对话 vivo 周围：手机 AI 竞赛的下半场，是个人化智能

“截至 2028 年底，vivo 将实现端侧 MOE 模型的成熟商用。 ”

作者丨马广宇

编辑丨李雨晨

“当大模型能力越来越强，AI 竞赛的下半场，拼的是什么？”

9 月 16 日，2026 vivo 开发者大会开场不久，vivo 副总裁、OS 领域副总裁、vivo AI 全球研究院院长周围就抛出了一个新问题。

而对于行业来说，这个问题并非空穴来风。

过去两个月，行业关于 AI 的分歧逐渐公开化。一边是 OpenAI 等公司集体呼吁，大模型能力已经过剩，不要再内卷式开发；另一边，市场开始质疑大厂的资本开支还能不能持续。

手机行业则在另一个战场上厮杀。从去年底的豆包手机开始，“AI 智能体手机”成了每家发布会的标配话术，今年更是有不止一家厂商自称“全球首个”，关于功能趋同的质疑，也随之而来。

过去一年 vivo 海外出货规模持续突破，几个重点市场实现倍数增长，全球用户已接近 6 亿。在庞大的用户基数下，vivo是为数不多能够回答这一问题的手机厂商。

在主会场，vivo 一口气发布了原系统 7、全新蓝心小V、蓝心 30B MoE 端侧大模型、小 V Cowork，以及蓝河智能体操作系统的技术预览版，并给出了 vivo 自己的答案：个人化智能。

在 vivo 高级副总裁、首席技术官施玉坚的表述里，当手机能够感知情境、理解意图并主动行动，Smart Phone 将进化为 Agent Phone。这是 vivo 第一次在开发者大会上，把手机直接定义为 Agent。

这套组合拳的核心逻辑，是“大模型 + Harness + 智能体安全架构”。大模型是“大脑”，负责听懂、记住、办事。语音大模型升级为 BlueLM-RealTime，端侧的 BlueLM-Nano 负责实时感知和沉淀个人记忆，云端大模型负责更复杂的任务。

而 Harness 是“神经系统”，把感知、记忆、规划、执行串成一条流水线，深入原系统内核，把手机的 6000 多项原子能力变成 AI 的手和脚。

9 年时间里，这家公司在 AI 上很少有激进的态度，而如今方向的转变，也让外界有了更多期待。在发布会结束后，周围带着 vivo AI 产品总经理关岩冰、vivo AIOS 产品总监黄梓勋组织了一场小规模的沟通会。话题从 30B 模型的内存压力，一路聊到 GUI 与 MCP 的路线之争、AI 是否过剩、手机是不是端侧 AI 最好的载体，以及 Agent 手机的收费模式。

以下为周围、关岩冰、黄梓勋与雷峰网等媒体的对话内容，内容经不改变原意的编辑：
问：今年你们提出预研 30B 端侧大模型让我们非常意外，去年你们的观点还是不一定要追求端侧模型参数量的大小，是什么契机让你们转变？有没有考虑内存压力？

周围：去年我们觉得，手机上跑 3B、7B 模型对内存来说很吃力。但今年年初行业发生了变化，大模型不一定要一次加载完，每次只加载一个或几个专家模型就行了。

现在旗舰机型内存标配已经 12G，拿 3G 内存加载 MoE 模型变成了现实。我们今年对行业、技术的判断做了修正，然后快速做出了自己的 MoE 模型。

问：PC 本地部署满血版 30B 大概要 18-19G 内存，但 vivo 认为最小只需要 2G，长时间使用会不会影响体验？中端机型能不能享受到 30B 的个性化端侧？

周围：这也是我们过去大半年一直在问自己的问题。在笔记本上部署端侧模型，动辄 64G 起步，手机上不可能。

但随着 MoE 类稀疏模型出来，根据任务难度按需加载部分专家执行，激活 1-3B 参数量，动态来看可能只需要 2-4G 内存。理论上已经能做到了，所以我们自己训练了 30B MoE 模型。

今天为什么没有直接带到产品上？因为它对手机硬件有全新的挑战。

举个类似的例子，为什么今年才提液态玻璃，2024 年不提？因为 2024 年才刚好规划硬件芯片，一颗芯片 24 个月才到，今年做刚刚好。今年提 MoE，同样要 24 个月之后，对应的芯片规划才会出来。

加上我们还需要一两年把模型调校好，到 2028 年底，MoE 实现今天所谓的大模型能力在端侧上，一定会变成现实。

问：端侧模型从几年前的 1B 到今天的 30B，参数越来越大，对手机硬件提出了什么新要求？

周围：我要澄清一下。手机最珍贵的资源，一个是算力，一个是内存。

到 2028 年底，旗舰机就是 12-16G 的配置，真正留给端侧模型加载的，我认为 4G 以下是比较合理的状态。

端侧模型不会变得有多大。今天 30B 给大家的错觉是很大，其实只是把它切成了 30 块或者 100 块，调用的时候并不是全部加载。

问：在 vivo 开发者大会上讲到的 6000 个原子能力具体指什么？MCP 还是多 Agent 都算？

黄梓勋：目前绝大多数来自系统应用本身。原子化能力可以理解为应用本身提供多少功能，每个功能直接原子化出来，比如笔记的写入、笔记的格式化转换。

我们为什么坚定做原子化能力？因为未来用户复杂任务完全由 AI 进行意图理解和任务编排，编排的过程，包含对本地功能子集的重新组合。

三方的部分会更灵活。有的头部办公应用倾向用 MCP，有的头部办公类 Agent 倾向用 COI 或者 A2A，我们对格式没有强限制，怎么对 Agent 的工作更友好就怎么来。

问：有没有考虑开放 GUI 的操作能力？去年周总还在聊隐私方面的限制，今年很多厂商同时支持 MCP 和 GUI 两种路线。

黄梓勋：我们内部认为，长远来看是弱界面化、弱交互化的，目前的 GUI 技术非常短期。如果不采用 GUI，我们仍然有其他更高效的技术手段，这也是安全性的一部分。

过去探索的过程中，我们也在跟头部互联网厂商沟通，听他们对 GUI 方式的接纳程度。所以今天我们在选择上，弱化了很多 GUI 的部分。

周围：大家用 PC 上的 Harness 会发现，即使在 PC 上，除了浏览器之外，很多私有应用对 GUI 的支持也非常弱。回到手机上差不多，不需要那么执着于给三方应用做 GUI 支持。

我们打开标准的 PC Harness 依赖，接近 3 万个技能和接口的支持，这是蓝河上已经做到的规模。未来想在端侧完美运行各种 Harness，基本上就要支持到这个数量级。

但做到之后，也不意味着手机就要把 GUI 支持得很好。去年 12 月之前，我们要让日历支持 GUI，得加一个“加日历”的功能，再加一个“删日历”的功能。

今年不一样了。日历模块本身会感知事件信息，这里有个需求，它自己就生成了一个日历待办。2026 年之后，对 GUI 的支持是应用自己的事，愿意支持就支持，这已经不是一个话题了。

问：三年前蓝心大模型发布时，提到云端最多做到 1750 亿参数，今年云端的重点变成了 Harness 和引擎，参数量也没怎么提。是不是手机厂商认为，云端的价值已经不在模型本身，而在调度和执行上？

周围：确实，2025 年和 2024 年对大模型的认知完全不一样，整个生态的语言体系都不一样。

2024 年，70B 就是云端的主流模型，175B 是顶层模型，那就是行业天花板。但到了今年 5 月到 8 月这三个月，大家对模型的判断来来回回反复了好几遍。

我们为什么要做本机模型的 MoE 版本？因为随着蒸馏技术的演进，可能 3B 的模型都已经能做很多事情了。一年前的 3B、今年的 3B、三年后的 3B，不是同一个东西。

以发展的眼光看，三年后的 3B 在很多方面能赶上今天的 70B。今天的 30B 到两年后，可能每一个专家模型都相当于去年 70B 的能力。这是行业发展的状态。

问：上午展示了相册随手清、即问即答这些很痛点的功能。系统级 AI 创新，怎么和 vivo 的四条技术长赛道结合？AI 怎么做得和其他厂商不一样？

黄梓勋：我们内部已经开始划分，哪些应用要在未来长期发展里深度融合 AI。

未来的趋势是，界面元素越来越少，交互方式越来越简单，能力越来越强，甚至越来越弱化对界面的需要。随着系统的 Agent 越来越强，有些应用会慢慢淡化出视野。

今天展示的，是那些未来长期仍然存在、但存在大量痛点的场景，我们尝试用 AI 融合的方式解决。比如清理相册。用户触发功能之前，本地端侧模型已经对内容做了理解，AI 会基于场景做出判断，把最后一步留给用户确认。

问：具体差异在哪？

黄梓勋：我们在行业里算是比较坚定用端侧模型做这块处理的。

过去是用户触发功能，数据上云，AI 处理完再返回结果。现在是 AI 走在人前面，用户见到这个场景的时候，AI 已经把该做的做完了，剩下的只是确认。

如果这件事用云模型做，意味着用户还没启动功能，所有数据就上云了，隐私问题更多，效果也不一定好。

周围：在 AI 的层面上，vivo 是行业第一家把端侧模型用在手机上的，去年就已经用了 18 个模块，其中包含相册。

现在大家的相册都是 100G 起，放在服务器上跑都要跑半天，为什么手机可以瞬间完成“找一张国庆节带小孩在海边的照片”？

因为端侧模型已经在后台默默帮你把这些照片感知了一遍，把特征记住了。我们在后台给每个人做了个人化的存储空间，等你在相册里调用的时候，支撑早就在那里了。

以前做不到，因为要把照片丢到云端识别。现在端侧模型在后面默默做，隐私安全也有保障。

问：个人化智能强调主动理解和主动执行，但主动和打扰的界限很模糊，也很主观。vivo 怎么定义系统级 AI 的主动边界？有没有衡量标准？

关岩冰：这是行业级的难题。

第一，每个用户的需求场景和对好服务的尺度不同，这就是我们提个人化智能的原因。只有不同用户的主动服务内容、服务策略不一样，才能真正解决这件事。

第二，在当前阶段，我们会更克制地做过于主动的服务。

比如每天给你一份日程或待办建议，前期会更克制地发。当用户的阅读、保存、导入日历这些正向行为逐步增多，我们会基于个人行为习惯，增加主动服务的深度和广度。背后有一套评价用户行为正向或负向的体验标准。这个问题，我们还在探索。

问：最近关于 AI 有两个分歧。一是 OpenAI 等公司呼吁大模型能力已经过剩，不要内卷开发；二是大家质疑大厂资本开支能否持续。在你们看来，现在的大模型到底够不够用，过不过剩？

周围：AI 分三层。

第一层是往上的通用人工智能，目前是巨头在竞赛。而且我认为还有一项工作还没有开始，就是自我进化、自我迭代、自我训练，这部分大家才刚刚开始。所谓大模型训练已经结束，是不成立的，新的征程才刚刚开始。

第二，今天的大模型可以供我们做生产力使用。从今年 7 月份之后，绝大多数的生产力场景已经够用了。真正限制你的是想象力，Harness 跟不上梦想的翅膀，所以中间这一段，整个行业都在努力。

第三，移动端是数字世界很重要的组成部分。在很长一段时间里，大家还是用 PC 做生产力变现，特别是 2B 场景。

但手机是贴身跟随我们的设备。脱离了 PC，你还是要看 Agent 的任务和生产是否正常，这就是我们为什么做 Cowork。

问：小V Cowork 这个方向，互联网厂商也在发力，vivo 作为手机厂商切入，怎么和它们配合？

关岩冰：AI 在过去两年最火、应用最广泛、完成商业化变现场景最深入的，就是生产力和办公场景。

但我们的定位不同。如果你的生产力在 PC 上，人离开工位、出差旅行，总要带手机。我们的产品定位，是在手机上遥控你工位上或家里 PC 的 Agent，是一个遥控面板。

基于这个定位，未来会往更随身的方向发展。大家用各种 Agent 的时候都有一个痛点，要反复输入自己的背景信息和个人介绍。

而个人上下文最全的地方在手机上。未来 Cowork 会基于手机本地的 Harness，提供更丰富的个人上下文，让你更好地使用 PC 上的 Agent。这是我们的差异化。

问：端侧 AI 真正要爆发，缺什么？缺大模型、通信算力，还是应用爆发？手机是不是端侧 AI 最好的载体？

周围：我们本质上是在讨论，PC 的端侧化和服务器的云侧化之后，能力要不要下到手机。今天看到的行业趋势是一定会下来，至于能覆盖多少场景，要看行业发展，这个行业发展实在太快了。

今天我能看到的是，MoE 是很好的解决方案。定制芯片现在成本很高，但算力没有问题，有一部分人愿意花高价做随身的纯端侧算力中心和生产力中心，没有问题，但这个人群和市场相对较小。这是暂时的观点。

问：AI 功能对算力和成本的要求越来越高，有的厂商已经开始用订阅制。vivo 对 Agent 手机的收费模式有没有思考？

关岩冰：当下的思考是，我们发布的产品还是会面向用户提供免费的功能。

但一部分用户如果想非常深度、非常大流量地使用，我们会提供额外付费扩大流量包的机制，保持探索。相信未来几个月，整个行业都会有类似机制出来。

但面对普通大众用户，还是会提供比较可用的免费空间。

问：2024 年你们提出手机智能体，2025 年这个东西为什么没有大规模走向 C 端？

周围：手机智能体不是没有走向 C 端，而是内化到了很多场景里。比如大家点咖啡点了 3 年了，手机智能体还是立了功的。

一两年前，这个能力看起来是一个方向，做着做着发现，一是比以前成熟了，二是行业对这件事有争论。我们的态度是搁置争议，让生态自然生长和成熟。

黄梓勋：这两年可能没再讲这个词，但思路没有变。

过去是应用级的单点智能，靠用户语音触发。现在是系统级的个人化智能，把能力直接内化到底层，由底层实时理解，提前做本地内容理解和意图预判，在可控的场景、获得授权的情况下代替用户执行。

我们也做了取舍，区分哪些任务由 AI 做，哪些必须留给用户。但几年前提出的手机智能体理念，没有变。

问：今天 vivo 发了自研蓝心 30B 端侧大模型，业界也有很多优秀的开源模型，vivo 怎么看待自研和开源之间的选择？

周围：今天哪怕是万亿级模型，随着预训练门槛降低，只要有算力就可以把模型做到位。对我们帮助最大的是蒸馏，蒸馏只是一个方法。

真正让我们有信心、觉得值得投入的，是在这个方向上看到了用户的痛点。

以后用大模型，一定会说“帮我调亮度”“晕车的时候怎么办”，它帮你把防晕车功能打开。这种能力，一定是手机厂商基于大量自我了解和数据积累训练出来的。

我们选择端侧，除了数据，还有一个很大的优势，我们是指令集级别做 GPU 优化的。现在做模型训练的厂商做不了端侧，要么功耗大，要么内存要求高。只有终端厂商和芯片厂商合作，才能把端侧做好。

我相信三五年之内，只有终端厂商在这个方向上做自己的模型端侧化，体验才是最好的。这是我们坚持投入的原因。

问：今年厂商都在提 Harness，昨天也有厂商说自己的系统首个真正实现 Agent Harness。vivo 的特色和差异是什么？

周围：这个问题，和我们为什么做无障碍、为什么只有 vivo 把影像做到今天这个位置，其实是同一个问题。

在我们的哲学里，这就是用户导向和场景导向的问题。如果这件事对用户最重要，哪怕所有人都去做，我们不是要做得比别人好，是一定要让用户在场景里最满意。

产品的竞争力不在于和友商比，而在于是不是真正理解了用户的痛点和场景。

为什么那么多视障用户用 vivo 的手机，独立出行、独立生活、化妆、挑衣服、参加演唱会？核心就是我们的团队认为，为这样的人群做事，一定要做出让用户偏爱的、不一样的、好很多的产品。

如果大家都做 Harness，为什么 vivo 还要做？大家可以看一下 vivo 的影像和行业的区别，大概也能猜到，两三年后，同样是 AI 智能手机，我们的领先在哪。

很难用几句话说出我们在哪里做得很好。但一定时间之后，大家会觉得，这是让我满意的手机。

问：你想象中个人化智能的终局是什么？

周围：我们都说，做一个产品，最后一定是为某个人、某个场景做的。就像我们为无障碍人群持续做，盲人、聋人都会以我们的手机为主出行和生活。同样，我们为办公人群、出行人群做事，场景一定要做得让人满意。

一个专业做攻略的助手，做不出让你真正满意的出行攻略，因为它不了解你，不了解你的家庭关系、社会关系和行为偏好。而我们可以很懂你，比你更懂你。

等蓝心小 V 给你做出一份超过所有家庭成员预期的攻略，从那一刻开始，你就会意识到，你不只是用它做攻略，你也会让它帮忙做生活和工作里力所能及的各种各样的事。

我们的画面感是，未来有个人智能的手机，是你专属的个人助理。这是我们的愿景。

本文作者长期关注智能硬件及终端，对终端渠道、业内动态感兴趣的行业人士，欢迎添加作者微信（ByArsT）交流。对话 vivo 周围：手机 AI 竞赛的下半场，是个人化智能图4

▼