9 月 16 日，一件可能改变「人怎么用手机」的事情发生了：搭载豆包手机助手的努比亚 NaviX Ultra 正式上市。和去年 12 月那台 3 万台秒罄的工程预览机不同，这一次它面向公众大规模发售，开售前预约量已经突破 36 万。
官方给它的定义是「全球首款 AI 智能体手机」。注意，不是「AI 手机」——AI 手机这个概念这两年已经被用烂了，拍照增强、语音问答都敢叫 AI 手机。NaviX Ultra 主打的是另一个物种：它能自己操作手机。
这篇文章把三件事讲清楚：智能体手机和普通 AI 手机到底差在哪、上手之后该怎么用才不亏、以及现在这个时间点，普通人该不该为它掏钱。
一、本质区别：从「你问它答」到「你说它干」
传统手机语音助手的工作模式是：你听它的。你问天气，它查天气；你让它设闹钟，它调系统接口。每一步都得你发起，它只负责响应。
智能体手机的工作模式反过来：你听它的汇报。你说一句「帮我订明天早上去上海的高铁，要 8 点到 10 点之间的二等座」，它自己完成下面这一整条链：
- 看懂屏幕：截获当前界面，用视觉模型识别出这是哪个 App、页面上有哪些按钮和文字；
- 规划步骤：把「订高铁票」拆成「打开购票 App → 搜索车次 → 筛选时间 → 选座 → 确认乘车人 → 提交订单」；
- 执行动作：模拟人类的点击、滑动、输入，一步步走完流程；
- 回读确认：遇到支付、登录等敏感环节，停下来问你，而不是自己擅作主张。
这个架构叫 GUI Agent（图形界面智能体），底层是多模态大模型 + 行动规划：视觉负责「看」，语言模型负责「想」，坐标级动作负责「动」。这也是为什么努比亚敢称它为「智能体手机的全新阶段」——手机第一次有了「手」，而不只是「嘴」。
二、上手怎么玩：先把这四类任务交给它
如果你已经拿到机器（或准备入手），建议按下面的顺序体验，由浅入深：
第一类：单 App 内的长操作。 比如在购物 App 里「帮我找三件 200 元以内的白色纯棉 T 恤，按销量排序」。这类任务不涉及跨应用跳转，成功率最高，适合建立信任。
第二类：跨 App 的信息搬运。 「把微信里张三发的地址复制到地图里导航过去」「把这个航班号查一下值机柜台」。这是 GUI Agent 最杀的场景——以前要切换三次 App、复制粘贴两次的操作，现在一句话。
第三类：定时和主动服务。 官方总结的能力是「听得懂、能干活、记得住、够安全」四个词。「记得住」意味着它能记住你的偏好——你常说「老样子」，它应该知道老样子是什么。这类能力需要持续使用才会越来越好用。
第四类：复杂多步任务。 「帮我安排这个周末的出行」：查目的地天气 → 订车票 → 订酒店 → 把行程整理进备忘录。这是演示视频里最惊艳、现实里最需要耐心的场景，建议前两类玩熟了再试。
机身上那颗橙色 AI 实体按键就是这一切的入口：长按唤起助手，短按可自定义。实体键的意义是让「召唤智能体」成为肌肉记忆，而不是在屏幕上找入口。
三、别被发布会冲昏头：两个现实短板
作为冷静的观察者，有两个事实必须摆在桌面上。
第一，生态围墙还没拆。 财新在上市首日的报道里点明：目前仅少量第三方 App 接受大模型调用接口，多数超级 App 仍关闭生态。翻译一下：智能体操作第三方 App，目前大量依赖「模拟点击」——它像一个代驾，在你手机上帮你点，而不是 App 主动给它开后门。模拟点击的稳定性天然不如原生接口，遇到 App 改版、弹窗、风控验证，成功率就会打折扣。这也是为什么第一代工程机曾被各大平台反复「针对」。
第二，隐私是一把双刃剑。 智能体要看懂你的屏幕，意味着你的屏幕内容要过一遍云端模型。官方强调「够安全」、从智能体大模型备案到终端入网走完了完整合规流程（9 月 1 日拿到工信部入网许可），这是国内首个走完这条路的机型。但落到个人，支付密码、聊天内容这类敏感场景，「敏感环节停下来问你」这个设计是你应该坚持的检查点——它替你干活可以，替你按指纹不行。
四、普通用户现在该买吗：一张决策清单
| 你的情况 | 建议 |
|---|---|
| 科技尝鲜者，预算不敏感 | 可以买，这是第一手观察「智能体时代交互范式」的机会 |
| 重度依赖几个头部超级 App | 先观望，看它对你常用的 App 支持到什么程度再决定 |
| 只想让手机「更聪明一点」 | 现有旗舰的 AI 功能大概率够用，不必为概念溢价 |
| 开发者 / 产品从业者 | 强烈建议关注，GUI Agent 的交互逻辑会复制到所有带屏幕的设备上 |
一个参考坐标：上一代工程预览机 M153 首发价 3499 元、3 万台售罄——市场对「能自己干活的手机」的付费意愿是真实存在的。NaviX Ultra 作为量产旗舰定价更高，但它赌的不是配置，而是一个新品类。
五、这件事的真正意义：交互范式正在换代
对普通用户，今天的智能体手机可能还只是个「偶尔惊艳、经常要救场」的新玩具。但放到更长的时间轴上，这次上市标志着一个起点：「意图交互」开始替代「操作交互」。
过去四十年，人适应机器：学语法、记快捷键、找菜单。GUI Agent 的方向是机器适应人：你说意图，它负责实现。这个范式不会只停留在手机上——车机、电视、平板，所有带屏幕的终端都会被重写一遍。36 万预约量的背后，是 36 万人提前投给这个未来的票。
常见问题
Q：它需要联网吗？ 需要。视觉理解和任务规划依赖云端大模型，端侧目前只承担轻量感知。离线状态下它退化成一个普通语音助手。
Q：模拟点击会不会误操作？ 可能，这也是官方设置「敏感环节人工确认」的原因。涉及支付、发送、删除的动作，一定要看清确认弹窗再点允许。
Q：别的品牌会有类似产品吗？ 几乎确定。阶跃星辰已发布智能体原生系统 Step AOS 和 STEPX Neo 终端，苹果一侧国行 iPhone 也在接入千问。2026 下半年到 2027 年，「智能体手机」会从孤品变成标配竞赛。
小结
豆包手机二代上市，最重要的不是这台机器本身，而是它把一个判断变成了消费级现实：手机的操作系统之上，长出了一层会自己动手的智能体。今天它还不完美——生态半开、依赖模拟点击、隐私需要磨合——但「你说意图、它干杂活」的交互范式已经站上舞台。对普通用户，量力而行；对所有人，值得亲眼看看下一次人机交互换代长什么样。