保守的谷歌，激進(jìn)的豆包

技術(shù)創(chuàng)新必須以尊重用戶權(quán)益和遵守監(jiān)管要求為前提。

作者|高　進(jìn)

編輯|楊知潮

時(shí)至今日，用戶仍然不能使用谷歌自家的AI助手，調(diào)用谷歌郵箱發(fā)一封郵件。

和不久前發(fā)布的豆包手機(jī)助手相比，谷歌的AI功能實(shí)在太過(guò)“落后”。畢竟在之前的用戶實(shí)測(cè)里，它已經(jīng)可以繞開(kāi)APP界面，直接幫用戶下單，還能自動(dòng)回復(fù)微信消息。

但這不意味著谷歌的技術(shù)不如豆包，畢竟AI背后不止有技術(shù)，還有用戶的安全和企業(yè)的責(zé)任。過(guò)于激進(jìn)的方案，往往難以推進(jìn)。

12月5日，在經(jīng)歷微信、支付寶、淘寶、農(nóng)業(yè)銀行等多家APP的“拒絕登陸”之后，豆包手機(jī)助手發(fā)布關(guān)于調(diào)整AI操作手機(jī)能力的說(shuō)明。

說(shuō)明指出：

為了讓技術(shù)發(fā)展、行業(yè)接受度和用戶體驗(yàn)多方都能形成良性適配，我們計(jì)劃在接下來(lái)的一段時(shí)間，在部分場(chǎng)景，對(duì)AI操作手機(jī)的能力做一些規(guī)范化調(diào)整。具體包括，但不限于進(jìn)一步限制金融類應(yīng)用的使用：銀行、互聯(lián)網(wǎng)支付等金融場(chǎng)景，直接關(guān)聯(lián)用戶的資金安全，雖然手機(jī)助手在敏感操作時(shí)都需要用戶授權(quán)，但審慎起見(jiàn)，豆包手機(jī)助手也將暫時(shí)下線操作這類APP的能力。我們也會(huì)積極與相關(guān)廠商溝通，希望共同制定清晰、安全的AI操作行為準(zhǔn)則。

和前兩天更為強(qiáng)硬的辯駁聲明相比，這份聲明在姿態(tài)上已經(jīng)柔軟很多，聲明主要說(shuō)兩點(diǎn)：一、我們對(duì)于有些限制類應(yīng)用還是保持敬畏；二、我們?cè)敢夂痛蠡飪簻贤?，找到一個(gè)各方都能接受的行為標(biāo)準(zhǔn)。

總之，豆包降低了方案的激進(jìn)程度。畢竟，此前的方案或許在一定程度上突破了技術(shù)邊界，但也同時(shí)突破了傳統(tǒng)的用戶安全體系、監(jiān)管體系、廠商合作模式的邊界。

01 豆包的遭遇不是創(chuàng)新者困局？

全球AI Agent的發(fā)展如火如荼。自2023年AutoGPT開(kāi)啟智能體序幕以來(lái)，從個(gè)人助手到企業(yè)級(jí)解決方案，AI Agent展現(xiàn)出前所未有的活力。微軟、谷歌、亞馬遜等科技巨頭紛紛布局AI/Agent平臺(tái)，在基礎(chǔ)設(shè)施、多模態(tài)能力等方面各有優(yōu)勢(shì)。

豆包的方案術(shù)屬于GUI Agent的技術(shù)路線，本身并不新奇。GUI Agent是一種基于多模態(tài)視覺(jué)模型驅(qū)動(dòng)的人工智能系統(tǒng)，能夠自動(dòng)推理并執(zhí)行圖形用戶界面（GUI）交互，模擬人類用戶的操作如點(diǎn)擊、輸入、拖拽等，以完成工作任務(wù)。

無(wú)獨(dú)有偶，豆包手機(jī)助手發(fā)布兩天前，大模型獨(dú)角獸階躍星辰開(kāi)源了跟豆包手機(jī)助手同類型的GUI Agent技術(shù)——名為GELab-Zero的套組。

在全球范圍內(nèi)，GUI Agent技術(shù)的應(yīng)用一直較為謹(jǐn)慎。以蘋果的Siri和谷歌的Google Assistant為例，這些主流的智能助手雖然能夠通過(guò)語(yǔ)音指令完成部分操作，但它們嚴(yán)格遵循API（應(yīng)用程序編程接口）調(diào)用的方式，避免直接觸碰應(yīng)用程序的核心功能。這種做法既保證了用戶隱私和數(shù)據(jù)安全，也避免了與應(yīng)用程序開(kāi)發(fā)者或監(jiān)管機(jī)構(gòu)的潛在沖突。

在國(guó)內(nèi)，GUI Agent技術(shù)的落地同樣面臨著嚴(yán)格的考驗(yàn)。百度、華為等廠商在推出各自的智能助手時(shí)，也選擇了與應(yīng)用程序開(kāi)發(fā)者合作，通過(guò)API接口實(shí)現(xiàn)功能對(duì)接。這種方式雖然需要更多的溝通和協(xié)調(diào)，但能夠確保技術(shù)的應(yīng)用符合行業(yè)規(guī)范和監(jiān)管要求。

然而，豆包手機(jī)助手卻選擇更為激進(jìn)的路徑，繞過(guò)微信、支付寶等主流App的安全體系，豆包試圖通過(guò)用戶授權(quán)直接操作這些應(yīng)用程序的界面。這種激進(jìn)的方案不僅引發(fā)了應(yīng)用開(kāi)發(fā)者和用戶的不滿，也暴露了GUI Agent技術(shù)在實(shí)際應(yīng)用中可能存在的合規(guī)性和安全性問(wèn)題。

02 為什么說(shuō)豆包的方案是激進(jìn)的

豆包的方案，不止是對(duì)互聯(lián)網(wǎng)合作關(guān)系的挑戰(zhàn)，它還忽視了現(xiàn)有的成熟互聯(lián)網(wǎng)賬號(hào)安全體系。

經(jīng)過(guò)幾十年的發(fā)展，互聯(lián)網(wǎng)公司的賬戶安全體系設(shè)計(jì)可謂環(huán)環(huán)相扣、層層設(shè)防。以登錄驗(yàn)證為例，有傳統(tǒng)的密碼驗(yàn)證，也有更為安全的雙重驗(yàn)證，如短信驗(yàn)證碼、指紋、面部識(shí)別等。還有權(quán)限控制機(jī)制，嚴(yán)格限制不同用戶對(duì)數(shù)據(jù)的訪問(wèn)權(quán)限，防止未經(jīng)授權(quán)的訪問(wèn)。反欺詐檢測(cè)系統(tǒng)則能實(shí)時(shí)監(jiān)測(cè)異常登錄行為，如異地登錄、頻繁登錄失敗等，及時(shí)采取凍結(jié)賬戶等措施。

這些安全機(jī)制如果被繞開(kāi)，存在風(fēng)險(xiǎn)。比如：如果繞過(guò)登錄驗(yàn)證，攻擊者就能獲取用戶賬號(hào)，進(jìn)而竊取用戶隱私信息，如社交賬號(hào)中的聊天記錄、聯(lián)系人信息，支付賬戶中的資金、交易記錄等。繞開(kāi)權(quán)限控制，可能導(dǎo)致數(shù)據(jù)被隨意篡改或泄露，破壞數(shù)據(jù)的完整性與保密性。而跳過(guò)反欺詐檢測(cè)，異常行為將難以被及時(shí)發(fā)現(xiàn)和處理。一旦發(fā)生安全問(wèn)題，豆包將面臨用戶信任危機(jī)，甚至可能承擔(dān)法律責(zé)任，畢竟用戶是基于對(duì)豆包的信任才授權(quán)其操作。

豆包的方案之所以引發(fā)爭(zhēng)議，核心還在于其忽略了互聯(lián)網(wǎng)行業(yè)在賬號(hào)安全和監(jiān)管方面的“防護(hù)欄”。微信、支付寶等App早已建立了嚴(yán)格的安全防護(hù)機(jī)制，防止第三方程序繞過(guò)其官方授權(quán)，直接操作用戶的賬號(hào)和數(shù)據(jù)。在金融支付領(lǐng)域，監(jiān)管機(jī)構(gòu)對(duì)數(shù)據(jù)安全和用戶隱私的要求尤為嚴(yán)格。金融支付App通常需要通過(guò)多重身份驗(yàn)證和安全協(xié)議，確保用戶操作的安全性。豆包試圖通過(guò)用戶授權(quán)直接跳過(guò)這些安全機(jī)制，這種做法不僅可能威脅到用戶的賬號(hào)安全，還可能違反相關(guān)法律法規(guī)。

此外，豆包的方案還涉及到一個(gè)關(guān)鍵問(wèn)題：它是否能夠接過(guò)所有App的平臺(tái)責(zé)任，并滿足監(jiān)管需求？金融支付類App涉及用戶的財(cái)產(chǎn)安全，一旦出現(xiàn)數(shù)據(jù)泄露或操作失誤，責(zé)任歸屬將變得極其復(fù)雜。豆包作為第三方平臺(tái)，是否具備足夠的技術(shù)和能力來(lái)承擔(dān)這些責(zé)任？就像自動(dòng)駕駛機(jī)構(gòu)，能否承擔(dān)車輛行駛的全部安全責(zé)任？

如果答案存疑，豆包的方案就如同在現(xiàn)階段推出L5全自動(dòng)駕駛一樣——還沒(méi)有成熟的條件。

從全球范圍來(lái)看，任何試圖繞過(guò)應(yīng)用開(kāi)發(fā)者和監(jiān)管機(jī)構(gòu)的方案都難以獲得廣泛支持。過(guò)于激進(jìn)的GUI Agent方案不僅可能威脅到用戶的隱私和安全，還可能引發(fā)監(jiān)管部門的審查和處罰。

03 走得穩(wěn)一點(diǎn)

技術(shù)創(chuàng)新必須以尊重用戶權(quán)益和遵守監(jiān)管要求為前提。這不是保守，而是對(duì)用戶的責(zé)任體現(xiàn)。

如何在維持目前的互聯(lián)網(wǎng)安全體系基礎(chǔ)上，手機(jī)智能助手等智能體之間可實(shí)現(xiàn)不同賬戶體系之間的互通，為用戶帶來(lái)更大價(jià)值？

谷歌早就做了示范：作為安卓系統(tǒng)中樞的谷歌助手（或Gemini），在用戶首次調(diào)用第三方應(yīng)用時(shí)，會(huì)清晰列出它需要訪問(wèn)的用戶數(shù)據(jù)和權(quán)限。用戶必須主動(dòng)登錄 Google 賬號(hào)并點(diǎn)擊授權(quán)才能繼續(xù)。

在涉及到用戶隱私的應(yīng)用，如郵箱時(shí)，谷歌表現(xiàn)得非常克制，Gemini只有在用戶請(qǐng)求時(shí)才會(huì)調(diào)用相關(guān)數(shù)據(jù)，且不會(huì)進(jìn)行發(fā)布郵件等敏感行為。

圖注：作為谷歌自家的AI助手，Gemini發(fā)郵件沒(méi)有任何技術(shù)門檻，但有些行為，是出于對(duì)用戶的責(zé)任感。

國(guó)內(nèi)廠商里，OPPO和支付寶的合作也提供了參考。2025年10月17日，在以“AI，更近一步”為主題的2024 OPPO開(kāi)發(fā)者大會(huì)上，支付寶發(fā)布了AHA（Agent Hub Access）智能體互聯(lián)協(xié)同解決方案。這一方案旨在通過(guò)安全可控的方式，實(shí)現(xiàn)智能助手與應(yīng)用程序之間的高效協(xié)作。

AHA解決方案的核心在于構(gòu)建了一個(gè)智能體互聯(lián)的樞紐。它能夠?qū)⑹謾C(jī)操作系統(tǒng)、手機(jī)廠商自研的AI大模型以及各類第三方應(yīng)用服務(wù)緊密連接起來(lái)。在這一樞紐的作用下，AI助手不再是孤立的個(gè)體，而是能夠與各種應(yīng)用進(jìn)行智能交互的協(xié)同伙伴。比如用戶想要訂餐，不需要再單獨(dú)打開(kāi)外賣App，只需向AI助手發(fā)出指令，助手就能通過(guò)AHA解決方案與外賣App進(jìn)行交互，快速完成訂餐流程。

AHA解決方案在保障安全方面也下足了功夫。它遵循嚴(yán)格的安全標(biāo)準(zhǔn)和協(xié)議，確保用戶數(shù)據(jù)在傳輸和存儲(chǔ)過(guò)程中的安全性。在用戶授權(quán)方面，采用了透明且明確的授權(quán)機(jī)制，讓用戶清楚地知道自己的數(shù)據(jù)將被用于哪些服務(wù)，充分尊重用戶的知情權(quán)和選擇權(quán)。

這一方案還具備很強(qiáng)的開(kāi)放性和兼容性。它能夠接入不同廠商的AI助手和各類應(yīng)用，為整個(gè)AI助手行業(yè)提供了一個(gè)標(biāo)準(zhǔn)化的互聯(lián)互通平臺(tái)。這不僅有助于推動(dòng)行業(yè)技術(shù)的創(chuàng)新發(fā)展，還能讓更多的開(kāi)發(fā)者參與到生態(tài)建設(shè)中。

今年工信部、信通院等機(jī)構(gòu)也在積極推進(jìn)國(guó)家多智能體互聯(lián)的標(biāo)準(zhǔn)，工信部牽頭的《人工智能 智能體互聯(lián)》系列標(biāo)準(zhǔn)也已發(fā)布，螞蟻集團(tuán)做為核心參編方牽頭編寫，AHA作為重要業(yè)界實(shí)踐參考。

不可否認(rèn)的是，未來(lái)，GUI Agent技術(shù)將持續(xù)發(fā)展，豆包的方案不是第一個(gè)也不是最后一個(gè)方案，無(wú)論如何，AI必須建立在對(duì)用戶隱私、數(shù)據(jù)安全和行業(yè)監(jiān)管的尊重之上。只有通過(guò)合規(guī)與合作的方式，才能真正實(shí)現(xiàn)技術(shù)的價(jià)值，為用戶提供更優(yōu)質(zhì)的智能服務(wù)。

頭圖來(lái)源|AI制圖