摘要：2025年12月，豆包AI助手与手机厂商合作推出的产品首次实现了AI在移动终端上的系统级自主操作，标志着AI从“思考”迈向“行动”的关键一步。分析指出，驱动这一转变的核心原因在于纯“思考型”AI面临商业天花板，例如OpenAI在2025年第三季度支出达36.5亿美元，收入仅20.6亿美元，推理成本高企。同时，中国因其应用场景高度集中、服务数字化链路完整、用户接受度高等特点，被视为AI Agent（智能体）落地的天然试验场。然而，AI的“行动”也引发了关于权限边界、责任认定和商业模式重塑的深层挑战。相比之下，AI在家电领域的应用因硬件架构、场景实用性和商业变现模式等因素，发展速度显著慢于手机。
线索：本次AI从“思考”到“行动”的演进，揭示了明确的投资线索与风险。机会层面：1. 行动层入口价值重估：掌握操作系统权限的终端厂商、拥有超级生态的应用平台，以及能深度整合两者的AI原生玩家，有望在AI调度层占据先机，重塑价值分配。2. 中国市场的结构性优势：高度集中的超级App生态（前5大App占用户60%使用时长）和成熟的数字化服务闭环，为中国AI Agent的快速迭代和规模化验证提供了独特土壤，相关产业链公司可能获得先发优势。3. 基础设施与协议需求：为AI“行动”提供标准化接口、安全验证和责任追溯的技术与服务（如AutoGLM类开源模型、MCP协议相关技术）将成为新的需求增长点。4. 家电AI的长期生态价值：尽管当前面临成本与场景挑战，但面向全屋智能的生态互联是明确方向，在轻量化模型、专用AI芯片及跨品牌协议上有布局的企业具备长期潜力。风险层面：1. 监管与伦理风险：激进获取系统权限的路径易引发隐私和安全争议，可能导致监管干预或主流应用封堵，业务发展存在不确定性。2. 商业模式冲突：AI代理可能绕过现有基于广告和用户注意力的流量变现模式，引发与平台方的利益冲突，新商业模式尚未成熟。3. 责任与法律风险：AI自主操作出错造成的损失，其责任归属在法律上仍属空白，构成潜在的法律与合规风险。4. 家电AI的短期瓶颈：硬件改造成本高（单台增加10-15美元）、用户感知价值不强、行业数据流通壁垒等问题，制约了AI家电的短期市场爆发和盈利能力。
正文：
2025年12月初，豆包AI助手与手机厂商联合推出的产品引发了行业关注。在该设备中，AI助手首次被赋予系统级执行权限，能够自主调用多个应用完成如点外卖、规划行程、整理文件等跨应用操作，标志着AI从提供建议的“思考”阶段，进入了直接代为执行的“行动”阶段。产品发布后迅速引发热议，其核心在于将一个长期的产业想象——可行动的AI（AI Agent）进行了具象化呈现。
AI向“行动”演进，背后存在深刻的商业驱动力。以OpenAI为例，其财务数据显示，2025年第三季度支出攀升至36.5亿美元，而同期收入为20.6亿美元，推理成本远超收入。这反映了纯“思考型”大模型面临指数级增长的算力开支与线性增长营收之间的结构性矛盾。据瑞银研究报告，2024年至2025年间，AI基础设施领域投资从150亿美元激增至1250亿美元，但企业利润增长并未同步。这表明，当前以API调用计费为主的“思考型”AI，其单位价值有限且可替代性强，难以成为核心生产要素。因此，产业将下一个价值增长点指向具备“行动能力”的AI。
“行动权”在数字时代主要集中于两类主体：操作系统/终端厂商，以及超级应用/平台公司。AI Agent的目标正是成为跨应用、跨服务的调度中枢。手机因其作为用户“行动密度”最高的终端（中国成年用户日均使用约6.2小时，完成超120次数字动作），且天然掌握应用调用、支付、通知等系统权限，成为验证AI商业价值的首要试验场。
目前，产业内主要有三方势力在角逐“AI行动权”：
1. 基础模型服务商（如阿里、百度、腾讯）：路径是“模型+自家应用生态”，在单一App（如电商、办公软件）内形成执行闭环。优势在于模型能力强、生态协同度高，但行动权限受限于自身App边界。
2. 终端厂商（如OPPO、小米、vivo、荣耀）：路径是“大模型+系统级助手”，旨在让AI在操作系统层完成任务编排与跨应用执行。优势是掌握系统级权限，但需优先维护生态稳定，多采取渐进式策略，谨慎扩大自动化边界。
3. 原生AI厂商（以豆包为例）：路径是与终端厂商在操作系统层深度合作，让大模型以虚拟用户方式直接操作手机界面，争夺系统级行动入口。此路径最为激进，但也容易因触及应用方的流量与商业模式而遭遇阻力。
AI获得行动能力，暴露了现有数字体系的深层矛盾：
1. 权限边界模糊：传统操作权限绑定于人类用户，AI作为非人类智能体持续发起操作，需要重新界定其行动范围。
2. 商业模式冲击：现有广告、推荐等商业模式依赖于人类用户的注意力（点击、停留），当决策和执行者变为AI，价值衡量与收益分配体系需要重构。
3. 责任机制缺位：AI操作错误导致损失时，责任应由平台、模型方、用户还是Agent自身承担，目前法律上尚无定论。
4. 基础设施缺失：大量应用仅为人类操作设计，缺乏供AI调用的标准化动作接口和结果验证机制，整个生态尚未为AI“行动”做好准备。
这些矛盾正在倒逼产业链调整。例如，智谱推出的AutoGLM已具备“Phone Use”能力，能自动完成打开APP、下单等操作。一些B端服务也开始提供更清晰的指令化接口，为Agent预留入口。长期来看，UI的价值可能发生结构性重估：“对人友好”的UI可能贬值，而动作语义清晰、接口稳定、结果可验证的服务将获得更高调用权重。
在全球范围内，大模型能力正快速趋同，竞争焦点转向落地环境。AI Agent的规模化运行需要几个前提：密集且标准化的服务场景、完整的线上到线下闭环、用户对自动化的高接受度、快速的产业协同能力以及统一的治理体系。在这些维度上，中国市场展现出独特优势：
* 场景集中度高：中国用户月均使用App约25-30个，低于美国用户的40-45个，但微信、支付宝、抖音等前5大超级App占据了用户总使用时长的60%（美国前5大App占比不足35%），服务高度集中。
* 数字化闭环成熟：外卖、出行、零售、支付等领域高度平台化，线上指令可快速撬动线下履约。
* 用户接受度高：长期的产品演进培养了用户对自动化服务的接受习惯。
* 产业协同快：模型、终端、应用平台之间具备快速联动和对齐的能力。
因此，具备系统级行动能力的AI产品率先在中国出现，被视为市场条件成熟后的自然显现。中国市场为验证AI Agent的规模化运行提供了试验田。
与此同时，AI在手机终端引发热议的同时，在家电领域的应用却显得“不温不火”。尽管美的、TCL等企业早已与豆包、DeepSeek等大模型合作推出产品，但市场反响远不及AI手机。主要原因在于：
1. 硬件架构适配不足：空调、洗衣机等家电的核心硬件设计并非为强交互场景打造，而手机作为通用计算设备天生适配。
2. 场景实用性与数据流通受限：用户对家电的核心需求是制冷、保鲜等功能性指标，AI带来的交互升级并非强需求。同时，行业数据共享不足，制约了场景联动体验。
3. 商业变现模式间接：AI手机易于形成付费、广告等变现闭环，数据反哺模型。而AI家电当前主要通过硬件溢价（溢价30%-50%）体现价值，缺乏持续的软件服务收费模式，企业投入动力和节奏不同。
家电行业正采取差异化路径推进AI化：全品类龙头（如美的、TCL）进行规模化探索，通过“合作+自研”策略，将AI用于优化语音交互、设备联动和场景化服务；专业型企业（如追觅、添可、方太）则深耕垂直场景，通过“创新硬件+垂直模型”提升单品体验（如精准控温、个性化烹饪）。行业共识是，未来方向在于构建跨品牌、跨设备的智能互联生态，但这需要突破标准统一、成本控制等瓶颈。
成本是AI家电规模化普及的核心挑战。引入大模型会增加硬件成本，其中存储器成本增幅显著。国外方案可能使单台成本增加10-15美元。企业正通过技术轻量化、架构创新和期待行业协同来应对成本压力。分析认为，AI家电要实现爆发，需要轻量化技术突破、行业标准统一以及用户对AI实用价值的认可，这可能需要3-5年的迭代与培育。
发布时间：2025-12-24 11:11:23
评论 ( 0 )