Ngày 14/9, ByteDance phát hành bản tiêu dùng của trợ lý điện thoại Doubao, lần đầu được trang bị trên mẫu máy Nubia NaviX Ultra — sản phẩm hợp tác nghiên cứu phát triển giữa ZTE và ByteDance. Máy sẽ ra mắt và mở bán lúc 14h ngày 16/9, hiện đã mở đặt trước.
Cùng ngày, một giao thức có tên SAEP cũng được công bố, viết tắt của Screen Automation Execution Protocol (Giao thức khai báo thao tác tự động hoá màn hình), với thời gian lấy ý kiến công khai kéo dài 30 ngày. Theo công bố chính thức, ứng dụng bên thứ ba có thể tự khai báo ranh giới thao tác, cho phép hoặc từ chối trợ lý AI thực hiện thao tác tự động hoá màn hình trong ứng dụng của mình; với ứng dụng đã khai báo từ chối rõ ràng, trợ lý sẽ không thực hiện các thao tác tự động hoá đó.
Phiên bản trợ lý này bổ sung những gì
Đứng đầu danh sách tính năng là cách đánh thức: đánh thức bằng giọng nói, cộng thêm một phím AI riêng có xác thực vân tay. Theo mô tả chính thức, phím này vừa là lối vào vừa là điểm cấp quyền, phải qua vân tay mới thực hiện tiếp các bước sau.
Tiếp theo là hỏi đáp trên màn hình — thấy gì trên trang hiện tại thì hỏi được nấy; tìm kiếm dữ liệu cục bộ bao phủ album ảnh, tin nhắn, ghi chú; mảng ghi âm được nâng cấp và kết nối với Feishu Miaoji (công cụ ghi biên bản của Lark). Phần thực thi tác vụ xuyên ứng dụng được gọi là “Thao tác điện thoại”, hiện vẫn gắn nhãn Beta.
Một kịch bản minh hoạ được hãng đưa ra là hướng camera vào món đồ và nói: “Theo phong cách trang trí này, chọn giúp tôi một chiếc tủ dưới 1,2 mét, giá không quá 1.000 nhân dân tệ”, trợ lý sẽ vào các sàn thương mại điện tử tìm sản phẩm phù hợp. Câu nói này gói gọn ba điều kiện ràng buộc — phong cách, kích thước, giá cả — lần lượt rơi vào ba năng lực thị giác, truy xuất và so sánh giá; để chạy được, trợ lý phải thực sự vào ứng dụng thương mại điện tử và lật từng trang.
Phương án xử lý dữ liệu là kết hợp thiết bị và đám mây. Mục chứng nhận tuân thủ liệt kê ISO 27001, ISO 27701, ISO/IEC 42001 và Cấp bảo vệ an ninh mạng cấp 3 (đẳng bảo cấp 3) của Trung Quốc. Thông số công khai của máy gồm độ dày 7,62mm và pin 7.100mAh.
Về khả năng sử dụng thực tế, chính hãng cũng nêu rõ giới hạn: phụ thuộc vào bốn yếu tố là dòng máy, phiên bản hệ điều hành, mức độ thích ứng của ứng dụng và việc người dùng có cấp quyền hay không.
Lần đầu bên bị thao tác có một công tắc
Hướng đi tự động hoá màn hình đã đi được hơn hai năm, với tư thế gần như không đổi: trợ lý lấy quyền hỗ trợ tiếp cận (accessibility) hoặc quyền chụp màn hình, nhận diện các thành phần giao diện, mô phỏng thao tác chạm và vuốt. Computer use của Anthropic, thao tác trình duyệt của OpenAI, hay các giải pháp agent của vài hãng điện thoại trong nước, về bản chất đều nằm trong khuôn khổ này.
Cách làm này có một điểm chưa từng được giải quyết: ứng dụng bị chạm vào không có tiếng nói nào trong suốt quá trình. Nó không biết phía bên kia là người hay trợ lý, cũng không có kênh chính thức để nói “đừng động vào trang này”. Cách xử lý trước đây là ứng dụng tự làm cơ chế chống tự động hoá, hoặc nhà sản xuất đàm phán riêng với các ứng dụng lớn để thích ứng.
SAEP thay đổi đúng lớp này, để bên bị thao tác nêu ranh giới của mình bằng hình thức khai báo. Với các ứng dụng làm giao dịch, thanh toán hay phân phối nội dung, đây là nhu cầu thực tế: lưu lượng tự động hoá lẫn với lưu lượng người dùng thật sẽ ảnh hưởng đến kiểm soát rủi ro, tính phí và mô hình gợi ý.
Tuy nhiên hiệu lực của giao thức còn tuỳ vào việc triển khai. Trong 30 ngày lấy ý kiến, ai được khai báo, khai báo ở mức độ trang hay chỉ ở mức ứng dụng, và sau khi bị từ chối trợ lý sẽ lùi lại như thế nào — hãng hiện chưa đưa ra quy định chi tiết. Việc bảng khai báo có công khai hay không cũng chưa được nói rõ. Bản thân giao thức do hãng xây dựng và duy trì, không phải sản phẩm của một tổ chức tiêu chuẩn ngành, nên bên thứ ba có công nhận hay không cuối cùng vẫn tuỳ vào đánh giá riêng của từng bên.
Vài vấn đề thực tế với người dùng trong nước
Thứ nhất là gắn với thiết bị. Bản trợ lý này ra mắt đầu tiên chỉ đi kèm Nubia NaviX Ultra, còn khi nào và ở mức độ nào các dòng máy khác được cài thì thông báo không nêu. Tình trạng lặp lại nhiều lần với các trợ lý AI trong nước hai năm qua là tính năng chạy trên phần cứng của chính hãng trước, rồi mới mở rộng ra ngoài; nhịp độ lần này có vẻ cũng theo hướng đó.
Thứ hai là quyền truy cập. Tự động hoá màn hình đòi quyền cao hơn một bậc so với ứng dụng thông thường, cộng thêm khả năng tìm kiếm album ảnh, tin nhắn, ghi chú cục bộ, phạm vi cấp quyền không nhỏ. Phím xác thực vân tay coi như thêm một lớp chắn ở cửa vào, nhưng phạm vi trợ lý có thể chạm tới ở hậu trường sau khi được cấp quyền thì người dùng khó mà xác nhận từng mục một.
Thứ ba là khả năng dùng được. “Thao tác điện thoại” vẫn đang ở giai đoạn Beta, và trong hệ sinh thái ứng dụng nội địa, những chỗ dễ bị kẹt nhất với loại tính năng này thường là mã xác thực (captcha), xác nhận thanh toán và trạng thái đăng nhập — mà đây lại đúng là ba khâu không phù hợp để giao cho trợ lý làm thay.
Nguồn tham khảo: Thông báo chính thức của Doubao, IT Home, trang chủ Nubia, CocoLoop; đã kiểm chứng chu kỳ công bố của SAEP, kế hoạch ra mắt thiết bị và cách diễn đạt về các điều kiện giới hạn tính năng.