shí)現(xiàn)對(duì)手機(jī)應(yīng)用的自動(dòng)化控制。

　　在執(zhí)行層面，“肉包”采用了多智能體架構(gòu)，包含管理者、執(zhí)行者、反思者和記錄者等角色。管理者負(fù)責(zé)理解用戶(hù)意圖并制定任務(wù)計(jì)劃，執(zhí)行者分析當(dāng)前屏幕并執(zhí)行操作，反思者則評(píng)估操作是否正確。這種設(shè)計(jì)使AI具備從錯(cuò)誤中學(xué)習(xí)的能力，從而不斷提升執(zhí)行準(zhǔn)確率。

　　這款輕量化工具的核心邏輯與豆包手機(jī)高度相似：通過(guò)調(diào)用開(kāi)源大模型理解用戶(hù)的自然語(yǔ)言指令，讓AI像人類(lèi)一樣“看懂”手機(jī)屏幕，并操作各類(lèi)App完成一連串任務(wù)，例如點(diǎn)外賣(mài)、發(fā)布小紅書(shū)文案、在多個(gè)電商平臺(tái)比價(jià)等。

　　事實(shí)上，在豆包手機(jī)問(wèn)世之前，榮耀已展示過(guò)類(lèi)似功能。IDC中國(guó)研究經(jīng)理郭天翔曾指出，榮耀Magic8在今年的發(fā)布會(huì)上演示了AI操控手機(jī)的能力，而去年的Magic7發(fā)布會(huì)也曾展示“一句話(huà)點(diǎn)咖啡”的場(chǎng)景。

　　就在豆包手機(jī)被主流App封禁后不久，市場(chǎng)以為AI手機(jī)助手可能舉步維艱的情況之下，智譜卻開(kāi)源了“會(huì)操作手機(jī)的AI”AutoGLM。此外，阿里也在早前發(fā)布了同類(lèi)開(kāi)源項(xiàng)目Mobile Agent。兩個(gè)開(kāi)源模型均采用純視覺(jué)方案，能實(shí)現(xiàn)移動(dòng)設(shè)備自動(dòng)化操作。

　　不過(guò)值得注意的是，阿里Mobile Agent和智譜AutoGLM（開(kāi)源版）均需連接電腦作為中轉(zhuǎn)，而“肉包”則完全運(yùn)行于手機(jī)本地，大幅降低了普通用戶(hù)的使用門(mén)檻。

　　李云龍解釋道：“以智譜AutoGLM為例（閉源的iOS或者安卓版本），用戶(hù)需在手機(jī)端的遠(yuǎn)程虛擬手機(jī)中登錄個(gè)人賬號(hào)，隱私風(fēng)險(xiǎn)極高；阿里Mobile Agent雖已開(kāi)源，但要求用戶(hù)具備安卓調(diào)試環(huán)境。相比之下，‘肉包’將執(zhí)行環(huán)境保留在用戶(hù)自有設(shè)備上，數(shù)據(jù)不出本地，安全性更高?！?/p>

　　然而，由個(gè)人開(kāi)發(fā)者耗時(shí)四小時(shí)打造的“肉包”，在性能上仍存在明顯瓶頸。在現(xiàn)場(chǎng)演示中，當(dāng)被要求在B站（嗶哩嗶哩）搜索關(guān)鍵詞視頻并完成點(diǎn)贊任務(wù)時(shí)，整個(gè)流程耗時(shí)2分54秒。

　　“如果是豆包手機(jī)，應(yīng)該只需十幾秒。”李云龍解釋稱(chēng)，這是因?yàn)椤叭獍钡讓右蕾?lài)的是阿里通義千問(wèn)VL通用大模型，每一步操作都需要上傳整屏截圖至云端進(jìn)行分析，導(dǎo)致響應(yīng)遲緩。“而豆包與中興通訊合作，獲得了系統(tǒng)級(jí)權(quán)限，并且使用了專(zhuān)門(mén)針對(duì)手機(jī)操作場(chǎng)景微調(diào)的小模型，還投入重金對(duì)主流App（如美團(tuán)、淘寶、B站）進(jìn)行了人工標(biāo)注?！?/p>

　　所謂“標(biāo)注”，即由人工標(biāo)記界面中各元素的語(yǔ)義——例如將“+”圖標(biāo)標(biāo)注為“創(chuàng)建內(nèi)容”，或?qū)⒉煌瑯邮降摹八阉骺颉苯y(tǒng)一歸類(lèi)。這種細(xì)粒度的數(shù)據(jù)積累，使模型能快速理解上下文，避免反復(fù)推理。而“肉包”及大多數(shù)開(kāi)源項(xiàng)目因缺乏標(biāo)注資源，只能依賴(lài)通用視覺(jué)語(yǔ)言模型，準(zhǔn)確率與效率自然受限。

　　豆包手機(jī)之所以體驗(yàn)流暢，恰恰得益于其“封閉性”：僅適配單一機(jī)型努比亞M153，聚焦國(guó)內(nèi)幾十個(gè)高頻App，通過(guò)深度標(biāo)注與專(zhuān)屬模型，就實(shí)現(xiàn)了更精準(zhǔn)、高效的控制。

　　AI手機(jī)的困局與出路

　　“肉包”的開(kāi)發(fā)經(jīng)歷揭示了一個(gè)現(xiàn)實(shí)：AI手機(jī)助手的技術(shù)門(mén)檻并不算高，真正的壁壘在于數(shù)據(jù)、生態(tài)與商業(yè)邏輯等。

　　數(shù)據(jù)標(biāo)注是提升AI手機(jī)助手效率的關(guān)鍵障礙。據(jù)李云龍估算，若要將“肉包”訓(xùn)練至媲美豆包手機(jī)助手的水平，至少需要300萬(wàn)元投入和三到四個(gè)月時(shí)間。

　　“標(biāo)注是一項(xiàng)浩大的工程，需要專(zhuān)業(yè)團(tuán)隊(duì)對(duì)每個(gè)應(yīng)用界面進(jìn)行詳細(xì)標(biāo)記?！彼f(shuō)，“比如折疊屏與直面屏顯示內(nèi)容存在差異，也需要分別標(biāo)注。”目前，他僅有幾臺(tái)測(cè)試機(jī)，但用戶(hù)反饋顯示，在折疊屏、異形屏上常出現(xiàn)坐標(biāo)錯(cuò)亂，甚至引發(fā)系統(tǒng)級(jí)異常。

　　大廠(chǎng)的封禁則是另一道難以逾越的門(mén)檻。

　　豆包手機(jī)努比亞M153于12月1日開(kāi)售，次日便陸續(xù)被微信、淘寶、美團(tuán)及多家銀行類(lèi)App限制登錄或禁止AI操作?！叭獍痹贕itHub上線(xiàn)后不久，也因“AI點(diǎn)外賣(mài)”功能被美團(tuán)封禁。

　　李云龍指出，大廠(chǎng)封禁并非針對(duì)工具本身，而是因其行為模式被識(shí)別為非人類(lèi)操作——例如人類(lèi)滑動(dòng)屏幕的速度呈曲線(xiàn)變化，而機(jī)器操作則過(guò)于平滑均勻。大廠(chǎng)不愿開(kāi)放接口，本質(zhì)上是出于商業(yè)利益考量。AI會(huì)直接沖擊其流量變現(xiàn)模型。

　　360集團(tuán)創(chuàng)始人周鴻祎也從商業(yè)邏輯角度分析指出，AI助手能直接完成訂餐、購(gòu)物等操作，動(dòng)搖了大廠(chǎng)依賴(lài)“用戶(hù)打開(kāi)App—瀏覽頁(yè)面—點(diǎn)擊廣告”構(gòu)建的傳統(tǒng)流量體系，使其核心KPI面臨失效風(fēng)險(xiǎn)?！耙酝詫?、美團(tuán)等平臺(tái)依靠用戶(hù)停留時(shí)長(zhǎng)和廣告投放盈利，而豆包手機(jī)助手讓用戶(hù)無(wú)須瀏覽首頁(yè)、觀(guān)看廣告即可直達(dá)目標(biāo)，直接沖擊了傳統(tǒng)流量邏輯。”周鴻祎說(shuō)。

　　值得注意的是，盡管大廠(chǎng)對(duì)第三方AI助手嚴(yán)防死守，自身卻紛紛推出內(nèi)置AI服務(wù)：騰訊有“元寶”，美團(tuán)有“小美”，字節(jié)跳動(dòng)有“豆包”，阿里則布局了“夸克”和“通義千問(wèn)”。這些“圍墻花園”內(nèi)的AI助手，本質(zhì)上是將用戶(hù)行為鎖定在自家生態(tài)內(nèi)，防止流量外流。這也解釋了為何豆包手機(jī)在接入微信、淘寶時(shí)遭遇抵制——一旦它試圖成為跨平臺(tái)的“超級(jí)入口”，便直接威脅到現(xiàn)有利益格局。

　　更深層的難題，則在于手機(jī)操作權(quán)限與安全之間的矛盾。

　　榮耀曾在2024年展示過(guò)類(lèi)似能力，但在AI功能上表現(xiàn)得更為克制，未呈現(xiàn)出跨App比價(jià)下單或類(lèi)似的操作。“手機(jī)廠(chǎng)商對(duì)用戶(hù)隱私和品牌聲譽(yù)高度敏感，不敢貿(mào)然開(kāi)放系統(tǒng)底層權(quán)限?！崩钤讫堉赋?，一旦開(kāi)放給AI，也就意味著“黑灰產(chǎn)”和詐騙者同樣可能利用這些接口。

　　他認(rèn)為，理想的路徑是：由手機(jī)廠(chǎng)商作為整合者，與阿里、美團(tuán)、抖音等頭部App達(dá)成授權(quán)合作，在系統(tǒng)底層預(yù)留安全可控的AI代理接口?！斑@樣既能保障用戶(hù)體驗(yàn)，又能讓各平臺(tái)保留數(shù)據(jù)主權(quán)，同時(shí)確保AI僅作為執(zhí)行者，而非決策者?！?/p>

　　而在這背后，還有一個(gè)關(guān)鍵問(wèn)題：責(zé)任歸屬。

　　“對(duì)于微信、銀行等涉及敏感信息的App而言，AI助手可能成為個(gè)人信息泄露甚至財(cái)產(chǎn)損失的幫兇?！鄙虾h盛律師事務(wù)所高級(jí)合伙人李旻表示，“監(jiān)管部門(mén)為保護(hù)用戶(hù)及他人信息安全、財(cái)產(chǎn)安全，應(yīng)對(duì)AI代操作系統(tǒng)、使用App的行為作出必要限制。例如，在涉及個(gè)人財(cái)產(chǎn)的操作中，應(yīng)實(shí)施最嚴(yán)格的監(jiān)管策略，嚴(yán)禁授予AI操縱財(cái)產(chǎn)的權(quán)限；對(duì)于微信及其他涉及他人信息的App，也應(yīng)嚴(yán)格限制AI讀取和調(diào)用的范圍。此外，AI本身應(yīng)提供相應(yīng)保障并接受?chē)?yán)格監(jiān)管，不僅需符合相關(guān)規(guī)定，還應(yīng)定期、單獨(dú)取得用戶(hù)授權(quán)，防止權(quán)利濫用?！?/p>

　　李云龍認(rèn)為，AI手機(jī)助手的終極障礙正是責(zé)任界定。目前，無(wú)論是豆包手機(jī)助手還是“肉包”，均在支付及其他關(guān)鍵環(huán)節(jié)強(qiáng)制用戶(hù)二次確認(rèn)，將最終決策權(quán)留給人類(lèi)，以規(guī)避潛在的責(zé)任糾紛。

（文章來(lái)源：中國(guó)經(jīng)營(yíng)網(wǎng)）

(原標(biāo)題：僅僅四小時(shí)！他做出了豆包手機(jī)平替產(chǎn)品“肉包”)

(責(zé)任編輯：143)