दुनिया का पहला पूर्णतया एजेंटिक एआई स्मार्टफोन: क्या यह चीन का दूसरा डीपसीक क्षण है? | प्रौद्योगिकी समाचार

यह प्रोटोटाइप सामान्य ऑन-डिवाइस असिस्टेंट से कहीं अधिक है। ओगन के डेमो से पता चला कि एआई के पास फोन का फुल-स्टैक नियंत्रण है, जिसका अर्थ है कि यह उपयोगकर्ता इंटरफ़ेस देख सकता है, ऐप खोल सकता है, ऐप डाउनलोड कर सकता है, स्क्रीन पर टैप और टाइप कर सकता है, कॉल कर सकता है और मल्टी-स्टेप कार्यों को निष्पादित कर सकता है, उपयोगकर्ता को यह जाने बिना कि कौन से ऐप की आवश्यकता है। सरल शब्दों में कहें तो, यहां एआई फोन का उपयोग ठीक उसी तरह करता है जैसे एक मानव उपयोगकर्ता करता है, न कि किसी ऐप की तरह।

एजेंटिक एआई स्मार्टफोन क्या करता है?

ओगन ने अपने धागे की शुरुआत करते हुए एआई से अनुरोध किया कि वह उसके लिए लाइन में इंतजार करने के लिए किसी को ढूंढे। हालांकि यह भारत में अभी तक एक आदर्श नहीं है, चीन के गिग इकॉनमी ऐप आमतौर पर अस्पतालों, सरकारी कार्यालयों और उच्च मांग वाले अन्य स्थानों पर लोगों को कतार में खड़े रहने की सेवाएं प्रदान करते हैं। ओगन को एआई से अंग्रेजी में पूछते हुए देखा जाता है, जिसका वह तुरंत जवाब देता है। एआई को कौन सा स्थानीय सेवा ऐप चुनते हुए, कार्य को कॉन्फ़िगर करते हुए, आवश्यक फ़ील्ड भरते हुए और अंतिम पुष्टिकरण स्क्रीन पेश करते हुए देखा जा सकता है। सीईओ ने अपने संक्षिप्त वीडियो में स्वीकार किया कि उन्हें नहीं पता होगा कि कौन सा ऐप उस काम को संभालता है या इसे कैसे सेट अप करना है। वीडियो में एआई एजेंट को पूरी प्रक्रिया स्वायत्त रूप से करते हुए दिखाया गया है।

एक और डीपसीक क्षण। यह दुनिया का पहला वास्तविक स्मार्ट फोन है। यह ZTE के नूबिया M153 का एक इंजीनियरिंग प्रोटोटाइप है जो ओएस स्तर पर एंड्रॉइड में बाइटडांस के डौबाओ एआई एजेंट से जुड़ा हुआ है। इसका फोन पर पूरा कंट्रोल होता है. यह यूआई देख सकता है, ऐप्स चुन/डाउनलोड कर सकता है… pic.twitter.com/lM9PYMoQek

– टेलर ओगन (@TaylorOgan) 4 दिसंबर 2025

यह अभूतपूर्व है, क्योंकि स्मार्टफ़ोन पर देखे जाने वाले अधिकांश मौजूदा एआई सहायक कार्यों के बारे में तर्क कर सकते हैं, लेकिन किसी उपयोगकर्ता की ओर से तीसरे पक्ष के ऐप्स के माध्यम से नेविगेट नहीं कर सकते हैं। हालाँकि सैमसंग, ऐप्पल और अन्य तकनीकी दिग्गज एआई कार्यों के साथ प्रयोग कर रहे हैं, लेकिन वे बड़े पैमाने पर अनुमति प्राप्त हैं और केवल भागीदार ऐप्स तक ही सीमित हैं। यहां ZTE-ByteDance प्रोटोटाइप बहुत आगे है, क्योंकि यह अपने AI को ग्राफिकल यूजर इंटरफेस (GUI) के भीतर सीधे कार्य करने की अनुमति देता है जैसे कि वह एक इंसान हो।

एजेंटिक एआई के पीछे का हार्डवेयर

ओगन ने अपने सूत्र में बताया कि प्रोटोटाइप 16 जीबी रैम के साथ क्वालकॉम के नए स्नैपड्रैगन 8 एलीट जेन 5 चिपसेट द्वारा संचालित है। यह महत्वपूर्ण है क्योंकि एजेंट अपने कार्यभार को क्लाउड-आधारित सिमेंटिक रीजनिंग और ऑन-डिवाइस स्क्रीन नियंत्रण के बीच विभाजित करता है। ओपी के अनुसार, स्थानीय स्तर पर ‘स्क्रीन का विजन’ चलाने से एआई को तेजी से आगे बढ़ने और भुगतान प्रवाह और पासवर्ड जैसे संवेदनशील यूआई इंटरैक्शन के लिए गोपनीयता बनाए रखने की अनुमति मिलती है।

जब एआई मॉडल की बात आती है, तो बाइटडांस के डौबाओ का उपयोग वर्तमान में चीन में 175 मिलियन से अधिक लोग कर रहे हैं। यह अनिवार्य रूप से मल्टीमॉडल, अर्थ पाठ और दृष्टि, समर्थन के साथ एक बड़ा, विरल मिश्रण-विशेषज्ञ मॉडल है। दूसरे उदाहरण में, जब ओगन एनआईओ बैटरी-स्वैप स्टेशन की तस्वीर क्लिक करता है और पूछता है, “यह क्या चीज़ है?” मॉडल छवि से स्टेशन की पहचान करता है और इसे एनआईओ के राष्ट्रीय ईवी-चार्जिंग नेटवर्क से जोड़ता है और बताता है कि यह कैसे काम करता है।

यह कोई चैट ओवरले नहीं है, यह एक सच्चा मल्टीमॉडल एजेंट है। इसमें 16GB रैम के साथ बिल्कुल नया स्नैपड्रैगन 8 एलीट जेन 5 है, इसलिए यह डिवाइस पर बहुत सारे एजेंटिक वर्कलोड को बढ़ा सकता है। यहां मैं एनआईओ बैटरी स्वैप स्टेशन की तस्वीर लेता हूं और पूछता हूं, “यह क्या चीज़ है?” यह काम कर रहा है… pic.twitter.com/b0rg7iJX3l

– टेलर ओगन (@TaylorOgan) 4 दिसंबर 2025

क्लाउड + ऑन-डिवाइस आर्किटेक्चर

शायद सबसे अच्छा प्रदर्शन होटल बुक करना है। सीईओ ने होटल के प्रवेश द्वार की एक तस्वीर ली; वह स्टे बुक करने के अपने इरादे से ज्यादा कुछ नहीं कहता है। एआई असाइनमेंट को समझता है और अपने कार्यभार को विभाजित करता है।

सबसे पहले, डौबाओ (क्लाउड) शब्दार्थ का अनुवाद करता है, जैसे कि यह कौन सा होटल है, वह आज रात के लिए किसे बुक करना चाहता है, और पालतू नीतियां मायने रखती हैं। दूसरे, नेबुला-जीयूआई (ऑन-डिवाइस), जो कथित तौर पर जेडटीई द्वारा प्रशिक्षित 7-बिलियन-पैरामीटर मॉडल है, सीट्रिप (चीनी बुकिंग ऐप) खोलने, तारीखें दर्ज करने, सर्वोत्तम दर का पता लगाने, पालतू नीतियों के लिए ऐप को देखने और ओगन को सूचित करने जैसे कि कुत्तों को अनुमति है या नहीं, जैसी भौतिक क्रियाओं का ध्यान रखता है।

डेमो के आधार पर, यह दो-परत आर्किटेक्चर कार्य को सुचारू रूप से चलाने की अनुमति देता है। सरल शब्दों में, डौबाओ योजना बनाता है और नेबुला-जीयूआई इसे क्रियान्वित करता है।

ऐप-स्तरीय ज्ञान और अन्य बॉट्स के साथ बातचीत

एक अन्य डेमो में, एजेंट को रोबोटैक्सी बुक करने के लिए कहा जाता है, और डौबाओ जीपीएस डेटा का उपयोग करता है और यह तय करने के लिए स्थानीय राइड-हेलिंग ऐप्स की तलाश करता है कि कौन सा ऑपरेटर विशेष मार्ग पर सेवा प्रदान करता है। ओगन के फोन पर, नेबुला-जीयूआई Baidu अपोलो ऐप खोलता है, इसके मेनू के माध्यम से नेविगेट करता है, पिकअप पॉइंट का चयन करता है, और यात्रा की पुष्टि करता है। कुछ समय बाद, ओगन ने उसे सवारी के बीच में ड्रॉप-ऑफ़ स्थान बदलने के लिए कहा। फिर, एआई सक्रिय अपोलो सत्र को पहचानता है, सही स्क्रीन खोलता है, गंतव्य बदलता है, और फोन पर और रोबोटैक्सी के अंदर एक पुष्टिकरण सक्रिय करता है। यह एआई के ऐप-विशिष्ट ज्ञान का एक अच्छा प्रदर्शन है।

यहीं पर यह “वॉइस कमांड” जैसा महसूस करना बंद कर देता है और एक वास्तविक सहायक की तरह महसूस करना शुरू कर देता है। मुझे याद नहीं है कि मैंने Baidu अपोलो रोबोटैक्सी ऐप में किस नंबर से लॉग इन किया था। डौबाओ ऐप की सेटिंग में जाकर मुझे इस खाते के फ़ोन नंबर के अंतिम चार अंक बताता है ताकि मैं… pic.twitter.com/FT9I9q3QMi

– टेलर ओगन (@TaylorOgan) 4 दिसंबर 2025

डेमो के दौरान, जब ओगन अपने अपोलो खाते से जुड़ा फोन नंबर भूल जाता है, तो एआई ऐप की सेटिंग्स को नेविगेट करता है और अंतिम चार अंक लाता है। अब, यह कुछ ऐसा है जिसे अधिकांश एआई सहायक तब तक नहीं कर पाएंगे जब तक उनके पास पहुंच और गहरी ओएस-स्तरीय दृश्यता न हो।

इस बीच, एक अन्य परीक्षण में, ओगन एक चीनी टेक कंपनी मीटुआन का उपयोग करता है, जो ऑन-डिमांड ड्रोन डिलीवरी सेवाएं प्रदान करती है। वह एजेंट से दो ड्रिंक ऑर्डर करने के लिए कहता है, और एजेंट उसके कार्ट को अपडेट करता है, भुगतान करता है, और पास के लॉकर में डिलीवरी की व्यवस्था करता है। और, जब मितुआन की स्वचालित प्रणाली एक पुष्टिकरण कॉल करती है, तो डौबाओ उसकी ओर से जवाब देता है और मितुआन के बॉट से बात करता है। इस प्रकार, दोनों बॉट उपयोगकर्ता के हस्तक्षेप के बिना एक्सचेंज को पूरा करते हैं। यह इस बात का उदाहरण है कि कैसे एजेंट किसी उपयोगकर्ता की ओर से अन्य एजेंटों के साथ बातचीत कर सकते हैं।

मैं उससे कहता हूं कि वह मेरे सामने दो ड्रिंक का ऑर्डर दे। यह कार्ट का पुन: उपयोग करता है, मात्रा अपडेट करता है, भुगतान करता है, और एक मीटुआन ड्रोन ऑर्डर को पास के लॉकर में भेज देता है। जब मितुआन का स्वचालित फ़ोन सिस्टम यह बताने के लिए कॉल करता है कि डिलीवरी आ गई है, तो डौबाओ स्वत: उत्तर देता है और मेरे बॉट से बात करता है… pic.twitter.com/rpGvGUVOvA

– टेलर ओगन (@TaylorOgan) 4 दिसंबर 2025

ओगन स्वीकार करते हैं कि अपने चलने के माध्यम से, वह डिवाइस को खुफिया जानकारी की एक निष्क्रिय परत के रूप में उपयोग करते हैं, यह पहचानते हैं कि क्या कोई स्टोर शेन्ज़ेन ब्रांड नेटवर्क का हिस्सा है, ट्रेडमार्क और व्यवसाय रजिस्ट्री डेटा की जांच करता है, या यह मूल्यांकन करता है कि एनवाईपीडी जैकेट पहने हुए एक राहगीर एक वास्तविक पुलिस अधिकारी है या नहीं। डेमो में, सिस्टम स्थान (शेन्ज़ेन) को सही ढंग से संदर्भित करता है और जैकेट को एक नागरिक फैशन आइटम के रूप में पहचानता है।

डेमो में बाइटडांस के छवि निर्माण उपकरण भी दिखाए गए हैं, जो दृश्य को बरकरार रखते हुए फोटो में केवल कपड़ों को संशोधित करते हैं। यह एजेंट को अनुरोध पर व्यक्ति को चीनी पुलिस की वर्दी या एफबीआई जैकेट में फिर से प्रस्तुत करने की अनुमति देता है।

हमारे लिए इसका क्या मतलब है?

यह डिवाइस अनिवार्य रूप से एक ओएस-नेटिव जीयूआई एजेंट है जिसे चीनी मोबाइल यूआई प्रवाह पर प्रशिक्षित किया गया है और यह एक बड़े, मल्टीमॉडल रीजनिंग मॉडल द्वारा समर्थित है। यह ऐप्स, मेनू या वर्कफ़्लो को समझने की आवश्यकता को समाप्त कर देता है। बस फ़ोन को आशय दें; यह निष्पादन को संभालता है।

आज तक, वैश्विक स्मार्टफोन बाज़ार में कोई भी चीज़ इस स्तर की स्वायत्तता प्रदर्शित नहीं करती है। यह देखना बाकी है कि क्या यह एक व्यावसायिक उत्पाद बन जाता है, लेकिन प्रोटोटाइप स्पष्ट रूप से दिखाता है कि एजेंटिक स्मार्टफोन हमारे जीवन को कैसे बदल सकते हैं। इससे यह भी पता चलता है कि पहला सच्चा एजेंटिक स्मार्टफोन सिलिकॉन वैली से नहीं, बल्कि चीन के एकीकृत एआई और मोबाइल पारिस्थितिकी तंत्र से आ सकता है।