Agent phones poised for explosive growth: the upgrade dilemma, on-device AI, and the battle for the next-generation entry point

智能体手机加速爆发？换机困境、端侧AI与下一代入口之争钛媒体下载客户端 独家抢先看2026年10月21日 17:36:00 来自北京Updated 2026年10月21日 18:18:26

文 | 硅谷101

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。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。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，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。

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？

为什么最近手机厂商都来押注“智能体手机”了呢？这背后其实有三股力量，汇聚在了一起。

▍手机需要新故事

第一，是传统手机行业需要新的“换机理由”。

过去十几年，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，电池越来越大。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，这个数据都在43个月左右，到了2026年，Counterpoint最新的判断是，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个月靠拢。

在分析换机周期拉长的原因时，他们提到了一个词，叫incremental device upgrades，也就是“渐进式设备升级”，指的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，它们急需找到一个新的刺激点，重新点燃大家的购买欲望。这个刺激点当然就是AI，更准确地说，是Agent（智能体）。

过去几年，手机AI功能已经越来越多，但Agent带来的想象空间是完全不同的。

比如之前想订一家餐厅，用户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，我们只需要告诉手机“帮我找个离我近一点、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”。

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针对性地优化一下就够了。

但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。

过去几年，手机芯片正在针对性地解决这个问题。我们翻了下骁龙的迭代记录，发现AI计算从早期的一个辅助能力，已经逐渐变成了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，专门算神经网络，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，是让端侧的Agent能记住你、能持续学习。

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，只不过前几年没人把这个词挂在嘴边。

▍端云协同成为现实

不过，芯片跑得快还不够，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。

但这两年，这两个世界开始快速靠近。一方面，模型本身正在快速变小，高通全球副总裁徐晧博士就在我们之前的访谈中表示：同样的智能，需要的参数越来越少了。

徐晧

高通全球副总裁

比如我们做过一个研究，2024年最好的LLaMA模型，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的模型，用很小的模型，有4个billion或者几十个billion的，就可能达到同样的效果，甚至更好。

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、模型这三股力量聚集到一起，AI智能体手机需要的基本条件已经具备。这时问题也出现了：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。

▍智能体手机的两种路线

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。

第二种思路，是在手机里放一个SuperApp，也就是超级AI入口。用户先进入一个AI App，比如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，用户的学习门槛也比较低。

行业现在在两个方向上都在探索，也在寻找平衡和突破。

先来看看硅谷这边的一些动作，首先是最近刚召开发布会的苹果。

9月，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，就是正把Siri从“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”。

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：能在设备上完成的尽量放在设备上，需要更强能力时再交给苹果的云端。它的好处是体验比较容易统一，但相应的，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运行。

这带来的潜在问题，可能就是迭代速度会慢一些。

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，但从它背后的生态来看，又非常像一种SuperApp。

因为谷歌手里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。用户在手机上真正要使用的，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，打造一款更加AI原生的设备，甚至一度设想为没有屏幕的设备。但后来由于研发不顺，有消息称OpenAI的产品设计可能还是传统智能手机的形态，目标在2027年上半年量产。

▍国内厂商：生态、模型和终端开始合流

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，厂商的打法则更加多样，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？

努比亚NaviX Ultra相比传统智能手机，有几点感受非常不一样。

第一个变化最直观，有些App的操作，在获得授权后，不用再自己动手了。过去我们想做什么事，得点开对应的App，然后逐步搜索、翻页、查询。而到了智能体手机上，只需要长按独立的AI键，说出我的要求，它就会在获得授权后自动帮我操作。

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，它就能帮我记住。比如我的行程、票价，当我需要时，可以直接问豆包，不再需要打开App去寻找。

徐晧

高通全球副总裁

它是一个全新的user interface（用户交互界面）。从选App到不用选App，都是我们会慢慢适应的一些用户体验和交互方式的转变。

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。我们试用时发现，现在各种流畅的体验，主要围绕系统应用、中兴，还有字节系的App，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、迭代。

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？

▍从能跑到跑得动

首先，Agent要随时待命，但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，硬件要能更好地支持多任务的并行调度。过去CPU、GPU、NPU各自承担比较明确的任务，但到了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，这就说到第三个要求，那就是云端与本地的协同。

徐晧

高通全球副总裁

我们在手机端侧会做预处理，把个人信息简化和压缩，作为local memor（本地的存储）。

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。

端云协同时，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对照一下，我们已经走到了哪一步？可以说基础框架已经搭好了，但未来，更加值得期待。

▍Agent时代的移动计算平台

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，它有两个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干重活时，才唤醒主NPU。

至于多任务调度，它的思路是“异构计算”，把不同的活儿，交给最合适的单元。

徐晧

高通全球副总裁

我们的架构包括CPU、GPU、NPU，每个的功能不大一样。CPU主要管控制，大部分的算力实际上在NPU上，所以NPU能够把AI运算在降低功耗的情况下做到极致。NPU最大的优势是它是定点的，所以它是为AI量身定做的，采用最节能的方式。GPU大部分时候比较灵活，但是能耗会更高。所以我们的异构架构，可以让每一个硬件部分都用到它的特长。

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

高通全球副总裁

我们有非常强大的5G连接，把这个数据传到云端，让云端做完训练（推理），再传回来。所以这些都是统一的一个解决方案的一部分。

这么看来，智能体手机的硬件需求已经“基本”满足了。为什么是“基本”？毕竟今年Agent概念才刚开始落地，随着AI能力增长，算力的需求还会不断提升。我们再来看看，移动芯片行业将如何应对。

比如高通刚刚举办了2026骁龙峰会，发布了新一代双旗舰移动平台（第六代骁龙8至尊版和超级至尊版），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。单从参数上看，主频达到了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，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，响应速度更快，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，就是让运算更快；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。

无论是看小说的老年人，还是“刷社媒”的GenZ，亦或是同时用好几部手机、把它们当移动电脑的上班族，这种形态的硬件已经成为我们生活和工作中必不可少的一部分。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。

这个升级是：从“我来操作”，到“它替我完成”。而当这个变化真正发生时，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。

“特别声明：以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布，本平台仅提供信息存储空间服务。

Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”