文 | 定焦One，作家 | 金玙璠，剪辑 | 阮梅

最近科技圈的两场“AI秀”先后刷屏。

在大洋此岸，当地时候1月12日，苹果和谷歌文告合作，要给Siri用上谷歌的Gemini。但苹果的作念法，不是平直让Gemini操作手机上的App，而是用户说什么，Siri先相识意图，然后去调用相应的诳骗。换句话说，AI仅仅个“休养员”。这套操作，很苹果。

{jz:field.toptypename/}

另一边，国内的情况就淆乱得多。字节朝上的豆包AI手机一度刷屏，AI不错帮你打车、购物、订票，就像一个确实的“全能助理”。这套打发，很互联网。

你看，相同是AI手机，终了的方式澈底不同。这背后，其实是两条技能阶梯：

一条阶梯，是让AI和App学会“对话”，通过圭臬接口平直调用诳骗才略，被称为A2A（Agent-to-Agent）。这条路需要所有这个词东说念主坐下来一王人制定例则，走得慢，但更得当。

另一条阶梯，是给AI一把“全能钥匙”，通过系统权限“读屏”并模拟操作APP，被称为GUI（图形用户界面）。这条路浅近平直，走得快，但可能存在风险。

这背后不仅仅技能选拔，实质上，是不同公司基于自身利益与生态位，对改日主导权的一次押注。谁的模式能赢得用户，很可能将决定：下一个十年，咱们如何与手中的蛊卦共处。

两种解法，两种逻辑

要看懂这场牌局，咱们先得看清这两条阶梯背后的逻辑。

GUI阶梯，主打一个“快”字。

它的终了方式，最初是AI助手借助安卓系统中一个名为“无扼制处事”的功能。这项权限最初是为有眼力扼制的东说念主士遐想的，好让他们能通过语音请示来操作手机。当今，AI通过这项权限不错“读懂”屏幕上的翰墨和图标，然后模拟东说念主的手指去点击、滑动，从而操作种种App。之后不久，阛阓上出现了比调用无扼制权限更“率先”的阶梯，也即是AI助手拿到了手机厂商给我方的系统签名权限，从而通过程度注入，更丝滑、无感地模拟操作。

这样作念的刚正了然于目——它绕开了所有这个词App厂商，平直把AI才略遮盖到了现存的诳骗生态中。关于急于在AI波涛中霸占身位的厂商来说，这是最快的考据旅途。

“当用户习尚了通过一个AI助手来操作所有这个词App时，这个助手就成了新的流量进口，这背后的交易价值，相等有眩惑力。”关切互联网公司的投资东说念主林亮默示。

不外，关于用户来说，体验现阶段的GUI可能“时灵时不灵”。

“GUI很依赖诳骗界面的踏实性”，诳骗开发者陈刚默示，“要是App更新了界面遐想，比如一个按钮的位置变了，都可能让AI‘点错’位置，通盘任务经过就会卡住。”

陈刚指出，当任务链路变永劫，这种不踏实性会被放大。特殊据自大，一个包含5个门径的操作，即便每一步的成遵循都高达90%，通盘任务的最终成遵循也可能骤降至59%。

 

除了体验上的不驯服性，好多用户挂牵的是安全和秘籍风险。GUI模式下，AI需要通过“读屏”来相识屏幕内容，进而决定下一步操作，就意味着，它需要及时获取屏幕信息。尽管厂商们首肯数据会加密或不上传，但用户心中不免会有疑虑：用户的数据在什么情况下被相聚、如何被使用、谁来崇敬？

A2A则是澈底不同的想路。它不让AI“看”屏幕，而是为AI和各个诳骗建立一套通用的“对话说话”——也即是圭臬的API接口。

这听起来有点空洞，你不错设想这样的场景：你敌手机说“帮我打车去机场”，系统Agent相识后，平直告诉相应的Agent：“用户要去机场，请提供打车处事。”出行App的Agent收到肯求后，在我方的权限范围内完成任务。

A2A的中枢，是“合作”。这一齐线中有个要津遐想叫“双重授权”：同期得到用户和诳骗方的授权。

这样一来，权责变得领略了。用户不错对不同的App设立不同的权限等第。比如，允许AI读取外卖App来比价，但退却读取银行App；关于转账这样的高风险操作，每次履行都需要你的特殊阐述。由于数据流动是通过明确的接口进行的，是班班可考的，即便出了问题也不错追忆。

那为什么不是所有这个词厂商都选拔A2A呢？

因为调解资本很高。A2A需要操作系统厂商、诳骗开发者共同鞭策一套圭臬化的公约。莫得饱和多的诳骗相沿，A2A的价值就暴露不出来；莫得明确的价值，开发者就枯竭适配的能源。

是以，A2A阶梯注定是一场“耐久战”，它“慢”在生态共鸣的达成与基础依次的成立。

当今，两条阶梯的逻辑就昭彰了：GUI虽有一定风险但高效，能让厂商用最小代价快速考据AI手机的可能性。A2A得当但渐渐，需要更多调解节进入，不外一朝成效，就能建立一套更安全的体系。

有东说念主可能会问，GUI阶梯就不可通过技能技巧终了分级授权吗？表面上不错，但这样作念也就失去了相干于A2A的“快速部署”上风，同期还要承受更高的技能资本。

咫尺行业内相对公认的旅途是，GUI探路尚可，因为它会把智能体的便利和风险都充分呈现出来，最终照旧要看A2A，因为只好霸道了安全和便利两个条款，材干走得远。要是跳出中国阛阓，民众的科技巨头们是如何选拔的呢？

不同阶梯背后，巨头们的算盘

在手机端，外洋巨头险些都选了A2A，推动API（接口）集成。

苹果最平直。它升级了“App Intents”框架，要求所有这个词想接入AI功能的诳骗，都必须按照苹果制定的圭臬提供API接口。

谷歌的路更复杂。它一边推“AppFunctions API”来归并智能体交互圭臬，一边鼎力推行种种诳骗适配，这是个渐渐的过程。

微软自研了“AutoGen”这样的多智能体对话框架，探索不同AI智能体怎样更好地协同。

OpenAI和Anthropic固然不屈直作念手机，但它们推动的“函数调用”和“用具使用”功能，试验上即是A2A的技能前身。左证Anthropic公布的数据，从2025年3月的2000多个活跃MCP处事，到12月也曾卓越1万个——这个增速相等惊东说念主。

为什么无论是苹果、谷歌这样的操作系统霸主，照旧微软、OpenAI这样的AI领头羊，都选了渐渐的接口阶梯？

因为它们是现存治安的建立者和最大受益者。

苹果、谷歌的中枢利益是爱护平台、踏实开发者。未经三方授权就浅近使用GUI，这种“外挂式”的阶梯，实质上是在挑战它们的总揽地位。是以它们势必会选A2A这种“可控”的决策，把AI才略紧紧掌抓在我方手中，当作强化生态欺压力的新用具。

微软手抓Windows和Office两大王牌，其AI政策的中枢是训导坐蓐力，处事企业客户。关于这些客户来说，幸运彩app安全和踏实是第一需求，无法汲取GUI的不驯服性和安全风险。

OpenAI当作AI技能的“军火商”，接洽是让我方的模子被尽可能多的诳骗“调用”。是以它必须提供踏实、可靠的API接口，而不是无法确保结尾的GUI用具。

外洋巨头是不是澈底覆没GUI了？并非如斯。

谷歌的Gemini和微软的Copilot，在手机上推出了“屏幕分享”功能——让用户不错把屏幕分享给AI，AI不错“看”并回应问题，但自身不会去操作。

外洋巨头的GUI尝试，主要在PC端，而且，严格规矩在受控环境（如浏览器、沙盒、虚构机）内。

OpenAI把具备GUI操作才略的Agent规矩在Atlas浏览器内，明确退却它起先代码、下载文献或走访腹地诳骗。Anthropic在2024年底就发布了Computer Use API，但相干功能于今仅供开发者在虚构环境中测试。

微软的作念法最具代表性。在其Recall功能因高频截屏激勉秘籍争议后，它平直把“看”和“作念”两个动作拆分了——Copilot Vision只可“看”用户分享的诳骗并提供无情，不可操作；有操作才略的Copilot Actions必须在单独的沙盒桌面中进行。

是以，外洋巨头出于“爱护现存治安”的计议，顽强地走A2A阶梯，GUI尝试只停留在“测试版”，并未向闲居用户大范畴推行。

比较之下，国内阛阓形貌更复杂，巨头中既有“挑战者”也有“守成者”，选拔也因此更种种。

字节朝上走的是高权限GUI阶梯。它通过豆包大模子与中兴努比亚深度合作，推出集成系统级AI助手的“AI手机”，但愿绕开现存的生态壁垒，争夺下一代流量进口。

阿里、华为、OPPO，都布局了A2A阶梯。

阿里的动作很平直，即是通过自建的、可控的API体系，将“通义千问”这个超等大脑，深度集成到淘宝、支付宝、高德等中枢业务中。

华为则在2025年底发布的HarmonyOS 6中，通过“意图框架”，终明晰“小艺”智能体与十余款鸿蒙原生诳骗的A2A合作。

OPPO也聚拢了支付宝等头部诳骗，共同探索A2A的行业圭臬。

但这些看似调换的选拔背后，是各自的交易考量。

对阿里来说，这套打发“攻守兼备”。一方面，当作中国头部电商平台，中枢利益是用可控的API保护渊博的交往生态。但另一方面，它又不啻于提神，而是通过通义千问打造一个进口，让用户在阿里生态内完成更多交往和处事。

华为和OPPO天然不想只作念硬件制造商，容易被“管说念化”，是以，在A2A阶梯之上，它们还在走一条以自家操作系统或AI大模子为中枢的“搀杂生态”的阶梯。在这套体系里，既有圭臬的API调用，也有更底层的系统级智能体，最终方针都是为了掌抓生态主导权，从一个“蛊卦提供商”，升级为改日生态的“章程制定者”之一。

简言之，国表里厂商多数都选了A2A。仅仅区分在于，外洋巨头用它来强化现存欺压；国内厂商则用它来争取话语权，一边参与A2A的圭臬制定，一边通过自身的OS、大模子或生态上风，建立以我方为中枢的搀杂生态。

为什么主流厂商更倾向A2A？

选拔背后，是不同玩家在牌桌上的位置使然。不外，从这些主流厂商的选拔中，咱们不错得出一个论断：GUI阶梯固然能快速考据AI手机的可能性，但A2A正得到越来越多主流厂商的醉心。

是因为A2A更安全、更踏实吗？不全是。它之是以被看作是改日，不错从技能演进、监管合规和交易资本三个维度来看。

从技能角度看，A2A更顺应AI单干合作的实质。

GUI阶梯要求大模子同期承担“感知屏幕（眼）、筹谋任务（脑）、模拟操作（手）”的责任，职守重、成果低且易出错。A2A阶梯，则是让AI追思到它最擅长的“大脑”扮装，专注于相识与任务休养，具体的履行交给各垂直范畴优化的诳骗智能体。这种“各司其职”的模式，不仅更高效可靠，也为改日更复杂的智能体合作打下了基础。

从监管角度看，A2A是更安全、更合规的选拔。

GUI的“读屏”行径在民众范围内都面对越来越严格的秘籍监管。2025年12月，好意思国德州告状了包括三星在内的多家智能电视制造商，指控它们通过高频截屏犯警相聚用户数据。这为所有这个词给与雷同技能的厂商敲响了警钟。

 

而A2A由于数据流动通过明确的接口进行，而且有“双重授权”机制保险，为厂商建立了一说念合规“防火墙”。

终末，亦然最要津的，从交易资本角度看，A2A是更经济的选拔。GUI决策看似“快”，但遥远运营资本高。

陈刚作念了个类比：

GUI模式就像雇了一个需要24小时盯着监控屏幕的保安，要束缚地看、束缚地分析图像。这消费的是多半的“脑力”（云霄计较资源）。

A2A模式是建立了一个高效的里面通信系统。当需要某个部门配合时，发送一条结构化的浅近请示即可。这消费的仅仅“通信费”（API调用用度）。

关于手机厂商来说，要是几亿用户每天都在用AI读屏，算力与带宽开支将是一笔巨大的开支。这种交易模式，在范畴化商用的出路下，险些是不可赓续的。

是以无论从技能、监管照旧交易资原来看，A2A都是更优的选拔。更紧迫的是，一朝这个生态建立起来，它将带来全新的交易契机。这亦然最让行业东说念主士兴盛的原因。

起初，公约层与中间件将成为中枢。PC期间有Windows，转移互联网期间有iOS和安卓。在AI期间，A2A、MCP等公约圭臬，就像是新期间的“操作系统”和“开发说话”。谁能掌抓圭臬，谁就可能成为下一个平台级的巨头。

其次，“智能体工场”与垂直Agent处事商将迎来爆发。基于圭臬公约，为金融、医疗、物流等特定行业开发专属智能体，将成为一个巨大的阛阓。改日，可能会有挑升的“智能体商店”，你不错像下载App一样，为你的手机雇佣一个“私东说念主答理参谋人”或“专属旅行筹谋师”。这为无数中小开发者，提供了全新的创业契机。

终末，现存公司也将在更生态中再行找到我方的位置。云厂商将成为智能体的“查科场”，手机厂商则成为智能体的承载末端。它们都将得到新的增长。

关于中国的科技公司而言，这是一个在底层公约和基础依次上，与民众巨头同台竞技的绝佳契机。

结语

聊了这样多技能和交易，咱们不妨回到一个最根蒂的问题：AI，到底应该如何处事于东说念主？

AI手机的发展，正从功能炫技的“倡导期”，进入生态构建期。GUI和A2A，从不同维度给出了各自的回应。

GUI用一种最直不雅的方式，完成了初步的阛阓发蒙。它让咱们提前看到了AI手机改日的形状——一个能听懂、会操作的伙伴。这种“快”的上风，匡助厂商们快速考据了AI手机的可能性。但安全性存疑、经济性不高，决定了它更可能是一种过渡决策。

A2A阶梯尽管起步渐渐、调解粗重，但它在作念一件更基础的事——为AI和诳骗之间建立一套领略的“章程”。这些章程看起来很复杂，但实质上是在回应一个问题：AI应该在哪些方位有权柄，在哪些方位莫得。一朝这套章程被庸俗汲取和诳骗，就能变成一个更踏实、更可控的生态。这势必是一场耐久战。

这场阶梯之争，往深了想，其实是咱们但愿与机器建立何种关系的想考。

AI手机的改日，大致并不在于让手机变得无所不可，去替代咱们作念所有这个词事。而在于，它能否成为一个更机灵的“副驾驶”，在咱们作念决策时，提供更精确的信息、更周到的无情，最终把选拔权交还给咱们我方。说到底，技能终究是为东说念垄断事的。

*应受访者要求，文中陈刚、林亮为假名。

• AI
• 手机
• 终局
• 读屏