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小布助手的底层记忆与系统级交互由其自研体系提供。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。手机厂商则负责系统整合、场景定义和差异化体验。

任务每往前多跑一步，对底层硬件能力的要求也会不断提升。高通曾测算：对话式AI单次任务约1万词元，推理式约10万，智能体可达百万级；2026到2030年，全球Token需求将增长约40倍。面对如此大规模的AI计算需求，需要充分发挥终端侧计算的作用，通过云端与终端协同来承载不断增长的AI工作负载。

高通公司全球副总裁、中国区研发负责人徐晧谈到了两个要求：Agent要实时在线，需要极低功耗的传感器中枢24小时待命；要处理长任务，还需要建立更加高效的长期记忆机制，能够有选择地保留和压缩关键信息，并为私密信息保留端侧存储的选择。

当操作系统调度的是持续执行的Agent，芯片平台也需要知道任务处在哪个阶段、需要多快响应。操作系统与芯片之间的协同，将成为下一步的关键。

家电与可穿戴：同一个Agent，不同的答案

手机之外，Agent要走向万物，绕不开家电和可穿戴。同一个"把事办完"的要求，到了这两个场景里，要解决的问题又不一样。

先看家电。智慧家庭喊了十年，大多数家庭还停留在开灯、关窗帘。家电的痛点不是单个设备不够智能，而是设备之间不互通，用户要挨个操作。现在，厂商需要把问题从"怎么控制这台电器"，转向"怎么完成这个家庭目标"。

论坛上，海尔智慧家庭 家庭智能实验室主任牛博提到，洗衣机已经替代了不少体力家务，但家里还有大量隐性的脑力劳作：谁记得明天买什么菜，谁记得滤芯该换了。

要接过这些事，设备先得理解人的状态。用户说"我累了"，得分清是环境累、身体累还是精神累。牛博把家庭比作一套具身智能：它需要理解意图的"大脑"，也需要包括传感器和能执行动作的家电等一系列智能设备。

他给出的定位也很清晰：海尔做"管家"——冰箱、洗衣机、烤箱往往是一家人共用的，Agent要服务的是一家人的协同。

在牛博看来，模型是否最聪明，并不是唯一的选择标准；能否适合家庭任务，以及Harness如何组织执行，同样重要。据悉，海尔智慧家庭已经和阿里云在智能体基础设施（Agent Infra）层面展开了多层级的合作。

这些设备卖出去之后，智能体验还要能持续改进。阿里云智能集团云原生产品解决方案架构师宋明强介绍的AgentCore，能让多个Agent像真实企业一样组队、分工，并跟踪任务过程、评估结果、针对问题调优。

家电难在要调动一屋子设备，可穿戴的难题正相反：设备轻量、交互受限，用户要的是"更省心"。眼镜的优势在于第一视角：靠近人的视觉和听觉，才有机会及时理解用户正在经历什么、需要什么。

当然，前提是硬件先够格。雷鸟创新生态业务负责人李凌霄在论坛上介绍，现场展示的眼镜整机34克，日常续航可达48小时；如果一直开启显示，则约为6小时。在他看来，智能眼镜已经开始具备日常佩戴的条件。

复杂任务则要靠云端分担。从2024年起，雷鸟与阿里云展开全面战略合作——底层用阿里云的基础设施，语音助手接入千问，多模态能力用阿里云的套件。

在李凌霄介绍的使用场景中，AI问答不再需要掏出手机；"全天记忆"通过录音持续积累用户的上下文，生成日记和会议纪要，甚至在会议中被突然提问时给出提示。

更有意思的是眼镜和办公场景的结合。雷鸟与千问办公把交互压缩成三个动作：派活——想到任务随口说出；跟踪——任务看板实时呈现在眼前；验收——结果以卡片呈现，一句话确认。

千问办公技术专家涂发亮把这类终端Agent的要求概括为三个词：听得懂、做得完、信得过。他把办公Agent的演进画成三个阶段：从被动执行的助手，到主动建议的参谋，再到可以被长期托付的"合伙人"。

眼镜之外，魅族 AI 小方块，AI 时代全新形态终端。搭载原生 Flyme AIOS，内置智能体 Super Aicy 与千问办公深度协同。通过 Super Aicy 将复杂任务交由云端千问办公运算处理，结果同步回传设备。

TCL、安克、影石、韶音等品牌此前也已与阿里云展开合作。越来越多的硬件开始尝试借助模型与云能力，扩展原有产品的用途。

阿里云的答案：把能力做成共用底座

把手机、家电、可穿戴三条线合在一起看，阿里云的角色很清晰：把模型、平台、方案、基础设施做成共用的底座，让厂商在此基础上开发自己的产品。这套底座主要承担三件事。

首先是在硬件侧的操作系统里加入Agentic OS，把软件打通。云栖大会上发布的Qwen Intelligence，做的就是这件事，它覆盖任务规划、跨应用执行、影像创作三大场景。与之相配套的，还有对应复杂任务规划、跨应用执行、真实手机任务和安全行动能力四个维度的测试集。方案好不好，需要放到这些具体任务里检验。

第二件事是持续提升模型能力——长程任务、工具调用、多模态感知到执行，都对模型提出了更高要求。千问旗舰大模型Qwen3.8-Max在人类"零参与"的情况下，自主搭建训练流程、构造训练数据、设计实验、定位缺陷，持续迭代超过一个月，完成了33轮有效迭代。阿里还公布了下一步计划：训练5-10万亿参数规模的全新模型。这些能力，正是端侧Agent从"能对话"走向"能办事"的基础。

第三件事是让Agent稳定地跑起来。阿里云将整条技术栈按Agent的需求重新拆解装配，12条产品线、56款产品完成Skill化，Agent可以像调函数一样调用OSS、数据库等云能力。对Agentic Cloud来说，分配计算资源之外，还得为持续运行的任务提供隔离环境，管理多个Agent的分工、身份权限和记忆。

这些能力合在一起，就是阿里云为Agentic时代准备的全栈基础设施：模型+模型服务+Agentic应用+Agentic Cloud。手机厂商可以减少从零搭建模型和云侧能力的投入，聚焦系统级整合和场景定义；家电厂商可以借助现有Agent框架，聚焦设备协同和用户体验；可穿戴厂商则可以借助云侧任务规划能力，聚焦随身场景和主动交互。

结语

2024年的云栖大会上，吴泳铭说AI不会只是手机上多几个新App，而是会真正接管数字世界、改变物理世界。

今年的主论坛上，吴泳铭给出的三大基石，是AI模型、AI芯片、AI云——三者最终都要在终端汇合，变成设备能感知、能理解、能执行的能力。

两年过去，方向正在变成方案，方案正在变成产品。

对用户来说，这种变化值不值得，最终还得看它能不能少让人盯着手机、来回操作。

行业已经展示了不少"能办事"的可能性，下一步，要在每天的使用中证明它们靠得住。

五年后的手机什么样？许主洪在圆桌上的回答可以作结：「未来，整个手机都会进入Agent时代——硬件、软件、架构，都会发生非常大的变化。」

当我们再次回看历次终端换代，赢的从来不是演示最惊艳的公司，而是把新能力铺得最平、成本压得最低的生态——PC如此，智能手机如此，Agent时代大概率还是如此。

"能办事"，而且要"能把事办完"，才是Agent接下来的胜负手。

至少，九点起飞的航班，不能等到九点才叫醒用户。

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4893932.html?f=wyxwapp