Hat das Doubao-Smartphone die Nische des iPhones erobert?

Am 16. September wurde das Nubia NaviX Ultra offiziell vorgestellt, das von vielen als die zweite Generation des Doubao-Handys bezeichnet wird.

Dieses Handy ist mit der Verbraucherversion des Doubao-Handyassistenten ausgestattet. Die seitliche AI-Taste ist mit einer Fingerabdruckerkennung integriert, sodass Doubao direkt in den Arbeitszustand versetzt werden kann, sobald man sie drückt; man kann es auch jederzeit mit dem Ruf „Doubao, Doubao“ aufrufen.

Vom Öffnen der Doubao-App bis zum direkten Aufwecken des Doubao-Handyassistenten wird die Distanz zwischen dem Agenten und der Aufgabe verringert.

Das Wesen eines Agenten ist der Eingang für Aufgaben. Das endgültige Ziel besteht darin, dass der Nutzer nur seine Bedürfnisse ausdrücken muss, und der Agent kann das Ergebnis liefern.

Vor zwei Tagen wurde die neue Generation von Siri AI endlich veröffentlicht, und Apple hat endlich die Antwort auf den mobilen Agenten vorgelegt; aber egal wie gut das iPhone verkauft wird, diese Fähigkeiten sind im Inland noch nicht nutzbar.

An dieser Stelle hat der Doubao-Handyassistent einen Schritt vorgelegt.

Die Version des Nubia NaviX Ultra mit 12GB+512GB kostet 5999 Yuan, nach staatlicher Subvention beginnt der Preis bei 5499 Yuan. Nach dem Verkaufsstart mit Lagerware veröffentlichte Nubia schnell den ersten Verkaufsbericht: Der Umsatz überstieg innerhalb einer Sekunde 100 Millionen Yuan.

Agent ist der Eingang

Auf der Pressekonferenz am 16. September zeigte Ni Fei, Präsident von Nubia, einen „speziellen“ Fall: Ein blinder Nutzer hob das Handy und richtete die Kamera auf die schöne Landschaft vor seinen Augen. Doubao erkannte die Umgebung, Objekte und Informationen vor ihm und teilte ihm das Ergebnis per Sprache mit.

Für normale Nutzer mag dies nur eine visuelle Frage-Antwort sein, aber für eine Person, die nicht sehen kann, wird die Handykamera plötzlich zu einem Paar „Augen“, das jederzeit aufgeweckt werden kann.

Dies ist nicht vollständig eine neue Fähigkeit. Doubao konnte ursprünglich Bilder betrachten, Objekte erkennen und den Inhalt vor der Linse verstehen. Die eigentliche Änderung besteht darin, dass im Doubao-Handyassistenten diese Fähigkeiten nicht mehr erfordern, zuerst eine App zu öffnen, die Funktion zu finden und dann das Bild an die KI zu übergeben.

Wenn das Bedürfnis entsteht, ist die KI bereits in der Hand.

Nubia hat auf der Pressekonferenz eine Gruppe von Daten vorgelegt: Vor dem Aufkommen des intelligenten Handys erforderte eine mobile Aufgabe durchschnittlich 11 Klicks und 44 Wischbewegungen. Eine Person entsperrt das Handy 68 Mal pro Tag und berührt den Bildschirm insgesamt mehr als 2600 Mal.

KI-Funktionen im Handy sind nichts Besonderes: Bildbearbeitung, Zusammenfassung, Übersetzung, Suche – fast jedes Handy kann dies tun, aber diese Fähigkeiten sind meistens noch einzelne Werkzeuge, bei denen der Nutzer selbst den Eingang finden muss.

Das KI-Agenten-Handy hofft, einen Schritt weiter zu gehen und den Vorgang des „Findens des Eingangs“ so weit wie möglich zu reduzieren. Der Nutzer muss nur sein Bedürfnis ausdrücken, und der Agent erledigt den Rest für Sie.

Die erste offensichtliche Änderung der zweiten Generation des Doubao-Handys besteht darin, den Doubao-Handyassistenten einfach zu bedienen und jederzeit verfügbar zu machen.

Die seitliche AI-Taste des Handys ist mit einer Fingerabdruckerkennung integriert. Nach der Überprüfung der eigenen Identität ist keine zweite Entsperrung erforderlich, und der Doubao-Handyassistent kann direkt aufgerufen werden. Wenn das Drücken der Taste unbequem ist, kann man es auch mit dem Ruf „Doubao, Doubao“ aufrufen.

Die Spracherkennung ist außerdem mit dem Seed-Voll-Duplex-Modell verbunden, das kontinuierliche Kommunikation und Unterbrechungen in der Mitte unterstützt. Sie wurde für Fernfelder, Dialekte sowie laute Umgebungen wie U-Bahnen und Straßen optimiert und passt sich jeder Situation und Umgebung an.

Um sicherzustellen, dass der Doubao-Handyassistent jederzeit Aufgaben übernehmen kann, hat das NaviX Ultra einen 7100-mAh-Akku in das 7,62 mm dünne Gehäuse eingebaut und speziell das Star-Dome-Gesamtkommunikationssystem sowie die Verbesserung der gesamten Netzwerkkommunikation entwickelt.

Gleichzeitig stellen Flaggschiff-Konfigurationen wie der fünfte Snapdragon 8 Elite, ein Speicher ab 512GB und eine Hauptkamera mit 200 Millionen Pixeln sicher, dass es zuallererst ein Handy ist, das langfristig als Hauptgerät verwendet werden kann.

Aber die ständige Verfügbarkeit ist nur der erste Schritt. Ein Agent, der Dinge erledigen kann, muss auch wissen, was Sie gerade tun.

Der Doubao-Handyassistent beginnt, mehr Kontextinformationen im Handy an die KI weiterzugeben. Sie können direkt Fragen zum Inhalt auf dem aktuellen Bildschirm stellen, ohne Screenshots zu machen, zu kopieren und dann die Doubao-App zu fragen. Nach der Autorisierung durch den Nutzer können lokale Informationen wie Alben, SMS und Notizen auch direkt durchsucht werden. Wenn Sie etwas Wertvolles sehen, können Sie mit dem Satz „Merke dir das“ oder einer Geste den aktuellen Bildschirm in Ihrem persönlichen Gedächtnis speichern und bei Bedarf abrufen.

Die Tonaufnahme ist bereits mit Feishu Miaoji verbunden. Nach Ende der Konferenz kann die Transkription direkt abgeschlossen werden, Sprecher werden unterschieden, Inhalte zusammengefasst und übersetzt. Der Nutzer kann auch weiter fragen, was genau in dieser Konferenz besprochen wurde.

Diese Fähigkeiten mögen für sich genommen nichts Besonderes sein, aber wenn sie in denselben Kontext integriert werden, muss der Nutzer der KI nicht wiederholt sagen, was er früher getan hat und was er gerade tut. Je mehr der Agent weiß, desto weniger Zwischenschritte muss der Mensch selbst erledigen.

Ein Schritt weiter geht es darum, ob der Agent die Angelegenheit des Nutzers tatsächlich vollständig erledigen kann.

Nubia enthüllte auf der Pressekonferenz, dass die Erfolgsrate von Ende-zu-Ende-Aufgaben des Doubao-Handyassistenten derzeit über 80% liegt. Wenn eine komplexe Anforderung an ihn gestellt wird, beurteilt das Modell selbst, welche Ausführungsmethode verwendet wird, zerlegt die Schritte und passt sie an, wenn sich während der Ausführung Änderungen ergeben. Auf der Pressekonferenz wurde sogar eine Langstreckenaufgabe mit „Hunderten von Schritten und einer Dauer von mehreren zehn Minuten“ vorgelegt, bei der neue Anweisungen jederzeit eingefügt werden können und der Vorgang auch nach dem Sperren des Bildschirms nicht stoppt.

Aufgaben können im Hintergrund ausgeführt und in die Warteschlange gestellt werden. Der Nutzer muss nicht ständig auf das Handy schauen, um zu sehen, in welchem Schritt es sich befindet. Er kann zwischendurch weitere Bedingungen hinzufügen und neue dringende Aufgaben einfügen. Wenn der Nutzer vorübergehend die Kontrolle übernimmt, pausiert die KI und setzt den Vorgang nach dem Verlassen fort.

In der eigenen Ökologie von ByteDance sind Dienste wie Feishu und Qishui Music bereits direkt vom Doubao-Handyassistenten aufrufbar.

Außerhalb von ByteDance umfassen die derzeit explizit integrierten Drittanbieter Caocao Chuxing und Kartendienste. Die Doubao-Seite gibt an, dass die Entwicklerzugänglichkeit bereits geöffnet ist und die Dienstökologie in Zukunft kontinuierlich erweitert wird.

Die beeindruckendste GUI-Fähigkeit des M153 vom letzten Jahr bleibt in der Beta-Version erhalten. Bei Diensten, die keine direkte Schnittstelle haben, aber die GUI-Automatisierung zulassen, kann Doubao den Bildschirm weiterhin verstehen, menschliche Klicks und Wischbewegungen simulieren und für den Nutzer in der App operieren.

Aber die zweite Generation fügt dieser „Hand“ Grenzen hinzu. Der Doubao-Handyassistent führt gleichzeitig das SAEP-Protokoll (Screen Automated Operation Statement Protocol) ein. Drittanbieter-Apps können selbst entscheiden, ob sie die automatische Operation durch KI zulassen, und sie können spezifische Berechtigungen wie Screenshots, simulierte Eingaben und Inhaltsänderungen weiter einschränken.

Für SAEP ist derzeit eine 30-tägige Bekanntmachungsfrist festgelegt. Während dieser Zeit werden Drittanbieter-Apps, die nicht ausdrücklich zugestimmt haben, standardmäßig nicht vom GUI-Agenten bedient. Nach Ende der Bekanntmachungsfrist werden Apps, die ausdrücklich ablehnen, weiterhin nicht bedient, während Apps, die keine Stellungnahme abgegeben haben, schrittweise entsprechend dem Anwendungsrisikoniveau geöffnet werden.

Wenn Drittanbieter bereit sind, tiefer zusammenzuarbeiten, können sie ihre Fähigkeiten auch über A2A, MCP oder offizielle Schnittstellen direkt für den Agenten freigeben.

Natürlich ist die zweite Generation des Doubao-Handys noch nicht perfekt. Die Integration externer Drittanbieterdienste ist noch begrenzt. Externe E-Commerce-Plattformen wie Taobao und JD können derzeit nicht direkt bedient werden. Aber im Vergleich zum technischen Prototyp vom letzten Jahr hat die zweite Generation dieses Agenten-Erlebnis zu einem Serienhandy gemacht, das offiziell an normale Verbraucher verkauft wird. Nubia bezeichnet es direkt als „das weltweit erste KI-Agenten-Handy“.

Vom direkten Aufwecken des Doubao-Handyassistenten über das Verstehen des Nutzerkontexts bis zum Aufrufen eigener Dienste und immer mehr Drittanbieter-Apps erweitert die zweite Generation des Doubao-Handys schrittweise den Umfang der Aufgaben, die der Agent übernehmen kann.

Lassen Sie zuerst die KI jederzeit verfügbar sein, dann lassen Sie sie Sie immer besser verstehen, und schließlich lassen Sie sie die Angelegenheit wirklich vollständig erledigen.

Einem Doubao einen Körper geben

Im Dezember letzten Jahres, als das Nubia M153 verkauft wurde, hat ByteDance Doubao zum ersten Mal einen echten Körper gegeben, der tatsächlich „die Hand ausstrecken“ kann. Es kann selbst Apps öffnen, Seiten erkennen, Tasten klicken und das Handy wie ein Mensch bedienen.

Das Doubao-Team betonte von Anfang an, dass es keine Pläne zur Entwicklung von Handys habe, sondern mit Handyherstellern auf Betriebssystemebene zusammenarbeite. Das M153 selbst wurde auch als technischer Vorschau-Prototyp positioniert, der hauptsächlich dazu dient, zu überprüfen, ob Doubao tatsächlich als Handyassistent in die Systemebene integriert werden kann.

Aber dieser Prototyp hat eine gute Resonanz erhalten, und die Marktreaktion übertraf die Erwartungen bei weitem. Später enthüllte Jiemian News, dass die erste Lieferung etwa 30.000 Einheiten betrug und innerhalb von weniger als 24 Stunden nach dem Verkaufsstart ausverkauft war. Sein ursprünglicher Preis betrug 3499 Yuan, und auf dem Gebrauchtmarkt entstand schnell ein Aufschlag von mehreren tausend Yuan.

Dies war ein sehr mutiger Versuch mit einer fortschrittlichen Form, die sogar die App-Logik durchbrach, die das mobile Internet seit mehr als zehn Jahren nutzt, um direkt in das Zeitalter der Agenten zu gelangen und die Bedürfnisse der Menschen direkt zu erledigen.

Daher stieß es auch auf viele reale Barrieren.

Die Erfahrungen der ersten Generation wurden zur Grundlage für die Weiterentwicklung der zweiten Generation. Zumindest hat sie zwei Antworten geliefert: Erstens sind die Nutzer wirklich bereit, ein Handy auszuprobieren, bei dem die KI tief in die Bedienung eingebunden ist. Zweitens wird das Handy nicht mehr nur der Träger der KI sein, wenn der Agent beginnt, tatsächlich Dinge für die Menschen zu erledigen, sondern zu dem Ort, an dem die KI mit dem gesamten mobilen Internet interagiert.

Nachdem das M153 ausverkauft war, ging die Entwicklung des nächsten Handys – also des heutigen Nubia NaviX Ultra – schnell in die Vorbereitungsphase. Im Juli dieses Jahres wurde die zweite Generation des Doubao-Handys bereits für eine Liefermenge von etwa 200.000 Einheiten vorbereitet. Im September wurde die Verbraucherversion des Doubao-Handyassistenten veröffentlicht.

Öffentliche Daten zeigen, dass bis zum 15. September um 13:30 Uhr die Anzahl der Vorbestellungen des NaviX Ultra auf JD.com 373.000 erreichte. Der erste Verkaufsbericht von Nubia besagt, dass der Umsatz des NaviX Ultra innerhalb einer Sekunde nach dem Verkaufsstart 100 Millionen Yuan überstieg.

Von 30.000 Prototypen zu einem echten Serien-Flaggschiff, das an normale Verbraucher gerichtet ist, beginnt Doubao, wirklich tief im Inneren des Handys zu wohnen.

Die KI kann nicht für immer in einer App wohnen, sie muss näher am Menschen sein. Das Handy ist besonders wichtig, da es nach wie vor das wichtigste und am häufigsten genutzte Endgerät für die breite Öffentlichkeit ist.

Auf der gesamten Mitarbeiterversammlung von ByteDance im Februar 2025 legte Liang Rubo drei Richtungen für das KI-Geschäft fest: Die Obergrenze der Intelligenz zu verfolgen, neue Interaktionsmethoden zu erforschen und den Skaleneffekt