阿里千問所代表的「雙重授權(quán)機制」，是一種基于開放協(xié)議的合作模式。在這種模式下，AI Agent通過標準化授權(quán)協(xié)議與第三方服務(wù)進行對接，所有的數(shù)據(jù)交換都在結(jié)構(gòu)化的接口中完成，權(quán)限邊界清晰可控，每一次操作都有完整的審計日志。這就像是外交渠道——走正門，遞國書，在明面上進行。
也是在不久前，豆包手機問世，則代表了另一種技術(shù)路線：「讀屏加模擬點擊」。它通過屏幕OCR識別界面元素，然后模擬人類點擊、勾選等觸控操作來完成任務(wù)。這種方式繞過了應(yīng)用的邏輯層，直接在表現(xiàn)層進行操作，繞開了第三方平臺的配合或授權(quán)。形象地說，更像是翻窗入室——雖然也能進去辦事。
讀屏模擬路線最大優(yōu)勢在于部署速度快、覆蓋范圍廣。由于不需要與任何平臺進行商務(wù)談判或技術(shù)對接，廠商可以單方面實現(xiàn)對幾乎所有應(yīng)用的接管能力，這種「即插即用」的特性使其在市場競爭中具有明顯的先發(fā)優(yōu)勢。
但從用戶側(cè)來看，這種便利性還是會打一些折扣。讀屏+模擬點擊路線，需要模擬人類點擊，需要跳轉(zhuǎn)App，再一頁一頁去翻、去識別、去填寫，而如果是兩個Agent之間簽有協(xié)議，瞬間就完成信息授權(quán)和互通。
業(yè)內(nèi)人士認為，模擬點擊的便利性是有代價的，存在安全隱患和責任真空。API授權(quán)路線雖然部署緩慢、覆蓋范圍受限于平臺開放意愿，但它提供了精確的權(quán)限粒度控制和清晰的責任歸屬。
從資金安全和用戶隱私角度考慮，讓我們具體想象一個場景：用戶對AI說「幫我把余額寶的錢轉(zhuǎn)到銀行卡」。在讀屏模式下，為了完成這個任務(wù)，AI必須具備讀取屏幕上所有信息的能力，這意味著它實際上能看到用戶所有的賬戶余額、所有的交易記錄、所有的聯(lián)系人信息，并且可以模擬點擊任何按鈕——包括轉(zhuǎn)賬給任意賬戶。
還有一個敏感場景是好友之間的對話，特別是對方不知情的情況下，讓Agent幫自己回復(fù)信息，是節(jié)省了打字的麻煩，但讀屏讀的是當前頁面全部信息，很敏感的信息也會一覽無余，這一點上讀屏模式可能還是得拿出令人信服的風控方案。
責任歸屬的模糊性或許是最棘手的問題。假設(shè)AI誤操作導致轉(zhuǎn)錯賬或買錯股票，或者把一張情侶之間的照片發(fā)給了恰好同名的第三方，在API模式下，有完整的調(diào)用日志、授權(quán)記錄和明確的接口語義，可以清晰地追溯責任。但在讀屏模式下，AI Agent說它看到的是這個按鈕，App則說按鈕當時不在那個位置，整個事件無法復(fù)現(xiàn)、無法審計、無法鎖定責任。這種責任真空在金融場景中尤其不可忽視。
而從互聯(lián)網(wǎng)生態(tài)健康度的角度看，讀屏模式本質(zhì)上是一種「寄生」關(guān)系，它鼓勵的是對抗而非合作。平臺一旦發(fā)現(xiàn)自己的應(yīng)用被這種方式「入侵」，自然會采取技術(shù)反制措施，這將導致一場無休止的攻防戰(zhàn)。相反，API模式創(chuàng)造的是「共生」關(guān)系——Agent廠商獲得能力，平臺獲得流量和生態(tài)位，用戶獲得便利，各方都受益。
站在更加宏觀視角，讀屏模擬點擊路線，很可能使得滴滴、攜程、美團這類具有線下履約網(wǎng)絡(luò)的平臺，其線上的高利潤環(huán)節(jié)被繞開，商業(yè)價值被削弱，這會對產(chǎn)業(yè)產(chǎn)生巨大震蕩，Agent是幫用戶節(jié)省了三秒鐘，地球上就此消失了若干家世界五百強，這種路線，在當前經(jīng)濟社會狀況下，應(yīng)該是不會得到各方首推的。
我猜想一下趨勢可能的走向，在未來一到兩年的短期內(nèi)，讀屏模式會在非敏感場景快速普及，比如查天氣、內(nèi)容消費這類場合。而涉及到金融、支付和聊天場景，需要更加審慎。
站在旁觀者角度來看此次千問發(fā)布會，有一個意義是很突出的，阿里生態(tài)選擇雙重授權(quán)路線，能率先卡住A2A路線，有機會成為行業(yè)標準制定者，建立一個生態(tài)聯(lián)盟，有利于先把朋友搞得多多的。
合理推測，2026年，阿里必會推出自己定義的AI手機，甚至對于大多數(shù)頭部互聯(lián)網(wǎng)平臺來說，盡快推出自己定義的Agent手機，都是件迫在眉睫的事。
在AI敘事的另一個大國，2026年1月，谷歌也在行動，它聯(lián)合Shopify、沃爾瑪?shù)热蛄闶蹣I(yè)巨頭，發(fā)布「通用商務(wù)協(xié)議」（UCP），前沿探路者們都在試圖爭奪標準定義權(quán)。
在三到五年的中期，我預(yù)計會出現(xiàn)類似「Agent Protocol」的行業(yè)標準，主流應(yīng)用會提供官方的Agent接入點，讀屏模式將退化為「最后手段」，用于那些尚未適配的長尾應(yīng)用。
讀屏模擬是「證明Agent有用」的捷徑，API授權(quán)是「讓Agent可信」的必經(jīng)之路。前者適合開荒探路，后者適合長久定居。站在不想被一眼看穿的普通用戶，以及產(chǎn)業(yè)能健康發(fā)展的角度，我們還是希望雙重授權(quán)的A2A模式，成為最終行業(yè)標準和共識，大家一起走得更加平穩(wěn)一點。
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機號后發(fā)表評論