图片由AI工具生成
文｜李海伦
编辑｜徐青阳
2026年7月，在世界人工智能大会（WAIC）上，智能体手机重新成为最受关注的AI终端之一。
荣耀首次大规模展示Robot Phone真机。隐藏在机身顶部的云台摄像头可以弹出、旋转和追踪用户，让手机拥有了某种接近机器人的感知与动作能力。7月18日，荣耀还正式开启了这款产品的全渠道预约。
阶跃星辰展出了首款大模型原生智能体手机STEPX Neo，搭载Step AOS智能体原生操作系统，内置个人智能体阶跃Amoo，可以读取屏幕和应用信息，联动携程、支付宝、飞书等服务完成差旅规划、办公协作和本地生活任务。
努比亚带来了与字节跳动联合打造的NaviX Ultra。这款被称作“第二代豆包手机”的产品，内置豆包大模型，可以理解自然语言指令，跨多个应用完成比价、下单、行程规划等任务，并尝试在本地保存用户的长期记忆。
这些产品的形态不同，方向却高度一致：手机正在从安装AI功能的智能设备，走向以AI智能体为核心的新终端。
把视野扩大到整个手机市场。三星Galaxy S26系列、小米17 Ultra、OPPO Find X9 Ultra、vivo X300 Ultra等新一代旗舰手机，都在强化端侧AI和智能体能力。
虽然部分手机尚未公布处理器型号，但在2026年集中出现的高端AI手机中，多家手机品牌都选择搭载了高通第五代骁龙8至尊版。不同厂商在模型、系统和交互形态上选择了不同路线，底层算力却越来越多地汇聚到同一代移动平台上。
这意味着，下一代手机的定义权已经不再只掌握在终端厂商手中。模型负责理解用户，操作系统负责调度任务，应用生态负责完成服务，芯片则决定这一切能否在手机上持续、实时、低功耗地运行。智能体手机由此成为一场横跨整条产业链的竞争。
自乔布斯推出iPhone开创智能手机时代，整个手机行业历经十多年发展，终于演化出新物种——智能体手机。这也引发了行业的更多思考：iPhone开创“智能手机时代”，谁来定义智能体手机？
01
当手机开始“主动思考”
7月18日下午，在荣耀分论坛上，高通公司全球副总裁、中国区研发负责人徐晧发表主题演讲，系统解释了智能体终端对芯片架构提出的新要求。
徐晧的核心判断是，智能体带来的不只是交互方式升级，更是对终端设计理念的一次重构：设备需要从等待指令的“被动响应”，转向能够理解环境和用户需求的“主动服务”。
比如，用户让手机规划一次出差。智能体需要理解自然语言指令，读取日历和个人偏好，查询机票与酒店，再调用多个应用完成后续操作。语音识别、意图理解和个人数据检索可以在端侧完成，复杂的信息搜索和推理则可能交给云端模型。
即使是“哪些消息需要优先回复”这样一个细小的功能，背后也需要端侧模型理解联系人关系、历史沟通习惯和当前日程，并将这些信息组织成个人知识图谱。
高通总裁兼CEO安蒙将这一变化概括为，人机交互将从“以应用为中心”走向“以智能体为中心”。2026年6月，他与微软CEO萨提亚·纳德拉谈到，未来AI智能体将逐渐成为主要交互入口，用户的任务和使用体验也会跟随智能体，在手机、PC、汽车和其他终端之间流动。应用仍然存在，但大量操作将被隐藏在智能体背后。
自iPhone面世以来，智能手机的大量硬件优化都围绕一个目标展开：如何更快地响应用户操作。更高的触控采样率、更短的应用冷启动时间、更流畅的动画帧率，衡量的主要是用户发出指令之后，手机能够多快作出反应。
而到了智能体时代，手机需要长期处于“准备工作”的状态。比如传感器需要持续在线，同时不能明显增加功耗；大模型需要在端侧实时运行；端侧与云端之间的任务切换需要足够迅速；系统还要长期理解用户的习惯、偏好和当前场景。
因此，交互逻辑发生变化后，芯片设计的底层逻辑也必须随之改变。
让手机“跑得更快”，已经不足以支撑智能体持续感知、多模态推理和跨应用执行任务。芯片需要改变计算资源的组织方式：低功耗模块负责持续感知，NPU承担端侧模型推理，CPU、GPU和不同加速单元协同工作，复杂任务则在端侧与云端之间动态分配。
这就意味着，芯片架构必须从根本上重新设计，仅仅“跑得更快”已不能满足市场要求，必须换一种“跑法”。
02
智能体手机的底层能力
再看7月的WAIC上，荣耀Robot Phone、努比亚NaviX Ultra、阶跃星辰STEPX Neo等智能体手机的切入方式，分别选择了不同的路线。
比如荣耀通过进一步改造硬件形态，让摄像头能够转动、追踪和反馈；努比亚希望让智能体理解指令、调用多个应用完成任务；阶跃星辰从模型和操作系统入手，试图构建智能体原生的手机交互方式。
这几款产品分别从应用执行、系统重构和具身交互切入，也共同提出了一个问题：当AI从手机里的单项功能变成持续运行的智能体，原有的手机算力架构还能否支撑？智能体手机需要必备哪几项底层能力？以高通为代表的芯片厂商开始从底层给出一套系统性解法。
首先，是始终在线的“低功耗感知”。
比如，手机判断用户已经进入会议室，需要综合日程、位置和环境声音；识别用户正在运动，需要持续读取加速度计和心率数据；Robot Phone追踪人物动作，则要同时处理视觉、声音和云台姿态信息。
这就要求专门设计一个传感器中枢，它是一个始终运行的低功耗AI处理模块，持续收集加速度计、陀螺仪、麦克风、光线传感器等感知数据，却不唤醒主CPU或GPU，因此功耗极低。
这些体验看起来由模型完成，第一道计算实际上发生在芯片的低功耗感知模块中。缺少这一层，手机即使拥有很高的AI峰值算力，也很难让智能体长时间在线。
高通的方案是传感器中枢（Sensing Hub）。按照徐晧的介绍，它可以长期收集和处理声音、动作、位置等信息，为智能体主动服务提供感知入口，同时减少对CPU、GPU等高功耗模块的频繁调用。
第二层，是面向大模型的异构计算。
完成感知之后，手机还要理解用户当前在做什么、可能需要什么，以及下一步应该采取怎样的行动。
例如，手机接收到一句“把刚才会议中提到的项目整理出来，发给相关同事”，背后可能同时涉及语音处理、人物识别、文本理解、上下文检索、文件生成和应用调用。不同步骤对算力、内存、时延和功耗的要求并不相同，很难依靠一颗单独的NPU从头跑到尾。
因此，智能体时代对芯片提出的新要求，是让CPU、GPU、NPU、ISP和各类加速单元形成更紧密的异构计算体系。
为此，高通采用了端侧异构计算架构：能端侧跑的就交给端侧的CPU、GPU、NPU协同处理，端侧跑不动的才上云，大幅减轻计算压力和功耗，还不影响体验。
按照徐晧的介绍，高通Hexagon NPU的解法是，其内部配置了面向张量、矢量、向量矩阵加速单元，并与CPU、GPU协同工作，根据任务类型分配计算资源。
正是因为异构计算架构，使智能体手机拥有了“端侧超级大脑”，能实时感知用户情绪，并与用户实时互动。
第三层，是端侧与云端之间的动态分工。
再强的手机芯片，也很难把所有智能体任务全部留在本地完成。
高通CEO安蒙在COMPUTEX 2026上提到，对话式AI单次任务可能涉及约1万Token，复杂推理任务可能达到约10万Token，智能体任务的规模还可能进一步上升至100万Token量级。这里的100万Token代表完整智能体任务可能产生的计算需求，并不意味着手机要在本地一次处理100万Token。
对此，高通构建了一套覆盖端侧、边缘侧和云端的分布式智能体AI架构。在这套架构中，规划器（Orchestrator）负责拆解任务，并根据各环节对算力、时延、功耗和隐私的不同要求，动态调度计算资源。CPU负责智能体的任务编排和规划，NPU与GPU承担本地模型推理，传感器中枢提供持续的情境信息，蜂窝网络和Wi-Fi则连接终端与云端算力。
智能体需要理解目标、拆解步骤、查询信息、调用工具、检查结果，有时还要在失败后重新规划。任务链越长，计算量和Token消耗就越高。
如果全部放在端侧运行，会受到手机内存、功耗和散热的限制；全部放到云端，又会带来网络延迟、推理成本和隐私风险。更可行的路径，是让端侧与云端根据任务实时分工。
以WAIC上展示的跨应用任务为例，当用户要求手机规划一次出差，端侧可以先识别用户身份、读取日历和出行偏好，云端模型负责搜索和比较大量航班、酒店信息，最终再由端侧系统向用户确认支付和发送行程。
这套流程依赖的已经不只是一颗NPU，还包括蜂窝通信、Wi-Fi、内存、操作系统调度和云端模型服务。任何一个环节出现延迟，智能体的任务链都可能中断。
因此，具备实时通信连接能力的芯片设计商将具备竞争优势，可以说快速稳定的通信连接就是智能体手机的“神经系统”，没有它就不能保证端侧和云端的丝滑切换。
为保证实时连接的高速和顺畅，芯片设计厂商还必须具备提供跨端统一计算解决方案的能力，要为用户的不同设备类型和边缘场景提供一致性的体验，只有全栈产品线才能确保端与云之间不是二选一，而是按需流动，对芯片设计行业来说，是一个全新的挑战。
简单来说，具备一系列的芯片产品设计，并有不同的算法和软件来支持各种终端形态，并使这些产品形态进化得到智能体的支持，这类芯片设计厂商在未来才会占有竞争优势。
此外，拥有长期记忆及其安全边界也是一个核心能力。
WAIC上几款智能体手机都在强调“记得住”。
手机需要逐渐了解用户常用的应用、经常联系的人、出行偏好和工作习惯，才能减少重复询问，并在合适的时间提供服务。这些信息可以进一步形成个人知识图谱。手机知道哪些消息需要优先回复，汽车知道用户习惯怎样调节座椅和空调，家庭机器人也可以根据历史习惯判断用户回家后可能需要什么。
智能体越了解用户，权限边界就越需要清晰。端侧AI算力的重要价值之一，正是让更多敏感数据能够在本地完成处理，降低原始个人信息频繁进入云端的必要性。
总而言之，WAIC上的智能体手机形态各异，不过落到底层核心面，面对的是同一组考题。
03
行业新时代拉开帷幕
在过去几年，手机厂商比拼的是谁能加入更多AI功能，例如AI应用于修图、翻译和搜索等等，有更加个性化的体验。
到了2026年，竞争开始进入下一阶段。AI逐渐深入操作系统，从执行一条指令，走向理解一个完整目标；从调用单一功能，走向调度多个应用、模型和服务，连续完成一项任务。
今年WAIC上集中出现的智能体手机，正是这种变化的缩影。手机厂商、大模型公司和操作系统厂商选择了不同入口，有的重点解决跨应用执行，有的尝试重构操作系统，有的探索感知能力与新硬件形态。但无论采用哪条路线，最终都要回到底层系统的核心能力。
徐晧提到，高通的平台正在覆盖从低功耗智能耳机，到手机、汽车，再到千瓦级数据中心机架等不同形态，希望用统一的芯片、算法和软件解决方案支撑智能体在多个终端中运行。
手机只是这轮变化最先成熟的入口之一。智能体还将进入PC、汽车、耳机、机器人以及更多物联网设备，围绕用户形成一个跨终端协同的计算网络。届时，同一个智能体可以在手机上了解日程，在汽车中延续出行任务，回到家后再将服务交给家庭设备。
高通公司CEO安蒙在COMPUTEX描绘了一幅更大的产业图景：全球约有60亿部手机、20亿台个人AI终端、20亿台PC和5亿辆智能网联汽车。随着这些设备陆续获得智能体能力，一个规模超过百亿台的智能体终端生态正在形成。
他判断，智能体驱动的设备升级周期，“有望成为行业有史以来规模最大的周期之一”。
从这个角度看，今年WAIC上的智能体手机仍然只是起点。它们展示了下一代手机可能拥有的形态，也提前揭示了未来终端产业的竞争方式。一个属于智能体手机的行业新时代，正徐徐拉开帷幕。
*魔铁的世界对本文亦有贡献。
恒汇证券app提示：文章来自网络，不代表本站观点。
