Doubao ограничивает действия GUI? Как SAEP определяет доступ к приложениям

Doubao ограничивает действия GUI? 16 сентября 2026 года смартфон Nubia NaviX Ultra официально поступил в продажу с потребительской версией Doubao Phone Assistant, однако реальное тестирование устройства показало, что автоматизированные действия в графическом интерфейсе (GUI) были заблокированы на крупнейших сторонних платформах, включая WeChat, Taobao, Meituan и JD.com. Двумя днями ранее, 14 сентября, Doubao опубликовала протокол Screen Automation Execution Protocol, установив Doubao SAEP Protocol в качестве официальной переговорной базы, регулирующей взаимодействие внешних ИИ-агентов с интерфейсами приложений на Android. Для архитекторов операционных систем, групп мобильной безопасности и разработчиков платформ этот барьер развертывания обнажает фундаментальный структурный конфликт: системные мультимодальные агенты стремятся к беспрепятственному проходу по экрану, в то время как независимые среды выполнения приложений защищают периметры безопасности и целостность транзакций, создавая коммерческое напряжение вокруг контроля над трафиком и операциями.

Коммерческая реальность мобильных агентов: внутри запуска NaviX Ultra и блокировки GUI

Появление Nubia NaviX Ultra — в китайских технологических СМИ именуемого «Doubao Phone Gen 2» — вызвало значительные потребительские и коммерческие ожидания. Стоимость устройства начинается от 5 999 юаней (после национальных субсидий на потребительскую электронику она составила 5 499 юаней), что на 2 500 юаней выше цены исходного инженерного прототипа M153 стоимостью 3 499 юаней, выпущенного для разработчиков в декабре 2025 года. После коммерческого запуска Nubia объявила, что объем продаж в день старта превысил 100 миллионов юаней в течение первой секунды после открытия заказов.

Несмотря на агрессивный маркетинг оборудования, подчеркивающий сквозной интеллектуальный агентский рабочий процесс, начальные оценки реальных устройств СМИ и независимыми инженерами выявили операционный тупик. Хотя встроенный Doubao Phone Assistant мог запускать указанные пакеты приложений по голосовой команде, автоматизированная навигация внутри приложений, имитация нажатий и многошаговые процессы оформления заказов были недоступны в рамках текущей политики SAEP и ограничений сторонних платформ. Голосовые команды пользователей на публикацию обновлений в WeChat Moments, сравнение характеристик товаров на Taobao, завершение покупок на JD.com или финализацию доставки еды на Meituan не выполнялись. На практике автоматизированные действия GUI поддерживались в системных приложениях, ключевых утилитах ZTE, внутреннем портфеле ByteDance (таких как Douyin, Feishu и Qishui Music) и ограниченном наборе партнеров с прямой интеграцией, таких как Caocao Mobility, в то время как общие сторонние потребительские сценарии оставались в подвешенном, ручном состоянии.

Краткий обзор

Немедленный функциональный барьер: Хотя устройство запускает сторонние бинарные файлы приложений по голосовой команде, автоматизированная навигация внутри приложений, имитация нажатий и фоновое оформление заказов остаются ограниченными в крупных цифровых экосистемах.
Введение протокола SAEP: 14 сентября 2026 года Doubao представила Screen Automation Execution Protocol (SAEP), инициировав 30-дневный период общественного обсуждения (до 15 октября 2026 года), в течение которого сторонние приложения по умолчанию защищены от автоматизированного взаимодействия с GUI.
Системные права против бизнес-барьеров: Несмотря на то, что Doubao насчитывает более 382 миллионов активных мобильных пользователей в месяц по состоянию на июнь 2026 года, масштаб аудитории не может перекрыть песочницы безопасности на уровне приложений или правила коммерческого управления трафиком.
Эволюция архитектурной парадигмы: Сфера мобильной инженерии стремительно уходит от несанкционированного визуального сканирования экранов к объявленным интерфейсам «агент-агент» (A2A), детализированным манифестам разрешений и взаимным соглашениям платформ.

Смартфон Nubia NaviX Ultra с мобильным агентом Doubao в повседневных условиях использования

Это реальное ограничение отражает техническую историю первой предварительной версии платформы. Когда 1 декабря 2025 года был выпущен инженерный прототип Nubia M153, он демонстрировал автоматизированные операции GUI за счет привилегированных возможностей внедрения системных событий, включая разрешение INJECT_EVENTS. В течение 48 часов пользователи сообщили о нарушениях безопасности учетных записей и аномальных завершениях сессий в WeChat. К 3 декабря Doubao полностью отозвала возможности автоматизированного выполнения действий в WeChat. 5 декабря команда официально сократила операционный охват помощника, запретив автоматизацию в игровых средах, интерфейсах сбора бонусных баллов и финансовых учреждениях. Переход от прототипа M153 к массовому NaviX Ultra показывает, что понимание экрана на базе моделей VLM не может заменить структурную, двустороннюю авторизацию платформы.

Архитектурное управление: деконструкция правил SAEP и период уведомления

Запуск протокола Doubao SAEP 14 сентября 2026 года знаменует попытку отрасли стандартизировать способы объявления, запроса и выполнения автоматизации экрана системными агентами. Вместо того чтобы рассматривать иерархии представлений сторонних приложений как пассивные визуальные цели, SAEP вводит явный жизненный цикл согласия, регулирующий автоматизированные взаимодействия. 17 сентября 2026 года Doubao Phone Assistant выпустил официальное заявление с ответами на вопросы, непосредственно затрагивающее причины, по которым обычные сторонние приложения в настоящее время не могут управляться через GUI, официально детализируя 30-дневный период уведомления и структуру самоопределения приложений.

Управление развертыванием работает в две фазы. В течение первоначального 30-дневного периода уведомления — с 14 сентября по 15 октября 2026 года — уровень исполнения обеспечивает состояние «закрыто по умолчанию» на всем поддерживаемом оборудовании (включая как NaviX Ultra, так и более ранние платформы M153). Пока разработчик стороннего приложения явно не подаст декларацию о согласии, Doubao Phone Assistant не будет выполнять синтетические события ввода или автоматизированные задачи внутри иерархии интерфейса этого приложения. По истечении периода уведомления протокол переходит к структуре с дифференцированным риском: приложения, официально зарегистрировавшие отказ через каналы протокола или официальную электронную почту разработчиков, останутся исключенными, пока отказ действует, в то время как приложения, не выразившие явную позицию, будут оцениваться и получать инкрементальные возможности автоматизации на основе уровней функционального риска. Сторонние разработчики сохраняют постоянное право заявить об отказе в любой момент, что приведет к прекращению автоматизированных действий помощника.

Официальное заявление Doubao Phone Assistant, поясняющее ограничения автоматизации GUI и график протокола SAEP

В рамках заявленного охвата платформы SAEP разработчики приложений могут объявить специфические операционные границы для различных функциональных элементов:

Общее разрешение на автоматизацию экрана: Объявление того, разрешает ли приложение внешнему агенту инициировать автоматизированные рабочие процессы в рамках своих окон.
Захват и инспекция экрана: Контроль того, уполномочен ли помощник делать снимки экрана или просматривать разрешенный контент представлений во время выполнения задачи.
Имитация пользовательского ввода: Регулирование того, может ли агент внедрять синтетические координаты касаний, жесты или автоматизированные текстовые строки в нативные представления.
Изменение контента: Определение того, разрешено ли помощнику изменять, редактировать или очищать существующий текст, поля форм или черновики, созданные пользователем, в рамках состояния приложения.

Этот официальный протокол решает суровые операционные реалии, выявленные эмпирическим агентским тестированием. В мае 2026 года исследование AndroidDaily оценило ведущие модели визуального языка на 350 стандартных мобильных задачах, распределенных по 94 производственным приложениям Android. В строгих условиях многошагового тестирования наиболее эффективный мультимодальный агент достиг уровня выполнения задачи «от начала до конца» лишь в 62,0 процентах случаев, в то время как автоматизированная система оценки бенчмарка (GRADE) продемонстрировала 87,37-процентный уровень согласованности с оценками людей.

+--------------------------------------------------------------------------+
|            ANDROIDDAILY BENCHMARK: ATTRITION МНОГОШАГОВЫХ АГЕНТОВ        |
+--------------------------------------------------------------------------+
|                                                                          |
|  Оцененные задачи: 350 реалистичных многошаговых сценариев               |
|  Оцененная среда: 94 производственных приложения Android                 |
|                                                                          |
|  Уровень выполнения лучшим мультимодальным агентом: 62,0%                |
|  [====================================>                          ]       |
|                                                                          |
|  Доминирующие типы сбоев, выявленные в бенчмарке:                        |
|  1. Несоответствие интерфейса из-за задержек                             |
|  2. Повторяющиеся циклы действий из-за ошибок памяти                     |
|  3. Снижение возможностей из-за ограничений протокола                    |
|                                                                          |
|  Примеры операционного трения в реальных условиях:                       |
|  - Асинхронные обновления интерфейса и всплывающие окна во время вывода  |
|  - Избыточные циклы уточнения координат в неоднозначных состояниях       |
|  - Динамические правила проверки форм и региональные границы услуг       |
|                                                                          |
+--------------------------------------------------------------------------+

Разрыв между распознаванием компонента интерфейса и успешным выполнением сквозного рабочего процесса проистекает из недетерминированных сред приложений. Производственные приложения часто изменяют иерархии макетов с помощью динамических структур пользовательского интерфейса, управляемых сервером, вводят временные рекламные всплывающие окна, обеспечивают защиту от сканирования с помощью токенов и требуют принятия условных решений, когда выбранные товары или места недоступны. Когда помощник пытается анализировать эти состояния чисто через визуальный вывод координат без прямой обратной связи от приложения, конвейеры исполнения разрушаются, создавая потерянные сессии, некорректные покупки или исключения безопасности.

Децентрализованные системы и моделирование угроз: песочницы безопасности, барьеры трафика и суверенитет решений

Нежелание сторонних платформ разрешать неограниченную автоматизацию GUI продиктовано фундаментальными принципами инженерной безопасности и защитой коммерческих платформ. Рассмотрение конфликта чисто как антиконкурентного сопротивления игнорирует серьезные операционные и юридические уязвимости, возникающие, когда внешние процессы имитируют взаимодействия пользователей в рамках авторизованных границ приложения.

С точки зрения безопасности приложений, автоматизация GUI работает через границы представлений приложений. В архитектурах Android приложения находятся в изолированных песочницах процессов Linux UID, общаясь через проверенные Binder IPC и явные Intent-запросы. Когда ИИ-агент использует системные перехватчики AccessibilityService или пользовательские уровни внедрения дисплея для манипуляции интерфейсом, он взаимодействует с раскрытой иерархией представлений приложения извне, не пробивая базовую песочницу процесса. Однако этот привилегированный слой взаимодействия вносит существенное операционное трение.

+--------------------------------------------------------------------------+
|               ПОТЕНЦИАЛЬНЫЕ ПОВЕРХНОСТИ РИСКА: АГЕНТ VS. RUNTIME       |
+--------------------------------------------------------------------------+
|                                                                          |
|  ПРИВИЛЕГИРОВАННЫЙ УРОВЕНЬ ОПЕРАЦИОННОЙ СИСТЕМЫ                          |
|  +--------------------------------------------------------------------+  |
|  | Мультиагентный помощник (Doubao / Системный движок VLM)            |  |
|  +--------------------------------------------------------------------+  |
|         |                                                      |         |
|   (Привилегированная инъекция ввода /               (Буфер кадра дисплея / |
|    Диспетчеризация синтетических событий)            Парсинг визуального макета) |
|         v                                                      v         |
|  +--------------------------------------------------------------------+  |
|  | ОКНО ПРИЛОЖЕНИЯ И ИЕРАРХИЯ ПРЕДСТАВЛЕНИЙ                          |  |
|  |                                                                    |  |
|  |  [ Потенциальные векторы угроз и стабильности ]                   |  |
|  |  * Раскрытие чувствительных данных: утечка баланса/SMS            |  |
|  * Искажение сигналов антифрода: автоматизация меняет поведение    |  |
|  * Недетерминированный ввод: случайное нажатие кнопок/заказов       |  |
|  * Неоднозначная авторизация: неясная ответственность за шаги      |  |
|  +--------------------------------------------------------------------+  |
|                                                                          |
+--------------------------------------------------------------------------+

Эта модель взаимодействия создает несколько потенциальных поверхностей риска:

Аннулирование телеметрии антифрода: Некоторые системы обнаружения ботов оценивают время взаимодействия, паттерны жестов, сигналы устройства и другие индикаторы поведения для проверки человеческого присутствия. Внедрение синтетических кликов меняет эти сигнатуры, побуждая системы оценки рисков платформ помечать учетные записи, завершать сессии или применять контрольные проверки для предотвращения предполагаемого мошенничества.
Раскрытие чувствительных состояний: Агент, способный считывать буферы экрана, может случайно захватить конфиденциальные текстовые поля, личные транзакционные данные, документы, удостоверяющие личность, и приватный контекст общения, включая их в локальные буферы контекста или передавая через удаленные соединения вывода.
Неоднозначность в авторизации транзакций: Когда помощник инициирует изменения операционного состояния — например, размещение заказа или изменение предпочтений пользователя — на основе вероятностной интерпретации естественного языка, определение ответственности за непреднамеренные последствия становится затруднительным, если пользователь не подтвердил шаг напрямую.

Помимо технических соображений безопасности, решающую роль играет защита коммерческой платформы. Экономический двигатель крупных цифровых экосистем во многом зависит от фазы обнаружения, предшествующей транзакциям. 12 августа 2026 года Reuters сообщило, что Tencent достигла 11-процентного роста общей выручки за второй квартал, что подчеркивается 22-процентным ростом выручки от маркетинговых услуг в годовом исчислении, обусловленным эффективностью рекламы с использованием ИИ в экосистеме Weixin. Платформы инвестируют значительные средства в проприетарные поисковые рейтинги, рекомендательные алгоритмы и кураторские рекламные ленты, предназначенные для влияния на выбор потребителей.

Измерение управления	Нерегулируемая автоматизация GUI	Структура Doubao SAEP	Согласованная интеграция
Канал взаимодействия	Скрапинг буфера экрана и внедрение кликов	Декларированный манифест прав	Предустановленный API-интерфейс
База разрешений	Системные привилегии	30-дневный период уведомления	Явная двусторонняя авторизация
Риск поведения	Активация антифрод-систем	Рабочие процессы, одобренные разработчиком	Контролируемые пути выполнения
Объем данных	Анализ всех визуальных макетов	Ограниченный доступ к захвату	Обмен параметрами задач
Устойчивость	Уязвимость к изменениям UI	Привязка к визуальной стабильности	Программная проверка состояния
Коммерческий контроль	Обход навигации внутри приложения	Право отзыва для платформ	Сохранение маршрутизации транзакций

Когда внешний помощник обходит путь визуального обнаружения приложения, это снижает возможности платформы в области рекламы, спонсорского контента и кросс-продаж. С точки зрения конкурирующих платформ, предоставление неограниченного доступа помощнику ByteDance — которая развивает конкурирующие направления e-commerce — создает существенный коммерческий риск. Сторонние платформы стремятся сохранить суверенный контроль над вовлечением потребителей и маршрутизацией транзакций.

Обзор доли рынка поставок смартфонов в Китае во втором квартале 2026 года по данным IDC

Эта динамика иллюстрирует, почему масштаб приложения сам по себе не гарантирует рычаги воздействия на операционную систему. Согласно исследованиям QuestMobile, в июне 2026 года Doubao достигла 382 миллионов ежемесячных активных пользователей мобильных приложений, опережая конкурентов, таких как Qwen от Alibaba (167 миллионов). Однако популярность на уровне приложений вторична по отношению к контролю над оборудованием. На китайском рынке смартфонов данные IDC за второй квартал 2026 года показывают, что шесть крупнейших OEM-производителей (Huawei, Apple, OPPO, vivo, Xiaomi и Honor) контролировали около 96,4 процента поставок. Доля ZTE составила 0,3 процента, а Nubia не была отдельно указана в десятке лидеров. Поскольку основные производители активно разрабатывают проприетарные экосистемы помощников, кросс-платформенные агенты сталкиваются с жесткими границами при попытках утвердить системное доминирование.

От скрапинга к управляемым интерфейсам: переход к структурированной интеграции

Трение при развертывании вокруг NaviX Ultra и последующее введение SAEP подчеркивают, что неструктурированный визуальный скрапинг представляет собой переходную фазу мобильной ИИ-помощи. Управление произвольным программным обеспечением через визуальную имитацию создает постоянные расходы на обслуживание, высокий уровень отказов и непримиримое сопротивление платформ.

Мобильная индустрия все больше склоняется к согласованным, структурированным системам исполнения, характеризующимся интерфейсами «агент-агент» (A2A) и формальными соглашениями о совместном использовании возможностей. В рамках этой парадигмы приложения не оставляют свои визуальные интерфейсы открытыми для неконтролируемой навигации; вместо этого они предоставляют проверенные, параметризованные функциональные конечные точки непосредственно среде выполнения ОС.

Мероприятие StepFun Step AOS и STEPX, демонстрирующее партнеров по цифровой экосистеме

Недавние реализации в отрасли подчеркивают эту траекторию:

Структурированные терминальные экосистемы: 13 июля 2026 года StepFun (阶跃星辰) запустила бренд терминалов STEPX и решение для устройств STEPX Neo вместе с платформой Step AOS. Как сообщает Caixin, StepFun объявила о начальных партнерствах с провайдерами, включая Alipay, Baidu, Meituan, JD.com, Didi, Ctrip и Amap, опираясь на заранее согласованные протокольные интерфейсы, а не на неограниченные манипуляции с GUI.
Двустороннее сотрудничество A2A: В середине 2026 года Tencent установила авторизованные партнерства по возможностям A2A с крупными отечественными производителями оборудования, включая Huawei, Honor, Xiaomi, OPPO и vivo. Этот механизм позволяет системным помощникам — таким как YOYO от Honor или Xiaobu от OPPO — инициировать голосовые и видеовызовы в WeChat или отправлять сообщения выбранным контактам через проверенные потоки двусторонней авторизации без необходимости неограниченного доступа к личным чатам.

+--------------------------------------------------------------------------+
|            ВЗАИМОДЕЙСТВИЕ МОБИЛЬНЫХ АГЕНТОВ: АРХИТЕКТУРНЫЙ ПЕРЕХОД     |
+--------------------------------------------------------------------------+
|                                                                          |
|  [ Голосовая команда пользователя: "Закажи латте из ближайшего кафе" ]    |
|                                |                                         |
|                                v                                         |
|  [ Системный агент: Семантическая интенция и извлечение параметров ]     |
|                                |                                         |
|         +----------------------+----------------------+                  |
|         |                                             |                  |
|         v                                             v                  |
|  [ Нерегулируемый визуальный путь ]          [ Управляемый путь возможностей ] |
|  - Парсинг экрана через VLM                  - Запрос политики SAEP              |
|  - Внедрение синтетических касаний           - Отправка структурных A2A          |
|  - Высокая вероятность сбоя на UI            - Программная проверка              |
|  - Блокировка правилами риска                - Контролируемое право доступа      |
|         |                                             |                  |
|         v                                             v                  |
|  [ Приостановка выполнения / Ошибка ]        [ Верифицированное выполнение ]    |
|                                                                          |
+--------------------------------------------------------------------------+

Для команд разработчиков программного обеспечения этот сдвиг меняет мобильную архитектуру. Вместо того чтобы рассматривать безопасность приложений лишь как защитное запутывание против ботов, разработчики должны оценивать, как их платформы предоставляют адресуемые возможности, устанавливают машиночитаемые границы разрешений и защищают чувствительные состояния транзакций, по мере того как операционные системы становятся все более «агентными».

Часто задаваемые вопросы (FAQ)

Что произойдет, когда 30-дневный период уведомления SAEP истечет 15 октября 2026 года?

После завершения 30-дневного периода уведомления 15 октября 2026 года Doubao Phone Assistant перейдет из состояния «по умолчанию выключено» к постепенному развертыванию с учетом уровней риска. Приложения, которые официально зарегистрировали отказ через протокол SAEP или официальную электронную почту разработчиков, останутся исключенными. Приложения, не выразившие явную позицию, будут оцениваться и постепенно открываться в зависимости от их функциональной категории и уровня безопасности. Разработчики сохраняют постоянное право заявить об отказе или отозвать согласие в любое время.

Почему банковские и платежные приложения ограничивают действия автоматизированных агентов GUI?

Многие финансовые, банковские и платежные приложения ограничивают стороннюю автоматизацию в транзакционных рабочих процессах, чтобы защитить целостность учетных записей и предотвратить несанкционированные переводы. Имитация взаимодействий пользователя через привилегированные уровни инъекций нарушает эвристики анти-автоматизации, предназначенные для блокировки попыток подбора учетных данных, вредоносного скрапинга и несанкционированных переводов. Кроме того, финансовые операции часто требуют явного подтверждения пользователем, элементов аутентификации и проверяемых записей авторизации. Поскольку внешние модели визуального языка не могут независимо обеспечить такую же гарантию, как контролируемый платформой шаг подтверждения, многие финансовые сервисы ограничивают автоматизацию в транзакционных окнах, требуя дополнительных проверок и обязательного участия пользователя.

Чем SAEP отличается от стандартных разрешений Android AccessibilityService?

Android AccessibilityService — это фреймворк операционной системы, предназначенный для расширения возможностей вспомогательных технологий путем разрешения авторизованным сервисам инспектировать иерархию представлений и отправлять жесты. Он функционирует как переключатель на уровне платформы, предоставляемый пользователем устройства, без предоставления разработчикам приложений стандартизированного механизма для объявления гранулярных разрешений на автоматизацию внутри своего ПО. В отличие от него, SAEP — это соглашение об управлении на уровне приложения, введенное Doubao, которое дает разработчикам право на самоопределение. Оно позволяет командам приложений разрешать, ограничивать или запрещать конкретные действия агента — включая полную автоматизацию, захват экрана, имитированный ввод и изменение контента — независимо от базовых системных разрешений Android.

Стратегическое руководство для команд мобильной разработки

Чтобы адаптироваться к появлению системных ИИ-помощников и развивающимся протоколам автоматизации экрана, командам мобильной разработки и безопасности следует учитывать следующие инженерные практики:

Сформулируйте политики доступа агентов для конкретных приложений: Оцените, как автоматизированное взаимодействие с GUI влияет на безопасность пользователей, условия платформы и бизнес-процессы. Команды разработки должны определить, участвовать ли в рамках управления, таких как SAEP, регистрировать явные декларации об отказе или стремиться к согласованным путям двусторонней интеграции.
Внедрите ступенчатую проверку на границах транзакций: Убедитесь, что чувствительные операции — такие как оформление заказа, перевод средств, изменение профиля или обновление учетных данных — требуют явного человеческого подтверждения. Применение биометрических запросов, двухфакторных вызовов или криптографической аттестации может предотвратить или существенно снизить риск автоматизированного завершения там, где проверка требует независимого присутствия пользователя или подтверждения на уровне оборудования.
Отслеживайте сигналы синтетического ввода и автоматизированного взаимодействия: Внедрите поведенческую телеметрию и проверку ввода в стеки мониторинга безопасности, чтобы выявлять аномальное время взаимодействия, повторяющиеся паттерны координат, специфические последовательности событий автоматизации и другие аномальные риски в критических рабочих процессах приложения.
Подготовьте модульные конечные точки функциональности: Отделите основные цифровые сервисы от жестких, глубоко вложенных путей визуальной навигации. Проектирование адресуемых, валидируемых по схеме API-интерфейсов позволяет приложениям безопасно интегрироваться со структурированными агентскими фреймворками (такими как протоколы A2A), не открывая визуальные иерархии представлений для неавторизованного скрапинга.