世界上除了你以外最懂你的 AI 手機，會成為趨勢嗎？

「AI 手機」這個詞喊了兩年，2026 年 9 月終於同時發生了三件事：

OpenAI 確認第一款硬體不是手機，是一個沒有螢幕的口袋裝置
Google 的 Pixel 11 把 Gemini 從聊天視窗變成整支手機的代理層
字節跳動 的豆包手機二代開賣，但微信、支付寶、美團全部不能用

三家走的是三條完全不同的路。要判斷「最懂你的 AI 手機」會不會成為趨勢，先得看清楚它們各自在賭什麼。

「最懂你」的意思是「看得到你所有東西」

先講清楚這個前提。

一支手機要幫你「訂機票、比價、回訊息」，它得做到兩件事：看得到畫面上的內容，以及能代替你的手指去點。做到這兩件事的方式，決定了它有多好用，也決定了它有多危險。

去年 12 月的豆包手機一代，用的是最直接的做法：AI 像人一樣「看」螢幕、辨識按鈕、模擬點擊，不需要 App 配合，理論上任何 App 都能操作。

結果幾天內：

微信強制登出，提示「登入環境異常」
淘寶跳出驗證碼
農業銀行、中國銀行拒絕登入，理由是「風險環境」

字節被迫關掉高風險場景的操作權限。3 萬台首發秒殺的手機，核心功能上線不到一週就被砍掉一半。

這不是 bug，是資安團隊該做的事。對銀行 App 來說，「畫面正在被一個非人類的東西操作」本來就是要擋的行為——它分不出那是你的 AI 助理，還是偷裝在你手機上的木馬。

三條路線

豆包二代：從爬牆改成敲門

9 月 16 日開賣的二代（努比亞 NaviX Ultra，京東預約 39.6 萬台）換了策略。字節推出一個叫 SAEP 的協議，讓第三方 App 自己宣告允不允許 AI 在裡面自動操作，明確拒絕的就不碰；「操作手機」功能也退回測試版，只開放系統 App、字節自家 App，和主動加入的第三方。

實測的結果很能說明現況。飛書查行程 → 攜程訂機票和飯店 → 百度地圖算通勤時間，跨三個 App 一氣呵成，不用自己切換。但支付寶、微信、美團、滴滴、小紅書、京東全部不能用——連「幫我點外賣」這個 AI 手機的招牌 demo 都做不到。

騰訊新聞的評測者下了一個很準的結論：卡住它的不是技術，是一道看不見的牆。

Pixel 11：目前最完整的答案

Google 走的是另一種「App 開門」——因為 Google 自己就是 Android。

8 月發表的 Pixel 11 硬體改動不大（我另外寫過 Pixel 11 跟 10 該買哪支），重點全在 Gemini Intelligence：它不再是一個聊天視窗，而是一層跨 App 的代理，能串 40 多個 App 完成訂雜貨、叫車、訂位；「Call For Me」會幫你打電話給客服並替你等候。Tensor G6 上的 TPU 讓更多推論留在手機裡，Pro 機型的 HiLight 燈條則是「AI 正在跟你互動」的實體提示。

Google 拿到的是字節拿不到的東西：系統層級的權限，加上自家 App 全部開門。所以它做得到的事最多。

代價也最明顯。Google 自己在發表時就問：你願意讓 AI 理解多少你在手機上做的事？9to5Google 的初評說 Gemini Intelligence 是真正的亮點，但也有評論懷疑這只是一個新品牌名，讀者未必分得出它跟去年的 Gemini 差在哪。

Apple：範圍最小，也最可控

iOS 27 的新 Siri 重寫了。Federighi 說模型是 Apple 自己的，用 Google Gemini 前沿模型的輸出做精煉；能感知螢幕內容，但代理操作走的是 App Intents——由開發者宣告「我的 App 能做這些事」，Siri 只能在宣告的範圍內動。

第一個真正的代理功能給了密碼 App：自動登入網站、換掉弱密碼、更新保險庫，全程不用你點。範圍很小，但每一步都在可控範圍內。

豆包二代的 SAEP，其實就是在往 Apple 這條路靠。

OpenAI：乾脆不做手機

OpenAI 以 64 億美元收購 Jony Ive 的 io 之後，Chris Lehane 在達沃斯確認：第一款硬體會在 2026 下半年推出，是一個無螢幕、語音優先的口袋裝置，定位是手機和筆電之外的「第三個核心裝置」。代工從立訊改成富士康，首批目標 4,000 到 5,000 萬台；另外還有耳機型（代號 Sweetpea）和筆型（代號 Gumdrop）的原型。

它的邏輯跟另外三家完全不同：不去碰別人的 App，直接當一個新的入口。這條路能不能走通，要等東西出來才知道。

資安：看得到你，就看得到一切

回到開頭那句話。要「最懂你」，就得看得到你所有東西。這裡有三個具體的問題。

一、無障礙權限就是後門。 多數 AI 代理靠 Android 的 Accessibility 服務讀螢幕。這個權限原本是給視障輔助工具用的，拿到之後等於能看到畫面上的所有內容——身分證號、住址、銀行餘額、私訊——不管跟當下的任務有沒有關係。

二、看得到畫面，就可能被畫面指揮。 這叫提示注入。網頁、訊息、甚至一張圖片裡藏的指令，都可能被代理當成你的命令執行。2026 年多份安全報告都把它列為 AI 代理的首要風險，而目前沒有一家廠商說清楚自己怎麼防。

三、你未必知道自己給了什麼。 有些代理在啟用時沒有清楚說明會拿走哪些權限，使用者以為只是「讓 AI 幫我訂餐廳」，實際上是「讓 AI 看得到我手機上發生的一切」。

Android 17 針對這些做了三件事，值得知道：

防線	做法
可以個別關	Gemini Intelligence 的每個功能都能單獨開關，不是全有全無
拔權限	Advanced Protection 模式會移除非無障礙工具 App 的無障礙權限
擋盜碼	能讀簡訊的 App 要等 3 小時才能讀到 OTP 驗證碼，防止自動化偷驗證碼

這三條都是對的方向。但它們也說明了一件事：平台自己也知道，讓 AI 看整支手機這件事，需要額外的護欄。

所以會成為趨勢嗎

會，但不會是「什麼都幫你點」的那一種。

豆包一代證明了「看螢幕、模擬點擊」技術上做得到，也證明了銀行和微信不會答應。二代退回「請 App 開門」，Pixel 11 靠自家生態開門，Apple 用 App Intents 開門——三家最後都走到同一個結論：AI 能做多少事，取決於有多少 App 願意開門給它。

這代表接下來的競爭不在模型有多聰明，在誰能說服最多 App 開門。Google 有 Android，Apple 有 App Store 審核，字節有 SAEP 但還要說服微信和支付寶——這三家裡，字節的牆最高。

至於使用者這一端，我的建議很簡單：

先看它用什麼方式碰你的 App。 靠無障礙權限看螢幕的，等於把整支手機交出去；走 App Intents 或類似協議的，範圍有限但你知道邊界在哪
能個別關的功能就個別開。 訂餐廳跟讀私訊是兩件事，不需要一次全給
金融 App 擋它，不要覺得是 bug。 那是目前少數真的在替你把關的地方

參考資料