如今，大家想的已经不是“Al 能回答什么”，而是“能不能别光说，直接帮我做了”?
vivo 高级副总裁、首席技术官施玉坚更是自豪宣布：vivo 全球用户已接近 6 亿。
在看 vivo 具体怎么做之前，狐妹先给大伙儿科普一下“端侧 AI”这个概念。
vivo 这次的蓝心智能，基本就是沿着这条路线往前走。
升级后的蓝心小 V Pro 从手机 AI 助手进一步融入系统。
1. BlueLM-RealTime（蓝心语音大模型）：解决“听得懂”
vivo 将该模型定位为“听得懂你的语音助手”，可在嘈杂环境、轻声说话、带口音、连续表达及中英文混合等场景下识别用户意图。
该模型采用端到端 MoE 技术架构 ，端到端语音理解架构，并融入个人化信息。
2. BlueLM-Nano（蓝心端侧大模型）：解决“记得住”
vivo 将该模型定位为“记得住你的个人助手”，主打实时感知与个人记忆沉淀。
可融合处理屏幕内容、图像、视频、文本、文件等多模态信息，并长期记录使用习惯、偏好、设备状态及时空场景。
狐妹觉得这个变化还是挺惊喜的，以前手机 AI 更像“问答机器”，现在开始有专属的“上下文”了。
比如你正在看什么、刚刚做过什么、平时习惯怎么操作，这些信息如果能够被 AI 理解并结合起来，后面的任务执行才有可能真正个性化。
值得一提的是，这部分能力是放在端侧的。
说到端侧，刚好可以聊聊 vivo 最近的一项成绩。
上个月，SuperCLUE 公布了 OnDevice 手机端侧大模型最新测评，vivo 蓝心 BlueLM 3.5 Nano 3B 拿到 89.86分，排名第一。
一个 3B 级别的手机端模型能跑到这么多分，可见端侧模型正在越来越能打。
过去大家对端侧 AI 的印象通常是：速度快、隐私好，但能力比云端弱一截。
现在，随着手机芯片、模型压缩和推理优化一起往前走，小参数模型也开始承担更多事情。
当然，这次榜单测的是特定能力，实际使用还会受到模型规模、手机算力、上下文长度等因素影响。
所以，复杂任务中的具体表现可能也会不尽人意，因而 vivo 没有把所有任务都交给端侧，真正复杂的活，还是交给云端模型。
3. BlueLM-Flash / BlueLM-Pro（蓝心云侧大模型）：解决“能办事”
这时候，BlueLM-Flash 和 BlueLM-Pro 就接上来了。
如果说 BlueLM-Nano 更像是在手机本地负责“感知和记忆”，那么这两款云侧模型承担的就是更复杂的理解、推理和任务规划。
它们可以结合 vivo 自研的 Agentic 引擎以及系统级 Harness，把用户的一句话拆成多个步骤，再调用不同工具完成任务。
这时候，手机 AI 才真正开始接近 Agent 的形态。
用户口头提出需求后，蓝心小 V 可跨设备、跨应用、跨场景调用能力并执行任务。系统具备持续学习能力，可根据用户修正反馈改进。
4. 系统级蓝心 Harness：解决“能操作”
AI 想明白了，它知道下一步应该打开哪个 App，可谁来替它点？
知道应该调用哪个功能，可手机系统凭什么让它调用？这就把问题从“大模型”一路拽到了“手机系统”。
vivo 为蓝心智能设计了 Main Loop，把感知、记忆、规划、执行串成一条链路。
同时，蓝心 Harness 深入系统底层，把手机系统、App 以及硬件能力转化成 AI 可以调用的工具。
可见，一个手机 AI Agent真正开始干活之后，模型本身只是其中一环。
它还需要工具，需要系统权限，需要App配合，还需要在任务失败的时候知道怎么重来。
狐妹觉得，AI 手机的下一场竞争，很可能不只是模型有多大，而是谁能把手机里的能力真正开放给 AI。
这也是为什么这次 vivo 的发布，看起来是在讲四款模型，实际上背后讲的是一整套系统。
从语音理解，到端侧感知，再到云端规划，最后落到手机执行，而且这套框架已经开始往系统层走。
vivo 同期发布的 OriginOS 7，就有多项新功能基于新的蓝心智能框架。
除此之外，vivo 还透露正在预研蓝心 30B MoE 端侧大模型，继续探索更大规模模型在手机端运行。
从这里也能看出来，现在大家开始把竞争往系统层推进，想办法让 AI 理解设备、调用工具，并真正完成任务。
这也是为什么最近几乎所有手机厂商都在往 Agent 方向靠。
具体路线并不完全一样，但方向正在变得越来越清楚：手机 AI 已经不只是“让手机更聪明”，而是要让 AI 真正拥有使用手机的能力。
如果这条路真的走通，未来我们使用手机的方式，可能都会发生变化，你觉得呢？
编辑：不吃麦芽糖
