从“回答问题”到“替用户办事”，AI手机正在进入一个新的发展阶段。

过去一年，手机厂商在AI领域的竞争还更多集中在大模型、AI功能和单点体验上，如今“懂你”“主动智能”以及Agent已经成为越来越多厂商共同强调的方向。

与此同时，Harness等系统级调度架构开始受到重视，手机厂商试图把大模型、操作系统、App和各种工具真正组织起来，让AI从一个被动响应的助手，变成能够理解意图、规划任务并完成执行的智能系统。

但挑战也逐渐显露。近期豆包手机助手道歉事件就是一个例证：AI手机依然有被头部App“拒绝”的风险。而AI手机离真正成为用户换机的重要驱动力还有距离。今年AI手机的集体进化，既意味着行业找到一些共同方向，也浮现出一系列尚未找到标准答案的“暗礁”。整个手机生态系统都在为寻找合适的发展节奏和方向而努力。

今年AI手机最明显的变化之一，是厂商谈论AI的方式发生了变化。

过去，手机AI更多是在执行用户提出的指令：帮我写一段文字、总结一份文件或者完成一个相对明确的单点任务。而现在，厂商开始把注意力放到用户没有明确说出来的需求上。Omdia高级分析师钟晓磊对21世纪经济报道记者表示，“懂你”和“主动智能”正在成为AI手机共同的发展方向，但目前更多是方向上的共识，而不是体验和技术架构上的趋同。

Counterpoint Research研究分析师马诗文也对记者分析，主动智能已成为AI手机的重要发展方向，将逐步从“响应用户指令”转向“基于用户意图和上下文主动行动”。

从各家今年的动作来看，这一变化已经相当明显。

vivo副总裁、OS领域副总裁周围总结道：“深入洞察用户痛点，场景化地为用户做出与众不同、更好的个人化智能产品。”为此，vivo围绕这一思路构建可涵盖语音大模型、端侧大模型、云端大模型的智能体矩阵。其中，端侧模型负责实时感知和个人记忆，云端模型则承担更加复杂的跨端、跨应用、跨场景任务。

OPPO选择的路径也有类似趋势。其构建了新计算、新感知、新生态三大AI技术底座。其中On-Device Compute端侧大模型基于首发的“Linear Attention架构”，能原生支持128K上下文，相较上一代内存占用降低48%；Persona X记忆共生引擎旨在让AI在数据感知、环境感知和行为感知等维度积累个人信息；Agent Matrix智能体生态框架则承担更长上下文和更强意图理解等任务。

荣耀则将这种变化概括为从“回答问题”走向“替用户办事”。其MagicOS 11落地YOYO Harness，将感知、规划、工具调用和执行组织起来，并让Harness不仅服务于YOYO，也服务于包括AI通话助理在内的系统级应用。新一代YOYO已经开始尝试执行百步以上的长程任务，同时将Agent的能力从执行一次性指令延伸到持续性的任务管理。

几条路线虽然具体实现有所差异，但背后的变化具有一致性：AI正在从一个应用层功能，向操作系统底层能力迁移。

这也是今年另一个高频出现的关键词“Harness”受到关注的原因。

过去手机厂商比拼的是谁接入了更强的大模型，现在切实的问题变成了：当用户说出一个目标之后，系统如何理解这个目标，把它拆解成多个步骤，再决定调用哪个模型、哪个工具，并在执行过程中如何根据结果调整下一步。

马诗文对记者指出，Harness正在成为AI OS中越来越重要的Agent调度与任务编排机制，它连接大模型、系统、App、工具和设备，负责需求拆解、能力调用以及多轮任务的连贯执行。“其核心竞争力不仅在于调度，也包括持续调优Agent、优化上下文和执行反馈，以提升任务完成的稳定性；但随着OEM持续投入和系统级Harness逐步成熟，各家的实现方式可能逐渐趋同。”她续称。

钟晓磊也认为，随着手机AI从生成内容走向执行任务，类似Harness架构的重要性会持续上升，但不同厂商对其定义、实现方式和开放程度仍不相同。

“Harness能力的强弱并不仅取决于接入了多少模型，更考验厂商在多个方面的综合能力：对用户意图和上下文的理解、任务规划与工具调用、跨应用及系统级接口整合、执行状态管理，以及权限、安全和异常处理。尤其在手机上，Agent一旦能够发送信息、调用支付功能或处理个人数据，可控性和可追溯性就会与执行能力同等重要。”他补充道。

这意味着，手机厂商面临的挑战在于，能不能把模型变成一个真正能办事的系统。

在钟晓磊看来，下一阶段厂商希望AI手机能够理解用户所处的情境、预判需求，并完成跨应用的连续任务。因此，竞争重点正从单一模型的问答能力，转向能否把模型、操作系统、应用和个人数据连接起来。

整体看，钟晓磊对记者分析，“不同厂商的技术路径仍有明显差异。有些厂商更依赖云端大模型和第三方服务，有些更强调端侧模型、系统级整合及自有生态；不同方案在个人信息建模、长期记忆、跨应用调用、端云协同以及权限管理方面也存在差别。”他进一步指出，真正的“懂你”不能只表现为推荐更准确，还需要让用户知道系统掌握了哪些信息、为何采取行动，并能够随时确认、修改或撤销授权。

不过，当AI真正开始“办事”，问题也随之从模型能力本身，转移到了系统和生态层面。这背后则开始触及商业模式、产业边界等多个层面，也是AI手机发展至今屡屡碰壁的重要原因。

一个最直接的问题是：手机里的数百万App，并没有天然为Agent准备好接口。

整体来看，如果Agent想替用户完成一次复杂任务，可能需要连续调用地图、支付、社交、出行、办公等多个应用。过去用户可以通过点击界面完成这些操作，但Agent需要的是更加标准化、可调用、可授权且在隐私安全范围内的能力接口。

这也是为什么从去年开始，以豆包手机助手为代表的AI产品，在运行过程中开始面临一些落地挑战，也由此引发MCP、A2A、GUI等不同调用路径的讨论。

至少这一问题并不那么容易快速解决。近期部分网友反馈手持努比亚NaviX Ultra，没有使用AI功能却在登录部分游戏后被踢下线，侧面显示出AI手机依然面临不少“暗礁”。

荣耀MagicOS AI产品部总经理张冲在接受采访时明确提出“开放兼容”的思路：能够调用系统原生能力的，直接调用；有成熟工具、服务或者专业Agent的，通过相应方式协作；对于暂时没有专门接口的应用，再通过GUI补充。

vivo的判断也类似。周围则提到，“那么多第三方应用，怎么样让手机以Agent的形式访问，这个问题过去三年一直在争执，才有了今天MCP、A2A的访问形式。我个人认为，这个争执已经告一段落了。我个人看到的是，手机厂商发出使用这样功能的请求和邀约的时候，愿意接纳这样的邀约，就可以把这个能力注册进来，这样就不会存在原来争议的强行使用第三方功能和界面的情况。”

至少目前看，MCP、A2A与GUI并不一定是非此即彼的技术路线。

钟晓磊对记者分析道，通过GUI模拟用户操作，能够兼容大量尚未为Agent开放接口的应用，但执行速度较慢，对界面变化较为敏感，稳定性和风控也较难保证；A2A或标准化接口能够提高效率和可靠性，但需要应用开发者、操作系统厂商和服务提供者共同参与，短期内还面临标准不统一、商业利益协调及权限边界等问题。

这背后其实是AI手机当前最核心的矛盾之一：AI越想替用户做更多事情，就越需要获得更多系统和应用权限；但权限越大，对安全、隐私和责任边界的要求也越高。

马诗文认为，目前AI手机仍面临多个挑战，包括缺少真正高频且不可替代的Agent场景，跨应用执行受到权限、安全和应用适配限制，以及端侧算力、内存带宽、功耗和模型能力之间的平衡问题。“虽然AI短期内仍难成为用户换机的主要驱动力，但依然是手机厂商需要长期投入和持续探索的重要方向。”她补充道。

钟晓磊进一步指出，“当前AI手机的主要瓶颈，首先是复杂任务的成功率和一致性仍不足；其次是跨应用协同和服务覆盖有限；第三是隐私、权限和责任边界尚未完全解决。此外，端侧算力、功耗、云端成本、响应速度，以及用户是否愿意把高风险任务交给AI，也会影响实际普及。”他如是总结道：行业需要解决的不只是“AI能不能做”，还包括“能否稳定完成”“用户是否信任”，以及“出现错误后能否解释、撤销和恢复”。

这也解释了为什么今年AI手机的竞争看起来热闹，但离真正成熟还有距离。

此前受到关注的“Agent直接操作手机”模式，本质上解决的是“AI如何替用户点击”的问题；而如今行业逐渐转向MCP、A2A、Skills以及系统原生接口等开放式调用方式，则是在进一步解决“AI如何合法、稳定、高效地获得能力”的问题。

在当前AI手机和生态路线并没有完全收敛的背景下，这也显示出厂商正在共同寻找一些底层问题的解法。

因此，今年AI手机的集体进化，并不意味着行业已经找到终局答案。它更像是进入了一个新的“系统工程”阶段：模型在进步，操作系统在重构，应用生态也在寻找新的接口方式，而手机厂商需要做的，是把这些尚未完全成熟的能力逐渐拼成一个稳定的整体。

对于用户而言，真正决定AI手机能否成为下一轮换机动力的，或许不是手机里增加了多少个AI功能，而是某一天，用户会发现，有一些过去必须自己花时间完成的事情，现在手机真的可以替自己完成，而且足够稳定、足够安全，也值得每天使用。

这一天是否到来，将决定AI手机这场集体进化最终能走多远。

（文章来源：21世纪经济报道）