AI手机正在进入一个略显尴尬、却又至关重要的阶段：几乎所有厂商都在谈AI，而消费者却还没形成“非AI不可”的换机理由。

Counterpoint预计，2026年GenAI手机将占全球智能手机出货量的45%，2027年升至52%；在批发价400美元以上的高端市场，GenAI已经接近标配。同时，Counterpoint研究总监Tarun Pathak也直言，AI至今“仍未给消费者足够有说服力的升级理由”，AI能力和用户真正高频使用之间仍有一道沟。

过去三年，行业首先解决的是AI能不能装进手机，端侧模型能跑多大，语音和图片如何被理解，生成式能力怎样进入系统。到今天，“有AI”已经越来越难构成完整的产品解释，用户最后感知到的，无非几件事：它是否知道我想干什么，是否记得此前发生过什么，以及能不能少让我操作几步，把事情办完。

手机之外，类似的迁移已经发生。Google今年开始在Android上预览Gemini代办叫车、点餐等多步骤任务；Apple在Foundation Models中继续强化Tool calling和Agentic workflow；微软则试图用Agent Workspace和MCP连接器，为Agent提供受控、隔离且可审计的执行环境。

当大模型不再是唯一变量，AI手机下一轮要比什么？

9月16日，2026 vivo开发者大会（VDC）在深圳国际会展中心举行。蓝心智能战略在这次大会上进一步升级，OriginOS 7和蓝河操作系统4也同步亮相。

从大会上看，vivo给出的答案可以拆成三层：更理解一个具体的人，更稳定地把事情做完，再把这种能力接入足够丰富的服务生态。

懂用户是起点，做成任务是价值，连接生态是规模。三句话，大致构成了此次蓝心智能升级的骨架。

模型趋同之后，终端竞争正在向“个人”迁移

大模型仍然重要，只是“拥有模型”本身已经很难解释终端之间全部的体验差异。

一方面，头部模型仍在快速进化；另一方面，第三方模型供给越来越丰富，模型接入门槛持续下降。对于手机厂商而言，模型正逐渐成为参与AI竞争的基础能力。真正拉开体验差距的部分，开始往下沉：模型如何进入系统，如何理解设备，以及如何理解屏幕前的个人。

这也是“个人上下文”开始变得重要的原因。

云端模型可以拥有更大的参数和更广的知识，PC可以拥有更强的算力，AI眼镜新型硬件也可以占据新的交互位置；相比之下，手机真正特殊的地方，是它几乎全天随身，长期连接着一个人的日程、位置、支付与工作生活。

它或许不是算力最大的设备，却是最接近“一个具体的人”的计算设备。

进入Agent阶段之后，这种优势会被进一步放大。一个能够长期办事的Agent，需要知道用户现在在哪里、之前做过什么、偏好什么，也需要理解任务进行到哪一步、哪些权限已经授权。上下文越连续，服务越有可能从“给出一个正确答案”走向“给出一个适合这个人的答案”。

华为在今年HDC上宣布HarmonyOS 7迈入Agent时代，强调Agent亲和系统架构、端云模型和应用向Agent化、Skill化演进；Google和Apple也在各自生态里强化任务执行、动态上下文和工具调用。行业的共同方向越来越清晰：AI正在从一个附着在系统上的入口，进入系统如何理解意图、组织能力和完成任务的核心流程。

不过方向相近，工程路径却各不相同。vivo副总裁、OS领域副总裁，vivo AI全球研究院院长周围在大会后群访中解释，vivo之所以很少强调所谓“首发Agent”，而一直把重点放在“个人化智能”上，是因为真正属于一个人的家庭关系、行为习惯等长期数据，最终都要进入系统的感知、记忆与执行链路，这样才会让自己的手机产品能力体验变得越来越好。

落到技术上，第一步就是让模型围绕“人”的使用过程重新分工。

今年的VDC上，vivo进一步明确了蓝心大模型矩阵的分工：BlueLM-RealTime负责自然交互，BlueLM-Nano负责端侧感知与记忆；云侧的BlueLM-Flash和BlueLM-Pro则进一步承接任务执行、复杂推理与规划。

原因并不难理解，AI手机既要随时听懂用户，又要感知屏幕和个人上下文，还要承担复杂任务，一个模型很难同时兼顾能力、时延、成本和隐私。端云分工、按需调度，是个人化体验能否稳定运行的基础。

其中，BlueLM-RealTime主要解决真实交流里的复杂情况，比如嘈杂环境、口音和中英混说，让用户按自己的方式说话，减少为了AI而刻意调整表达；BlueLM-Nano则是把手机此刻看到的内容，与用户长期形成的日程、偏好和关系记忆结合起来，并尽可能在端侧持续沉淀。

感知不断沉淀成记忆，记忆又反过来让下一次服务更贴合用户，由此形成一个“越用越懂你”的循环。

因此，端侧能力的意义也不再只是低时延和离线。个人记忆要长期存在，权限边界也必须更加清楚，vivo强调数据可以留在端侧、离线可用，蓝心系统级Harness则把权限和安全机制放进执行链。

这些能力没有生成文字、图片那么显眼，却决定了个人化智能能否从一次演示走向长期使用。

从“听懂”到“做成”，Harness为什么是Agent时代的关键

模型会推理，并不等于任务能够稳定交付。

今年4月，OpenAI更新Agents SDK时专门强调，开发者要让Agent真正可用，除了模型能力，还需要支持文件检查、命令执行、代码编辑和长任务的运行框架，并把“model-native harness”列为核心能力；Microsoft在Windows上的选择也类似，MCP连接器负责把Agent与应用、工具连接起来，Agent Workspace则提供受控、可审计的执行环境，让Agent在不打断用户主会话的情况下处理任务。

行业的注意力从“模型能不能想明白”，逐渐移向“系统能不能让它安全地做完”。

这正是vivo强调蓝心系统级Harness的背景。大模型负责理解、推理和规划，蓝心系统级Harness负责把这些能力转化为可持续执行的任务链，从理解上下文、拆解和推进任务，到调用工具、处理权限与异常，再到跨设备接续状态，这些原本分散的环节，都被放进同一套运行机制里。

vivo对此给出了一句概括：大模型定义智能上限，Harness把智能转化为生产力。

App时代的操作系统围绕应用组织能力。用户先判断该打开哪个App，再寻找功能、配置参数、完成操作；任务的拆解和流程组织，大部分由人自己承担。而Agent时代，入口逐渐前移到“意图”，用户先表达自己想完成什么，系统再判断需要哪些模型、工具、应用和服务。

vivo AIOS产品总监黄梓勋把这种变化概括得更直接：过去我们是应用级的单点智能，现在变成系统级的个人化智能。

区别就在于，AI不再只存在于某个功能或某个入口里，而是开始进入系统底层，参与对意图、任务和服务的组织。

也因此，vivo把“懂用户、做成任务、连接生态”放进了同一套系统逻辑里。蓝心系统级Harness负责把感知、记忆、规划和执行串成持续运行的任务链，深入系统底层，调度6000多项原子能力，并在任务过程中管理进度、权限和异常恢复。

周围在下午的群访里举了一个更生活化的例子。同样是做家庭旅行攻略，我们当然可以主动告诉任何AI，同行的老人多大、有没有孩子、谁正在过生日，但人不是全才，不可能每一次都把自己的生活背景重新输入一遍。类似妻子怀孕、最近看过什么电影、过去对哪些地方产生过兴趣，这些看似零碎的信息，都可能改变一份真正适合这个人的行程。

用周围的话说，就是真的需要懂你身边的家庭关系、社会关系和个人习惯、时空。

对应到实际产品里，小V可以把此前收藏的攻略、相册里的打卡点、个人笔记和已经订好的行程重新串起来，再结合长期形成的个人上下文生成专属路书。

散落在不同地方的信息，开始围绕“这个人”重新组织起来。

权限和可靠性因此成为AI体验的一部分。当系统能够替用户调用应用、连接IoT、跨设备执行任务，智能越强，边界越需要清楚。在vivo AI产品总经理关岩冰看来，目前行业仍在摸索哪些步骤需要二次确认，vivo会在“优先保障用户的可控、用户的透明可见”的基础上继续优化执行效率。

过去，用户需要学习软件的路径；现在，系统需要逐渐读懂用户的意图。

看起来只是少点几次屏幕，实际上重新划分了操作系统、应用和服务之间的关系。应用继续提供专业能力，服务则有机会被系统按意图直接组织起来。

蓝心系统级Harness的价值，应该放在这个坐标里理解。它承担的是AI进入系统以后最难也最琐碎的工程环节，即让智能可以被调度、被约束、被恢复，最后稳定地落成结果。

而当AI开始真正接管任务，另一个问题随之出现：过去只能坐在电脑前完成的工作，还有多少必须留在电脑上？

口袋里的生产力，重划AI设备的新边界

过去十多年，手机和PC之间的分工相当稳定。手机承担高频、轻量、即时任务，PC负责长时间、复杂和专业的生产工作。屏幕尺寸、输入方式、算力和软件生态共同构成了这条边界。

但AI正在改变其中一部分条件，尤其是当模型能够理解目标、Agent能够拆解步骤、Harness能够调用工具并持续执行，人对键盘、鼠标和复杂软件界面的依赖会下降，生产力的定义也随之发生变化。

微软把Agent Workspace放进Windows，说明PC正在主动适应这种变化；vivo则从另一端推进，让手机逐步具备承载长期任务和个人工作流的能力。

在今年的VDC上，vivo把这条生产力路线进一步落到BlueCode、小V Cowork和vivo原子工作台。

BlueCode面向创建任务，可以依据自然语言需求生成Agent代码框架，并在安全沙箱里运行；小V Cowork更接近移动端的任务管理和多Agent协同入口，用户可以在手机上下发任务，让PC Agent执行，再把结果回传到手机；vivo原子工作台利用大屏和多应用并行，为多任务交互提供承载空间。

关岩冰在群访中进一步解释了这种定位。现在使用办公Agent，一个常见问题是用户需要不断重新输入自己的背景信息，在他看来，这个上下文最全的地方就是在我们的手机上。

这意味着，小V Cowork要解决的未必是让手机替代PC，而是让手机成为个人上下文与PC Agent之间的连接点。

比如在机场突然要补一份项目汇报，过去至少要打开电脑，翻会议纪要、找项目材料、查邮件，再重新整理。现在，这些散落在手机和PC里的资料，可以先由Agent找出来、归拢，再按照自己的表达习惯整理成一份可以继续修改的报告。

三者背后共享的是同一套Harness底座，任务因此可以在不同设备间继续。手机并没有因为Agent出现就变成PC，但两类设备之间那条长期稳定的边界，已经开始松动。

vivo路径可以概括为三个阶段：从跨端互联，到本机Harness运行，再到端侧AI生产力。直白点讲，就是过去是连接设备，现在要连接任务，最终是让手机成为个人生产力中心。

vivo提出未来两三年手机从“生产辅助”向“生产主力”演进，这是一个需要时间验证的判断，但它却点出了值得行业关注的变量，即AI正在降低复杂生产工具的使用门槛，也把一部分“操作软件”的工作交给Agent。

未来衡量一台设备的生产力上限，除了本机能运行什么软件，还要看它能调动多少模型、工具和外部算力，以及任务能否在这些能力之间连续流转。

任务越复杂，平台越不可能包办所有服务，开发者生态因此成为个人化智能能否规模化的关键。

vivo升级后的蓝心智能开放平台支持Agent、Skill、MCP、原子技能以及端侧模型等多种接入形态。开发者既可以接入完整Agent和模块化服务，也可以只开放某一项更细的服务能力，由系统按任务需要进行调用。

服务分发的单位，也因此开始发生变化。过去分发的是App，Agent时代分发的则是一项可以被系统直接调用的能力。因此，对平台而言，服务匹配、权限管理、质量评价等，也就成为新的基础设施问题。

此次VDC上展示的几个生态案例已经沿着这条线展开，例如支付宝探索服务直达和对话内闭环，美团把本地生活能力接入小V，高德承接导航和路线规划，京东则尝试从圈搜识别商品到后续支付的链路……

开发者的专业能力由此有机会从App内部走出来，成为系统能够理解、组合和调用的服务节点，而这也是vivo开发者大会讨论个人化智能的题中之义。

个人化无法靠一家厂商为每个人手工定制，它需要标准化底座、足够丰富的生态，以及每个用户自己的上下文共同作用。系统负责理解人，开发者提供专业能力，两者通过蓝心系统级Harness和开放平台连接，个人化才有机会从少数Demo走向大规模使用。

写在最后

从图形界面取代命令行，到iPhone用触控重新定义人与手机的交互，科技进步很大一部分价值，都是把越来越复杂的能力藏到后台。人不该被设备、软件和操作路径束缚，技术应该主动适应人的需求。

Agent时代只是把这件事又往前推了一步，过去被简化的是操作方式，如今需要被简化的，是任务本身。用户不必记住该打开哪个App，也不必在几个软件之间反复搬运信息；理想状态下，我们只需要表达自己想完成什么，剩下的模型调用、服务匹配和跨设备执行，都应该越来越多地交给系统。

好的技术，最终都在把复杂留给自己，把简单还给用户。

从这个角度看，vivo今天强调个人化智能，值得关注的也不只是大模型矩阵、蓝心系统级Harness或者Agent生态，还有它试图把手机从“用户寻找功能”的地方，进一步变成“系统理解意图、承接任务”的地方。

毕竟，技术可以越来越通用，但每个人的生活始终不同。

*题图及文中配图来源于网络。