文｜Sleepy、思维怪怪
2025年12月、長く噂されていた「豆包スマホ」がついに登場した。それは豆包スマホアシスタントの技術プレビュー版を努比亚M153の試作機に搭載し、発売価格は3499元で、初回約3万台が発売当日に完売した。
発売直後の数日間、彼は海鲜市場で価格が数倍にも跳ね上がった。動察 Beating 編集部は2台を購入した。
それは非常に使いやすいスマホだからというわけではなく、逆に、初代豆包スマホは「技術プレビュー版」であり、体験はそれほど良くありませんでした。しかし、私たちが特に興奮したのは、これがAIをチャットボックスから引き出し、チャットボットからAIエージェントへと変貌させ、スマホを操作できるようになった最初の事例である点です。
豆包スマホでは、AIが画面を表示でき、あなたが閲覧している内容を理解し、あなたの声を聞き取り、異なるアプリ間を移動でき、チケット検索、価格比較、クーポン取得と注文、写真編集など、多くのタスクを直接代行できます。支払いのような敏感なステップはまだユーザー自身の確認が必要ですが、AIはかつて私たちが一つずつクリックして行わなければならなかった多くの操作をすでに独自に完了できるようになっています。
まだ少し鈍く、時々反応が遅かったり、止まったりして、スマートフォンを使い始めたばかりのように不器用ですが、これにより私たちは初めて、AIが日常に導入されることがどれほど便利なのかを実感しました。
その後、ロブスターが登場し、世界中でブームとなった。AI Agentは、ChatGPTの登場以降、AI分野におけるもう一つのiPhone瞬間となり、多くの企業や起業家がOpenClawをプリインストールしたパソコンやスマートフォンを売り出した。豆包スマホはそれらよりも少なくとも1バージョン先行しており、甚至このAgentブームの先駆けと言える。
しかし、豆包のモバイルアプリはすぐに大手企業たちの包囲網に遭ってしまった。微信、淘宝、支付宝、銀行アプリなどのシーンで次々とアクセスや操作が阻害されるようになった。これを「封殺」と言う人もいれば、単にリスク管理が発動しただけだと言う人もいるが、ユーザーにとってはどちらでも違いなく、使えなくなってしまった。
大変残念ですが、豆包スマホは確かに成熟した消費者向け電子製品ではありませんが、業界全体に次世代の入口の姿を示しました。
豆包スマホの話題が落ち着いたとはいえ、私たちはこの件を完全に放っておいていません。最近、私たちの日常的な情報収集で数千件の求人情報をキャッチし、分析したところ、バイトダンスがスマホ開発を再開しようとしている可能性があることがわかりました。
三つの口径、一つの手がかり
私たちは、字節跳動の公式採用ページから、AIイノベーション事業、モバイルOS、および豆包モバイルアシスタントの3つの分野を収集しました。
職位IDで重複を除去した後、詳細ページの情報をさらに収集し、職務名、職務内容、応募要件内のキーワードをもとに交叉整理しました。
一般的AIアプリチームの採用とは異なり、バイトダンスの今回の中途採用には、スマートフォンOS、カメラ、タッチ操作、ネット接続、バッテリー持続時間、発熱、チップ対応、構造設計、本体製造プロセス、生産ラインテストなどの職種も含まれている。
これらの用語はインターネット企業ではあまり見られず、スマートフォンメーカー、サプライチェーン企業、エンジニアリングチームが日常的に扱うものです。
バイトは工場に人を採用する。
しかし、これはバイトダンスが自社のスマートフォンブランドを展開することを意味するわけではありませんが、少なくとも彼らがスマートフォンレベルの端末の開発を再開していることは確実です。
では、これらの職種自体が何を示しているかを見てみましょう。
豆包モバイルアシスタント：質問に答えることから、代わりに実行するまで
まず豆包モバイルアシスタントをご覧ください。
我々はさらに焦点を絞った選別作業を行い、元のデータから名称、説明、要件に「豆包手机助手」という言葉が含まれる求人を検索したところ、合計83件を特定しました。これらの求人は、システムレベルのAIエージェントの形状を形成する3つのカテゴリに分類できます。
第1類の職務は、AIにエージェントとしての機能を持たせることを担当します。
たとえば、「Agent開発エンジニア－豆包モバイルアシスタント」という職種では、AIがタスクの分解、コンテキストの整理、ツールの呼び出し、メモリの検索、ステータス管理、結果の検証、およびエラーからの復旧を実行できるようにする必要があります。これは、現在私たちが使用しているすべてのAI Agentの基本的な能力です。
第2類の職務では、AI Agentが良い記憶を持つように担当します。
職種には「認識と記憶」「ユーザー記憶」「個人的な知識グラフ」「長期的な好み」などの分野が含まれています。AIエージェントを私たちの生活に真正に溶け込ませるためには、毎日私たちを初めて知るかのように振る舞うのではなく、信頼でき、安定した長期記憶を持つ必要があります。
もちろん、これはプライバシーと境界線に触れる可能性がありますが、採用情報によると、バイトダンスは少なくとも「記憶」を豆包モバイルアシスタントの最も重要な機能の1つとして開発し始めています。
第3類の職務は、AIエージェントがスマートフォン内でその能力を発揮できるようにすることです。
豆包モバイルアシスタントがユーザーに代わってスマートフォンを操作するためには、クラウド上にのみ存在するだけでなく、単なるアプリでもありません。モデル、メモリー、タスク実行、エッジデバイスへのデプロイ、システムアプリ、音声・動画、通信、テストおよび品質保証という一連の機能を備えなければ、ユーザーの言葉を理解し、環境を把握し、デバイス間で連携し、常に待機状態で、トラブルなく動作することはできません。
モバイルOS：スマホの底层がAgentの課題である
改めてモバイルOSを見てみましょう。
モバイルOS関連の職位は236件あり、主要な勤務地は北京、上海、深圳に集中しています。職務内容では、「カーネル」「チップ」「ドライバー」「カメラ」「ディスプレイ」「オーディオ」「ネットワーク」「電力消費」「熱管理」「量産納品」という語が繰り返し登場しています。これらはほぼすべて、ハードウェアやスマートフォンの低レベルシステムに近い用語です。
例えば、「カーネルリーダー－モバイルOS」の職務内容には、メモリとストレージチームを率いて、新しいクアルコムプラットフォーム向けのカーネル適応と開発を実施し、システムが主要なスマートフォンチップと連携できるようにするとともに、スマートフォン内のメモリとストレージを管理することが記載されています。これらの能力は、AIエージェントがリアルタイムで応答し、バックグラウンドでタスクを処理するために不可欠です。
例えば、職種にはSoC、BSP、RTOSといった用語も登場します。SoCはスマートフォンのコアチップと概ね理解できます。BSPは、システムとハードウェアが互いに認識し協調するための低レベルソフトウェアです。RTOSは、応答性と電力消費に高い要件があるシナリオでよく使用されます。
したがって、モバイルOSポジションから示されるシグナルは、バイトダンスがモバイル端末システムの知識を持つ人材を採用しているということであり、彼らはAIエージェントがスマートフォン上で動作した際に、どこで権限の問題に直面するか、どこで電力消費の問題が発生するか、どこでシステムの安定性が損なわれるかを理解している必要があり、どの問題をチップメーカー、ベンダー、テストチームと協力して解決すべきかを把握している必要がある。
採用中のこれらの職種の要件から見ると、バイトダンスはすでにスマートフォンの深層領域に入っている。
深圳坐标：硬件和量产的信号
また、深圳に拠点を置くポジションは別途確認する必要があります。
北京のポジションはモデル、アルゴリズム、プラットフォームに重点が置かれており、上海のポジションは製品とエンジニアリングに重点が置かれているとすれば、深圳のポジションはハードウェア、サプライチェーン、テスト、量産に関連することが多いです。
プロジェクトがクラウドサービスのみである場合、深センはそれほど重要ではないが、実物製品に関わるようになると、深センは非常に重要になる。
深圳の関連職種で見られるのも、まさにこれらのものです。
一部の職種はヒューマン・コンピュータ・インタラクション設計を担当し、ハードウェアの物理的インタラクション、ソフトウェアインターフェースのインタラクション、複数端末間の連携体験をカバーします。これらの職種では、画面内のインターフェースの設計だけでなく、物理デバイスの触感、ボタン、起動方法、他のデバイスとの連携方法も考慮します。
さらに、インターコネクト、電力消費、短距離通信、ベースバンド、全体プロセス、構造、テストプロセスなど、エンジニアリング現場に近い職種もあります。
これらの用語は「エージェント」「マルチモーダル」「ワールドモデル」と比べると、それほど魅力的ではない。しかし、消費電子製品の生死は最終的にこれらの要素で決まる。
もしバイトが豆包をより優れたモバイルアプリにしたいだけなら、これほど多くの苦労をすることはない。このような職種の採用を始めたら、すでにこの船に乗り込んだことを意味する。
バイトはアプリだけではいけない
かつて、携帯電話はアプリの容器だったが、AI時代には、携帯電話がエージェントの体になるかもしれない。
もし携帯電話がアプリの単なる容器であるなら、バイトダンスのような企業は、コンテンツ、アルゴリズム、製品力によって次々とアプリを展開し、自らの王国を築くことができる。しかし、もし携帯電話がエージェントの体になるなら、ユーザーはまずタスクを発信し、そのタスクを引き受ける者が、その後の経路を決定する機会を得る。
このパスでは、App が呼び出可能なツールとして降格されます。これは、すべてのスーパー App に不快感を与えます。なぜなら、Agent は本来、中間層を飛び越えるように設計されているからです。
したがって、本当に難しい点は、豆包がアプリを開けるかどうかではなく、他の人がそれを開くことを許可するかどうかにある。ユーザーに代わって意思決定できるAIは、普通のアプリのように簡単に許可されることはあり得ない。
エージェントがチャットボックスから操作層へ移行するには、かつてAIチームの責任外だった多くの面倒で重労働なタスクを処理しなければならない。システムがバックグラウンドを終了するタイミング、操作がリスク管理をトリガーするタイミング、スマホが発熱する理由、工場の良品率が上がらない理由を理解しなければならない。これらの課題はかつてAIチームの管轄外だったが、今や避けられないものとなった。
したがって、バイトダンスはこれらの職種を採用する必要がある。バイトダンスが実際にスマートフォンを発売するとは限らないが、バイトダンスはもはや他のスマートフォン内のアプリにとどまることはできない。
大規模モデル企業が次世代のユーザー入口となるためには、他者のオペレーティングシステムに永遠に依存し続けるわけにはいかない。