手机之外，AI硬件还有哪些机会？从豆包手机说起

ttxx

编者按

在“赢者通吃”看似固化的市场里，挑战者具备足够的战略耐心与系统能力依然可以破局。

近期，豆包手机助手引发了一场颇具戏剧性的争议。这款号称能“接管手机”的AI应用，因其模拟点击、屏幕识别等能力，一度被用户视为“终于懂我的AI队友”。它精准击中了用户在多应用间频繁切换的痛点，描绘出了一幅智能体高度自主化的未来图景。然而好景不长，微信、支付宝及多家银行App接连发出风险预警与技术封锁，迅速将这场狂欢推向了“生态围剿”的尴尬境地。

舆论场的撕裂颇为典型。支持者痛斥互联网巨头利用垄断地位扼杀创新，认为这是旧势力对新技术的打压。反对者则担忧数据安全与隐私边界，认为这种“系统级接管”带来了不可控的风险。但如果我们跳出这种“创新对峙垄断”的二元对立情绪，从商业演进的视角审视，会发现双方或许都未触及问题的核心。

这场争论的焦点——创新权利与生态安全——固然重要，但都回避了一个更根本的问题：在这个数字生态中，豆包究竟站在了什么位置？为什么它的技术路径会引发如此强烈的反制？本文试图从生态位、连接方式和实现路径三个维度，探讨这个问题的答案。同时，我们也想追问：AI与硬件结合的黄金时代，真正的机会究竟在哪里？

豆包的三重困境

困境一：生态位的根本性错配

要理解豆包的第一重困境，我们需要引入一个关键概念：生态中心度。简单来说，中心度衡量的是一个产品对用户核心资源的掌控程度——包括操作系统级权限、账户体系、数据主权、以及由此衍生的生态话语权。中心度越高，产品在生态中的话语权越大，受制于人的程度越低。手机恰恰是一个高中心度产品的集大成者，也是巨头严防死守的超级战场。

而豆包手机助手的生态位是什么？它既不是操作系统，无法从底层调度资源；也不是超级App，缺乏独立的账户体系与数据沉淀。它是一个第三方应用，试图通过模拟点击和屏幕识别，去“接管”其他应用的操作流程。这种生态位的本质是低中心度——它对用户的核心资源没有任何实质性的掌控力。

这种错配带来的是一场结构性的不对等竞争。豆包试图用低权限姿态，去夺取高权限生态的控制权。它想要操控微信发消息、让支付宝完成转账、指挥银行App查询余额，但它既没有这些巨头的底层权限，也没有用户对这些巨头的信任背书。这就像试图在现有生态体系内建立新的协调机制，却缺乏生态主导者的授权与支持——即便暂时拥有了某种技术手段，也必然面临生态主导者的反制，因为这种方式从根本上挑战了现有的权限分配体系。

更深层的矛盾在于，豆包的价值主张本身就建立在侵蚀现有生态控制权的基础上。它越是成功，就越威胁到操作系统与超级App的核心利益。这不是技术创新与旧势力的对抗，而是一个低中心度工具试图重构高中心度生态规则。在商业竞争中，这种错配的代价往往是致命的。

困境二：连接方式的结构性脆弱

豆包的技术路径看似巧妙，实则建立在极度脆弱的地基之上。这种脆弱性体现在技术与利益两个层面，它们共同构成了一种寄生式连接的宿命。

从技术层面看，豆包依赖模拟点击和屏幕识别来实现跨应用操作。这意味着它必须精确识别每个App的界面元素——按钮在哪里、输入框在哪里、确认键在哪里。但这些界面并非静态不变。微信每一次版本更新都可能调整聊天界面的布局，支付宝的一次改版就能让转账流程完全变样，银行App的安全升级更是频繁。每一次界面变化，都会导致豆包精心构建的操作脚本失效。这种依赖性不是偶然的技术缺陷，而是寄生模式的内在属性——寄生者的生存依赖于宿主的稳定性，而宿主不仅没有义务为寄生者保持稳定，反而有动力通过改变来驱逐寄生者。

更致命的是利益层面的冲突。这种冲突存在三个递进的层次。

第一层是数据主权的争夺。AI助手要实现真正的智能化，必须深度理解用户的行为模式——这意味着它需要访问微信的社交关系图谱、支付宝的消费记录、日历的行程安排、健康应用的体征数据。但这些数据恰恰是超级App建立护城河的根基。微信的社交关系链支撑起了它的广告精准投放与小程序生态，支付宝的消费数据是其信用评估与金融服务的核心资产。

第二层是商业逻辑的零和博弈。让腾讯、阿里向一个第三方系统开放这些核心数据接口，等同于要求它们主动拆除自己的商业壁垒。这不是技术对接的问题，而是利益分配的根本冲突。豆包获取的每一份数据主权，都意味着巨头们失去的一块领地。当微信发现豆包在读取用户的聊天记录，当支付宝发现豆包在分析用户的消费行为，它们的风控系统会做出唯一理性的反应——封杀。这不是保守，而是商业自卫的本能。

第三层是用户心理的抗拒。即便巨头们愿意在监管压力下做出某种妥协，用户是否愿意接受这种深度绑定？当一个系统需要全面渗透你的数字生活才能提供价值时，它已经不再是一个可随时更换的工具，而是变成了你数字人格的托管者。这种深度依赖带来的不仅是数据泄露的风险焦虑，更是对自主权丧失的本能抵触。一旦将所有行为轨迹交由AI统筹，用户与系统的关系就从“主动使用”转变为“被动依赖”，这种心理阈值的跨越，远比技术实现困难得多。

寄生式连接无法建立稳定的商业关系。宿主随时可以通过技术升级或策略调整，切断寄生者的生存空间。豆包的困境不是技术不够先进，而是它选择了一种从根本上无法持续的连接方式。相反，如果能建立一种让宿主也能获益的共生式连接，情况将完全不同——这正是我们后文模式三的核心逻辑。

困境三：实现路径的致命缺陷

汽车的发明并非在马身上装个发动机，而是重构了整个交通工具的底层逻辑——从生物动力到机械动力，从马车车架到内燃机底盘。这个比喻之所以重要，是因为它揭示了技术革命的本质：真正的革新不是在旧模式上叠加新技术，而是从根本上重构实现路径。

需要澄清的是，“AI中间层”本身并非错误的方向。语音交互、意图理解、智能代理，这些都是未来人机交互演进的必然趋势。问题不在于引入AI作为中介，而在于豆包选择的具体实现方式——通过模拟点击来实现自动化。这恰恰是一种“在马身上装发动机”式的过渡性实现方式：马的身体结构（App的UI界面）并非为发动机（AI自动化）设计，强行组合的结果是既保留了旧模式的所有缺陷（界面脆弱性、权限限制），又引入了新技术的额外成本（监督负担、信任焦虑），最终得到的是一匹跑不快还容易散架的“机械马”。

这种路径设计导致了一种致命的体验缺陷：半自动化的尴尬。

核心问题在于信任边界的模糊。当你亲手操作时，每一步都在视觉与触觉的双重反馈中完成，出错了能立刻察觉并纠正。但当AI通过模拟点击代劳时，你必须在最后一步进行全局检查——订机票时你真的敢不核对航班信息就付款吗？发消息前你真的敢不确认收件人和内容就发送吗？这种强制性的二次确认，实际上将原本的“3步操作”扩展为“观察AI执行10步+人工确认1步”。用户的注意力从未离开，甚至因为无法实时干预而更加紧张。

豆包的半自动化既未达到完全自动的解放感，也打破了手动操作的掌控感。它陷入了自动化的“结构性的信任挑战”——用户既不能完全放手，也无法直接干预。这种体验的本质问题不是技术不够智能，而是实现路径的选择错误。当你选择用模拟点击去“接管”用户操作时，就注定要面对这个结构性的信任挑战。

更本质的矛盾在于，手机20年的进化方向是消除中间层，让人与信息直接对话。从输入法的智能预测，到App的快捷操作，再到小组件的一屏直达，所有优化都在减少用户的操作步骤。而豆包通过模拟点击实现的“自动化”，实际上在重新插入一个复杂的、不透明的中间层。这不是技c//术先进与否的问题，而是产品体验的根本倒退。

从困境到出路

豆包的三重困境揭示了一个更宏观的问题：在手机这个被巨头严防死守的超级战场上，试图通过寄生式的技术手段夺取控制权，注定是一场不可能获胜的战争。但这并不意味着豆包应该放弃AI硬件。豆包拥有国内领先的AI能力，这是真正的硬实力。问题不在于能力，而在于能力的释放方式。

既然手机战场困难重重，我们需要寻找新的方向。避开高中心度巨头的直接对抗，建立可持续的连接方式，选择正确的实现路径——三种截然不同的模式由此浮现（表1）。

这三种模式的选择逻辑各有侧重：模式一通过重构价值主张，让硬件成为用户数字资产的托管者，建立主权级的护城河；模式二通过重构关键活动，在巨头力所不及的垂直场景构建端到端闭环；模式三通过重构渠道通路，绕过App的界面层，建立基于API的共生式连接。这三种模式都不试图操控用户的手机和现有App，而是通过重构商业模式要素，开辟新的价值空间。

表1AI硬件的三种商业模式

模式一：本地数据中枢——重构“价值主张”

核心逻辑：成为用户数字资产的本地托管者，通过数据积累建立不可替代的护城河。

这一模式的关键在于：让硬件设备成为用户数字生活的中枢，本地存储和管理用户最核心的数字资产——账号凭证、个人偏好、历史操作记录、私密数据等。与云端服务不同，本地托管带来三个独特优势：绝对的隐私控制，敏感数据不上传云端，用户拥有完全的所有权和控制权；离线可用性，不依赖网络连接，设备随时可以调用本地数据提供服务；即时响应，本地数据访问速度远超云端，带来更好的用户体验。

随着使用时间延长，设备上积累的数据越来越多，形成强大的锁定效应。当用户的数字身份、习惯模式、偏好设置都深度绑定在这台设备上时，更换设备的成本变得极高。更重要的是，这些本地数据为AI提供了无可替代的增值空间——基于用户历史行为的个性化推荐、基于偏好数据的智能决策、基于私密信息的贴心服务，这些都只有本地AI能做到。

对AI硬件的启示：豆包可以推出一款定位于“个人数字资产管家”的AI硬件。它不去模拟点击手机上的App，而是让用户主动将核心数据托管到设备。比如，通过导入功能，用户可以将历史聊天记录、工作文档、个人照片、健康数据等一次性迁移到设备。设备通过本地AI模型建立语义索引，用户可以随时询问：“我在哪次会议上讨论过季度目标？”或“帮我找出去年关于项目A的所有讨论”。

关键在于两点：用户对数据拥有完全主权，设备仅作为本地处理器，不会将数据上传云端，从根本上消除了隐私担忧。随着用户导入的数据越来越多，设备的价值呈指数级增长——它从一个工具变成了用户数字生活的“外挂大脑”，用户不愿意也无法轻易更换。

模式二：垂直场景专用硬件——重构“关键活动”

这一模式的核心在于针对某一特定高价值场景，设计专用的AI硬件。这里的硬件不仅仅是算法的容器，更是通过专用的传感器或处理能力，在特定场景下提供比手机高出10倍的效率。其关键特征在于“端到端闭环”：硬件本身就能完成核心价值的交付，不依赖外部服务商的API接口，也不依赖手机的通用计算能力。

在探讨成功案例前，我们必须审视Humane AI Pin的败局。这款曾被寄予厚望的产品，试图通过投影和语音交互完全取代智能手机，挑战通用场景。它的失败提供了三个关键教训：

教训一：不要在手机最擅长的领域挑战手机。在发邮件、查地图、浏览信息流等通用场景中，智能手机经过二十年的进化，其触控交互已经达到了效率的巅峰——肌肉记忆与视觉反馈的完美配合，实现了毫秒级的响应与确认。

教训二：交互方式的改变必须带来效率提升，而非倒退。试图用语音交互去替代这种“所见即所得”的高效触控，不仅效率不升反降，还增加了用户的认知负担。用户发现，用AI Pin发送一封邮件需要反复确认语音识别是否准确，而用手机只需几秒钟。

教训三：酷炫的技术不等于好的产品。这是一种典型的“为创新而创新”，技术虽酷，体验却倒退。AI硬件的机会因此变得清晰：不是挑战手机的通用场景，而是在手机力不从心的垂直场景寻找突破口。

相比之下，Plaud Note展示了正确的打开方式。这家2022年成立的深圳公司，2023年在Kickstarter上众筹时获得了超过目标20倍的资金支持，2024年出货量突破50万台。它没有试图取代手机，而是专注于“商务录音”这一个极窄的切面。

在商务会议或电话沟通中，手机录音往往面临诸多痛点：环境嘈杂导致音质差、多人会议无法区分说话人、录音文件占用空间大。更痛苦的是事后整理，听完一个小时的录音并手动整理笔记，往往需要耗费两个小时，且难以快速检索关键信息。Plaud Note给出的解决方案是典型的“垂直专用”策略。在硬件层，它通过MagSafe吸附在手机背面，利用波束成形麦克风阵列获取演播室级的高质量声源，在设备内直接完成降噪。在软件层，它通过云端AI进行声纹分离、语音转文字和智能摘要生成。更关键的是，它彻底重构了交付层：它不试图去操控你的飞书或钉钉App，而是生成一份结构化的链接。用户只需点击链接，即可一键将整理好的内容导入任何协作软件。

这种“专用硬件＋本地闭环”的逻辑，在其他场景同样有效。

首先是AI健康监测手环。手机健康App无法做到24小时贴身监测，且数据往往是碎片化的。专用的可穿戴设备可以持续采集心率、血压、血氧乃至睡眠数据，利用本地化的小型AI模型分析长期健康趋势。当识别到心律异常或睡眠呼吸暂停风险时，设备直接通过语音或震动提醒用户。这种模式的关键在于硬件本身完成了“采集+分析+预警”的闭环，不需要对接医院的API即可提供核心价值。

其次是AI儿童学习伴侣。在家长无法陪伴的场景下，手机往往是分散孩子注意力的干扰源。专用的AI学习硬件（如智能台灯或机器人）构建了一个纯净的交互环境。通过语音对话练习英语口语，或引导孩子讲解数学解题思路，硬件内置的本地AI模型能实时评测发音准确度或逻辑完整性。它内置了教育内容和评测能力，不依赖外部在线教育平台的实时服务，确保了学习的专注度。

再看AI车载安全助手。传统的行车记录仪只是被动的“黑匣子”，只能事后查看。AI安全助手利用边缘计算芯片，实时分析路况视频流，识别驾驶员的疲劳状态、分心行为或跟车距离过近，并通过语音实时预警。这种对低延迟要求极高的场景，必须依靠本地硬件的算力闭环，而非云端服务，从而在关键时刻挽救生命。

此外，在消费级市场之外，这种模式在特定人群中也有巨大的生命力。老人看护终端，在跌倒检测或服药提醒场景中，老人无法操作复杂的手机，专用设备可通过佩戴式传感器与语音/灯光提醒完成监测与干预，家属可远程接收告警并查看历史记录。

由此，我们可以提炼出判断一个场景是否适合做垂直AI硬件的四个黄金标准——这些标准在Plaud Note及上述所有案例中都得到了验证：

• 标准一：专用传感器需求。该任务需要专用的传感器或输入设备（如Plaud Note的麦克风阵列、健康手环的生物传感器、车载助手的摄像头），手机的通用硬件无法满足。
  
• 标准二：闭环交付能力。任务流程可以在设备端或自有云端形成闭环，不依赖第三方服务商的接口。Plaud Note不需要调用飞书的API，健康手环不需要医院的数据接口，学习伴侣不需要在线教育平台的实时授课。
  
• 标准三：市场规模与付费意愿。目标用户群体足够大且具备付费能力。商务人士愿意为效率买单，家长愿意为孩子的教育投资，健康焦虑者愿意为安心付费。
  
• 标准四：效率跃升门槛。也是最重要的一点，AI介入后能提供至少10倍的效率提升。Plaud Note将2小时压缩到5分钟，健康手环将被动监测变为主动预警，学习伴侣将碎片化练习变为系统化辅导。
  

在商业模式上，垂直场景专用硬件往往采用“硬件+订阅”的组合拳。硬件的首次销售覆盖制造成本并建立物理连接，而后续的高级AI功能（如无限时长的录音转写、更深度的健康报告）则构成持续的订阅收入。这种模式的溢价能力来自于在垂直场景的不可替代性——用户购买的不是一个电子产品，而是“被专业化解决的问题”。

模式三：API服务连接器——重构"渠道通路"

第三种方向则更具颠覆性。与模式二强调硬件本身的计算能力不同，模式三的核心逻辑是：以对话式AI作为意图入口，价值的交付依赖于对接外部服务商的API。这种模式的载体可以是硬件（如Amazon Echo智能音箱），也可以是软件（如蚂蚁阿福App）——关键不在于形态，而在于"意图理解+API调度"的架构模式。其本质是"去中介化"——不是去除所有中间环节，而是绕过超级App的界面层，建立基于意图的新供应链，让AI成为用户与服务商之间的直接桥梁。

这与豆包模式有着本质的区别——正是前文提到的"共生式连接"。豆包通过模拟点击"寄生"在App之上，实际上是在劫持App的流量，破坏了App的交互逻辑，因此必然招致封杀。而API连接器模式是"共生"的。对于服务商而言，AI入口是一个新的流量渠道，能带来增量订单。只要能带来真实的交易，服务商不仅不会抵制，反而会主动适配。Amazon Echo在美国的成功已经验证了这一点——它通过Alexa Skills连接了数以万计的服务商，成为智能家居控制、购物、信息查询的统一入口。

蚂蚁阿福则是这一模式在中国健康医疗领域的典型验证者。这款由蚂蚁集团推出的AI健康应用，月活用户已超1500万，每天回答超过500万个健康咨询。蚂蚁阿福通过对话式AI入口，连接了多方服务的API。这种架构让用户无需在十几个App之间切换，未来可以实现一次对话即可完成从咨询到购药到预约的全流程——这才是真正的"发射后不管"，用户只需说出意图，AI自行调度后台资源完成履约。

更多应用场景：除了健康医疗，这种"对话入口+API调度"的模式同样适用于其他需要跨多个服务商协调的复杂场景。</>
AI旅行规划器。出国旅行的规划是一个极其繁琐的过程，用户需要在携程、Booking、签证中心、航司官网、Google Maps等十几个平台间反复切换。在API连接器模式下，用户只需输入"3万预算、10天日本关西游、偏好和风民宿"，AI Agent通过API直接查询各大航司的实时票价、Booking的房源库存和当地景点的门票接口，自动组合出最优行程方案，用户确认后通过API一键完成支付。

再比如B2B领域的AI采购助手。企业采购员通常需要在多个供应商平台提交询价、对比报价。AI采购助手允许采购员用自然语言描述需求，系统自动调用供应商联盟的ERP接口发起询价，收集反馈并生成对比表格。这将原本需要人工登录多个网站操作的流程，转化为AI后台的自动API调度，大幅提升了供应链响应速度。

还有AI装修管家。家装涉及设计师、建材商、施工队的协调。AI装修管家通过对接装修公司的项目管理系统和建材商的库存API，实现了全流程的自动化统筹。当业主确认"水电改造完成"，系统自动触发API通知泥瓦工进场，并向建材商发送瓷砖发货指令。它将装修协调的时间成本降低了70%，有效避免了工期延误。

实施路径与利益重构：实施可分三阶段推进。首先是"垂直切入"，主攻低频、高客单价、高决策复杂度的增量市场，如跨国定制游、家庭装修协调、法律税务咨询，避开巨头垄断的红海。其次是"建立联盟"，与行业头部的非垄断服务商建立深度合作，打造示范效应。最后是"标准确立"，定义模型上下文协议（MCP），让服务商只需提供一份API文档，就能被AI Agent理解并调用。

这种模式的核心在于利益分配机制的重构。对中腰部服务商，AI入口作为去中介化的新渠道，可大幅降低获客成本；对平台方，可通过交易分成、订阅或授权实现变现；对用户，无需在多个App之间切换，一次对话即可完成复杂任务。

*****

对豆包而言，它今天的困局源于战场选择：在高度竞争的领域，以第三方应用的定位，尝试重构现有生态的交互方式。这不是技术问题，而是模式问题。商业竞争的终局，往往不是技术参数的胜利，而是基于正确角色定位与商业模式重构的胜利。

豆包拥有国内领先的AI能力，这是毋庸置疑的硬实力。但硬实力需要在正确的战场上释放，才能转化为真正的竞争优势。三种模式——本地数据中枢、垂直场景专用硬件、API服务连接器——提供了三条不同的道路。它们是否适合豆包，豆包是否会选择其中某条路，都是未知数。

换一个战场，而非放弃战争。

撰 文：

王子阳 清华大学经济管理学院商业模式创新中心研究主管、西安交通大学物流融合创新发展研究中心副研究员

朱武祥 清华大学经济管理学院商业模式创新中心主任，清华经管金融系教授

张芃 清华大学工程物理系硕士生


来源：36kr