Mukhang Ibinabalik ni ByteDance ang R&D ng Phone Batay sa Datos ng Pagpapakilala

Isulat ni Sleepy, Si Thinking Weird

No translation provided.

Tandaan mo ang mga araw pagkatapos ng paglunsad, ang presyo nito sa seafood market ay umabot sa ilang beses ang halaga. Kinuha rin ng editorial team ng Dongcha Beating ang dalawang unit.

Hindi dahil isang napakagaling na cellphone ito; sa katotohanan, ang unang generasyon ng DouBao cellphone bilang isang “technology preview” ay hindi napakagandang karanasan. Ngunit ang nagpapaligaya sa amin ay ang unang pagkakataon na inilabas ng AI sa loob ng chat box, mula sa isang chat bot hanggang sa isang AI Agent, at nakakapag-control ng isang cellphone.

Sa cellphone ng Doubao, ang AI ay makakakita ng screen, maiintindihan ang iyong pinagbabasa, makakarinig ng iyong pagpapahayag, makakalipat sa iba’t ibang app, at direktang makakatulong sa maraming gawain, tulad ng pag-check ng tiket ng sasakyan, paghahambing ng presyo sa pagbili, pagkuha ng coupon at pag-order, at pag-edit ng larawan. Bagaman ang mga sensitibong bahagi tulad ng pagbabayad ay kailangan pa ring i-confirm ng user, nakakagawa na ito nang malaya sa maraming gawain na dati ay kailangan mong i-click nang isang-isa.

Bagaman ayon pa rin ito sa kahinaan, minsan ay mabagal ang reaksyon nito, at minsan ay naka-stuck, tulad ng isang tao na bago lang natututo gumamit ng smartphone, ito ay talagang nagbigay sa amin ng unang direktang pakiramdam kung gaano kalaking kagandahan ang pagpasok ng AI sa araw-araw na buhay.

Pagkatapos ay ipinakilala ang lobster at naging sikat sa buong mundo; ang AI Agent ay naging isa pang iPhone moment sa larangan ng AI pagkatapos ng paglalabas ng ChatGPT, at maraming kumpanya at negosyante ang nagsimulang magtinda ng mga computer at cellphone na may nakapre-install na OpenClaw. Ang DouBao Phone ay nangunguna sa kanila ng kahit isang bersyon, at maaaring sabihin na ang DouBao Phone ay ang unang tagapag-una sa alon na ito ng Agent.

Ngunit malungkot na agad na natagpuan ng DouBao ang pag-atake ng mga malalaking kumpanya. Ang mga sitwasyon tulad ng WeChat, Taobao, Alipay, at mga app ng bangko ay nagsimulang magpakita ng mga problema sa pag-access o paggawa ng mga aksyon. Sabi ng ilan, ito ay “pagsasara,” samantalang iba ay nagsasabing tanging nag-trigger lang ito ng risk control, ngunit para sa mga user, walang pagkakaiba—hindi na ito gumagana.

Napakalungkot namin. Ang DouBao Phone ay hindi pa isang matatag na konsumidor na elektronikong produkto, ngunit ito ay nagpakita sa buong industriya ng mga unang anyo ng susunod na pinto.

Kahit na lumipas na ang pagtaas ng interes sa iPhone ng DouBao, hindi pa namin itinigil ang pagmamasid sa sitwasyong ito. Hanggang sa kamakailan, ang aming pang-araw-araw na pagkuha ng impormasyon ay nakuha ang libu-libong mga ad na pang-employ, at sa pagsusuri, tila handa na ang ByteDance na muling i-start ang pagbuo ng telepono.

Nakuha namin ang tatlong kategorya mula sa opisyal na pahina ng paghahanap ng trabaho ng ByteDance, na ang mga ito ay ang AI Innovation Business, Mobile OS, at DouBao Mobile Assistant.

Pagkatapos ay i-remove ang mga duplicate batay sa ID ng posisyon, kinuha namin ang mga detalye ng pahina at isinama ang mga keyword mula sa pangalan ng trabaho, deskripsyon ng trabaho, at mga kahilingan sa pagpapatakbo.

Sa pagkakaiba sa karaniwang paghingi ng mga empleyado para sa mga team ng AI app, ang mga posisyon sa pagpapalawak ng empleyado ni ByteDance ay naglalaman din ng mga posisyon tulad ng mobile system, camera, touch, networking, battery life, heat, chip adaptation, structural design, overall manufacturing process, at production line testing.

Hindi karaniwan ang mga salitang ito sa mga kumpanyang internet; ito ay mga bagay na araw-araw na inaangkop ng mga tagagawa ng mobile phone, mga kumpanya ng supply chain, at mga engineering team.

ByteDance ay magpapadala ng mga kandidato sa pabrika.

Gayunpaman, hindi ito nagpapatotoo na ang ByteDance ay gagawa ng sariling brand ng cellphone, ngunit tiyak na sila ay nagpapagawa muli ng pag-aaral sa mga terminal na katulad ng cellphone.

Suriin natin kung ano ang ipinapakita ng mga posisyon mismo.

Tingnan muna ang Mobile Assistant ng DouBao.

Isinagawa namin muli ang isang mas nakatuon na pagpili, kung saan tinukoy namin sa orihinal na data ang mga posisyon na may mga pangalan, deskripsyon, at mga kahilingan na naglalaman ng “DouBao Mobile Assistant,” na may kabuuang 83, at maaaring ihiwalay ang mga posisyon na ito sa tatlong pangunahing kategorya, na kung saan ang tatlo ay maaaring magbuo ng isang sistema-level na AI Agent.

Unang klase ng posisyon, responsable sa pagbibigay sa AI ng kakayahang maging Agent.

Halimbawa, sa posisyon na “Agent Development Engineer - DouBao Mobile Assistant”, kailangan ng AI ang paggawa ng task decomposition, context organization, tool invocation, memory retrieval, state management, result validation, at exception recovery. Ito ay ang mga pangunahing kakayahan ng lahat ng AI Agent na ginagamit natin ngayon.

Ikalawang klase ng posisyon, responsable sa pagpapaganda ng memorya ng AI Agent.

Ang mga posisyon ay naglalaman ng direksyon tulad ng “pagsasabay at pagtanda,” “pagtanda ng user,” “personal na kaalaman na grap,” at “matagalang pagkakaintindi.” Kung gusto nating gawing bahagi ng aming buhay ang AI Agent, hindi ito maaaring magsimula sa zero bawat araw—kailangan nito ng mapagkakatiwalaan at matatag na matagalang pagtanda.

Narito ang pagkakaroon ng mga isyu sa privacy at mga hangganan, ngunit batay sa mga impormasyon sa paghahanap ng trabaho, simula na ng ByteDance ang pagpapalakas ng "memory" bilang isa sa pinakamahalagang kakayahan ng AI assistant na DouBao.

Ikatlong klase ng posisyon, responsable sa pagpapagana ng mga AI Agent sa mobile phone.

Kung ang DouBao Mobile Assistant ay dapat mag-operate sa telepono para sa user, hindi ito maaaring magmula lamang sa cloud o maging isang app lamang. Kailangan nito ng buong set ng kakayahan, kabilang ang modelo, memorya, pagpapatupad ng gawain, deployment sa device, system apps, audio at video, komunikasyon, pagsubok at jaminan ng kalidad, upang maunawaan ang mga sinasabi ng user, maunawaan ang kapaligiran, magtrabaho nang may-ugnayan sa iba’t ibang device, laging handa, at hindi magdulot ng anumang kalituhan.

Tingnan naman ang mobile OS.

May 236 na posisyon na may kinalaman sa mobile OS, at ang pangunahing lokasyon ng opisina ay nakatuon sa Beijing, Shanghai, at Shenzhen. Sa mga paglalarawan ng posisyon, paulit-ulit na nabanggit ang mga salitang kernel, chip, driver, camera, display, audio, network, power consumption, thermal management, at mass production delivery. Ito ay halos lahat mga salitang mas malapit sa hardware at sa mas mababang sistema ng telepono.

Halimbawa, ang mga tungkulin ng posisyon na “Kernel Leader - Mobile OS” ay nagsasabi na kailangang pamunuan ang tim ng memorya at storage para sa kernel adaptation at development ng bagong Qualcomm platform, upang maisama ang sistema sa mga pangunahing chip ng mobile, at ma-manage ang memorya at storage sa telepono. Ang mga kakayahang ito ay mahalaga para sa isang AI Agent upang makapagbigay ng real-time response at makapag-trabaho sa background.

Halimbawa, sa mga posisyon, lumalabas din ang mga salitang SoC, BSP, at RTOS. Ang SoC ay maaaring maunawaang bilang pangunahing chip ng telepono, ang BSP ay isang uri ng ilalim na software na nagpapakilala at nagpapagsasama ng sistema at hardware, habang ang RTOS ay karaniwang ginagamit sa mga sitwasyon na may mataas na paghingi sa pagtugon at pagkawala ng enerhiya.

Kaya ang pagbubukas ng mga posisyon sa mobile OS ay nagpapahiwatig na hinahanap ng ByteDance ang mga taong may kaalaman sa mga sistema ng mobile device, na kailangang alam kung saan makakakatok ang mga problema sa pagsasakop, kung saan makakakatok ang mga problema sa pagkonsumo ng enerhiya, kung saan makakakatok ang mga problema sa katatagan ng sistema, at alin sa mga ito ay kailangang lutasin kasama ang mga chip, manufacturer, at mga team ng pagsubok.

Batay sa mga kahilingan sa mga posisyon na nasa paghahanap ng trabaho, ang ByteDance ay nasa malalim na bahagi na ng mobile phone industry.

Kailangan ding tingnan nang hiwalay ang mga posisyon na nasa Shenzhen.

Kung ang mga posisyon sa Beijing ay mas nakatuon sa mga modelo, algoritmo, at platform, at ang mga posisyon sa Shanghai ay mas nakatuon sa produkto at inhinyeriya, ang mga posisyon sa Shenzhen ay karaniwang may kaugnayan sa hardware, supply chain, pagsubok, at pagpapalawak ng produksyon.

Kung isang proyekto ay kahit anong serbisyo sa cloud, hindi gaanong mahalaga ang Shenzhen; ngunit kung kailangan mong makipag-ugnayan sa pisikal na produkto, mahalaga na ang Shenzhen.

Ang mga bagay na ito ang aming nakikita sa mga posisyon sa Shenzhen.

Ang ilang posisyon ay nagsasabi ng human-computer interaction design, na kumakapal ng physical hardware interaction, software interface interaction, at multi-device coordinated experience. Ang mga posisyon na ito ay hindi lamang tumutok sa kung paano disenyo ang mga interface sa screen, kundi pati na rin ang pakiramdam ng physical device, mga button, kung paano i-wake up, at kung paano i-link sa iba pang mga device.

Mayroon pa ring ilang posisyon na mas malapit sa proyektong pang-inkay: interconnect, power consumption, short-range communication, baseband, system process, structure, at test process.

Kumpara sa mga terminong "agent", "multimodal", at "world model", mas hindi maganda ang mga ito. Ngunit sa huli, ito ang mga bagay na magdedesisyon sa buhay o kamatayan ng consumer electronics.

Kung ang ByteDance ay nais lamang gawing mas mahusay na mobile app ang DouBao, hindi ito kailangang gawin ang mga ito. Kapag ito ay nagsimula nang maghingi ng mga posisyon na ito, ibig sabihin ay handa na ito na sumakay sa barko na ito.

Noong nakaraan, ang telepono ay ang container ng mga app; sa panahon ng AI, maaaring maging katawan ng Agent ang telepono.

Kung ang mobile phone ay simpleng container ng app, ang mga kumpanya tulad ng ByteDance ay maaaring gumamit ng nilalaman, algoritmo, at lakas ng produkto upang itayo ang kanilang sariling kaharian sa pamamagitan ng mga app. Ngunit kung ang mobile phone ay maging katawan ng Agent, ang user ang una na naglalabas ng task, at ang sinumang makakakuha ng task ay may pagkakataon na matukoy ang susunod na landas.

Sa path na ito, ang App ay bababa sa antas ng isang kagamitang maaaring tawagan. Ito ay magiging hindi komportable para sa lahat ng super App. Dahil ang Agent ay likas na lalampas sa mga intermediate layer.

Kaya ang totoong hirap ay hindi kung kayang buksan ng Doubao ang isang App, kundi kung gagampanan ng iba ang pagbubukas nito. At ang isang AI na makakagawa ng desisyon para sa user ay hindi maaaring madaling payagan tulad ng karaniwang App.

Dapat ngang lumipat ang agent mula sa chat box patungo sa operasyonal na layer at harapin ang maraming masamang gawain na dati ay hindi kabilang sa tanggapan ng AI. Dapat nilang malaman kailan suspindehin ng sistema ang background, kailan magtriggerr ang risk control, bakit nagmamadaling mainit ang mobile, at bakit hindi umuunlad ang yield ng pabrika. dati ay hindi ito kabilang sa responsibilidad ng AI team, ngunit ngayon ay hindi na ito maiiwasan.

Kaya kailangan ng ByteDance na maghiring ng mga posisyong ito. Hindi naman sigurado na talagang ilalabas nito ang isang smartphone, ngunit hindi na maaaring magpatuloy ang ByteDance na tanging nagpapatakbo ng mga app sa ibang mga smartphone.

Hindi makakarating ng susunod na henerasyon ng user entry ang mga kumpanya ng malalaking modelo kung patuloy silang nakatira sa ibang operating system.