Agent手机爆发前夜，vivo把答案押在"个人化智能"

下行周期中，手机行业正在寻找新的价值锚点，从目前手机品牌的动作来看，Agent手机成了卖货的新看点。只不过，不同于过去手机品牌的单点参与，在这轮Agent手机浪潮中，大模型企业也纷纷下场，不同技术路线之间的碰撞，也让整个手机产业迎来了久违的火药味。 可以确定的一点是，Agent是共识，差异在于对AI主动服务的边界以及参与方式上。9月，在Agent手机集中爆发之前，各大厂商先带来了在系统层的思考。 日前，在vivo开发者大会（VDC）上，除了Origin OS在UI以及玩法上的迭代，vivo进一步展示了关于Agent OS的阶段性落地架构。相比过去几年围绕大模型参数、AI功能数量以及单点体验的竞争，“个人化智能”成了vivo今年想要强调的关键词，以及未来系统迭代的核心。 这是vivo第一次将手机定义为Agent终端，不是被动做事，而是主动服务，并通过不断的学习用户习惯，逐渐变为一个懂用户的设备。在交流中，vivo副总裁、OS领域副总裁、vivo AI全球研究院院长周围更是多次强调：AI手机竞赛的下半场，拼的是个人化智能。 全新的AI系统体系下，vivo推出了“大模型+Harness+智能体安全架构”。其中，大模型负责听懂、记住、办事，Harness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。安全架构，则是保证权限控制、任务过程透明度和用户可控性。 与此同时，vivo还带来个人专属AI助理蓝心小V，其Pro模式可自主拆解任务、跨应用整合信息、跨端操作。小V Cowork让用户通过手机即可查看并处理PC端智能体任务。蓝心智能开放平台也同步升级，支持智能体（Agent）、Skill、MCP及原子技能快速接入。 值得一提的是，对比过去的系统更新路径，vivo这次显得更为激进一些，比如对端侧模型的态度以及对自研的坚持。去年的VDC上，vivo认为手机上跑3B、7B模型对于内存来说很吃力，不一定要过度追求端侧模型参数量的大小。但仅仅一年时间，这一认知就发生了变化，坚持端侧投入的同时，vivo还透露正在预研蓝心30B MoE端侧大模型，探索万亿大模型在手机上的应用。 对此，周围给出的解释很简单：现在旗舰机型标配内存已经12-16G，拿2-4G内存加载MoE的模型变成了现实，所以对于之前技术的判断做了一下修正，做出了自己的MoE的模型。 在他看来，30B给大家的错觉是很大，得益于MoE稀疏架构，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进行加载。如果以发展的眼光来看，三年之后的3B在很多方面能赶上70B。 不仅如此，在部分厂商走通用模型路线的时候，vivo依旧在坚持自研，这种打法相对来说更费资金也更耗时间，在快节奏的手机市场，看起来性价比并不是那么高。但vivo认为这是对比友商的差异化所在，也是建立优势的关键。 “当大模型能力越来越强，AI竞赛的关键正从技术实力转向能否真正服务和帮助好每一个人”，周围指出，“手机厂商有一个优势，就是更了解用户的使用场景和需求，我们可以做到指令集级别的GPU优化，现在做模型训练的厂商如果直接做端侧，可能面临功耗或者内存问题，只有终端厂商和芯片厂商进行合作，才有机会把端侧体验真正做好。” 从AI功能到Agent，再到个人化智能，vivo正在尝试把AI从手机里的一个功能，变成手机本身的一部分。但技术可行不等于产品能直接落地，按照vivo的规划，这类端侧模型仍处工程验证阶段，未来随着芯片、模型和系统进一步协同，到2028年底有望成为现实。 下周开始，一系列Agent手机就要陆续发布，但自证的这条路不会很轻松，还需要回答更多的问题。如何处理第三方应用权限，如何去定义Agent的边界，如何去克制主动服务，GUI、MCP等不同技术路线最终如何共存？这些都还需要产品真正进入用户生活之后才能验证。 在VDC大会后，针对vivo在Agent手机上的路线，我们与周围以及vivo AI产品总经理关岩冰、vivo AIOS产品总监黄梓勋聊了聊，以下是对话实录，略经删减： 提问：今年提出了要预研30B端侧大模型， 去 年的时候，你们的观点还是不一定要追求端侧模型参数量的大小，是什么样的契机想要你们转变，以及有没有考虑到内存的压力？ 周围： 去年我们觉得手机上跑3B、7B模型对于内存来说很吃力，但是在今年年初的时候，行业发生了变化，大模型不一定要一次加载完，可以每次只加载一个或几个专家模型就行了。现在内存标配旗舰机型内存已经12-16G，拿2-4G内存加载MoE的模型变成了现实，所以我们去年对于这个技术的判断和，今年做了一下修正，然后快速做出了我们自己的MoE的模型。 提问：30B部署到手机之后，云端是完全不会介入吗？因为手机大部分时间还是联网使用。 周围： 完全不会介入。 提问：如果在本地训练好模型的话，将来换一台手机，通过换机助手可以换到同品牌的手机上吗？ 周围： 这个问题一是要不要迁，二是要不要迁记忆。我们有感知记忆存储，Main-Loop里的长期记忆系统或者第二大脑系统，大脑肯定能迁移。但是Harness不一定要迁，比如做一个项目，项目在GitHub上迁移，而机器的个人感知记忆存储要迁，而Harness下的大模型和Main-Loop迁了没有意义，这是我现在的认知。 提问：AI自动执行操作的时候会遇到APP的权限壁垒或者是逻辑的错误，vivo怎么样解决这个问题，确保AI Agent执行任务的高成功。 关岩冰： 执行任务分两类，首先会在自己的应用，系统自有的应用更好加固执行过程中的权限数据类、敏感类，确保整个执行安全、可信，这是内部不断完善的工作。 第二，我们和行业相对TOP的合作伙伴也会联合共建执行任务过程中的一些工程或者体验上的细节，比如今天早上我打电话和合作伙伴聊，比如过程中具体哪一步需要询问用户二次确认，现在行业也没有明确的标准，就需要我们不断去摸索、探索、体验、效率和安全的边界，我们在优先保障用户的可控、用户的透明可见的基础上优化性能，这是我们和几个合作伙伴在共同打磨和共建的能力，但需要一定的时间。 提问：30B的 MoE 模型，是否意味着我们会有少量高频的专家常驻？如果是这样的话，在跨域任务进行的时候，比如专家切换，目前的延迟和能耗的情况是怎样的？您期望2028年达到什么目标？ 周围： 目前都是一个工程验证阶段，只是把模型训练出来了，我预期可能类似于整个工作电流低于500毫安左右，相当于是负载低一点的电流，可能是相对理想的状态。专家模型长驻，内存的常驻电流不高，不消耗电，真正耗电是搬运的过程，如果整个过程都是由我们的算力芯片完成，3B刚开始出来也是800多毫安，一年之后500-600，2028年底600毫安上下能用。 提问：端侧的模型在增长，几年前就是1B的小模型，今天已经到了30B，端侧的模型参数越来越大的话，能不能系统概括一下对于手机硬件提出了什么新要求？ 周围： 我要澄清一下，模型的载入，目前手机最珍贵的是算力，另一个是内存。目前来说，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3