AI手机竞速智能应用，卡点在哪里？

21世纪经济报道记者 骆轶琪

不同于早期强调手机上搭载大模型的跑分数据，今年国内头部手机厂商争相将竞争焦点转向端侧智能的实际应用，也即离线状态下手机能实现的丰富功能。

近期，多名受访者都对21世纪经济报道记者表示，DeepSeek为代表的开源大模型快速发展，让端侧模型小型化进展迅速。这成为今年手机端侧能实现更为丰富能力的根本原因之一。

在此基础上，手机厂商在进一步探索长上下文、多模态的应用落地能力。

这也意味着，AI手机在质疑与期待中正悄然跨越从“炫技”到“刚需”的临界点。

虽然处在一种新技术生态的发展早期，但让AI手机逐渐具备Agent（智能体）能力是必然趋势，同时，生态模式的重构也意味着将有一系列挑战。

作为AI大模型落地的关键一役，手机厂商对AI应用的落地和思考走到了哪里？

近两年来，AI大模型在技术层面的多维度突破，为手机端侧应用提供了基础条件，例如模型小型化、多模态化和长上下文扩展等。

接受21世纪经济报道记者采访时，OPPO ColorOS智能助理部总经理万玉龙分析道，在这种趋势下，“我们认为，从原本以云端模型推理为主，到现在可以让云端和端侧算力做结合的计算范式，让终端厂商有了关键机会点。”

同时，由于AI终端距离用户最近，且附带多种传感器，其天然具备基于传感器提供的上下文、模型运算能力。这也让OPPO看到感知层面的新技术趋势。

而在模型能力基础上构建服务和生态是实现模型落地闭环的核心。“结合Agent构建自主、智能的服务也是关键方向。”他补充道，以Agent为核心抓手，自建生态并融汇第三方生态也是重要战略方向之一。

这由此被OPPO总结为新计算、新感知、新生态的三大AI战略。

拆分来看，模型小型化是行业迎来的关键进展之一。“在大模型刚出现时，基本都朝着百亿甚至万亿参数规模发展，但在过去一两年来，行业已经推动小模型实现的效果逼近早期百亿、千亿规模模型的效果。”万玉龙对记者分析道，模型小型化带来的显著机会在于，让手机可以有充足算力支撑小型化模型的端侧部署。

“坦白地说，确实我们（手机厂商）也受益于开源模型的发展。”万玉龙对21世纪经济报道记者举例道，国产开源模型厂商在生态中开源了诸多小型化模型，让手机厂商可以基于自身定位开展小型化模型定制工作亦或是进行模型量化裁剪。

在此基础上，再借力与芯片厂商合作，进行模型结构适配和加速工作，以确保端侧模型部署过程中性能和功耗达到平衡。

发力端侧不仅是一家厂商的动作。在今年的开发者大会期间，vivo也推出了3B（30亿参数）端侧多模态推理大模型。该模型已经可以实现离线通话录音总结、写作等功能。显示出相比上一年的同规模模型，在意图识别和任务拆解等方面，能力实现了大幅提升。

同时端侧模型对手机内存的占用也显著缩小。通常，端侧大模型会率先部署在手机品牌的高端旗舰机型中，原因之一就是高端手机的内存配置通常高于中低端手机，对大模型能力可以有更多负载支撑。

根据vivo副总裁、OS产品副总裁周围介绍，此前vivo曾尝试在端侧部署7B规模模型，但遇到的最大挑战就是需要匹配3.5G内存，这意味着对8G内存手机来说，配置模型后的可用内存仅剩4G。但今年vivo已经可以实现端侧3B模型仅占用2G内存，这对高端手机性能不再带来影响。

由此可以理解手机端侧模型缘何在今年开始成为厂商集体推进的关键进展：这不仅可以让手机离线处理更丰富的AI功能，也对手机本身配置要求大幅降低。

整体看，目前手机厂商对配置模型的定义各有不同，OPPO多数时候强调“自主训练模型”。万玉龙对记者分析道，这意指在开源模型基础上做业务适配与训练优化。

至于OPPO构建自主模型的必要性，他提到将聚焦三个方面：通用模型难以很好解决，则基于特殊属性进行业务定制，如拍照消除路人、意图识别等场景；用于个性化问答与推荐的个性化模型；端侧小型化模型，通过与芯片厂商合作，进行定制与优化。

由此，具体应用落地时，既可以对现有用户场景进行能力升级，也可以实现系统级软硬件结合。

举例来说，录音、相册管理、语音助手等传统功能借助AI技术，已经可以帮助用户提升效率；而结合传感信息与硬件设计的系统级AI，通过优化输入方式、简化交互流程，会比单纯“应用+ AI”模式更贴近用户需求。

2025年被称为“Agent元年”，手机厂商也针对此，围绕应用和生态等方面在推进落地。

万玉龙对21世纪经济报道记者分析，OPPO在将AI模型能力系统级嵌入手机方面，经历了三个阶段：最初的智能助理类产品，其本质上就是Agent，但关键功能仅限于调度系统功能，如打开蓝牙、搜索手机功能等。

到第二阶段，开始具备系统级感知能力，包含可以理解屏幕信息、手机文件和环境噪声。第三阶段则是基于此前积累，进行软硬件能力定制，让交互方式更为简单，同时在生态方面，采用多智能体架构，引入第三方厂商（互联网服务商等）的智能体，由手机整体进行调度，进而实现智能点外卖、打车等效果。

当然智能体生态仍在发展早期，万玉龙对记者坦言，Agent普及仍面临三大挑战：生态开放与协议统一、跨应用调度权限的获取以及用户习惯培养。

具体来说，多智能体间的连接需要手机厂商与第三方服务商联动数据与权限，因此在技术方面，国内外均在推进相关协议规范的构建，典型如谷歌主导的A2A方案，核心就是解决互联互通标准问题。

此外，在万玉龙看来，长期较为明显的趋势是用户习惯需相应调整。当前多数用户仍习惯于通过GUI方式操作手机，也即依托屏幕触控等方式实现，而智能体模式需要用户适应“AI代劳”的交互逻辑。用户虽知晓功能存在，却常忽略使用AI完成操作，这一习惯转变需要长期市场教育。

更重要的是市场对生态开放的态度。业界目前的普遍观点是，Agent调用服务模式与传统APP模式会有一定冲突，前者要求系统级AI具备跨应用调度能力，但目前阶段，部分第三方服务厂商对开放权限持谨慎态度，会导致生态协同效率受限。

对此，也有从业者对记者指出，整个行业对软件商店的分发权限边界定义较为敏感，在智能体时代同样如此，未来AI智能体如何分发，手机厂商作为一种渠道，需要与外部厂商克制地共建。

手机厂商也在推进生态互联加速工作。例如OPPO与支付宝合作推出多智能体互联协同方案Agent Hub Access（AHA），二者通过构建“Hub（连接器）”管理账号与安全协议，确保不同智能体间高效互通的同时，保障用户信息安全。

当然从消费者角度看，在早期AI手机被提出时，之所以被认为“概念”大于实际，源于消费者对手机相关AI能力调用和感知相对较少，这更难以在现阶段成为购机影响因素。

对此，万玉龙对记者指出，这更考验手机AI的功能黏性，具体涉及如是否覆盖高频服务场景、交互是否便捷、是否解决实际痛点等方面。“受益于行业发展，在开源大模型普及后，越来越多个人用户在积极使用AI产品或功能。”他分析道，系统级软硬件结合的解决方案，若能精准命中用户痛点，往往能转化为核心购机驱动力。

还有行业观察人士对21世纪经济报道记者指出，倘若某一手机品牌在端侧完成了较好的用户偏好积累，未来不排除形成进一步品牌黏性，有望影响用户后续的换机品牌选择。

对此，万玉龙则对记者分析道，从移动互联网时代看，APP平台彼此之间也很难引导用户迁移。这意味着这种黏性并不因某个技术有本质改变，而更多仰赖于用户体验。

AI手机的竞速，本质上是智能终端从“工具属性”向“协同智能属性”的转型缩影。底层技术的突破让端侧智能从可能变为现实，应用落地的探索让AI逐步融入日常，生态的开放与协同则决定了行业的发展高度。

这让AI手机的竞争不再局限于单一终端的技术参数，更在于能否构建开放统一的生态标准，是否符合用户的智能交互习惯，能否构建更好的跨场景、跨设备协同。

至于这种人机协同的未来走向以及对竞争格局的影响，则有赖于手机厂商与多元智能生态构建者的共同绘就。