抖音推出“豆包移动助理”技术预览版：AI全面接管手机

发布日期：2025年12月1日
来源：AIbase Daily

核心概述

字节跳动正式发布了新一代“豆包移动助理”的技术预览版。该产品被定位为手机的“第二大脑”，集成了持久记忆、跨应用自动化、实时多模态交互等突破性功能，旨在通过本地化处理实现高度智能与隐私保护的平衡。

主要功能亮点

1. 设备端持久记忆

• 技术特点：首次在设备端实现持久化记忆功能，所有记忆数据加密后存储在本地，用户可随时一键关闭。
• 应用场景：
  • 生活记录：询问“我的车停在哪了？”，能直接显示上次拍摄的停车位置照片及楼层指引。
  • 信息提取：询问“取件码是多少？”，能即时读取短信并告知“5872”。
  • 偏好记忆：记住用户“喜欢梵高”，在规划巴黎行程时会优先推荐奥赛博物馆。

2. 跨应用自动化操作

AI能够像人类一样接管屏幕，在不同应用间执行自动点击、输入和滑动操作。

• 案例演示：
  • 比价：用户说“全网比价这个吹风机”，豆包在3秒内打开淘宝、京东、拼多多、抖音商城，找到最低价并停留在支付页面。
  • 复杂任务：用户说“帮我请三天假，再订一张回老家的火车票”，自动完成打开钉钉/飞书填写请假单、提交审批、跳转12306订票、支付的全流程。
  • 物联网控制：特斯拉车主可通过语音“打开前备箱放东西”，远程控制车辆执行。

3. 实时多模态交互

• 功能描述：AI能“看见”摄像头画面并立即开始对话。
• 使用场景：将摄像头对准英文绘本，豆包移动助理立即进入实时视频通话模式：
  • 屏幕显示中英双语字幕。
  • AI用流利的普通话或英文讲述故事，并随时提问。
  • 可根据孩子的现场反应即时调整故事情节。

4. 专业模式处理复杂任务

针对模糊或复杂的请求，豆包会激活“专业模式”，结合GUI模拟点击、API工具调用和强推理能力完成任务。

• 典型案例（巴黎旅行规划）：
  • 用户指令：“下个月我去巴黎，把我收藏过的所有餐厅在地图上标出来，再帮我订一张有我喜欢展览的博物馆门票。”
  • 执行流程：
    1. 读取记忆：用户喜爱梵高。
    2. 搜索当前展览：发现奥赛博物馆正举办梵高特展。
    3. 打开高德/谷歌地图，标记所有收藏的米其林餐厅。
    4. 跳转官网成功抢票。
    5. 生成完整行程并推送至笔记应用。

隐私与安全

字节跳动强调，所有记忆数据均在手机本地进行处理和存储，不会上传至云端。用户可在设置中随时完全关闭记忆功能，实现“可控可信任”。

行业背景与趋势

该产品的发布正值移动AI助手竞争白热化阶段，多家科技巨头正加速布局：

• 中兴：其“星云-GUI”小模型集成至手机系统，声称离线准确率超90%，可实现一句话订票、拍照等。
• 苹果：据传正与谷歌合作，计划采用定制版Gemini模型升级Siri，采用“端云协同”混合模式。
• 微软：在Edge浏览器中集成AI购物工具，支持比价、价格追踪等。

总结

“豆包移动助理”技术预览版的推出，标志着手机AI正从简单的语音命令响应，向具备记忆、视觉理解和自主执行复杂任务的“智能体”演进。其强调的本地化记忆与处理是应对用户隐私关切的关键设计，可能成为未来移动AI发展的一个重要方向。

火龙果频道