Die zweite Generation des Doubao-Smartphones ist offiziell in den Verkauf gegangen, und für die Smart-Agent-Smartphones ist es an der Zeit, ihre Prüfung abzulegen.
Am 16. September wurde das Nubia NaviX Ultra offiziell zum Verkauf freigegeben. Es ist das zweite „Doubao-Handy“, das gemeinsam von ZTE und ByteDance entwickelt wurde, und wird offiziell als „KI-Agent-Handy“ positioniert.
Im vergangenen Dezember war sein Vorgänger noch ein Ingenieurgerät mit einem Preis von 3499 Yuan und einer limitierten Auflage von 30.000 Exemplaren, das man in Eile erwerben musste. Auf dem Gebrauchtmarkt wurde der Preis zeitweise weit über den Erstveröffentlichungspreis hochgetrieben. Die neue Generation des Doubao-Handys beginnt bei 5999 Yuan, nach staatlicher Subvention liegt der Startpreis bei 5499 Yuan. Vor der Markteinführung des neuen Geräts überschritt die kumulierte Anzahl der Vorbestellungen auf der Plattform JD.com allein 370.000.
Zwischen dem limitierten Ingenieurgerät und dem serienmäßigen Produkt liegen neun Monate. Dieses Mal muss das Doubao-Handy nicht mehr die Frage beantworten, „ob die Technik es schaffen kann“, sondern ob diese neue Produktkategorie überleben kann.
Vom Ingenieurgerät zum Produkt: Drei Schwachstellen schließen
Aus der von der Behörde veröffentlichten Konfigurationstabelle geht hervor, dass die Hardware-Grundlage des Doubao-Handys unter den Flaggschiff-Handys dieses Jahres nicht außergewöhnlich ist: Es ist mit der 5. Generation des Snapdragon 8 Elite-Plattform, einem 7100-mAh-Akku, einem 6,78-Zoll-Bildschirm von BOE, einer Dreifachkombination aus 200-Megapixel-Hauptkamera, 50-Megapixel-Ultraweitwinkelobjektiv und 64-Megapixel-Perkop-Teleobjektiv ausgestattet. Im Speicher ist der LPDDR5X von Changxin Memory mit einer maximalen Geschwindigkeit von 10667 Mbps verbaut. Erwähnenswert ist, dass dies das erste Mal ist, dass ein inländischer Hochgeschwindigkeits-Speicherchip in einem serienmäßigen Handy zum Einsatz kommt.
Was dieses Handy von gewöhnlichen Flaggschiff-Geräten unterscheidet, ist die unabhängige KI-Taste mit Fingerabdruckerkennung auf der rechten Seite des Gehäuses. Wenn Sie diese Taste drücken, wird keine bestimmte App aufgerufen, sondern ein Agent, der in die unterste Systemebene eingebettet ist. Er ist an das Seed-Voll-Duplex-Sprach-Großmodell angeschlossen, unterstützt unterbrechbare fortlaufende Gespräche und kann mehr als zehn Dialekte wie Minnan-Sprache, Hakka, Shanghaier Dialekt und Kantonesisch erkennen.
Die Hersteller fassen diese Fähigkeiten in vier Sätzen zusammen: verstehen können, Aufgaben erledigen können, sich merken können und ausreichend sicher sein.
In konkreten Szenarien sieht das so aus: Sagen Sie „Buchen Sie mir ein Hochgeschwindigkeitszugticket für nächsten Freitag nach Shanghai und anschließend ein Hotel in der Nähe des Bahnhofs Hongqiao“, dann durchläuft es selbstständig den vollständigen Prozess von Abfrage, Preisvergleich und Bestellung. Sagen Sie „Fassen Sie zusammen, worüber in dieser Feishu-Gruppe heute gesprochen wurde“, dann kann es Nachrichten lesen, eine Zusammenfassung erstellen und sie an bestimmte Personen weiterleiten. Sagen Sie zu einem Produkt „Schauen Sie mir, wo es günstiger ist“, dann erkennt es den Bildschirm, vergleicht Preise und gibt Einkaufsvorschläge.
Im Vergleich zum Ingenieurgerät des letzten Jahres liegt die größte Veränderung dieser Generation nicht darin, dass es „klüger“ ist, sondern darin, dass es „mehr wie ein Produkt wirkt“. Die Veränderungen gibt es hauptsächlich an drei Stellen.
Die erste Stelle ist die Positionierung. Das vorherige Nubia M153 war eine technische Vorschauversion, die sich an Fachleute der Branche und frühe Neugierige richtete und in limitierter Auflage verkauft wurde. Diese Generation wird als Verbraucherversion bezeichnet, die gesamte Serie beginnt mit 512 GB, hat vier Farbvarianten und folgt dem Weg des serienmäßigen Einzelhandels.
Die zweite Stelle sind die Regeln. Die vorherige Generation hat durch „Bildschirmlesen“ direkt Operationen simuliert und stieß am nächsten Tag nach der Markteinführung auf die Risikokontrolle der Anwendungsanbieter, was zu erheblichen Problemen führte.
Diese Generation hat einen vollständigen Satz von Regeln ergänzt, das Protokoll für die automatisierte Bildschirmoperation (SAEP) eingeführt und eine 30-tägige Regeloffenlegung gestartet. Drittanwendungen können selbst entscheiden, ob sie der KI erlauben, Bildschirmoperationen durchzuführen. Während der Offenlegungszeit bedient der Doubao-Assistent grundsätzlich nur systemeigene Anwendungen, Anwendungen von ByteDance und Drittanwendungen, die ausdrücklich der Integration zugestimmt haben. Bei sensiblen Aktionen wie Zahlungen wird die Identität über die Fingerabdrucktaste bestätigt, und die Berechtigungen des Agenten werden nach Ebenen gestuft.
Die dritte Stelle ist die Kommerzialisierung. Die erste Generation des Doubao-Handys kostete 3499 Yuan und war auf 30.000 Exemplare beschränkt. Die neue Generation hat einen serienmäßigen Preis ab 5499 Yuan, und der Lagerbestand wurde auf etwa 200.000 Exemplare erhöht.
Zusammengefasst ist das Wesen dieser Generation, das, was die vorherige Generation „technisch funktionieren konnte, aber im Ökosystem auf Hindernisse stieß“, neu zu einem Produkt zu ordnen, das ins Regal gestellt werden kann.
Der Fehlschlag der ersten Generation ist der Ausgangspunkt für alle Maßnahmen der zweiten Generation
Der Grund, warum die zweite Generation des Doubao ihre Anstrengungen auf die „Ergänzung von Regeln“ richtet, liegt direkt in den Fehlschlägen der ersten Generation.
Das ursprüngliche Doubao-Handy erregte über Nacht Aufmerksamkeit durch die recht radikale technische Route des Bildschirmlesens: Der Agent braucht keine offenen Schnittstellen der Anwendungen, sondern schaut wie ein Mensch auf den Bildschirm, klickt und gibt ein, um Aufgaben anwendungsübergreifend zu erledigen.
Der Vorteil dieser Route ist sofort sichtbar, man muss nicht auf die Zusammenarbeit des Ökosystems warten. Der Nachteil ist ebenso offensichtlich: Sie umgeht die Autorisierung der Anwendungsanbieter. Sobald der Umfang ausgedehnt wird, sind Konflikte fast unvermeidlich.
Am nächsten Tag nach der Markteinführung des ersten Ingenieurgeräts im vergangenen Dezember meldeten Benutzer, dass beim Betrieb von WeChat durch Doubao das Konto mit dem Hinweis „Anmeldeumgebung abnormal“ gewarnt wurde, und einige Konten wurden zwangsweise abgemeldet oder kurzzeitig gesperrt. In Anwendungen der Alibaba-Gruppe wie Taobao, Xianyu und Damai traten häufig Mensch-Maschine-Verifizierungen, Abstürze und zwangsweise Abmeldungen auf. Apps wie die Agricultural Bank of China und die China Construction Bank haben die Anmeldung und Zahlung unter dem Vorwand einer „Risikoumgebung“ abgebrochen.
Die Gründe für diese Gegenmaßnahmen sind nicht einheitlich: Wenn Doubao für den Benutzer arbeitet, öffnet der Benutzer diese Apps nicht mehr selbst. Startbildschirm-Werbung, Datenverkehr innerhalb der Plattform und Benutzerdaten gehen verloren, darüber hinaus besteht das Risiko des Datenschutzverlusts. Die Risikokontrolle der Plattformen schützt die Grundregel, dass „der Benutzer die App persönlich nutzen muss“.
Die zweite Generation antwortet mit dem SAEP-Protokoll und der 30-tägigen Offenlegung, sodass die Apps selbst erklären können, ob sie von der KI bedient werden wollen. Die Frage „ob es bedient werden kann“ wird nicht mehr nur von Doubao einseitig entschieden, sondern wird sowohl durch die Benutzerautorisierung als auch die App-Autorisierung bestätigt.
Tatsächlich ist diese Zurückhaltung nicht vollständig eine eigene Entscheidung von Doubao. Am 15. Juli dieses Jahres veröffentlichte das Cyberspace-Verwaltungsamt Chinas erstmals konzentriert die Registrierungsinformationen der generativen KI-Dienste auf der Handy-Seite von sieben Herstellern: Apple, Huawei, vivo, OPPO, Xiaomi, Samsung und Nubia. Was die KI im Handy tun kann und was nicht, wird in den regulatorischen Rahmen aufgenommen. Die „Regelerstellung“ des Doubao-Handys ist sowohl eine passive Korrektur nach dem Aufprall auf die Wand als auch eine aktive Anpassung an die verschärften Branchenregeln.
Obwohl das Doubao-Handy einige Verbesserungen im Bereich der Sicherheit und des Datenschutzes der Benutzer vorgenommen hat, sind die Probleme dadurch nicht verschwunden. Derzeit gibt es mindestens drei ungelöste Punkte.
Erstens gibt es weiterhin eine Ökosystemgrenze. Derzeit deckt die Sprachbedienung des Doubao-Handy-Assistenten vorrangig die eigenen Produkte von ByteDance ab. Bei Drittanwendungen sind bisher nur wenige wie Caocao Mobility integriert. Hochfrequenz-Einstiege wie WeChat, Taobao und Alipay sind noch nicht im bedienbaren Bereich. Wenn ein „aufgabenfähiger“ Agent die am häufigsten ausgeführten Aufgaben nicht erledigen kann, ist die Obergrenze der Benutzererfahrung vorgegeben.
Zweitens ist die Erfolgsrate eine Schwachstelle. Auf der Pressekonferenz der Hersteller wurde angegeben, dass die Erfolgsrate von End-to-End-Aufgaben über 80 % liegt, aber diese Zahl stammt aus den von den Herstellern selbst festgelegten Szenarien. Wenn man über ein einzelnes Produkt hinaus auf die gesamte Agent-Branche blickt, weisen die von der China Academy of Information and Communications Technology auf der World Artificial Intelligence Conference zitierten Bewertungsdaten von OSWorld darauf hin, dass die allgemeine Erfolgsrate von Agenten bei der Ausführung von langen Kettenaufgaben mit mehr als 500 Schritten nur 18 % beträgt.
Drittens ist die Frage, ob „Aufgaben per Spracheingabe erledigen“ ein dringendes Bedürfnis ist, bisher noch unbeantwortet. Der Hype um das erste Ingenieurgerät auf dem Gebrauchtmarkt ist nach der Veröffentlichung schnell zurückgegangen, und wie viele der 370.000 Vorbestellungen dieser Generation zu echten Verkäufen umgewandelt werden, wird sich erst nach dem ersten Verkaufsstart zeigen.
Vier Routen mit eigenen Wetten, der Konsens hat sich gelöst
Wenn man das Doubao-Handy nur als ein neues Produkt betrachtet, beeinflusst sein Verkaufsergebnis höchstens den Quartalsbericht von ZTE. Die Bedeutung dieses Handys geht darüber hinaus: Es ist das erste Mal, dass die Produktkategorie „KI-Agent-Handy“ in serienmäßiger Form die Markttestung durchläuft. Daneben haben zu diesem Zeitpunkt mehrere Hersteller auf unterschiedliche Richtungen gesetzt.
Honor verfolgt die Route der „Verkörperung“. Das am 12. August vorgestellte Robot Phone ist mit einer vier Freiheitsgrade umfassenden Titan-Gimbal im Gehäuse ausgestattet, die Kamera kann drehen, verfolgen, und sogar nicken und den Kopf schütteln. Der Startpreis liegt bei 9999 Yuan. Honors Antwort ist, dem Handy einen „Körper“ zu geben, damit die KI von der digitalen Intelligenz auf dem Bildschirm in die physische Welt gelangt.
Step Star verfolgt die „native“ Route. Sein STEPX Neo ist mit dem selbst entwickelten agentennativen Betriebssystem Step AOS ausgestattet, das das System von Grund auf neu aufbaut, mit dem eingebetteten persönlichen Agenten Amoo und dem seitlichen Modell StepEdge. Auf der Rückseite des Gehäuses befindet sich zusätzlich ein interaktiver Zusatzbildschirm.
STEPX Neo ist derzeit das einzige Agent-Handy, das den L3-Test für intelligente Klassifizierung bestanden hat. Zu den ersten Ökosystempartnern gehören Namen wie Meituan, Alipay, Didi und Ctrip. Bisher wurde jedoch kein Zeitplan für die Serienproduktion dieses Handys vorgelegt, und die Behörde gab offen zu, dass die Liefermenge nicht im Voraus festgelegt wurde.
Huawei setzt weiterhin auf einen selbst entwickelten geschlossenen Kreislauf. Kirin-Chip, Pangu-Großmodell und HarmonyOS arbeiten zusammen. Das im September vorgestellte HarmonyOS 7 hat Xiaoyi zu einem systemweiten Agenten aufgewertet, der mehr als 200 systemweite Benutzerdaten wahrnehmen, mehr als 2100 Systemfunktionen, mehr als 2000 Harmony-Agenten und mehr als 500 von Partnern ausgewählte Fähigkeiten aufrufen kann. Die Zuversicht von Huawei, diese Route zu wählen, liegt darin, dass sowohl der Chip als auch das System in eigener Hand sind.
Vier Routen geben vier Antworten auf die Frage „Was sollte ein KI-Handy sein“. Die Meinungsverschiedenheit selbst ist nichts Schlechtes: Sie zeigt, dass es noch keine Standardantwort für diese Angelegenheit gibt und dass noch kein Unternehmen den Weg vollständig gemeistert hat. Wer richtig und wer falsch liegt, kann derzeit nicht beurteilt werden.
Diese vier Routen zeigen eine Gabelung in der Evolution von Smartphones: Die Integration von Agent-Fähigkeiten in Handys ist bereits ein feststehender Trend. Die echte Ungewissheit liegt darin, ob es letztendlich dazu führt, dass der Begriff „Smartphone“ aktualisiert wird, oder ob eine unabhängige neue Produktkategorie daraus hervorgeht.
Diese Ungewissheit hat vorerst keine Antwort, da die Branche noch nicht einmal klar gedacht hat, „wie ein KI-Handy aussehen soll“.
In den letzten zehn Jahren war die Form von Smartphones fast einheitlich: Ein Touchscreen, ein Bildschirm voller App-Symbole. Heute ist der Agent zu einem neuen Einstiegspunkt außerhalb der Symbole geworden. Nur in welcher Form dieser neue Einstiegspunkt erscheint, haben die Wetten der Hersteller bereits auseinandergegangen.
Das Gleiche gilt für die Normebene. Der nationale Standard „Klassifizierung der Intelligenz von KI-Endgeräten“, der vom Ministerium für Industrie und Informationstechnologie im Mai dieses Jahres veröffentlicht und umgesetzt wurde, unterteilt die Endgeräteintelligenz von L1 bis L4. In den ersten Tests im Juli erreichten 66 Produkte von 17 Unternehmen gerade das L3-Unterstützungsniveau und haben das höchste L4-Kooperationsniveau noch nicht erreicht.
Auch der Markt verändert sich. Nach der Prognose von Counterpoint Research im Juni dieses Jahres werden im Jahr 2026 45 % der weltweit ausgelieferten Handys generative KI unterstützen, im Jahr 2027 steigt dieser Anteil auf 52 %. Der Markt wird immer größer, aber die Verteilung ist noch nicht festgelegt.
Letztendlich muss die Antwort von den Benutzern gegeben werden. Früher wurden Benutzer zum Wechseln des Handys angetrieben durch bessere Erfahrungen mit größerem Bildschirm, schnellerem Chip und besserer Kamera. Als diese drei Dimensionen die Obergrenze erreichten, wird von KI-Agenten erwartet, dass sie ein neuer Grund für den Handywechsel werden.
Ob diese Erwartung erfüllt werden kann, hängt von zwei Dingen ab: Erstens, ob der Agent von einer neuartigen Funktion zu einem alltäglichen dringenden Bedürfnis werden kann, und zweitens, ob er das Ökosystem der Super-Apps erschließen kann. Ersteres bestimmt, ob Benutzer bereit sind, ihr Handy dafür zu wechseln, Letzteres bestimmt, wie groß der Bereich der Aufgaben ist, die es erledigen kann.
Derzeit hat das Doubao-Ingenieurgerät bewiesen, dass es „technisch machbar ist“. Jetzt ist der Markt an der Reihe, zu beweisen, dass es „kaufenswert ist“. Die Antwort des Doubao-Handys ist bereits eingereicht, und diejenigen, die sie korrigieren, sind jeder einzelne echte Benutzer in den nächsten Monaten.