DouBao Mobile aumentó su capacidad de inventario de 30.000 a decenas de millones de unidades, pero retiró la capacidad GUI de la generación anterior, dejando de leer la pantalla y simular clics en aplicaciones líderes como WeChat, y en su lugar utiliza el protocolo MCP para esperar a que las aplicaciones abran permisos activamente. A diferencia de la colaboración con DouBao y Nubia, Jieyue Xingchen adopta un modelo de pila completa para lanzar STEPX Neo y su sistema operativo, mientras que Honor se mantiene fiel a su sistema móvil e incorpora socios como Alibaba. Tres rutas distintas apuntan a un mismo problema central: la comercialización de teléfonos Agent requiere que las SuperApps abran interfaces, no que se superen los límites de las aplicaciones por cuenta propia. Con la aparición de protocolos como MCP, App Intents y AHA, la industria está pasando de “evitar las apps” a “esperar a que las apps abran la puerta”, y las SuperApps se convertirán cada vez más en sistemas de servicio detrás de los Agentes, mientras que la GUI seguirá gestionando escenarios de cola larga.

Autor y fuente del artículo: Nueva Postura Pro

Cuanto más cerca esté de la comercialización, más conservadora será la capacidad.

Según informes, la nueva generación de teléfonos Doubao ha aumentado su volumen de inventario de 30.000 a cientos de miles de unidades, pero la capacidad GUI más destacada de la generación anterior ha sido retirada. El nuevo producto ya no leerá la pantalla ni simulará clics en aplicaciones líderes como WeChat, Taobao y Alipay; Doubao solo podrá integrarse si las aplicaciones ofrecen activamente servicios MCP y abren los permisos correspondientes para datos y operaciones.

Antes y después de que DouBao ajustara su rumbo, los agentes móviles se concentraron en acercarse al escenario.

El 13 de julio, Jiepao Xingchen lanzó STEPX Neo, el sistema operativo de agentes Step AOS y el agente personal Amoo; el 15 de julio, la Administración Estatal de Ciberespacio publicó el registro de 7 servicios de inteligencia artificial generativa en dispositivos móviles; el 18 de julio, Honor presentó el Robot Phone en WAIC y avanzó aún más MagicOS hacia un Agentic OS.

Tres empresas eligieron tres caminos diferentes. DouBao colaboró con Nubia para integrar las capacidades del modelo en marcas de teléfonos ya existentes; Jiepai desarrolló su propio modelo, sistema operativo y hardware; mientras que Honor se mantuvo enfocado en su sistema de teléfono e incorporó externalmente modelos y socios de servicios como Alibaba.

Tres productos en distintas etapas llevan simultáneamente a la industria frente a la misma pregunta. Las empresas de grandes modelos pueden comprender a los usuarios, y los fabricantes de teléfonos controlan los dispositivos, pero los servicios sociales, de pago, de compras y de vida local que la gente utiliza diariamente pertenecen a otro grupo de empresas. El primer paso hacia la comercialización de los teléfonos Agent no es obtener más permisos, sino reconocer que algunos permisos nunca les pertenecieron.

Generalmente, cuando una tecnología madura, significa que sus funciones se vuelven cada vez más completas, pero el agente móvil está experimentando el proceso opuesto.

Primero todos entran en el móvil

En los años siguientes al lanzamiento de los grandes modelos, la IA se integró en gafas, audífonos, colgantes, tarjetas de grabación y otros nuevos dispositivos. Estos ocupaban ciertos escenarios, pero tenían dificultades para reunir al mismo tiempo todo lo que ya poseía el teléfono móvil: una base estable de usuarios a gran escala, sensores continuamente en línea, contexto personal como álbumes, calendarios, contactos y ubicación, capacidades de pago y comunicación, así como canales y cadenas de suministro para llevar el producto hasta los usuarios comunes.

Las empresas de modelos grandes primero eligen los teléfonos móviles, ya que actualmente solo los teléfonos pueden integrar en un mismo dispositivo a los usuarios, permisos, pagos y servicios. Qian Qi lo expresó directamente en el lanzamiento del 13 de julio: cualquier empresa de modelos que no posea una aplicación suficientemente rentable para sostenerla difícilmente sobrevivirá a largo plazo. Esto explica por qué Jiepao lanzó simultáneamente Step AOS, Amoo y STEPX Neo además de su modelo base.

La API del modelo puede generar ingresos por llamadas, pero no establece directamente relaciones con los usuarios. Las aplicaciones de IA independientes pueden obtener usuarios, pero tienen dificultades para acceder a permisos completos del dispositivo y contexto personal. Para que un agente realice una tarea real en nombre del usuario, necesita conocer la identidad, ubicación, agenda y preferencias del usuario, además de invocar servicios de terceros y recibir retroalimentación sobre los resultados de la tarea; el terminal une todos estos componentes.

Step Function no establece primero un objetivo de ventas para STEPX Neo y luego lo vende. Yin Qi indicó que el producto actual está aproximadamente un 70% completado, y lo restante se completará durante el uso por parte de los usuarios, incluyendo autorización, confianza, división entre extremo y nube y escenarios específicos.

Esta es una forma en que la empresa de modelos ingresa al mercado móvil: primero crear su propio dispositivo terminal y luego usarlo para validar las relaciones entre el sistema operativo, el modelo y los servicios.

La aproximación de DouBao es más ligera; ByteDance proporciona el modelo y las capacidades de agente, mientras que ZTE y Nubia se encargan del hardware, la fabricación, la venta y el servicio postventa. En comparación con construir una cadena de suministro desde cero, esta vía es más rápida; en comparación con vender solo modelos a fabricantes de teléfonos, permite una participación más profunda en la experiencia del producto.

Los objetivos de ambas partes no son completamente iguales: ByteDance necesita usuarios reales, datos de tareas y nuevos puntos de entrada para servicios; Nubia necesita obtener una diferenciación perceptible por los usuarios en un mercado Android altamente homogéneo. Las empresas de modelos buscan establecer servicios a largo plazo, mientras que las empresas de teléfonos primero deben vender dispositivos. Las primeras se enfocan en llamadas, memoria y suscripciones; las segundas también deben calcular inventario, canales y margen bruto de hardware.

En comparación con los fabricantes de software, la razón por la que los fabricantes de teléfonos móviles ingresan a los Agentes se asemeja más a una tabla de costos en constante cambio. Los precios de los componentes esenciales, como el almacenamiento, comenzaron a aumentar desde finales de marzo, y la mayoría de los fabricantes de Android optaron por aumentar los precios, lo que redujo aún más la disposición de los usuarios a cambiar sus dispositivos. Los datos preliminares publicados por IDC el 14 de julio indican que el envío de smartphones en China durante el segundo trimestre de 2026 fue de aproximadamente 66 millones de unidades, una disminución del 4,3% interanual, lo que representa el quinto trimestre consecutivo de caída; durante el primer semestre, el envío total fue de aproximadamente 134 millones de unidades, una caída del 4,2% interanual.

En los últimos años, los fabricantes de teléfonos móviles han justificado el precio de sus productos de gama alta con innovaciones sucesivas como cámaras avanzadas, carga rápida, pantallas plegables y comunicación por satélite. Ahora, en esta ronda, le toca al agente. Un teléfono que ejecute un agente en funcionamiento continuo requiere más memoria para almacenar modelos y contextos, un chip más potente para realizar inferencias en el dispositivo y la capacidad de gestionar tareas complejas entre el dispositivo y la nube. Estas inversiones pueden servir como justificación para aumentar los precios y también seguirán elevando los costos de hardware y servicios. Sin embargo, si el usuario final solo obtiene una nueva entrada para resúmenes, edición de fotos y preguntas y respuestas, será difícil que esto sustente un nuevo ciclo de reemplazo de dispositivos.

El agente por lo tanto se le asignó una doble misión: ayudar a los fabricantes de teléfonos móviles a establecer una nueva prima de producto, y demostrar que la experiencia que aporta es suficiente para cubrir los costos adicionales.

De evitar la app, a esperar a que la app se abra

El teléfono también tiene otra capa de restricciones: los sistemas operativos actuales se basan en la idea de que "una persona usa una aplicación". Cada aplicación tiene sus propios datos, cuentas y permisos, y el sistema utiliza un entorno aislado para impedir que se sobrepasen entre sí. Las aplicaciones de pago, redes sociales y bancarias tienen además sus propias verificaciones de identidad y controles de riesgo.

El agente funciona exactamente al revés: cuando el usuario dice "Ayúdame a programar un viaje de negocios", debe leer el calendario, confirmar a los compañeros de viaje, consultar vuelos y hoteles, y luego llamar a la herramienta de pago. Hay una sola tarea, pero los datos y servicios necesarios están distribuidos en varias aplicaciones. El modelo puede desglosar esta tarea, pero no puede decidir por sí solo cómo coordinar las aplicaciones de Ctrip, Fliggy y el banco.

El teléfono móvil posee todo lo necesario para el agente y concentra todos los límites formados durante más de una década de internet móvil, lo que lo convierte en la entrada más realista, pero también en la más difícil de transformar.

La interfaz gráfica de usuario demostró rápidamente que la IA puede usar aplicaciones como lo hace una persona. Esta tecnología no requiere que la aplicación proporcione una interfaz especial; el modelo observa la pantalla mediante capturas, identifica botones, campos de entrada y ventanas emergentes, y luego simula clics, deslizamientos y entradas. Cualquier operación que un usuario pueda realizar, la IA teóricamente puede intentar completarla.

Hay millones de aplicaciones en el teléfono, y esperar a que los desarrolladores modifiquen cada interfaz lleva mucho tiempo; permitir que la IA comprenda directamente las páginas existentes permite cubrir rápidamente una gran cantidad de escenarios. Los usuarios también pueden ver intuitivamente cómo trabaja la IA: abrir una aplicación, cambiar a otra y devolver los resultados.

Sin embargo, para los desarrolladores de aplicaciones, que el usuario autorice a la IA a leer la pantalla no equivale a que la plataforma apruebe que la IA omita sus propias interfaces para realizar operaciones. La aplicación no puede determinar por qué la IA lee la página, qué información necesita realmente, ni distinguir fácilmente entre asistentes autorizados por el usuario y herramientas de automatización masiva.

Técnicamente, Doubao puede hacer clic por el usuario; comercialmente, la aplicación no acepta que un agente externo actúe libremente en su interior. WeChat, Taobao, Alipay y algunos clientes bancarios han restringido progresivamente estas capacidades. La información pública muestra que, posteriormente, Doubao desactivó la capacidad de operar en WeChat y en aplicaciones de pagos bancarios e internet.

MCP vuelve a poner esta relación sobre la mesa. En el nuevo esquema, las aplicaciones deben declarar activamente los datos y acciones que están dispuestas a abrir. Pueden permitir que los Agentes consulten órdenes pero no las modifiquen; permitir completar información de compra pero dejar la confirmación de pago en manos del usuario; permitir invocar un servicio sin abrir datos completos de la cuenta al sistema.

El alcance de las llamadas, que anteriormente era decidido automáticamente por la IA, ahora se establece mediante acuerdo entre la empresa de modelos, los fabricantes de teléfonos y las aplicaciones. Los Agentes obtienen rutas de ejecución más estables, mientras que las aplicaciones recuperan el control sobre los permisos, el riesgo y los límites de datos.

La elección de STEPX desde el principio se acercó más a este camino. Los primeros socios de STEPX Neo incluyen Alipay, Baidu, Meituan, JD.com, Didi, Ctrip y AutoNavi, y las capacidades de aplicación se integran mediante interfaces de protocolo en lugar de mediante GUI.

Durante la demostración de WAIC, el usuario le dice a Amoo: "Por favor, envíame el contrato a la empresa, Frank lo necesita urgentemente." El sistema busca la dirección en los contactos y el contexto, solicita un servicio de reparto de Meituan, y genera un pedido con los artículos, costos y hora de entrega ya completados. La mayor parte del proceso se realiza dentro de la interfaz de Amoo; al llegar al paso de pago, la tarea se detiene en la página de Meituan, esperando la confirmación del usuario. El agente del sistema comprende la intención y ha completado la organización de la información. Meituan se encarga del cumplimiento y el pago, mientras que el usuario conserva la decisión final.

Apple también está incorporando estos límites en el sistema; según la documentación para desarrolladores actualizada por Apple en 2026, las aplicaciones deben declarar activamente mediante App Intents las acciones y datos que pueden ser invocados por Apple Intelligence y Siri; el contenido privado dentro de la interfaz de la aplicación no se abrirá automáticamente al sistema, y las operaciones sensibles o potencialmente dañinas aún requieren confirmación adicional del usuario.

Alipay llama a este conjunto de interfaces de coordinación entre plataformas AHA. El 15 de julio, "Abao" se conectó con el asistente "Xiaobu" de OPPO; Xiaobu se encarga de comprender las necesidades, mientras que Abao accede a cerca de 200 servicios de vida internos de Alipay, con la autorización y el pago clave confirmados por el usuario.

MCP, App Intents, AHA y otras interfaces estructuradas están convirtiéndose en la respuesta de diversas empresas. No son el mismo protocolo, pero resuelven el mismo problema: permitir que las aplicaciones decidan activamente qué capacidades pueden ser llamadas por los Agentes, en lugar de que los agentes del sistema ingresen a las aplicaciones, lean las páginas y realicen operaciones por sí mismos.

Las funciones del sistema, como las alarmas, el álbum, el calendario y los archivos, pueden ser descompuestas por los fabricantes de teléfonos en capacidades atómicas; los pagos, redes sociales, comercio electrónico y servicios de vida local se abren a través de interfaces oficiales por parte de las aplicaciones; las aplicaciones de cola larga aún no adaptadas pueden seguir dependiendo de la GUI como complemento.

Por lo tanto, la GUI no desaparecerá inmediatamente. Sigue siendo un acceso directo para aplicaciones antiguas y tareas de bajo riesgo. Pero cuanto más cerca esté de pagos, redes sociales y transacciones, más necesitará el Agente una ruta reconocida por la aplicación que permita auditoría y responsabilidad.

El prototipo de ingeniería se enfoca en si la IA tiene una mano; el producto en masa debe primero determinar hasta dónde puede extenderse esa mano.

La app está dispuesta a cumplir, no a ser asignada

La superapp no rechaza los agentes.

Alipay está trabajando en Abao, Alibaba ha integrado Qwen en Taobao, WeChat ha comenzado pruebas limitadas de "Xiaowei", y los fabricantes de teléfonos móviles también están actualizando sus asistentes de voz a agentes inteligentes del sistema. Todas las empresas compiten por quién captura primero la solicitud del usuario y quién decide qué servicio llamar.

El 11 de mayo, Alibaba integró la aplicación Qwen con más de 4 mil millones de productos de Taobao y Tmall. Los usuarios pueden realizar consultas de productos, comparaciones, gestión de pedidos, seguimiento de envíos y atención postventa dentro de Qwen; también se ha lanzado el asistente de compras Qwen dentro de la aplicación Taobao. Alibaba está dispuesto a permitir que un Agente compre por los usuarios, pero este Agente pertenece en primer lugar a Alibaba, los productos provienen de Taobao y Tmall, y los pagos y la atención postventa permanecen dentro del ecosistema de Alibaba.

La cadena comercial de la antigua internet móvil comenzaba con el usuario abriendo una aplicación. La plataforma influía en la elección mediante la página de inicio, la búsqueda, las recomendaciones y los anuncios, y luego completaba la transacción y el marketing posterior. Los agentes del sistema intentan anticipar la elección: el usuario ya no necesita abrir Meituan, Taobao o Ctrip, sino simplemente decir “ayúdame a pedir un café” o “reserva un hotel cerca”, el agente entiende la solicitud, compara los servicios y devuelve los resultados, mientras que la aplicación pasa a segundo plano para completar el pedido.

Para el usuario, solo se han eliminado algunos pasos. Pero para la plataforma, podrían perderse la exposición en la página de inicio, los anuncios de búsqueda, el orden de recomendación y los datos de comportamiento. La app aún completa la transacción, pero ya no necesariamente controla desde dónde comenzó. Una taza de café del usuario puede provenir de Taobao Flash Sales, Meituan o de una miniaplicación propia de la marca; una habitación de hotel puede reservarse a través de Ctrip, Fliggy, Meituan o canales directos. El agente del sistema decide qué empresa colocar primero, lo que determina hacia dónde fluyen los pedidos, las comisiones y los datos del usuario.

Por lo tanto, la superapp no entregará este control de forma incondicional al sistema del teléfono.

La estructura más probable en el futuro será la división de funciones entre el agente del sistema y el agente de la aplicación. El agente del sistema estará cerca del dispositivo, con conocimiento de la ubicación del usuario, su agenda, contactos e intención actual; mientras que el agente de la aplicación estará cerca del negocio, con control sobre productos, cuentas, relaciones sociales, pagos y cumplimiento. Las empresas de modelos proporcionarán comprensión y planificación, los fabricantes de teléfonos se encargarán de los permisos del sistema y la programación extremo-nube, y el usuario confirmará en puntos clave como pagos, eliminación y envío de mensajes.

荣耀将其 resumió como "un agente principal con múltiples especializados". En el marco Agentic OS anunciado el 18 de julio por荣耀, un agente principal portátil se encarga de comprender al usuario y colabora con agentes verticales, dispositivos y modelos en la nube.荣耀 también anunció su colaboración con Qwen de Alibaba para desarrollar soluciones de modelos orientadas al escenario de teléfonos móviles.

Esta estructura parece más fácil de aceptar para todas las partes, ya que ninguna empresa necesita entregar toda su capacidad de una vez. Los fabricantes de teléfonos mantienen la entrada del sistema; las empresas de modelos acceden a las tareas del usuario; las plataformas de internet continúan controlando los servicios y las transacciones; y los usuarios obtienen una interfaz de interacción unificada.

Pero la interfaz es solo un protocolo técnico, no un acuerdo comercial. No existen respuestas predefinidas sobre qué servicio recomienda primero el agente del sistema, si la aplicación paga por la distribución del sistema, si los fabricantes de teléfonos pueden participar en la división de ingresos, o quién asume el costo de la llamada al modelo.

La memoria a largo plazo añade otra capa de competencia: si los contactos, preferencias de consumo y tareas históricas se almacenan en el teléfono, en la cuenta del modelo o dentro de la app, determinará qué relaciones puede llevarse el usuario tras cambiar de dispositivo o servicio. La interfaz decide qué puede llamar el agente, pero la memoria decide a quién le resulta más difícil al usuario abandonar.

La internet móvil no hizo desaparecer la infraestructura de la generación anterior, sino que cambió la forma en que los usuarios acceden a los servicios. El cambio que trae el agente quizás no sea eliminar las aplicaciones, sino mover el primer paso del usuario al iniciar una tarea hacia el nivel del sistema.

Para una superapp, lo realmente importante es mantener el orden, las transacciones y las relaciones con los usuarios.

Al final

Los agentes móviles no convergerán rápidamente en una sola ruta. Las empresas de modelos colaborarán con marcas de teléfonos, las empresas de modelos desarrollarán toda la pila de terminales, y los fabricantes tradicionales de teléfonos mantendrán el sistema; las tres rutas coexistirán a corto plazo, pero finalmente todas deberán negociar con los mismos superaplicaciones.

El ícono de la app y las páginas podrían reducir la frecuencia con que los usuarios las abren directamente, pero los productos, relaciones sociales, pagos, transacciones y controles de riesgo que la plataforma posee no desaparecerán. Es más probable que pasen de ser aplicaciones en primer plano en el móvil a convertirse en sistemas de servicio detrás de los Agentes; la GUI tampoco se retirará inmediatamente. Continuará gestionando las aplicaciones de cola que aún no han completado su transformación de interfaces; las tareas de alto riesgo, como pagos, redes sociales y transacciones, se trasladarán gradualmente a interfaces de protocolo, niveles de permisos y confirmación del usuario.

La nueva postura considera que lo siguiente por observar es cuántas veces se puede completar una tarea entre aplicaciones, cuántas veces requiere la intervención del usuario; qué capacidades han abierto WeChat, Taobao, Meituan y Alipay; cuánta potencia de cómputo en la nube consumirá un usuario activo y si estaría dispuesto a pagar por estos servicios.

La mano que DouBao recupera es donde realmente comienza este negocio.