AI硬件的下一场仗：少说话，多办事

过去一年，AI成了硬件发布会的 固定节目 。 手机有了AI助手，家电接了大模型，眼镜学会了回答问题。 厂商们排着队上台，演示一个比一个炫。行业热闹得像2010年的移动互联网元年，人人都在抢一张名叫Agent的船票。 但装上Agent之后，设备究竟替用户省了多少事？ 在今年云栖大会AI原生硬件论坛上，Qwen Intelligence产品负责人范黎举了一个例子：用户说自己有一班九点的飞机，请手机设个闹钟。Agent照做了，把闹钟设在九点。它执行了指令，却没弄明白用户是想赶上飞机。 “Agent”这个词，每家讲的意思都不一样——有人把它当语音助手的升级，有人做成跨应用的自动化工具，还有人干脆动起了操作系统的手术。但判断AI硬件的进展，需要一把更实在的标尺：能不能感知环境，能不能理解意图，以及最关键的，能不能把事办完。 9月23日，云栖大会「智启万物：AI原生硬件论坛」在杭州开场。比起介绍的产品，台下坐着的人更值得玩味：手机、家电、眼镜头部厂商和头部的芯片厂商坐进同一个会场，模型这一层，则由主办方阿里云自己补上。 这几方平时各管一段，如今坐在一张桌上，只因为一件事—— Agent把它们的命运绑进了同一个闭环。 阿里巴巴CEO吴泳铭前一天在主论坛用 机器智能（Machine Intelligence） 这个词来概括当下的技术变革：“机器正在成为思考的主力，智能正在变成规模化的商品，未来机器思考的总量会达到人类的1000倍以上。”而这些变化落到终端上，要回答的是一个更具体的问题：模型和算力的提升，能否让设备从被动响应走向主动办事？ 顺着这把标尺看，眼下三条硬件赛道各有各的难： 手机最主力，要横跨应用跑通长任务；家电最分散，要调动一屋子设备；可穿戴最轻量，要随时随地办事。三道题的难度不同，解题的思路也不同。 手机：Agent时代最难的考场 三道题里，手机是公认最难的。 通讯录、支付、日程、位置、习惯，全在这一块屏幕上。 阿里巴巴ATH事业群副总裁、Token Foundry Qwen手机智能负责人许主洪给过一组数字：手机占据用户90%的使用时长，承载90%的用户上下文。这也是手机厂商的机会——Agent需要的数据，很多已经留在手机上。 头部厂商的切入点各不相同，回答的却是同一个问题： 先让Agent把事办稳。 一个细节值得留意，这是OPPO、vivo、荣耀三家头部手机厂商第一次同台，能让三家同时坐到一张桌上的议题不多，Agent手机算一个。 “终端正从‘应用入口’变成‘意图入口’。”OPPO研究院AI负责人王俊认为Agent原生手机定了三个条件：真正理解用户；把意图转成高效、稳定、安全的执行；在交互中持续成长、自我迭代。 这三个条件不是口号，OPPO已经把它们落进了系统。在AI核心能力上，OPPO坚持自研路线，小布助手的底层记忆与系统级交互均由其自研体系提供。底座是一套记忆引擎：统一管理用户记忆，不仅能记录，还能动态更新、遗忘和反思； 同时， 智能体具备隐私保护的个性化感知能力，学习用户用机习惯， 快速响应用户的服务需求。提前把应用资源备好。 往外走，OPPO接入的头部服务商超过40家，比如小布“一句话直达”与支付宝打通了约200项服务。 在AI能力的构建上，OPPO AI坚持生态开放策略，与阿里云展开了深度的生态能力共建，在模型层和端侧能力上引入最新一代Qwen-3.8模型、Qwen-Omni全模态模型等，为用户提供更丰富的AI能力服务。 vivo AI副总裁张飞强调的是另一个词： 持续理解 。他认为最根本的变化，是手机第一次有机会规模化地服务好每一个人。一个典型场景是长任务多轮对话：用户说一句"订明天去北京的高铁，再打个车"——一句话里藏着订票、打车两个关联意图，系统得先把票订好，再衔接上打车，把组合式的服务串起来。 支撑这种串联的，是支付宝400万小程序、600大类服务的执行能力：长任务能打磨到什么程度，很大程度上取决于接入的服务规模。据双方透露，接下来还会继续整合资源和技术方案，覆盖更多的长任务需求。 这套“持续理解"也落进了最新的旗舰。X500系列的小V圈搜由千问多模态模型助力：通过屏幕感知自动识别画面中的重要主体，结合意图理解做精准推荐；图片问答中，还能精准提取文字——“所见即搜、圈选即得”。 如果说上面这些还是在入口和记忆上做文章，还有一种更重的做法：直接改写操作系统。 荣耀AI首席科学家黄非把Agentic OS的重点放在了任务上。9月15日，荣耀在全球开发者大会上发布MagicOS 11——行业首个实现系统级Agent Harness商用落地的手机操作系统，将模型能力与终端的感知、规划、工具调用和执行结合起来，由系统统一调度。 在圆桌上，他谈到的是一连串具体问题：系统得知道每个Agent做到了哪一步？成功了还是失败了？接下来需要什么资源？端侧受到功耗和发热限制时，一些复杂任务可以交给云端，结果再回到手机。用户关心的是最后有没有办成，系统则要把中间这些事安排好。 9月22日，阿里巴巴在云栖大会发布AI手机全栈解决方案Qwen Intelligence时披露：9月28日发布的荣耀Magic9系列， 将成为首批搭载该方案的正式机型，荣耀Robot Phone同步支持 。 双方以Qwen Intelligence和荣耀MagicOS为基础，共同打造了面向下一代AI手机的垂域模型和解决方案。基于这套方案，综合任务准确率达到91.8%，GUI操作耗时3.6秒，复杂长程任务可实现100步以上的连续操作，端到端服务闭环率超过90%。 系统搭起来了，但这只是地基。考验系统成色的，不是单条指令，而是那些会跨应用、会被打断、还可能临时改变要求的长任务。 100步以上的长程任务，数字好看，做到极难。 阿里的MobileWorld等开源评测给出了另一组数据：平均27.8步的长程任务里，超过60%需要跨App协作，受测领先模型的成功率只有51.7%，端到端模型最高20.9%，换到全新挑战任务上，主流Agent的准确率几乎归零。 这些评测与具体产品方案的测试口径不同，数字不能直接比较。圆桌讨论更关心的是实际执行时会发生什么：任务中断后是重试、回退，还是重新规划？这些都得有安排。 这也解释了Qwen Intelligence的设计：用许主洪自己的比喻， 模型是发动机，Harness是驾驶决策系统，OS是交通规则和基础设施 ——三者协同，通用智能才能变成手机上“可执行的智能"。 Qwen Intelligence把工作拆成了规划、执行和影像创作三个部分。 Mobile Planner Agent 定位“大脑”，负责理解模糊目标、拆解成可执行的步骤、编排工具并动态调整。 计划做好之后， Mobile-Use Agent 负责实际操作：有API接口就优先调用，没有接口时，再通过GUI操作应用界面。前者能提高执行效率，后者让一些尚未开放接口的应用也能被调用。 Mobile Creative Agent 则管的是影像创作。针对手机场景深度优化的轻量模型，把口语化表达翻译成清晰指令，覆盖拍照修图这类高频任务。 模型层以千问为底座，针对手机场景深度优化和后训练；平台层支持厂商定制模型和Harness，按需接入、可定制运营。手机