繁體
  • 简体中文
  • 繁體中文

熱門資訊> 正文

【國盛計算機】手機Agent的兩種範式:API與GUI

2025-12-07 11:03

  炒股就看金麒麟分析師研報,權威,專業,及時,全面,助您挖掘潛力主題機會!

(來源:國盛計算機暢想)

手機Agent,移動交互範式的躍遷。自觸控屏幕開啟移動互聯網黃金時代以來,App被設計為一個個獨立的孤島,用户通過點擊圖標進入特定的應用環境,依靠視覺和手動點擊來完成任務。隨着應用數量的增長和功能的堆疊,用户在不同App間切換、尋找功能入口、手動搬運數據的成本顯著上升。隨着大模型的突破性進展,移動交互範式正處於躍遷的前夜:從GUI交互向Agentic交互演進。用户只需通過自然語言表達想做什麼,手機Agent便負責將意圖轉化為具體的執行步驟並交付結果。如何在碎片化的移動生態中讓AI跨越應用圍牆執行任務,業界目前有兩條不同的技術路線:

API範式:建立標準化的語義接口,App開發者主動適配並暴露相應功能。Agent通過結構化的API調用來指揮App執行任務,以蘋果的Apple Intelligence及其App Intents框架為典型代表。

GUI範式:利用多模態模型看懂屏幕上的UI元素,利用系統輔助服務模擬手指的點擊與滑動。這一路線不依賴開發者的配合,試圖以通用的視覺能力「暴力」打通所有應用。智譜AI的AutoGLM和字節跳動的豆包手機助手是這一路線的先鋒。

核心差異對比,API Agent與GUI Agent各有千秋。對比了兩種範式的技術路線差異,GUI Agent的核心優勢在於通用性高,在可靠性、性能、隱私風險角度則是API Agent更勝一籌。1)通用性: GUI Agent的通用性顯著更高,這是核心優勢,不需要App 開發者進行適配。理論上只要是人類能夠使用的 App,GUI-Agent 都能使用。解決了應用覆蓋率的問題,新功能或未暴露功能的適配度也更高。2)可靠性;GUI Agent的可靠性仍然較低。原因包括模型對複雜界面的識別能力還達不到百分百;需要多步驟模擬用户操作,整體任務失敗率更高;UI 改版時容易失效。3)性能:API Agent 可以一次調用完成複雜任務,后端直接驅動執行效率高。GUI Agent性能較低,完成簡單任務可能需要多次截圖分析、視覺推理等複雜計算,算力消耗更大。截圖上傳到雲端模型時,數據量通常高於API傳輸參數,延迟也更高。4)隱私風險:API-Agent 的應用端后臺可進行精細的數據和權限管理,權限邊界清晰。GUI-Agent 的隱私風險較高。它需要讀取屏幕內容,容易暴露聊天記錄、密碼、驗證碼等敏感信息。除了技術問題,商業阻力上我們認為GUI Agent不經過授權,更容易受到應用廠商的抵觸。

商業形態演變:三方博弈與生態重構。手機Agent的興起意味着移動互聯網流量的重新洗牌,手機廠商、大模型廠商和應用廠商三方勢力將展開復雜的博弈。手機廠商有望從硬件售賣進一步獲取流量入口的價值,OS成爲了用户意圖的第一接收者。類似於搜索廣告可能演變成一種新的競價模式。大模型廠商的願景是打造一個全能的App(如ChatGPT、豆包)。用户在這個App里通過對話完成所有需求。把將其他App變成自己的后端數據庫和工具。大模型廠商會積極尋求與二線手機廠商合作。字節跳動與中興的合作就是典型案例。應用廠商,一方面可能與手機/模型廠商合作,開放部分能力接口;另一方面,為保護自身利益,也可能拒絕或限制Agent的接入。Agent的授權邊界是需要進一步劃分的法律問題。App自身也在Agent化,例如微信最終會推出一個AI智能體,淘寶也在嘗試通過「問問」等功能在App內實現自然語言導購。我們認為手機Agent的發展不會是API或GUI的單選題,對於高價值、涉及敏感數據的操作(如支付、通訊、核心業務流),API Agent有更高的準確度和隱私保護。對於只讀、信息查詢類的需求,以及API尚未覆蓋的應用,GUI Agent通過視覺理解的方式運行可以更靈活通用。爲了解決延迟和隱私問題,未來的手機處理器預計還將進一步優化視覺模型的推理能力,使GUI識別和決策在端側完成,不再上傳雲端。

GUI Agent:字節跳動、谷歌、阿里巴巴、中興通訊。

API Agent:騰訊控股、阿里巴巴、谷歌算力:寒武紀、海光信息、東陽光、神州數碼、新易盛、中際旭創、中芯國際、華虹半導體、勝宏科技、品高股份、鴻騰精密、有方科技、協創數據、滬電股份、興森科技、中科曙光、浪潮信息、東山精密、雲天勵飛、偉仕佳傑、宏景科技、中芯國際、奧飛數據、雲賽智聯、科華數據、禾盛新材、濰柴重機、金山雲、浙數文化、青雲、大位科技、玉柴國際、億田智能、弘信電子、聖陽股份、潤澤科技、潤建股份、深桑達、優刻得、雲從科技、太極股份、數據港、首都在線。

Agent:谷歌、阿里巴巴、騰訊控股、阜博集團、廣立微、第四範式、360、匯量科技、金蝶國際、拓爾思、合合信息、税友股份、新致軟件、金橋信息、快手、美圖公司、鼎捷數智、慧辰股份(維權)、嘉和美康、海天瑞聲、泛微網絡(維權)、朗新集團、潤達醫療、壹網壹創、萬興科技、用友網絡、麥迪科技、宇信科技、京北方、中科金財、致遠互聯、漢得信息、軟通動力、光雲科技、上海鋼聯、同花順、信雅達、螢石網絡、迪安診斷、中科金財、恆生電子、星環科技、衞寧健康、創業慧康、科大訊飛、萬興科技、創業黑馬、邁富時、小商品城、金證股份、頂點軟件、朗新集團、晶泰控股、佳發教育、新大陸、新開普等。

自動駕駛:江淮汽車、賽力斯、小鵬汽車、理想汽車、禾賽、地平線、世運電路等。

軍工AI:拓爾思、能科科技、普天科技、品高股份、海格通信、中科星圖等。

風險提示:技術迭代不及預期風險;經濟下行超預期風險;行業競爭加劇風險。

01

手機Agent,移動交互範式的躍遷

自觸控屏幕開啟移動互聯網黃金時代以來,圖形用戶界面(GUI)一直是人機交互的絕對主導。在這一範式下,App被設計為一個個獨立的孤島,用户通過點擊圖標進入特定的應用環境,依靠視覺和手動點擊來完成任務。這種以應用為中心的交互模式隨着應用數量的增長和功能的堆疊,用户在不同App間切換、尋找功能入口、手動搬運數據的成本顯著上升。隨着大模型的突破性進展,移動交互範式正處於躍遷的前夜:從GUI交互向Agentic交互演進。用户只需通過自然語言表達想做什麼,手機Agent便負責將意圖轉化為具體的執行步驟並交付結果。

如何在封閉且碎片化的移動操作系統中,讓AI跨越應用圍牆執行任務?業界逐漸分化出兩條不同的技術路線:

API範式:建立標準化的語義接口。操作系統或平臺廠商定義一套通用的意圖接口(如「訂票」、「發送消息」),App開發者主動適配並暴露相應功能。Agent通過結構化的API調用來指揮App執行任務。這一路線以蘋果的Apple Intelligence及其App Intents框架為典型代表,強調生態的有序整合與隱私安全。

GUI範式:模擬人類的感知與操作。利用多模態模型看懂屏幕上的UI元素,利用系統輔助服務模擬手指的點擊與滑動。這一路線不依賴開發者的配合,試圖以通用的視覺能力「暴力」打通所有應用。智譜AI的AutoGLM和字節跳動的豆包手機助手是這一路線的先鋒。

API範式剖析:構建標準化的語義橋樑

蘋果等廠商試圖在應用之上構建一層「語義互聯網」,將App內的功能原子化,供AI調遣,這需要應用開發者配合接入。

蘋果生態的Apple Intelligence與App Intents架構

蘋果推出的Apple Intelligence其核心並非僅僅是一個更聰明的Siri,而是一套深度的系統級集成框架——App Intents(應用意圖)。爲了讓 Siri 更好地理解開發者的應用並實現更流暢的對話式交互,開發者需要選擇與應用功能相匹配的域和模式,開發者通過使應用意圖、應用實體或應用枚舉符合模式,確保 Apple Intelligence 能夠理解應用的操作和內容。

API範式的挑戰在於不同開發者對同一個功能的定義可能千差萬別。爲了解決這個問題,蘋果提供了多個助手架構(Assistant Schema),每個架構都對應不同的內容領域(例如瀏覽器、文檔閲讀器、文件管理等)。這些架構幫助 Siri 根據內容的類型提供定製化的響應。助手架構可以理解為一組標準化的「模板」,Apple 設計這些模板是爲了幫助 Siri 識別應用的具體功能。比如開發者的應用是圖片管理類的,那麼使用photos.openAsset這樣的架構,可以讓Siri理解要展示一張照片。

谷歌安卓生態的API嘗試:

今年10月谷歌在安卓開發者博客表示,開發者可以利用新的Prompt API構建自己的自定義生成式AI功能。今年五月的I/O大會上,谷歌推出了基於Gemini Nano模型的設備生成式人工智能API,通過簡單的API簡化了摘要、校對和圖片描述等任務,使常見任務變得更簡單。

GUI範式剖析:視覺大模型驅動的模擬操作

GUI範式是不尋求App開發者的配合,而是通過模擬人類的視覺和觸覺來操作手機。

GUI Agent首先需要「理解」屏幕。這主要依賴於大模型的多模態理解能力,這方面能力上領先模型廠商不斷突破,近期谷歌發佈的Gemini 3 Pro的多模態理解能力就大幅進步: 模型能夠處理和理解文本、圖像、視頻、音頻乃至代碼等多種模態的數據,並在這些複雜數據之間進行推理,達到了前所未有的細緻程度。Gemini 3 Pro在Screen UnderStanding任務方面表現尤其出色,在ScreenShot-Pro評測基準得分72.7%,大幅領先Claude Sonnet 4.5(36.2%)和GPT 5.1(3.5%)。

決策與規劃:推理鏈與任務拆解以及執行過程中的動態規劃:理解屏幕后,Agent需要規劃行動。例如面對「幫我點一杯拿鐵」這樣的指令,我們認為Agent可能會將其拆解為子任務序列:打開App -> 搜索咖啡 -> 選擇規格-> 下單,Agent每執行一步,都要動態觀察當前屏幕狀態決定下一步行動,例如點擊下單后,可能彈出一個優惠券,也可能提示售罄。案例:智譜AutoGLM

2025年8月20日,北京AI公司「智譜 AI」宣佈,去年發佈的全球首個可自主操作手機的智能體產品AutoGLM再次升級,推出AutoGLM2.0,並邁出更具歷史意義的一步——首次面向公眾全面開放,無需邀請碼即可使用。此次發佈的AutoGLM2.0被定位為「執行型助手」。 在生活場景中,用户一句話即可讓AutoGLM操作抖音、小紅書、美團、京東等40余款應用,完成點餐、訂票、查房、預約等服務。在辦公場景中,它也能跨應用執行完整流程,從檢索資料到撰寫文稿,再到生成視頻、PPT或播客,並直接完成發佈。

字節跳動豆包手機助手

2025年12月1日,字節發佈豆包手機助手預覽版。這是一個面向手機廠商的系統級服務,它將豆包大模型深度融入操作系統,讓用户只需動嘴(或動一下手指),就能指揮手機去執行那些原本需要點擊幾十次屏幕的繁瑣操作。功能包括跨平臺比價點外賣、搜小紅書做攻略等。豆包手機助手的主力研發團隊,是字節負責 AI 硬件的 Ocean,它隸屬於字節 AI 產品大部門 Flow,主要成員來自字節多年來先后收購的一些硬件產品團隊,如錘子手機、VR 頭顯 PICO、智能耳機 Ola Dance 等,以及近年加入字節的手機、硬件從業者。這款豆包與中興合作的手機已在豆包手機助手官網及中興商城上架,售價 3499 元。這款手機只是豆包手機助手的 「打樣」。字節正和多家手機廠商談合作。

在與中興努比亞(Nubia Z60 Ultra)的合作中,豆包助手被整合進系統底層。通過長按側邊鍵喚醒,豆包可以直接獲取系統底層的屏幕緩衝區數據,無需通過Accessibility服務的截屏接口,大大降低了延迟。

豆包手機助手引發了被操作App的抗拒。據上觀報道,12月3日,多位網友在社交平臺上反饋,搭載豆包助手的努比亞M153工程機登錄微信時,頁面彈出「登錄環境異常,需更換設備重新登錄」的警告。部分用户更換賬號后雖能臨時登錄,但傳輸聊天記錄時再次被強制下線。更關鍵的是,若通過豆包助手操作微信功能(如發送消息),系統直接提示「任務失敗」,並標註「實驗室功能暫不支持微信操作」。此外,12月3日上午,還有部分使用「豆包AI手機」的用户反饋,因使用豆包手機助手操作微信,微信賬號被封禁了。中午12時左右,被封禁的微信陸續被解封,可以正常登陸,但無法使用豆包助手進行微信上的自動化操作。另據網友在社交媒體上反饋,自己在使用豆包AI手機助手的時候遭到了農行、建行等APP內的強彈窗提醒,要求關閉豆包AI手機助手后再進行使用。

02

核心差異對比,兩種範式各有千秋

根據以上對API Agent和GUI Agent技術路線的分析,我們對比了兩種範式的差異,GUI Agent的核心優勢在於通用性高,在可靠性、性能、隱私風險角度則是API Agent更勝一籌。除了技術問題,商業阻力上我們認為GUI Agent更容易受到應用廠商的抵觸。

03

商業形態演變:三方博弈與生態重構

手機Agent的興起意味着移動互聯網流量的重新洗牌,手機廠商、大模型廠商和應用廠商三方勢力將展開復雜的博弈。手機廠商:從硬件售賣到獲取流量入口的價值

在App時代,用户打開手機直接點擊App,OS只是一層啟動器。在Agent時代,用户直接告訴OS「我要打車」,OS決定喚起哪個App。OS成爲了意圖的第一接收者。類似於搜索廣告。當用户表達訂酒店意圖時,攜程、飛豬、美團誰排在第一位?這可能演變成一種新的競價模式。

大模型廠商:跨越OS的超級助理App

大模型等廠商的願景是打造一個全能的App(如ChatGPT、豆包)。用户在這個App里通過對話完成所有需求。可以理解為想把將其他App變成自己的后端數據庫和工具。

合縱連橫:爲了獲得系統級權限,大模型廠商積極尋求與二線手機廠商合作。字節跳動與中興的合作就是典型案例。應用廠商:數據護城河的保衞戰

對於App廠商,一方面可能與手機/模型廠商合作,開放部分能力接口;另一方面,為保護自身利益,也可能拒絕或限制Agent的接入。

Agent的授權邊界上

對外經濟貿易大學法學院教授、數字經濟與法律創新研究中心主任許可介紹了發生在美國的Perplexity案。該案中,被告Perplexity是一家AI公司,其通過亞馬遜付費會員賬號幫助用户購物,被亞馬遜指控違法並給自身造成商業損失。Perplexity則主張自己是「用户授權的代理人」,認為亞馬遜的指控是一種霸凌。許可指出,該案核心爭議反映了一種法律困境:AI助手聲稱是用户權利延伸,但平臺認為其行為破壞了商業生態和安全秩序。「在很多情況下,用户權益和平臺權益都需要考慮,需要雙重授權甚至多重授權。」許可説。

App自身也在Agent化。在騰訊2025年第三季度財報電話會上,騰訊總裁劉熾平披露微信AI化戰略,明確表示「微信最終會推出一個AI智能體」,讓用户在生態內即可完成從需求理解到服務交付的全流程。淘寶也在嘗試通過「問問」等功能,在App內實現自然語言導購。

展望未來,我們認為手機Agent的發展不會是API或GUI的單選題,而是兩者的融合。對於高價值、涉及敏感數據的操作(如支付、通訊、核心業務流),APIAgent有更高的準確度和隱私保護。對於只讀、信息查詢類的需求,以及API尚未覆蓋的應用,GUI Agent通過視覺理解的方式運行可以更靈活通用。爲了解決延迟和隱私問題,未來的手機處理器預計還將進一步優化視覺模型的推理能力,使GUI識別和決策在端側完成,不再上傳雲端。

04

投資建議

建議關注:

GUI Agent:字節跳動、谷歌、阿里巴巴、中興通訊。

API Agent:騰訊控股、阿里巴巴、谷歌。算力:寒武紀、海光信息、東陽光、神州數碼、新易盛、中際旭創、中芯國際、華虹半導體、勝宏科技、品高股份、鴻騰精密、有方科技、協創數據、滬電股份、興森科技、中科曙光、浪潮信息、東山精密、雲天勵飛、偉仕佳傑、宏景科技、中芯國際、奧飛數據、雲賽智聯、科華數據、禾盛新材、濰柴重機、金山雲、浙數文化、青雲、大位科技、玉柴國際、億田智能、弘信電子、聖陽股份、潤澤科技、潤建股份、深桑達、優刻得、雲從科技、太極股份、數據港、首都在線。

Agent:谷歌、阿里巴巴、騰訊控股、阜博集團、廣立微、第四範式、360、匯量科技、金蝶國際、拓爾思、合合信息、税友股份、新致軟件、金橋信息、快手、美圖公司、鼎捷數智、慧辰股份、嘉和美康、海天瑞聲、泛微網絡、朗新集團、潤達醫療、壹網壹創、萬興科技、用友網絡、麥迪科技、宇信科技、京北方、中科金財、致遠互聯、漢得信息、軟通動力、光雲科技、上海鋼聯、同花順、信雅達、螢石網絡、迪安診斷、中科金財、恆生電子、星環科技、衞寧健康、創業慧康、科大訊飛、萬興科技、創業黑馬、邁富時、小商品城、金證股份、頂點軟件、朗新集團、晶泰控股、佳發教育、新大陸、新開普等。

自動駕駛:江淮汽車、賽力斯、小鵬汽車、理想汽車、禾賽、地平線、世運電路等。

軍工AI:拓爾思、能科科技、普天科技、品高股份、海格通信、中科星圖等。

技術迭代不及預期風險:若技術迭代不及預期,則對產業鏈相關公司會造成一定不利影響。

行業競爭加劇風險:若相關企業加快技術迭代和應用佈局,整體行業競爭程度加劇,將會對目前行業內企業的增長產生威脅。

具體分析詳見2025年12月7日發佈的報告《手機Agent的兩種範式:API與GUI》

特別聲明:《證券期貨投資者適當性管理辦法》於2017年7月1日起正式實施。通過微信形式製作的本資料僅面向國盛證券客户中的專業投資者。請勿對本資料進行任何形式的轉發。若您非國盛證券客户中的專業投資者,為保證服務質量、控制投資風險,請取消關注,請勿訂閲、接受或使用本資料中的任何信息。因本訂閲號難以設置訪問權限,若給您造成不便,煩請諒解!感謝您給予的理解和配合。

重要聲明:本訂閲號是國盛證券計算機團隊設立的。本訂閲號不是國盛計算機團隊研究報告的發佈平臺。本訂閲號所載的信息僅面向專業投資機構,僅供在新媒體背景下研究觀點的及時交流。本訂閲號所載的信息均摘編自國盛證券研究所已經發布的研究報告或者系對已發佈報告的后續解讀,若因對報告的摘編而產生歧義,應以報告發布當日的完整內容爲準。本資料僅代表報告發布當日的判斷,相關的分析意見及推測可在不發出通知的情形下做出更改,讀者參考時還須及時跟蹤后續最新的研究進展。

本資料不構成對具體證券在具體價位、具體時點、具體市場表現的判斷或投資建議,不能夠等同於指導具體投資的操作性意見,普通的個人投資者若使用本資料,有可能會因缺乏解讀服務而對報告中的關鍵假設、評級、目標價等內容產生理解上的歧義,進而造成投資損失。因此個人投資者還須尋求專業投資顧問的指導。本資料僅供參考之用,接收人不應單純依靠本資料的信息而取代自身的獨立判斷,應自主作出投資決策並自行承擔投資風險。

風險及免責提示:以上內容僅代表作者的個人立場和觀點,不代表華盛的任何立場,華盛亦無法證實上述內容的真實性、準確性和原創性。投資者在做出任何投資決定前,應結合自身情況,考慮投資產品的風險。必要時,請諮詢專業投資顧問的意見。華盛不提供任何投資建議,對此亦不做任何承諾和保證。