--- author: 硅谷101 date: '2026-10-20' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=l_Yc7YeBSxc speaker: 硅谷101 tags: - ai-agent - on-device-ai - heterogeneous-computing - smartphone-industry - human-computer-interaction title: 智能体手机加速爆发：换机困境、端侧AI与下一代入口之争 summary: 随着全球换机周期拉长，传统硬件升级刺激减弱，智能体手机（AI Agent Phone）成为产业新变量。从端侧算力、异构芯片协同到端云架构成熟，手机正从'等人操作的工具'转向'替人办事的智能助理'，并引发整机Agent与超级入口的路线之争。 insight: '' draft: true series: '' category: ai-application area: tech-engineering project: [] people: [] companies_orgs: - Qualcomm - Apple - Google - OpenAI - Nubia products_models: - NaviX Ultra - Snapdragon - Gemini - Doubao - Siri media_books: [] status: evergreen --- ### 行业新变量：智能体手机的兴起 **陈茜**: 最近手机大战又打响了。**苹果**正式进入折叠屏，**三星**把折叠屏拆成多种形态，**小米**展示了18 Fold。与此同时，存储芯片价格持续上涨，推动整个行业进入新一轮周期，并迫使厂商进一步收缩中低端产品线。但更前沿、也更让人关注的是**AI智能体手机**（AI Agent Phone）。 过去十几年，手机一直在变得更强，摄像头越来越多，芯片越来越快，但我们操作手机的方式几乎没怎么变。那如果有一天，手机不再等你操作，而是直接替你完成事情呢？2026年，这件事突然开始加速。**高通**CEO安蒙此前说过，“2026是agent之年”。我们也看到今年7月，**阶跃星辰**发布了AI手机**STEPX Neo**，**荣耀**发布了**Robot Phone**，还有最近**努比亚**发布了**NaviX Ultra**，搭载了新版**豆包手机助手**消费者版，是官方认证的“全球首款AI智能体手机”。而在硅谷，苹果、**谷歌**、**OpenAI**纷纷下场发力，一时间AI手机市场热闹了起来。 大家好，欢迎收看《硅谷101》，我是陈茜。这期视频我们想聊聊手机的下一步在往哪里走，行业里正在出现如何的变革，为什么手机厂商开始押注“agent”，像努比亚NaviX Ultra这样的产品上手体验如何，以及智能体手机真的是AI硬件的未来吗？ ### 核心驱动力：换机周期与端侧算力进化 **陈茜**: 那为什么最近手机厂商都来押注“智能体手机”了呢？这背后其实是有三股力量汇聚在了一起。 第一是传统手机行业需要新的“换机理由”了。过去几十年，智能手机的升级逻辑非常清楚：屏幕越来越大，摄像头越来越多，处理器越来越快，电池越来越持久。每隔一两年总会有一个明显的硬件升级，让消费者觉得这台手机值得换。但最近几年，这种刺激正在明显变弱。**Counterpoint**的数据显示，全球智能手机换机周期已经明显拉长，2023和2024年这个数据都是在43个月左右。到了2026年，Counterpoint最新判断是，受存储芯片等零部件价格上涨影响，全球换机周期正在向48个月、也就是4年靠拢。 在分析换机周期拉长的原因时，他们提到了一个词，叫做**incremental device upgrades**，也就是“渐进式设备升级”。说白了，也就是新手机和上一代手机之间的差距，消费者越来越感知不到了。所以对于厂商们来说，他们急需去找到一个新的刺激点来重新点燃大家的购买欲望，那当然就是AI了，更准确地来说是Agent（智能体）。 过去几年，手机AI功能已经越来越多，但是Agent带来的想象空间是完全不同的。比如之前想订一家餐厅，你可能需要打开手机地图、搜索餐厅、看评价、查时间，再跳转到订餐平台；而在智能体时代，你只需要告诉手机：“帮我找一个离我近一点、适合两个人吃饭、今晚七点还有位置的餐厅”，后面的搜索、比较、预订都可以由Agent来完成。这样一来，手机的角色就彻底变了，**从“等人操作的工具”直接变成了“能够替你办事的智能助理”**。而这对于手机厂商来说，可能就是下一轮换机周期所需要的“新故事”。 第二股力量就是算力。端侧AI从“能用”进入到了“好用”，开始能够支撑这个“新故事”的落地。以前手机上的AI主要还是语音识别、图像识别、拍照算法等相对固定的任务，任务不复杂，模型也不大，NPU针对性地优化一下也就够了。但是Agent要进入手机之后，任务的复杂程度大大提高，它可能会涉及语音、文字、图像、AI推理、操作等一系列的事情。手机不仅需要大量的计算，CPU、GPU、NPU以及其他专用计算单元还要围绕着任务进行动态的切换与协同，端侧AI能力就成为了关键问题。 在过去几年的时间中，手机芯片正在针对性地解决这个问题。我们翻了一下骁龙的迭代记录，发现AI计算是从早期的一个辅助能力，逐渐变成了SoC中的核心能力。早在2015年，高通的**骁龙820**就搭载了第一代**Qualcomm AI Engine**，芯片开始帮着处理影像、语音和传感器上的AI任务。2018年的**骁龙855**又给它加进了张量加速器，不过这时候的AI干的还是拍照、语音这类固定活。 真正的转折在2022年底的**骁龙8 Gen 2**，这一代第一次支持INT4低精度计算，也专门针对Transformer做了优化。高通公布的数据显示，在部分AI工作负载上，性能最高提升4.35倍。从这一代开始，手机芯片开始为“本地跑大模型”做准备了。2023年的**骁龙8 Gen 3**更是宣布支持最高100亿参数的生成式AI模型在手机端运行。到去年骁龙峰会发布的**第五代骁龙8至尊版**，高通第一次把“手机上的智能体”写进了设计目标，NPU相比上一代提升37%，同时加入了个人速记（Personal Scribe）、个人知识图谱（Personal Knowledge Graph）等能力。这两个东西的作用，就是让端侧的Agent能够记住你，能够持续学习。 你看这个节奏，从帮拍照到算神经网络，然后能跑大模型，再到现在开始有“记忆”，芯片厂商其实是一步一步在往Agent这个方向挪，只不过前几年没有人把这个词常挂在嘴边。 不过芯片跑得快还不够，你还得有一个真的能塞进手机里的模型。云端的大模型参数动辄上千亿，无论如何是塞不进一块手机里的，所以过去很长一段时间，“大模型”和“手机”几乎是两个世界的事。但是这两年，这两个世界开始快速地靠近。一方面模型本身正在快速地变小。 **徐晧**: 同样的智能，需要的参数是越来越少了。比如说我们做过一个研究，在2024年最好的LLaMA出来的一个模型，比如说它performance它的表现能够到某一个数量级，在几个月、小于一年的时间内，这100多个billion或者几百billion的这些模型，它用很小的模型，比如4个billion或者几十个billion的，它就能达到同样的效果，甚至于更好。 **陈茜**: 在另一方面，“端云协同”的架构也让Agent在手机上的能力有了更大的发挥空间。随着需求、算力、模型这三股力量汇聚到一起之后，AI智能体手机需要的基本条件就已经具备了。 ### 路线分歧：整机Agent与超级入口 **陈茜**: 这个时候问题也就出现了：当AI开始替用户操作手机之后，谁来决定它应该怎么操作？这也就是目前行业正在分叉的地方。目前行业里主要有两条不一样的思路： 第一种思路可以理解成“整机Agent”。你打开手机，看起来还是我们熟悉的样子，常用的APP都不少，而AI功能被集成到了系统里。这种路线最大的优势是体验足够直接。我们这次体验的努比亚NaviX Ultra，搭载了豆包手机助手消费者版和骁龙旗舰移动平台，就是走的这条路线。 而第二种思路就是在手机里面放一个SuperApp，也就是超级AI入口。用户先进入一个AI APP，比如说ChatGPT、豆包、Gemini等等，然后由它去调用地图、购物、外卖等各种服务。这种路线的优势是落地相对容易，手机厂商不需要一下子重构整个操作系统，只需要先把AI入口做好，再不断增加它能够调用的服务，用户的学习门槛也会比较低。 行业现在其实是在两个方向的探索都在进行，也在寻找平衡和突破。我们先来看看硅谷这边的一些动作。 首先就是最近刚召开发布会的苹果了。最近苹果刚刚发布了**iPhone 18**系列。从今年的WWDC开始，苹果最大的变化之一就是正在把Siri从“只会回答问题的助手”往系统级Agent推进。在今年的发布会中，苹果甚至在开场就直接提出了**Intelligent Personal Hub**这个概念，把新一代iPhone描述成“智能个人中枢”。而在计算方式上，**Apple Intelligence**也继续采用“端侧处理+私有云计算”相结合的方式，能够在设备上完成的尽量放在设备上，需要更强能力的时候再交给苹果的云端。它的好处是体验比较容易统一，但是相应地，它对第三方生态的开放程度相对有限，很多AI能力需要在苹果自己的规则和框架下去运行。这带来的潜在问题，可能就是迭代速度会慢一些了。你看这几年，苹果AI的推进一度是落后于市场预期的。 另一边，谷歌的路线有点不同。它看起来是在做Android的系统级Agent，但是从它背后的生态来看，又非常像一种Super App。因为谷歌手里面本身就有一套非常完整的服务体系，所以当Gemini进入Android之后，它同时获得了两个优势：一方面它可以深入操作系统，理解用户正在做什么；另一方面，它自己又拥有大量可以直接调用的服务。不过，谷歌的优势同时也是它最大的难题。用户真正使用的手机，要使用的远不只有谷歌的这些服务。当Agent开始跨APP执行任务，就需要不同的第三方应用开放权限、接口和执行能力。再加上Android设备众多，不同厂商的硬件、系统和权限机制都有差异，所以Google可能要解决的问题是：如何让Gemini在一个开放、庞大又高度分散的Android生态里，稳定地替用户把事情做完。 当然，硅谷还有一类新玩家，比如说OpenAI。2025年5月，OpenAI宣布与前苹果首席设计师Jony Ive的设计公司**LoveFrom**合作，并收购其硬件团队io Products。一开始Ive和Sam Altman设想的是希望摆脱“屏幕+APP”的交互方式，甚至一度设想为没有屏幕的设备。有消息称OpenAI的产品设计可能还会是基于传统智能手机的形态，目标在2027年的上半年量产。 ### 落地实践：NaviX Ultra与端侧交互范式 **陈茜**: 硅谷现在的探索更多还是集中在系统层和终端层，而在中国市场，厂商的打法则是更加的多样化，也更热闹了。 今年七月，网信办第一次集中公布了端侧大模型的备案信息，苹果、小米、OPPO、vivo、华为、三星、努比亚七家主流厂商全部完成了端侧AI生成式服务的备案。这也意味着，智能体手机在国内已经从厂商自己的产品探索，逐渐进入到有备案、有监管的落地阶段。 在这当中，努比亚的做法有点特别，它走的是整机Agent路线。那它的体验如何呢？我们先来聊聊努比亚NaviX Ultra相比传统智能手机感受非常不一样的几点： 第一个变化最直观：有些APP的操作，在获得授权之后我就不用自己动手了。过去我们想做什么事，得点开对应的APP，然后逐步地搜索、翻页、查询；而到了智能体手机上，只要长按独立的AI键，说出我的要求，它就会在获得授权之后自动帮我操作。 第二是执行能力提升，它可以跨APP操作，具体主要分三步：在感知方面，豆包手机助手拥有全局读屏的能力，比如说刷视频的时候，可以直接问屏幕中的内容是什么、在哪里，不需要再截图单独打开AI软件去问；在推理方面，对于一些需要其他APP协助的任务，它能自动唤起对应的APP，不需要我再手动打开；更重要的是执行方面，它可以在后台的虚拟屏幕上跑，画面不占用主屏，我可以同时做其他事。 第三就是记忆能力。只要我授权了，或者主动告诉它一些信息，它就能够帮我记住，比如说我的行程、票价。当我需要的时候，可以直接问豆包，不再需要打开APP去寻找。 这些体验加起来，就构成了“AI原生交互”的一个范式。 **徐晧**: AI将会重构交互体验，它是个全新的user interface。从我们选APP到不用选APP，这些都是慢慢地我们会适应的一些用户体验，以及交互方式的转变。 **陈茜**: 当然，作为一个全新的品类，智能体手机的体验还有很多的提升空间。我们试用的时候发现，现在各种流畅的体验主要是围绕系统应用、中兴还有字节系的APP上，想调用更多第三方APP的话，还得等待未来逐步接入。不过从技术角度上来看，这套“理解-规划-执行”的完整链路已经跑通了。这就像自动驾驶行业早期的状态，先把技术底层搭好，接下来更重要的是到真实的商业环境里去反复验证和迭代。 ### 硬件底层：异构计算、端云协同与架构演进 **陈茜**: 这些复杂的能力在手机上要跑得好，还要跑得久，底层硬件需要什么样的支持呢？ 首先Agent要随时待命，但是如果芯片一直全功率运行，电量就撑不了多久，这就需要低功耗感知。第二点，硬件要能够更好地支持多任务并行调度。过去CPU、GPU、NPU各自承担比较明确的任务，但是到了Agent上，又是任务调度、又是推理计算，后台还得渲染操作界面，这些任务需要在不同的计算单元之间高效切换，每一块都不能有短板。而且手机上的算力毕竟是有限的，这就要说到第三个要求，那就是云端与本地的协同。 **徐晧**: 我们在手机端侧我们会做预处理，就把个人的信息作为一个简化和压缩，作为一个local memory，就是本地的一个存储。如果我要做一个大的规划，如果手机上能做，那我们就在手机上做出来；如果手机上不能做，那规划我们可以把它放到云端，我给它提供某些信息，云端做出规划再传回来。 **陈茜**: 端云协同的时候，最影响体验的就是延迟，而且智能体的计算不是集中式的，这也更考验分布式动态调度的能力。把这几条放在现实里面对照一下，我们已经走到了哪一步了呢？可以说基础框架已经搭好了，但是未来更加值得期待。 拿我们手上这台努比亚NaviX Ultra来说，它用的是骁龙旗舰移动平台。针对前面说的低功耗感知，还有两个Micro NPU，平时就盯着语音唤醒和运动状态，功耗压得很低，只有需要AI干重活的时候才会唤醒主NPU。至于多任务调度，它的思路是“异构计算”，把不同的活儿交给最适合的单元。 **徐晧**: 我们这里面架构包括CPU、GPU、NPU，所以它的每个的功能不大一样。CPU它主要是管控制；我们大部分的算力实际上是在NPU上面，所以NPU它能够把AI的这些运算能够在降低功耗的情况下做到极致。NPU最大的一个优势是它是定点的，所以它是为AI来量身定造的，做一个最节能的方式。GPU它大部分的时候是比较灵活，但是它的能耗会更高。所以我们这个异构架构的话，可以把每一个硬件的部分都能够用到它的特长。 **陈茜**: 那些端侧确实搞不定的，就利用5G的低延迟链路去和云端协同。 **徐晧**: 我们有非常强大的5G连接，把这个数据传到云端，让云端做完推理再传回来。所以这些所有的解决方案都是统一的一个解决方案的一部分。 **陈茜**: 这么看来，智能体手机的硬件需求已经“基本上”满足了。为什么说是“基本”呢？毕竟今年Agent概念才刚刚开始落地，随着AI能力的增长，算力的需求还会不断地提升。 我们再来看看移动芯片行业将会如何去应对。比如说高通刚刚举办了2026骁龙峰会，发布了新一代双旗舰移动平台，官方宣称是专为智能体时代设计的旗舰移动平台。 第一块是CPU。单从参数上来看，主频是达到了5GHz。但比主频更值得说的，是它带来的一个叫**FlexCache**的缓存架构。简单解释一下，就是让不同的计算核心共享同一个缓存池，并且可以根据任务负载动态调整分配。因为Agent的工作方式是一个请求进来，被拆成一串子任务，这些子任务要在不同的核心之间轮流跑。传统的架构下，任务每切换一次核心，数据就可能要重新从内存里加载一遍；而FlexCache让大家共用一个缓存池，任务交接的时候数据还在原地，就不用从头再来。这样带来的好处，就是可以支持智能体保留更长的上下文，更快地响应速度，延迟更低。 第二块是GPU。这次的思路是让GPU自己也具备AI能力。新发布的**Adreno Neural Fusion**是把AI加速直接放进图形管线里，另外还加了一组专门跑AI的GPU核心，叫**Adreno Matrix Cores**，用来做AI超分、帧生成和Transformer计算这类事。 第三块就是NPU。这里主要是两项更新：首先是专为Transformer优化的**Element Accelerator**，里面有两组单元，向量计算单元负责高吞吐量的AI数学计算，让运算更快；标量计算单元负责决策逻辑、路由和编排，让推理更准确，同时功耗更低。另一个是大容量共享内存，让模型状态、上下文和KV-cache能存在离加速器更近的地方，这样智能体在多个工具和任务之间切换的时候不用每次都从头加载。另外它还支持MoE（混合专家模型）以及从INT2到FP16的多种精度策略，在执行任务时谁擅长谁上，让简单任务省电、复杂任务效果更好。 所以接下来行业的动向是让NPU、CPU、GPU三条线上都有AI加速，这恰好是Agent这种多步骤任务最看重的东西。 ### 结语：下一轮移动计算入口之争 **陈茜**: 好了，我们这个视频说了这么多的智能体手机底层技术升级和正在推出的一些产品范式的变化。其实在这背后，是AI浪潮来临之际市场对下一代交互体验的畅想。 说实话，手机对人们现在来说实在是太重要了。无论是看小说的老年人，还是“刷社媒”的GenZ，又或是同时好几部手机、把它们当移动电脑的上班族，这样形态的硬件已经成为我们生活和工作的必不可少。而如此由移动互联网形成的紧密关系，正在AI的加持下面临一次巨大的升级：**从“我来操作”到“它替我完成”**。 而当这个变化真正发生的时候，下一代手机的竞争可能也就不再只是参数、镜头和芯片的竞争了。谁能成为离用户最近、最懂用户、也最值得用户信任的那个Agent，可能才是下一轮移动计算真正的入口之争。 以上就是这期视频的全部内容了，你们的留言、点赞还有转发是支持我们《硅谷101》做好深度科技和商业内容的最佳动力。我是陈茜，我们下期再见，拜！