行业背景与核心挑战 - AI手机浪潮席卷全球新兴市场，行业面临同质化竞争，寻找差异化突破口成为品牌深耕区域市场的核心课题[1] 公司战略与核心抓手 - Coosea酷赛智能以“一站式定制服务”为核心抓手，精准对接客户在AI手机落地中的实际需求，旨在成为助力客户夯实市场优势的重要伙伴[1] - 公司战略以“技术适配需求”为导向，避开盲目追逐参数的误区[1] 技术方案与优化 - 针对新兴市场中低端机型占比高、硬件条件多样的特点，公司选择以云端模型为核心构建AI能力底座，以兼顾普适性与稳定性[1] - 面对语音交互响应延迟问题，公司创新采用双向流式交互架构，重构“上传-解析-反馈”全链路，使语音交互速度提升70%[1] 定制化服务内容 - 一站式定制服务的核心在于“深度贴合本地需求”，让AI真正融入区域用户的生活习惯[2] - 服务打造了“意图定制、Agent定制、UI定制”三大核心方案，形成兼顾共性与个性的完整体系[2] - 公版意图模块持续迭代升级，覆盖具备广泛价值的需求；针对区域特色需求，通过专项开发定制专属意图[2] - 结合当地文化背景与语言习惯调教Agent交互逻辑，并深入调研地域设计趋势，融合客户品牌调性，完成UI全链路定制[2] 为客户创造的价值 - 一站式定制服务帮助客户提升市场效率、强化差异化优势，客户无需在模型开发、功能迭代、长期运维等环节分散精力，可将资源更高效地聚焦于区域渠道运营、品牌深度建设等核心业务[4] - 通过本地化定制，帮助客户快速塑造“更懂本地用户”的品牌标签，例如适配区域高频社交、电商APP的AI交互逻辑，以及贴合地域审美的界面设计[4] 未来发展规划 - 公司将持续深化定制化能力，进一步适配新兴市场硬件特性，同时强化本地化数据训练，让AI更懂区域语言与使用偏好[4] - 功能层面将向“场景预判”升级，深度融合打车、外卖等高频生活场景，并在对话翻译、邮件整理等垂直领域做精做透[4] - 全方位一站式解决方案将覆盖产品定义、研发、供应链管理、制造与售后服务，为客户提供全链路支持[4] 竞争定位与愿景 - 在AI手机的区域竞争中，“懂用户”被视为决胜的核心[6] - 公司以一站式定制服务为桥梁，帮助客户高效链接本地需求、聚焦核心业务，打造“更懂区域用户”的差异化优势[6] - 公司未来将继续以技术为基、以需求为导向，致力于成为全球本土品牌深耕市场的坚实伙伴，助力客户在同质化赛道上构建竞争壁垒[6]

文章核心观点 - 智谱公司全面开源的AutoGLM项目，通过一个手机端智能助手框架和一个9B参数模型，实现了能真正操控手机的AI智能体，这标志着AI从对话到行动的范式转变，并可能成为AI Agent领域的“安卓时刻”，为未来AI原生手机和隐私保护型智能助手奠定了开源基础 [5][6][12][35][42] 锤子科技与TNT的历史背景 - 锤子科技虽已落幕七年，但其TNT（Touch & Talk）构想通过触控加语音操作设备，在当今大模型时代被验证为高效交互方式，仍有百万日活用户怀念其产品 [3][4][5] AutoGLM项目的起源与里程碑 - 智谱是首个进行可操作智能体研究的厂商，于32个月前的2023年4月启动AutoGLM项目，旨在打造能“做”而不仅是“说”的智能体 [11][12] - 2024年10月，AutoGLM面世并被公认为全球首个可真正操控手机的Agent，也是完成度最高的GUI Phone Use模型 [12] - 该项目实现了一个关键里程碑：完成了人类历史上第一个由AI全自动发出的微信红包，象征着大模型从Chat到Act的范式转变 [13][15] AutoGLM的技术架构与核心能力 - 项目由手机端智能助手框架Phone Agent和9B大小的模型AutoGLM-Phone-9B组成 [6] - 其实现依赖于三大核心技术：1) ADB作为手机控制器；2) 视觉-语言模型作为AI的“眼睛+大脑”；3) 智能规划能力作为任务拆解的“策划师” [17][18][19] - 该模型通过理解手机屏幕内容、解析UI状态并结合智能规划，能自主完成从自然语言指令到具体操作的全套流程 [16][19] AutoGLM的实际应用表现 - 在实测中能流畅执行发微信、浏览小红书商品、更新应用宝软件、跨应用查询与播放音乐等复杂任务 [22][27][28][29] - 展现出强大的稳健性，如在操作中遭遇误触打开错误应用时，能感知错误、自我修正并回到正轨，这是Agent走向实用的关键 [30][31][40] - 具有高通用性，不局限于特定应用，甚至能调用其他AI助手（如Gemini）来完成更复杂的任务，充当连接本地应用与云端模型的“超级胶水” [31][32][33] 全面开源的意义与影响 - 智谱将AutoGLM全面开源，包括核心模型、推理代码、完整工具链、支持50多款常用中文App的Demo以及友好协议，将能力开放给整个行业 [35][41] - 开源解决了隐私问题，允许AI在本地设备运行，数据无需上云，代码透明可验证，提供了透明、可控、私有的智能管家方案 [36][37] - 此举打破了可能由单一平台独占AI手机入口的局面，为行业提供了平等的模型底座，回应了其他AI手机助手被大厂应用限制的现状 [38][39] - 开源被视作AI Agent领域的“安卓时刻”，为动嘴就能搞定一切的未来交互时代铺下了开源基石 [42]

产品发布与市场反响 - 字节跳动旗下AI模型豆包于12月1日正式发布“豆包手机助手”技术预览版，并与中兴通讯合作推出首款深度集成该系统的工程样机nubia M153，售价3499元 [2] - nubia M153在开售一天后即宣告售罄，在二手平台闲鱼引发溢价狂潮，部分卖家报价高达7999-9999元，最高溢价超过6500元 [2] 技术路径与核心能力 - 豆包手机助手的技术颠覆性在于其路径突破，它直接嵌入操作系统底层，而非困于应用层 [2] - 基于豆包大模型能力，该助手首次实现跨App自动化任务执行，用户只需一句自然语言指令即可完成复杂流程 [2] - 具体应用示例：用户指令对比京东、美团、淘宝上肯德基香辣鸡腿堡价格并选最低价下单后微信发给朋友，助手能自动完成打开应用、搜索、比价、领券、下单、截图、发送的全流程 [2] - 这种Agent能力将美团、淘宝等平台降级为可调用的底层服务，打破了App孤岛模式，标志着AI从辅助工具向主动代理的范式跃迁 [2] 公司战略与合作理念 - 中兴通讯终端事业部总裁倪飞表示，手机行业缺乏颠覆式创新，AI手机发展势不可逆，公司的答案是开放 [3][5] - 公司认为以开放姿态可实现1+1>2的效果，类似iPhone+ChatGPT、三星+Gemini的组合，核心是为用户提供更好的产品体验，因此选择与豆包手机助手强强联合 [3][5] - 中兴努比亚早在2017年就开始布局AI，并坚持“AI for All”理念，认为AI应成为每个人都能轻松享有的基础能力，而非实验室炫技或少数人专属 [5][7] - 从2017年首款AI手机Z17到2025年多模型协同理念，再到与豆包合作的M153，公司近十年间持续从技术创新到全场景布局进行实践 [5] 行业发展趋势 - 中国智能手机市场呈现新趋势，价格超过600美元（国内以4000元人民币为标准）的高端手机市场份额不断提升，2023年占比超过27%，较2022年增长3.7个百分点 [7] - 消费者对高端手机的需求日益旺盛，对手机性能、功能和创新体验要求更高 [7] - 在全球经济回暖与折叠屏、AI手机兴起的双重驱动下，中国智能手机市场正迎来新一轮换机潮 [8] - 前瞻产业研究院预计，到2029年中国智能手机市场规模将达到15367亿元，年均复合增长率约为9.2% [8] - 行业观点认为，AI技术应是具备自主学习与持续进化能力的“生命体”，AI手机能通过端侧学习在日常互动中不断适应用户习惯，实现自我迭代，而非出厂即功能固化 [11]

昨日， AI大模型企业智谱开源其能操作手机的 AI Agent模型AutoGLM。开源链接在此： https://github.com/zai-org/Open-AutoGLM 此次开源的是一套 "拿来就用"的完整能力包，包括训练好的核心AI Agent模型、 Phone Use 能力框架与工具链、覆盖淘宝、抖音、美团 等 超过 50个高频中文App 。 市场对此反应迅速。业内调研数据显示，开源消息公布后， AI手机概念在二级市场短线拉 升，福蓉科技涨停，胜宏科技、道明光学等个股纷纷走高；思泉新材、鹏鼎控股等产业链配套 企业也纷纷跟涨 ， 整体形成板块普涨的活跃态势，凸显市场对 AI手机产业链开放发展的强烈 看好。 开发者实测发现， AutoGLM通过一整套Phone Use能力框架，能在真机上稳定 准确 完成一 系列操作，诸如发送微信红包、外卖点单、机票预订等。 安卓生态虽以开源立足，却深陷 "碎片化"泥潭——全球超2万种设备型号、各厂商定制化系统 导致适配成本暴涨，开发者被迫将80%精力耗费在兼容工作上。更关键的是，安卓缺乏统一 的AI Agent底座，跨APP协同能力薄弱。 AutoGLM的开源恰好提供 ...

核心事件与市场反应 - 字节跳动豆包团队与中兴通讯旗下努比亚合作推出首款“豆包手机”努比亚M153，该手机为首款搭载豆包手机助手技术预览版的设备 [1] - 该款手机售价3499元，发售后市场反应热烈，甚至被炒至万元高价 [1] - 部分主流App（如微信、淘宝、闲鱼、大麦等阿里系应用）及金融类App（如农行、建行App）先后出现拒绝“豆包手机”登录或要求关闭AI助手的情况 [1] 技术特点与调整 - 豆包手机助手是深度集成在手机操作系统层面的AI助手，能够通过语音指令完成跨应用复杂操作 [1] - 豆包官方对AI操作手机能力做出调整，暂时下线操作银行、互联网支付等金融类App的能力，并对限制刷分、刷激励及游戏类使用场景做出限制 [2] - 此次调整旨在对AI操作手机能力进行规范化，被认为是让技术走得更稳、更远的必要铺垫 [2] 公司回应与合作逻辑 - 努比亚总裁倪飞回应称，AI手机发展势不可逆，对于收到的问题正与合作伙伴沟通解决 [1] - 倪飞解释合作原因为手机行业缺乏颠覆式创新，认为在AI大变革时代，开放是方向，目标是实现“1+1>2”的效果，类比iPhone+ChatGPT、三星+Gemini [2] - 抖音集团副总裁李亮表示，AI带来的变革和用户需求真实存在，豆包与中兴的探索是一个开始，AI一定是未来 [2]

公司战略与产品发布 - 中兴通讯终端事业部总裁倪飞通过个人微博回应了关于努比亚M153豆包手机助手技术预览版的讨论，并阐述了公司在AI手机领域的布局与理念 [1] - 公司选择以开放姿态破局，此次与豆包手机助手联合，模式类似于iPhone+ChatGPT、三星+Gemini，核心目标是为用户带来更好的产品体验 [1] - 公司早在2017年便布局AI，坚持“AI for All”理念，旨在让AI成为人人可轻松享有的基础能力 [1] - 从首款AI手机Z17，到2025年的多模型协同理念，再到此次与豆包合作的M153，是公司持续主动破局的实践 [1] - 公司目前正与合作伙伴沟通解决外界反馈的问题，后续会持续与大众探讨相关进展 [1] 行业趋势与公司定位 - 手机行业已久缺颠覆性创新，在AI变革时代，AI手机发展趋势不可逆 [1] - 公司感谢用户的赞许与鞭策，并表示会继续专注于能改变用户体验的技术创新，与行业伙伴、用户共同推进“AI for All” [1]

市场表现 - 2025年12月9日，AI手机概念股拉升，胜宏科技股价领涨，收盘上涨10.81% [1] - 福蓉科技上午一度涨停，10时55分打开涨停板，最终收涨7.00% [1] - 鹏鼎控股、思泉新材等多只个股同样走高 [1] 技术进展与行业动态 - 2025年12月9日，智谱公司开源其核心AI Agent模型AutoGLM，该模型被视为全球首个具备“Phone Use”（手机操作）能力的AI Agent [1] - AutoGLM能够稳定完成外卖点单、机票预订等长达数十步的复杂操作流程 [1] - 此次开源意味着硬件厂商、手机厂商和开发者均可基于该模型，在自己的设备或系统中复现能“看懂”屏幕并模拟真人操作的AI助手 [1] - 项目支持本地与云端部署，确保数据与隐私控制权掌握在使用者手中 [1] - 智谱公司表示，开源初衷是希望将AutoGLM变成行业共同拥有的公共底座，通过私有化部署让企业和开发者完整掌控数据、日志和权限 [2] - 2025年12月1日，抖音旗下AI助手“豆包”与中兴通讯宣布，搭载豆包手机助手技术预览版的努比亚品牌工程样机启动小批量发售 [2] - 这标志着AI大模型厂商与手机硬件厂商的深度跨界合作进入实质落地阶段 [2] 行业前景与政策支持 - 中信证券研报称，AI手机是大厂高度重视的下一个重大变革，三方大模型厂商积极入局 [3] - 该机构看好2026年成为AI手机元年，并带动智能手机产业链迎来新一轮重大机遇 [3] - 2025年《政府工作报告》首次提出“人工智能手机和电脑” [3] - 2025年8月，国务院印发的《关于深入实施“人工智能+”行动的意见》提出，推动智能终端“万物智联”，培育智能产品生态，大力发展人工智能手机和电脑等新一代智能终端 [3] - 专家表示，在“人工智能+”战略引领下，我国人工智能手机与电脑产业正迎来前所未有的发展契机 [4] - 端侧AI将重构消费电子价值链，驱动终端设备从“工具型”向“智能伙伴型”跨越升级，带动全产业链步入新一轮增长周期 [4] 应用场景 - AI手机正从概念加速渗透至真实场景，例如在外卖App中智能筛选并完成下单 [2] - 能在云手机里批量处理通知与社交互动 [2] - 能替用户自动执行销售、客服、考勤等场景中重复、繁琐的日常操作 [2]

产品市场反响与定位 - 豆包手机首批3万台备货被一抢而空，在二手市场价格翻番，显示出极高的市场热度 [1] - 产品被用户评价为“全球第一部真正的AI智能手机”，其AI助手能跨应用自动化执行复杂任务，例如代为请假、提交差旅申请、预订高铁票等 [1][46] - 产品具备跨语言操作能力，用户无需将手机系统语言改为英语，即可直接用英语下达指令，AI助手会自动在中文应用中完成操作 [52][53] 核心技术基础：UI-TARS模型系列 - 豆包手机助手的核心是字节自研的UI-TARS模型，该模型是字节在“系统级GUI Agent”赛道布局近两年的成果 [1][3] - 初代UI-TARS模型于2025年1月由字节Seed团队与清华联手开源，性能优于当时曝光的OpenAI Operator，为系统级AI Agent奠定基础 [3][4] - 模型持续迭代，后续发布了UI-TARS-1.5和UI-TARS-2，在多项基准测试中刷新SOTA（State-of-the-Art）记录 [15][17][19] 技术架构与核心能力 - 原生Agent具备感知、动作、推理、记忆四大核心能力，UI-TARS围绕这些能力进行了关键创新 [6] - 通过大规模GUI截图数据集和五大感知任务增强GUI感知精度 [8] - 融入600万高质量GUI教程和多种推理模式，注入System-2深思型推理能力 [10] - 借助数百台虚拟机自动收集交互轨迹，通过多阶段过滤和直接偏好优化解决数据瓶颈，实现模型迭代优化 [12] 模型性能表现 - 在计算机使用基准测试OSworld（100步）中，UI-TARS-1.5得分为42.5，优于OpenAI CUA的36.4和Claude 3.7的28.0 [18] - 在GUI定位任务ScreenSpot-V2中，UI-TARS-1.5得分为94.2，优于OpenAI CUA的87.9和Claude 3.7的87.6 [19] - 在14款网页游戏测试中，UI-TARS-1.5在11款游戏中得分达到100，全面优于OpenAI CUA和Claude 3.7 [22][23] - UI-TARS-2在15款游戏集合的平均标准化得分为59.77，显著高于OpenAI CUA的24.73和Claude Computer Use的21.61，更趋近人类水平（100） [32] UI-TARS-2的技术突破 - UI-TARS-2旨在实现图形界面的自主交互，解决了数据可扩展性、多轮强化学习稳定性等四大问题 [25] - 核心技术包括可扩展的数据飞轮、稳定长时序优化的训练框架、混合GUI中心环境以及统一的沙盒平台 [25][27][28] - 模型采用532M参数视觉编码器与23B激活参数的MoE LLM架构，在多场景表现全面提升 [30] - 在LMGame-Bench中，UI-TARS-2与OpenAI o3等前沿模型竞争力相当 [33] 产品化与工程实现 - 豆包手机助手是在成熟的UI-TARS技术基础上，针对手机端做了深度定制与优化形成的产品 [35] - 工程分析显示，其视觉管道经过过滤，截屏只包含目标应用界面，基于Activity Hierarchy抓取，物理上无法监控视频通话等悬浮窗内容，保护了隐私 [41] - 系统设计了OS级虚拟化，后台有独立的Virtual Display供Agent执行任务，不与用户前台界面互相干扰，实现并行运行 [41] - 产品将Agent拆分为标准模式和Pro模式两套技术栈，标准模式依赖浅层视觉响应极快，Pro模式则进行深度推理和工具使用 [42] 安全与权限管理 - 豆包手机助手需要用户主动授权才能调用INJECT_EVENTS等系统级权限操作手机，此权限为行业AI助手提供类似服务（如语音助手定闹钟）所必需 [36] - 在遇到支付、身份验证等敏感授权时，助手会暂停任务并交由人工接管 [36] - 基于行业发展，官方主动限制了刷分、刷激励、部分游戏以及操作银行和互联网支付类APP的能力 [45] 行业影响与生态 - 相关开源项目在GitHub上已获得8.3k Star，成为最受欢迎的开源多模态智能体之一 [34][35] - 行业观点认为，该技术证明手机操作可以成为一种操作系统级的原生能力，将定义下一代AI原生手机 [53] - 该产品被视为一次技术革命，尽管目前仍是技术预览版，软件功能完善度尚有提升空间 [56][59]

此次开源意味着硬件厂商、手机厂商和开发者均可基于AutoGLM，在自己的设备或系统中复现一个 能"看懂"屏幕、并模拟真人进行点击、输入、滑动的AI助手。目前，AutoGLM已支持微信、淘宝、抖 音、美团等超过50个高频中文应用的核心场景，其自动化操作能力与此前引发热议的"豆包手机"演示相 似。 智谱深夜开源其核心AI Agent模型AutoGLM。该模型被业界视为全球首个具备"Phone Use"(手机操作)能 力的AI Agent，能够稳定完成外卖点单、机票预订等长达数十步的复杂操作流程。 AutoGLM的开源将大幅降低AI手机的技术门槛，推动AI手机生态从封闭走向开放共创。同时，项目支 持本地与云端部署，确保数据与隐私控制权始终掌握在使用者手中。 ...

豆包手机市场热度与产品定位 - 首批3万台备货被一抢而空，二手市场价格翻番，显示产品市场热度极高 [1] - 产品被用户评价为“全球第一款真正的AI手机”，其核心在于将手机操作变为操作系统级的原生能力 [69][76] - 产品形态为搭载在工程样机nubia M153上的“豆包手机助手技术预览版”，能跨应用自动化执行复杂任务 [3][4] 核心技术：UI-TARS模型演进 - 豆包手机助手的图形界面操作能力建立在字节自研的UI-TARS模型基础上，该模型闭源版本针对移动端进行了大量优化 [7][8] - UI-TARS模型发展历经多个版本：今年1月开源初代模型；3个月后推出强化学习驱动的UI-TARS-1.5；今年9月发布能力更强的UI-TARS-2，为豆包手机提供关键技术支撑 [11][23][32] - 模型旨在构建具备感知、动作、推理、记忆四大核心能力的系统级AI Agent [13] 技术细节与创新 - **初代UI-TARS四大创新**：1) 使用大规模GUI截图数据集和五大感知任务增强感知精度；2) 定义了涵盖点击、滚动、输入等跨平台（Web、Mobile、Desktop）的原子动作集；3) 融入600万高质量GUI教程和多种推理模式注入深度推理能力；4) 借助数百台虚拟机自动收集交互轨迹，通过多阶段过滤和直接偏好优化解决数据瓶颈 [16][18][20] - **UI-TARS-1.5的进步**：新增强化学习驱动的推理机制，在执行前进行思考，显著提升性能与推理扩展性 [25] - **UI-TARS-2的四大突破**：1) 设计可扩展的数据飞轮实现数据与模型协同进化；2) 设计在长时序设定中稳定优化的训练框架；3) 构建混合GUI中心环境，通过SDK接入文件系统、终端等，打破纯GUI操作局限；4) 开发统一的沙盒平台管理异构环境，支撑数百万次交互的大规模训练 [35][37][39][42] 模型性能表现 - **UI-TARS-1.5基准测试成绩**：在计算机使用基准OSworld（100步）得分42.5，优于OpenAI CUA的36.4；在Windows Agent Arena（50步）得分42.1；在手机使用基准Android World得分64.2 [27] - **UI-TARS-1.5 GUI定位任务**：在ScreenSpot-V2得分94.2，在ScreenSpotPro得分61.6，均刷新SOTA [28] - **UI-TARS-1.5游戏测试**：在14款游戏测试中，UI-TARS-1.5在11款游戏上得分达到100，全面优于OpenAI CUA和Claude 3.7 [31][32] - **UI-TARS-2游戏性能**：在15款游戏的平均标准化得分为59.77，更接近人类水平（100），显著高于OpenAI CUA的24.73和Claude Computer Use的21.61 [46] - **UI-TARS-2在LMGame基准**：与前沿模型竞争，例如在Super Mario Bros得分1783.2，高于GPT-4o的1028.3，接近GPT-4.1的1991.3 [47] - 该项目在GitHub已获得8.3k Star，成为最受欢迎的开源多模态智能体之一 [47][48] 产品工程设计与隐私安全 - **权限与安全**：豆包手机助手使用INJECT_EVENTS系统级权限，需用户主动授权；遇到支付、身份验证等敏感操作会暂停任务交由人工接管 [50][51][52] - **隐私保护设计**：视觉管道经过过滤，截屏只包含目标应用界面，基于Activity Hierarchy抓取，物理上无法监控视频通话等悬浮窗内容 [56] - **后台运行机制**：Agent在后台执行长链任务时，即使前台接电话或切换App也不会被挂起，推测在OS层做了并行运行的虚拟化设计，拥有独立的Virtual Display [57] - **双模式技术栈**：豆包手机助手分为标准模式和Pro模式两套完全不同的Pipeline，标准模式依赖浅层视觉响应极快，Pro模式则进行深度推理和工具使用 [58][59][61] 实际应用体验与行业影响 - **用户体验案例**：用户可用英语直接下达复杂指令（如找人代排队、呼叫无人车），助手能自主选择应用并完成操作，无需预先设置手机语言 [69][72][75] - **能力限制**：官方已主动限制部分能力，包括限制刷分、刷激励场景，部分游戏类场景，并暂时下线操作银行、互联网支付等金融类APP的能力 [68] - **行业评价**：被评价为定义了下一代AI原生手机，展现了手机从被动操作工具向能主动理解意图、独立完成任务伙伴转变的可能性 [76][85]