豆包スマホは在庫量を3万台から数十万台に引き上げたが、前世代のGUI機能を廃止し、画面の読み取りや微信などの主要アプリへのクリックシミュレーションを停止し、MCPプロトコルを通じてアプリが自発的に権限を開放するのを待つ方式に変更した。豆包や努比亚との協力とは異なり、階躍星辰はフルスタックモデルでSTEPX Neoおよびオペレーティングシステムを展開し、一方で華為はスマートフォンOSに固執し、アリババなどのパートナーを導入している。この3つの路線はすべて、Agentスマホの商業化にはスーパーアプリがAPIを開放することが不可欠であり、自らアプリの境界を突破することではないという核心的な課題に向けられている。MCP、App Intents、AHAなどのプロトコルの登場により、業界は「アプリを迂回する」から「アプリが開くのを待つ」へと移行しており、スーパーアプリは今後、Agentの背後にあるサービスシステムとして機能し、GUIは引き続きロングテールシーンを処理する役割を担う。記事執筆者、出典：新立場Pro
商業化に近づくほど、能力は保守的になる
報道によると、次世代の豆包スマホは在庫量を3万台から数十万台に引き上げたが、前世代で最も注目されたGUI機能は削除された。新製品は、スクリーンを読み取ったり、微信や淘宝、支付宝などの主要アプリをシミュレートしてクリックしたりしなくなる。豆包スマホが接続できるのは、アプリが自発的にMCPサービスを提供し、関連するデータと操作権限を開示した場合に限られる。
豆包のルートを調整する前後で、エージェントの携帯電話が前面に集中した。
7月13日、階躍星辰はSTEPX Neo、エージェントオペレーティングシステムStep AOS、およびパーソナルエージェントAmooを発表しました。7月15日、国家インターネット情報弁公室は、モバイル端末向け生成的AIサービスの7件の届出を公表しました。7月18日、HonorはWAICでRobot Phoneを展示し、MagicOSをさらにエージェントOSへと推進しました。三社はそれぞれ異なる道を選んだ。豆包は努比亚と提携し、モデル機能を既存のスマートフォンブランドに組み込んだ。階躍は自社でモデル、オペレーティングシステム、ハードウェアを開発した。一方、栄耀はスマートフォンOSにとどまり、アリババなど外部のモデルおよびサービスパートナーを導入した。
三つの製品は異なる段階にありますが、同時に業界を同じ問題へと導いています。大規模モデル企業はユーザーを理解でき、スマートフォンメーカーはデバイスを掌握していますが、人々が毎日使用するソーシャル、決済、ショッピング、ローカルライフサービスは、別の企業が手掛けています。エージェントスマホの商業化への第一歩は、より多くの権限を得ることではなく、一部の権限は元々自分たちのものではなかったことを認めることです。
通常、技術が成熟するとは、機能がますます充実することを意味するが、Agentスマホはその逆のプロセスを経験している。
まずすべての人が携帯電話に押し込もう
大規模モデルの登場後数年で、AIはメガネ、ヘッドホン、ペンダント、録音カードその他の新機器に組み込まれた。それらは特定のシーンを占めるが、スマートフォンがすでに備えているもの——安定した大規模なユーザー基盤、継続的にオンラインのセンサー、写真アルバム、スケジュール、連絡先、位置情報などの個人的なコンテキスト、支払いおよび通信機能、そして一般ユーザーに製品を届けるためのチャネルとサプライチェーン——を同時に備えるのは難しい。
大規模モデル企業はまずスマートフォンを選択している。これは現在の段階では、スマートフォンだけがユーザー、権限、支払い、サービスを1台のデバイスに統合できるからである。印奇は7月13日の発表会で直接述べた。「十分な収益を生み出すアプリを持たないモデル企業は、長期的に見て生き残るのは難しい。」これは、階躍が基礎モデルに加えてStep AOS、Amoo、STEPX Neoを同時に発表した理由を説明している。
モデルAPIは呼び出し収入をもたらすが、ユーザーとの関係を直接築くことはできない。独立したAIアプリはユーザーを獲得できるが、デバイスの完全な権限や個人のコンテキストを得るのは難しい。エージェントがユーザーの代わりに現実のタスクを完了するには、ユーザーの身元、位置、スケジュール、好みを把握し、サードパーティサービスを呼び出し、タスクの結果からフィードバックを得る必要がある。端末はこれらのプロセスをつなぎ合わせる。
ステップはSTEPX Neoの販売目標を事前に設定して販売するつもりはない。インチは、現在の製品は約70％が完了しており、残りの部分はユーザーの使用を通じて補完される必要があると述べた。これには、ライセンス、信頼性、エンドとクラウドの役割分担、具体的なシナリオが含まれる。
これはモデル企業がスマートフォンに参入する方法の一つです：自社の端末をまず開発し、それを用いてオペレーティングシステム、モデル、およびサービス間の関係を検証します。
豆包のアプローチはより軽量で、バイトダンスがモデルとエージェント機能を提供し、中興と努比亚がハードウェア、製造、販売、アフターサービスを提供する。サプライチェーンをゼロから構築するよりもこの道の方が速く、単にスマートフォンメーカーにモデルを販売するよりも、製品体験にさらに深く関与できる。
両者の目標は完全には一致していない。バイトダンスは実在のユーザー、タスクデータ、新たなサービス入口を必要としている。努比亜は高度に同質化したAndroid市場で、ユーザーが実感できる差別化要因を獲得したい。モデル企業は長期的なサービスを構築することを重視する一方、スマホ企業はまずデバイスを販売することを最優先する。前者は呼び出し、記憶、サブスクリプションに注目するのに対し、後者は在庫、チャネル、ハードウェアの粗利も計算しなければならない。
ソフトウェアメーカーと比較して、スマートフォンメーカーがエージェントに参入する理由は、変化し続けるコスト表により近い。3月下旬からストレージその他のコア部品の価格が上昇し、多くのAndroidメーカーが値上げを選択したことで、ユーザーの機種変更意欲はさらに低下した。IDCが7月14日に発表した初期データによると、2026年第二四半期の中国におけるスマートフォン出荷台数は約6600万台で、前年同期比4.3%減少し、すでに5四半期連続で低下している。上半期の出荷台数は約1億3400万台で、前年同期比4.2%減少した。
過去数年、スマートフォンメーカーは次々と画像性能、高速充電、折りたたみディスプレイ、衛星通信によって高価格製品の価格を説明してきた。今回の輪はAgentに訪れた。Agentを継続的に動作させるには、モデルとコンテキストを保存するためのより大きなメモリ、エッジ側で推論を実行するためのより強力なチップ、そしてエッジとクラウドの間で複雑なタスクをスケジューリングする能力が必要だ。これらの投資は値上げの理由となり得るが、ハードウェアおよびサービスのコストをさらに引き上げ続けることになる。しかし、ユーザーが最終的に得られるのが要約、写真編集、質問応答のエントリポイントだけであれば、新たな機種変更サイクルを支えるには十分ではない。
エージェントは、二重の任務を負うことになった。携帯電話メーカーが新たな製品プレミアムを構築するのを支援するとともに、もたらす体験が追加コストをカバーできることを証明しなければならない。
アプリを回避してから、アプリが開くのを待つ
スマートフォンにはもう一つの制限があります。現在のオペレーティングシステムは「人がアプリを使用する」ことを前提に構築されています。各アプリは独自のデータ、アカウント、権限を持ち、システムはサンドボックスによってそれらが互いに越境するのを防ぎます。支払い、ソーシャル、銀行アプリにはそれぞれ独自の認証とリスク管理が設けられています。
エージェントの動作は逆で、ユーザーが「出張を手配して」と言うと、カレンダーを確認し、同行者を確認し、航空券とホテルを検索し、支払いツールを呼び出さなければならない。タスクは一つだが、必要なデータとサービスは複数のアプリに分散している。モデルはこのタスクを分解できるが、システム権限だけでは携程、飛猪、銀行アプリがどのように連携すべきかを決定できない。
スマートフォンはエージェントに必要なすべてを備えており、モバイルインターネットが10年以上にわたり築いてきたすべての境界を集中させているため、最も現実的な入口であり、同時に最も改造が難しい入口でもある。
GUIにより、豆包はAIが人間のようにアプリを使用できることを迅速に証明しました。この技術はアプリに専用のインターフェースを必要とせず、モデルはスクリーンショットを通じてページを観察し、ボタン、入力フィールド、ポップアップを特定して、クリックやスワイプ、入力をシミュレートします。ユーザーが実行できる操作は、理論上すべてAIが試みることができます。
スマートフォンには数百万のアプリが存在し、開発者がそれぞれのAPIを変更するのを待つには時間がかかる。一方、AIが既存のページを直接理解すれば、多くのシナリオを迅速にカバーできる。ユーザーはAIが実際に動作している様子を直観的に確認できる——あるアプリを開き、別のアプリに切り替え、その結果を返すだけだ。
しかし、アプリ開発者にとって、ユーザーがAIに画面の読み取りを許可したとしても、プラットフォームがAIに自らのAPIを経由せずに操作を実行することを許可したことを意味しません。アプリはAIがなぜページを読み取っているのか、実際にどのような情報を必要としているのかを判断できず、ユーザーが許可したアシスタントと一括自動化ツールを区別することも困難です。
技術的には、豆包はユーザーに代わってクリック操作が可能であるが、ビジネス的には、アプリは外部エージェントが内部で自由に行動することを許可していない。微信、タオバオ、アリペイ、および一部の銀行アプリは次々とその機能を制限してきた。公開情報によると、豆包はその後、微信および銀行・インターネット決済アプリに対する操作機能を削除した。
一方で、MCPはこの関係を再びテーブルの上に置きました。新しいスキームでは、アプリケーションが自ら開示するデータと実行可能な操作を明示する必要があります。注文の照会は許可するが、注文の変更は許可しない、購入情報の入力は許可するが、支払いの確認はユーザーに残す、特定のサービスの呼び出しは許可するが、アカウント全体のデータをシステムに開示しない、といったようにできます。
元々AIが自ら決定していた呼び出し範囲を、モデル企業、スマートフォンメーカー、アプリが共同で合意するように変更しました。Agentはより安定した実行パスを得られ、アプリは権限、リスク管理、データの境界を再び掌握します。
ステップの選択は、最初からこの路線により近かった。STEPX Neoの初期パートナーには、Alipay、Baidu、Meituan、JD.com、Didi、Ctrip、Amapが含まれており、アプリケーション機能はGUIではなくプロトコルインターフェースを通じて接続される。
WAICのデモで、ユーザーはAmooに「契約書を会社に届けてください、フランクが急いでいます」と言いました。システムは連絡先とコンテキストから住所を特定し、Meituanのデリバリーを呼び出し、商品、料金、配送時間を入力した注文を生成しました。大部分のプロセスはAmooのインターフェース内で完了します。支払い段階に進むと、タスクはMeituanのページで一時停止し、ユーザーの確認を待ちます。システムエージェントは意図を理解し、情報の整理も完了しました。Meituanは履行と支払いを担当し、ユーザーは最終的な決定権を保持します。
Appleもこの境界をシステムに組み込んでおり、Appleの2026年更新された開発者ドキュメントによると、アプリはApp Intentsを通じてApple IntelligenceおよびSiriが呼び出せるアクションとデータを明示的に宣言する必要がある。アプリのインターフェース内のプライベートなコンテンツは、システムに自動的に開放されず、センシティブまたは破壊的な操作については、ユーザーによる再確認を要求できる。
支付宝はこのクロスデバイス連携インターフェースをAHAと呼んでいます。7月15日、「アバオ」とOPPOの「シャオブアシスタント」がクロスデバイス接続を実現し、シャオブが要望を理解し、アバオが支付宝内部の約200のライフサービスを呼び出します。重要な認証と支払いは引き続きユーザーが確認します。
MCP、App Intents、AHAおよびその他の構造化インターフェースは、さまざまな企業が提示する解決策となっています。これらは同じプロトコルではありませんが、同じ課題を解決しています：システムエージェントがアプリに侵入し、ページを読み取り、操作を実行するのではなく、アプリがどの機能をエージェントに呼び出させるかを自ら決定できるようにすること。
システム内のアラーム、アルバム、カレンダー、ファイルは、スマートフォンメーカーによって原子的な機能に分解される可能性がある。支払い、ソーシャル、EC、ローカルライフサービスは、アプリが公式インターフェースを通じて提供する。まだ対応していないロングテールアプリは、まだGUIに依存する可能性がある。
したがって、GUIはすぐに消えることはありません。それは依然として旧アプリや低リスクタスクへのショートカットです。しかし、支払い、ソーシャル、取引に近づくほど、エージェントはアプリに認められ、監査可能で責任を追及できるパスを必要とします。
試作機ではAIに手があるかどうかが重要だが、量産製品では、その手がどこまで届くかをまず確定しなければならない。
アプリは約定を希望し、割り当ては望まない
スーパーAppはAgentを拒否することはありません。
アリペイは阿宝を展開しており、アリババは通義千問をタオバオに統合し、微信は「小微」の小規模テストを開始した。スマートフォンメーカーも音声アシスタントをシステムエージェントにアップグレードしている。各社が競い合っているのは、ユーザーが一つの要望を口にした際に、どの企業が最初にそれを受けて、どの企業がどのサービスを呼び出すかを決定するかである。
5月11日、アリババは通義アプリをタオバオと天猫の40億点以上の商品と連携しました。ユーザーは通義内で商品の検索、比較、注文管理、物流追跡、アフターサービスを完了できます。また、タオバオアプリ内にも通義ショッピングアシスタントが導入されました。アリババはエージェントがユーザーに代わって商品を購入することを許可していますが、このエージェントはまずアリババに属し、商品はタオバオおよび天猫から提供され、支払いとアフターサービスもアリババのエコシステム内に留まります。
過去のモバイルインターネットビジネスチェーンは、ユーザーがアプリを開くところから始まった。プラットフォームはホームページ、検索、レコメンド、広告を通じて選択を誘導し、その後取引と后续のマーケティングを完了した。システムエージェントは、この選択プロセスを前倒ししようとしている。ユーザーは美团（Meituan）、淘宝（Taobao）、携程（Ctrip）などのアプリを開く必要がなく、「コーヒーを注文して」「近くのホテルを予約して」と言うだけで済む。エージェントは要求を理解し、サービスを比較して結果を返し、アプリはバックグラウンドで注文を完了する。
ユーザーにとっては、わずかにステップが減るだけだ。しかしプラットフォームにとっては、ホームページの露出、検索広告、推奨順位、行動データが失われる可能性がある。アプリは取引を完了しているが、その取引がどこから始まったかを必ずしも把握していない。ユーザーの一杯のコーヒーは、淘宝フラッシュセール、美团、あるいはブランド自体のミニプログラムから得られる。宿泊施設は、携程、飛猪、美团、あるいは直営チャネルを通じて予約できる。システムエージェントがどの業者を優先するかが、注文、手数料、ユーザーデータの流れを決定する。
そのため、スーパーアプリはこの主導権を無条件でスマートフォンのシステムに委ねません。
今後より一般的になると予想される構造は、システムエージェントとアプリエージェントの役割分担である。システムエージェントはデバイスに近接し、ユーザーの位置、スケジュール、連絡先、および現在の意図を把握する。アプリエージェントはビジネスに近接し、商品、アカウント、ソーシャル関係、支払い、および履行を掌握する。モデル企業は理解と計画を担当し、スマートフォンメーカーはシステム権限とエンドクラウドのスケジューリングを担当し、ユーザーは支払い、削除、メッセージ送信などの節目で確認を行う。
栄耀はこれを「1つの主軸、複数の専門分野」と要約し、7月18日に発表したAgentic OSフレームワークでは、携帯型の主エージェントがユーザーの理解を担い、垂直エージェントや端末、クラウドモデルと連携する。栄耀はまた、阿里雲の千問と共同で、スマートフォン向けのモデルソリューションを開発すると発表した。
この構造は、どの企業もすべての能力を一括で譲渡する必要がないため、各関係者にとって受け入れやすいように見えます。スマートフォンメーカーはシステムのエントリーポイントを維持し、モデル企業はユーザーのタスクに参入し、インターネットプラットフォームはサービスと取引を引き続き掌握し、ユーザーは統一されたインタラクションインターフェースを獲得します。
しかし、インターフェースは技術プロトコルにすぎず、商業契約ではありません。システムエージェントがどのサービスを優先して推奨するかには、新しい並び替えルールが必要です。アプリがシステム配信に対して料金を支払うかどうか、スマートフォンメーカーが取引の収益分配に参加できるかどうか、モデル呼び出しコストを誰が負担するかについても、現在のところ明確な答えはありません。
長期記憶にさらに競争の層が加わった。連絡先、消費傾向、過去のタスクがスマートフォン、モデルアカウント、またはアプリ内に保存されるかによって、ユーザーがデバイスやサービスを変更した際に、どの関係を引き継げるかが決まる。インターフェースはエージェントが何を呼び出せるかを決定し、記憶はユーザーが誰から離れにくくなるかを決定する。
モバイルインターネットは前世代のインフラを消滅させませんでしたが、ユーザーがサービスにアクセスする方法を変化させました。エージェントがもたらす変化も、アプリを排除することではなく、ユーザーがタスクを開始する最初のステップをシステム層に移行することにあるかもしれません。
スーパーアプリにとって、守るべきのはランキング、取引、ユーザー関係である。
最後に
エージェントスマホは短期間で一つの路線に収束することはない。モデル企業がスマホブランドと提携する、モデル企業がエンドツーエンドで端末を製造する、従来のスマホメーカーがOSを守る、という3つの路線は短期間は共存するが、最終的にはすべて同じ一連のスーパーAppと交渉することになる。
アプリのアイコンやページは、ユーザーによる直接の起動回数が減る可能性があるが、プラットフォームが保有する商品、社会的関係、支払い、取引、リスク管理は消えなくなる。それらは、スマートフォンのフロントアプリから、エージェントの背後にあるサービスシステムへと移行する可能性が高い。GUIもすぐに廃止されることはない。未完了のインターフェース改修を要するロングテールアプリの処理は引き続き行う。一方、支払い、ソーシャル、取引などの高リスクタスクは、段階的にプロトコルインターフェース、権限階層化、ユーザー確認へと移行する。
《新立场》は、次に注目すべき点として、クロスアプリタスクがどれだけ回実行できるか、その途中でユーザーがどれだけ介入しなければならないか、微信、淘宝、美团、支付宝がどの機能を開放するか、アクティブユーザーがどれだけのクラウドコンピューティングリソースを消費するか、そしてこれらのサービスに料金を支払う意思があるかどうかであると考えている。
豆包が取り戻したその「手」こそ、このビジネスが本格的に始まる場所である。