從文本生成到多模態(tài)模型，從春晚舞臺上能夠打醉拳的機器人，到引發(fā)全球“養(yǎng)蝦”狂歡的OpenClaw智能體，最近幾年，AI正不斷刷新人們的想象力邊界。

熱潮之下，一個更深層的問題逐漸顯現(xiàn)：除了打拳寫詩搞視頻，AI似乎并沒有真正改變我們的生活。事實上，當前主流AI系統(tǒng)的核心優(yōu)勢，建立在過去幾十年互聯(lián)網(wǎng)積累的海量數(shù)據(jù)之上，本質(zhì)上是對“數(shù)字世界”的理解與再創(chuàng)造。

“它們可以寫作、繪畫、制定方案，但它們更像一個‘云端軍師’——能提供無數(shù)策略，卻無法直接感知真實的物理世界，更無法采取行動。”vivo總裁、首席運營官，vivo中央研究院院長胡柏山日前在博鰲論壇期間說道。在他看來，沒有感知能力的AI，就像是困在黑屋子里的“大師”，算力再強，也看不見咫尺之外的世界。

胡柏山認為，未來十年，智能手機依然會是人機交互的絕對主導載體。手機將不僅是通訊工具，更是AI落地的“第一現(xiàn)場”，成為物理世界的感知樞紐與個人數(shù)字大腦。在AI發(fā)展的下半場，對物理世界的感知與理解將成為決勝關鍵，而影像正是AI走向物理世界的“眼睛”?；谶@一前瞻洞察，vivo將影像提高至決定AI未來的戰(zhàn)略高度，并穩(wěn)步拓展多場景智能生態(tài)，向生態(tài)型科技平臺企業(yè)邁進。

圍繞這一方向，vivo正率先推動行業(yè)從“Smart Phone”到“Agent Phone”的進化，并將觸角延伸至機器人、頭顯等終端形態(tài)。在胡柏山的規(guī)劃中，未來十年的競爭，不再是算力的比拼，而是誰能通過感知系統(tǒng)積累更多場景數(shù)據(jù)，誰就能在AI下半場占據(jù)主動。

影像被重新定義

從功能到“感知入口”

長期以來，影像更多被視為智能手機的功能模塊，其價值集中在拍攝效果與用戶體驗層面。但從AI發(fā)展路徑來看，影像的角色發(fā)生了本質(zhì)變化——它不再只是“記錄工具”，而是AI理解現(xiàn)實世界的入口。“人類進化這么多年，為什么后面發(fā)展那么快？首先是看到了世界，然后把看到的東西記錄下來。”胡柏山表示，“如果沒有看到，就沒有記錄，也就沒有后續(xù)的一切。”

因此，在vivo的戰(zhàn)略規(guī)劃中，影像不再只是“拍得好不好”的問題，而是感知體系中的“眼睛”。“影像技術通過光學系統(tǒng)、成像處理、空間計算等全鏈路能力，完成了物理世界的數(shù)字化投射與三維場景重建，是AI看懂物理世界、理解真實場景的基礎，本質(zhì)上影像就是‘眼睛’。”

基于這一認知，vivo在2026年將“感知賽道”列為內(nèi)部重要的一級支撐技術賽道。影像為眼，AI為徑，通過傳感器結合感知大模型，將視覺、聽覺、觸覺等轉化為物理世界的信息，最終實現(xiàn)智及萬物。

在行業(yè)普遍將注意力集中在“大模型能力”的當下，胡柏山卻認為，未來大模型之間的差異會越來越小，無非是時間先后的問題。真正的差異，將來自“場景數(shù)據(jù)”。“一個好的智能體，最終體驗好不好，關鍵是有沒有足夠的場景數(shù)據(jù)。”而這些數(shù)據(jù)，必須來源于對真實世界的持續(xù)感知與積累。這意味著，誰能建立更強的感知系統(tǒng)，誰就能在AI下半場占據(jù)主動。

如果說感知能力是AI落地的關鍵，那么承載這一能力的最佳終端是什么？vivo的答案是——智能手機。“沒有哪個設備比手機離人更近。”胡柏山表示。手機全天候陪伴用戶，覆蓋工作、生活、娛樂等幾乎所有場景，同時具備連接周邊設備與生態(tài)的能力。

更重要的是，手機具備一個其他設備難以替代的能力：將物理世界轉化為數(shù)字世界。這也是vivo判斷手機仍將是“AI第一現(xiàn)場”的核心原因。

但手機本身也在發(fā)生變化。胡柏山明確提出，從Smart Phone走向Agent Phone，是行業(yè)的必然趨勢。所謂Agent Phone，本質(zhì)上是將手機從“被動工具”轉變?yōu)?/span>“主動伙伴”。在這一模式下，設備能夠基于對環(huán)境與用戶的持續(xù)感知，主動提供決策支持甚至執(zhí)行任務。

“過去用戶拍照，需要自己選擇模式，比如長焦、微距，很多人甚至不知道要提前選。”他舉例說。而在Agent模式下，系統(tǒng)可以基于環(huán)境、光線與距離自動推薦最佳方案，“用戶點一下就可以了，人人都是攝影師。”

Agent的能力還會向更廣泛的場景延展。例如，移動辦公中的會議Agent，可以自動記錄會議內(nèi)容并生成摘要；出行場景中的出行Agent，可以基于環(huán)境與習慣提供路徑與行程建議；在娛樂場景中，則能夠?qū)崟r優(yōu)化性能并記錄關鍵時刻。“未來每個用戶的場景不一樣，所以會有各種不同的Agent。”胡柏山表示。

從產(chǎn)品層面看，這一戰(zhàn)略已開始落地。據(jù)悉，vivo即將發(fā)布的vivo X300 Ultra與X300s，將搭載具備場景識別能力的影像Agent，標志著Agent Phone從概念走向?qū)嶋H應用。而這不僅是一次產(chǎn)品升級，更是智能手機交互范式的重構。

不過，Agent能力的落地受限于硬件約束。胡柏山介紹稱，“手機端AI有兩個限制，一個是算力，一個是帶寬。”當前LPDDR帶寬與芯片散熱能力，仍然限制著端側AI的上限。因此，vivo選擇了一條更務實的路徑：優(yōu)先發(fā)展“非持續(xù)運行”的場景型Agent。例如，相機Agent與相冊Agent，在需要時短時間調(diào)用高算力，而非長期占用資源。這種策略既保證體驗，又兼顧硬件現(xiàn)實。

同時，vivo正在通過自研算力芯片與端側模型優(yōu)化，逐步突破這一瓶頸。“我們兩年前就開始布局專用算力芯片，就是為了把端側能力提升起來。”

此外，Agent Phone還將成為手機市場從存量市場走向增量市場的關鍵。“如果從Smart Phone變成Agent Phone，手機體驗會有很大的突破和變化，手機市場將變成至少未來三年或者五年的增量市場。”換句話說，Agent Phone不僅是技術升級，更是行業(yè)重新打開增長空間的關鍵變量。

從手機到機器人

感知能力的終極形態(tài)

如果說Agent Phone代表vivo當下對智能手機形態(tài)的重塑，那么機器人則指向更長期的終局。

去年，vivo成立機器人Lab，將家庭機器人明確為“智能的終極形態(tài)”。為什么要從手機延伸到機器人？胡柏山表示，視覺是所有智能設備最自然的第一感知方式。

其中，手機是感知能力的起點與數(shù)據(jù)源頭，負責記錄用戶的個性化特征與習慣；MR頭顯則承擔空間計算與三維感知的訓練功能，通過vivo Vision構建空間感知，理解空間結構、幾何關系，讓信息交互突破二維平面；生態(tài)終端，包括智能云臺相機、可穿戴設備和其他功能生態(tài)產(chǎn)品，它們構成移動觸角，讓感知無處不在。而家庭機器人作為智能的終極形態(tài)，將匯聚感知，并作用于物理世界。也就是說，機器人并不是一個孤立業(yè)務，而是vivo“感知能力成熟之后的自然結果”。

在具體推進路徑上，vivo采取務實的“沿途下蛋”策略。“一開始就做一個通用場景的機器人不現(xiàn)實。”胡柏山解釋稱：“機器人把雞蛋100%打成功非常難，所以一開始就不要挑戰(zhàn)打雞蛋，但比如收納，把衣服夾緊一點或松一點，這個容錯性比較大，寵物喂的多一些少一些，容錯性要求也高很多。”因此，vivo的策略是先聚焦年輕用戶的具體場景，比如寵物喂養(yǎng)，把這個場景的用戶體驗做到至少80分，在這個過程中積累數(shù)據(jù)、提升能力，再逐步泛化到更多場景。

在這個過程中，手機將扮演“數(shù)字大腦”的角色。“手機未來就是最懂你的隨身助理，你早上干什么，吃飯、買東西的習慣或者喜歡養(yǎng)什么寵物，都在手機里。”胡柏山設想，機器人剛開始干不好的事情，由手機遙控操作，數(shù)據(jù)積累以后慢慢就會變得更智能。“機器人與手機之間要相互協(xié)助，數(shù)據(jù)之間是打通的。”這也意味著，vivo構建的并非單一產(chǎn)品，而是一個以手機為核心、逐步向外延展的“感知生態(tài)”。

存儲漲價下的全球化考驗

除了技術發(fā)展帶來的更大增量市場外，“出海”也是諸多手機廠商正瞄準的新興市場。

“海外市場的天花板更高，但要求的是長期價值。”胡柏山說道。為此，vivo堅持“More Local，More Global”，適應環(huán)境、做好專業(yè)、利他共贏；基于不同國家購買力、消費習慣、產(chǎn)品結構需求制定相應的市場策略，并適時適配各國政策環(huán)境，把用戶服務做到位。這一全球化戰(zhàn)略，已經(jīng)在印度、東南亞等市場取得成功。

憑借對海外市場的深入了解，胡柏山將全球市場劃分為0-1、1-5、5-10三個階段，根據(jù)不同階段的特征，制定差異化的經(jīng)營策略。“在歐洲，不做高端是活不下來的。”

對于高端市場的品牌突破，胡柏山認為，“產(chǎn)品是因、品牌是果。歐洲的突破之道與中國是一樣的，靠產(chǎn)品，就是我們的X系列。只有不斷讓高端用戶用上我們的產(chǎn)品并開始傳播，讓別人感受到，那么這個品牌的高端化才會自然地形成。”

不過，全球化之路也并非一帆風順。當前存儲大漲價給各大手機廠商的全球擴張帶來了挑戰(zhàn)，尤其是拉美和非洲等區(qū)域。對此，胡柏山坦言，“確實這次內(nèi)存漲價遠遠超出了預期。但漲價對所有人都是公平的。越是這種環(huán)境，越考驗團隊能力，如果你的產(chǎn)品好，用戶體驗比其他品牌都好，用戶還是會買你的產(chǎn)品。我們還有機會做一些優(yōu)化工作，比如根據(jù)系統(tǒng)優(yōu)化，把耐用性、電池續(xù)航方面做得好一點。用戶最后要的是好的綜合體驗，不僅僅是看內(nèi)存。”

同時，他還進一步表示，vivo做經(jīng)營不只是看臺數(shù)，還要看業(yè)務規(guī)模，努力穩(wěn)住營業(yè)規(guī)模不掉。“難關總是要渡過的。”

胡柏山反復強調(diào)一個關鍵詞：長期。無論是影像、AI，還是感知賽道，都不是短期見效的領域。“這是一個五年、十年的賽道，一旦判斷正確，就要持續(xù)投入。”

據(jù)他介紹，vivo內(nèi)部管理不追求“一腳油門、一腳剎車”，而是“螺旋式上升”。在AI狂熱與技術泡沫交織的當下，這種節(jié)奏顯得格外克制。但也正是這種克制，構成了vivo戰(zhàn)略的底色——不追逐短期熱點，而是圍繞“如何讓AI真正理解世界”這一核心問題，持續(xù)推進。

當AI真正擁有“看見世界”的能力，其價值才會被全面釋放。而圍繞感知能力展開的這場競爭，或許才剛剛開始。

文/陳玙婠