对话 vivo 高管：端侧大模型、Harness 与「个人化 AI」的下一步

在 9 月新机潮的喧嚣下，手机操作系统例行迭代多少显得有些波澜不惊。但真正能重塑用户习惯的变革，往往就蛰伏在这些那么喧闹的底层更新里。 流畅、动效与跨端互联不再是唯一的护城河，vivo 在今年的开发者大会上交出了属于 AI Phone 的答卷——「个人化智能」。 这次 AI 终于从「一个个单点功能」落地成「系统的一部分」。 新的蓝心小 V Pro 可以理解用户意图、拆解任务，再通过 Harness 调用系统、应用和第三方服务。端侧模型持续理解手机里的照片、文件、文本和设备状态，个人记忆则为这些任务提供长期上下文。 发布会结束后，爱范儿和 vivo 副总裁、OS 领域副总裁，vivo AI 全球研究院院长周围，vivo AI 产品总经理关岩冰，以及 vivo AIOS 产品总监黄梓勋聊了聊。 30B 模型塞进手机，vivo 想解决的并不是「端侧对话」 把 300 亿参数模型放到手机上，放在一年前，连 vivo 自己都觉得天方夜谭。 周围坦言，去年团队的判断是，手机跑 3B、7B 已经很吃力，13B 几乎没有可行性。原因在于过去一个 7B 模型加载起来，可能就需要占掉 4GB 以上内存，而旗舰手机主流也只有 12GB 内存左右。 今年让这个判断发生变化的是 MoE，也就是混合专家模型。 MoE 不需要每次推理都把整个模型加载进内存。按照周围举的例子，一个 30B 模型可以被拆成大量专家，每次只需按需调度少数几个。得益于底层的加载与缓存优化，同时运行两三个专家，真正需要占用的动态内存可能只有 2GB 到 4GB。 手机里大量没有被激活的参数，则可以安静地躺在 512GB、1TB 的闪存里。 周围说，今年整个行业对这件事的判断都做了一次修正，vivo 也因此开始训练自己的 30B MoE 模型。 不过，这个模型目前还在工程验证阶段，离真正装进消费级手机还有距离。MoE 解决了一部分内存问题，新的瓶颈随即出现：专家模型之间如何搬运、芯片怎么调度、功耗怎么控制，以及端侧算力该怎么配。 周围预计，这一整套能力真正成熟，大概要等到 2028 年前后。按照他的推演，届时高端手机大概率依然维持在 12GB 到 16GB 的内存规格，真正能长期划拨给端侧模型的常驻空间，依然只有 4GB 左右。 模型可以换，vivo 更想把 Harness 留在系统里 vivo 在今年开发者大会上反复提到的另一个词是：Harness。如果把大模型理解成 AI 的「大脑」，Harness 就是一套手机执行中枢。 模型负责听懂你到底想干什么，Harness 则负责稳住阵脚，维护任务循环（Main loop），寻找合适的工具、调取上下文、执行能力、校验结果，然后有条不紊地推进下一步。 在复杂的真实场景里，蓝心小 V 本身有 main loop，Harness 也有自己的 main loop，复杂任务继续发展下去，甚至可能出现 main loop 套 main loop、Harness 之上再管理多个 Harness 的情况。 vivo 做的一件事，就是把这样的 Harness main loop 直接嵌进蓝心小 V，甚至进一步嵌进系统进程。 周围认为，「Harness 本身是不挑模型的。」底层究竟跑 DeepSeek、Claude，还是其他模型，都可以根据任务替换。需要长期保留下来的，是 Harness 里的执行逻辑、上下文，以及用户自己的记忆 这也是为什么当我们聊到「换机迁移」的事时，他不认为「模型迁过去」是一件重要事。 模型只需重新下载即可，真正需要无缝迁移的，是你在旧手机里日积月累的感知记忆、长期习惯，以及只属于你这个人的上下文。 这恰好扣合了 vivo 所谓「个人化智能」的核心叙事。 关岩冰把 vivo 在「个人 AI 」的差异总结成两点：第一，端侧 Harness 能够深入调度整个 OS。第二，手机拥有用户个人专属的上下文。 作为少有能 24 小时贴身陪伴用户的计算设备，手机里沉淀了用户的照片、日历、位置和设备状态。 如果这些数据每次都要等你开口提问，再慢吞吞地打包上传云端去分析，效率不仅大打折扣，更会触碰隐私安全的红线。因此，vivo 这次极为强调一个前置动作：让端侧模型提前做理解。 这一次是 AI 走在人前。 比如你想从上百 GB 的相册里找一张「国庆节带小孩去海边」的照片。如果等你问完之后才开始遍历照片，即使放到服务器上，也很难瞬间完成。vivo 的做法，是让端侧模型平时就在后台理解照片，把特征提前记下来。真正搜索的时候，AI 已经知道那张照片大概在哪里。 同样的逻辑也可以扩展到日程、文件、位置乃至个人关系。周围在群访中举了一个详细的例子来区分这种「个人化智能」与普通 agent 的区别——做旅游攻略。 普通的 AI 助手当然也能规划行程，只要你把前提条件交代得足够细碎：老父亲年纪大了、带着吵闹的小孩、妻子正处于孕期……它同样能据此规划出合理的行程。 但现实是，谁有耐心每次都对着冷冰冰的对话框，把家底重新交代一遍？ 周围说，如果手机已经通过长期的感知，默默记住了这些家庭关系和身体状况，那么即便你只字未提，蓝心小 V 也会在做攻略时自动为你兜底：它会刻意放缓行程节奏，甚至贴心地提醒你「带上一个折叠小马扎，方便孕期的妻子随时坐下歇脚」。 在周围看来，能让用户感受到惊艳的，从来不仅是 AI 规划路线的算力，而是它长年累月掌握了你的家庭羁绊、社会关系、行为偏好与时空轨迹，并将这些带着温度的背景，无缝注入 Harness 与大模型的每一次执行中。 但 Harness 要做事，还得有工具。那这些工具从哪里来？ 6000 多项原子能力，vivo 把手机拆成 Agent 可以调用的「零件」 vivo 这次公布了一个数字：6000 多项原子能力，这些能力经过灵活编排，可以进一步组合成上万种任务。 所谓「原子能力」，可以理解为一个 App 里能被独立剥离、单独调用的最小功能单元。 比如笔记写入是一项能力，格式转换又是一项能力；创建日历、修改系统设置，也都可以分别拆出来。 黄梓勋解释说，目前这 6000 多项能力中，七八成源自 vivo 官方的系统应用。在过去，这些功能深藏在层层叠叠的 UI 页面和按钮背后。 用户必须先凭记忆找到对应的 App，点开特定页面，最后才能按下执行按钮。 到了 Agent 这里，vivo 希望把这一层重新拆开。过去手机的能力组织方式更接近：用户 → App → 页面 → 按钮 → 功能。Agent 需要的则更接近：Agent → Tool → 功能。 黄梓勋说，他们之所以坚定做原子化，是因为未来复杂任务会越来越多地交给 AI 做意图理解和任务编排，而编排的基础，就是这些足够小、可以重新组合的能力。 当然，如果每一次都让模型拿着几千个「零件」从头拼一遍，效率也不会高。所以 vivo 现在也开始把一些高频组合进一步封装成 Skill。 以前 Agent 每次都要重新拿零件组装；做成 Skill 之后，相当于提前有了组件。 然而，智能手机的广阔天地，显然不止于 vivo 自己的第一方应用。 美团、支付宝、移动办公等海量第三方服务，才是吞噬用户时间的真正主战场。 对于如何接纳第三方能力，vivo 展现出了极大的包容度，