138: 从你用手机到它更懂你，OPPO的手机AI实践 |与小布负责人万玉龙聊端侧AI｜Agent#7

当年 Siri 做得太早了，反而带来了一些负反馈。当然，也不能只怪 Siri，我们自己也没有做好。

我们经常举例说，软件产品是 by design 的：设计成什么样，用户就知道它能做什么。但是 AI 类产品一开始很难完全 by design，很多时候要先观察用户怎么使用它。现在大家习惯性地认为，是不是直接通过理解 App 的内容去操控它就行了？但我自己觉得这还不够 AI native。AI native 应该是把能力原子化，然后通过某种方式提供给模型。

欢迎收听《晚点聊》，我是曼祺。

手机作为最主流、最有想象力的智能硬件载体，是 AI 入口的必争之地。在第 130 期节目中，我们聊了智谱这样的​​大模型公司怎么做手机 Agent。本期我们换一个视角，邀请了 OPPO ColorOS 智能助理部总经理万玉龙博士。

相比电脑，手机的保有量和使用时长都大得多。AI 在这里能做什么？手机厂商是怎么思考和实践的？我们正式进入本期节目。

万博士，你可以和我们的听友简单打个招呼，做个自我介绍。

Hello，大家好。今天特别开心能够跟曼琪一块儿交流 AI 相关的事情。我是万玉龙，从 2008 年开始做 AI 相关的工作，现在在 OPPO 负责智能助理小布助手。

简单介绍一下小布助手。小布助手搭载在 OPPO 全系设备上，包括手机、手表、平板，甚至耳机等设备。目前小布的月活已经接近 1.7 亿，在整个安卓手机里应该是排名比较靠前、活跃度比较高的语音助手。

随着大模型在过去两年多的发展，小布助手也在结合大模型技术不断变革，在体验、交互和功能上持续升级。

我们可以先从 OPPO 最近的一些新动作开始聊。10 月 15 日，OPPO 将召开 2025 年 ODC，也就是 OPPO 开发者大会。在你们的 ColorOS 操作系统上，AI 也是一个越来越重要的角色。这一次大概会有哪些更新？会给用户带来哪些新的体验？

1. 个人化 AI OS

这次我们会发布一个新的战略，叫作“个人化 AI OS”。

首先，我们会发布新的战略方向。我们认为，终端厂商做 AI，大体上会分为 3 个方向：新计算、新感知和新生态。

所谓新计算，是指大模型刚出现的时候，大家会认为大模型参数量很大、消耗算力很多，需要部署在云端。最近两年会发现，模型变得越来越强大，同时尺寸也越来越小，能够通过更小的模型实现一些大模型的能力。模型推理的计算，正在逐步从云端下放到端上。

作为终端厂商，我们可以结合端云混合协同，让体验变得更好。新计算意味着，我们要利用端上芯片和云端芯片的能力，降低模型推理成本，让响应速度更快。

另一方面是新感知。模型本身很强大，但与此同时，模型也需要很多信息输入，而这些信息一定来自各种信息采集，包括硬件和软件的信息采集。因此，我们可以通过手机上的新传感器，包括硬件传感器和软件传感器，获取更多信息，作为 context 提供给模型做上下文理解，从而给用户更个性化的体验。

可以举几个例子吗？比如摄像头，或者扬声器收音，这些比较常见的传感器之外，还会有什么？

最常见的就是传感器带来的感知信号。作为手机上的智能助理、系统级 AI，它其实可以获取更多信息。

比如用户此时正在看小红书或者某个媒体上的内容，遇到不懂的问题，就可以直接询问屏幕。这个时候，我们会把屏幕信息提供给大模型做理解。

用户有时会看到自己喜欢的文章或攻略，需要把它收藏下来。这时通过一个按键，就可以让系统级 AI 获取屏幕内容，帮用户理解、结构化信息，并形成待办事项。

我们认为，硬件加软件的传感信息能够给模型带来更多输入，同时带来更个性化的体验。

这就是 OPPO 的“一键闪记”功能。

对。一键闪记和一键问屏，都是增加更多感知信息给大模型，让它进行多元化理解。

新感知之外，还有新生态。过去一两年大家谈得比较多的一个词就是智能体，也就是 Agent。原先以 App 为形态的服务载体，正在逐渐转变为以智能体为载体的方式。

现在包括国庆期间发布的 ChatGPT 新能力，都是通过 Agent 的方式，把更多服务集成到超级智能体里，然后由智能体进行调度。

小布助手过去一两年的发展也有类似趋势。我们会把一些第三方能力通过 Agent 的方式接入生态，让用户通过简单的一段对话完成很多服务的触达。

比如用户说：“帮我生成一份新能源汽车的调研报告。”我们可以通过一个 Agent 完成整个调研报告的输出。用户也可能问：“附近有没有好吃的？”我们背后会通过意图理解和智能体调度，让生活服务相关的智能体为用户提供服务。

你刚才第二个例子里，其实是接入了地图，或者美团、饿了么这样的生活服务平台的信息。

对。他们向我们提供服务的方式就是 Agent。我们通过 A2A 这样的协议，把所需的信息传达过去，完成 Agent 之间的通信。

它们提供给你们的不是 API，而是 Agent？它和以前通过 API 提供服务有什么区别？

API 是 Agent 之间通信的一种接口方式，并不是互斥的概念。A2A 是在这个基础上，通过标准化协议完成信息传达。

生态这一块我比较感兴趣。外部端可以看到 MCP 生态已经比较主流了，但在移动端，我觉得还处于正在形成的过程。

2. 一键闪记全面升级

刚才说的是这次会发布的三大战略。同时，这次也会给用户带来一些新的功能特性。

您提到的一键闪记，在上一代 1.0 版本里，我们主要完成了屏幕信息和图片信息的理解。这一次会带来更多模态、更丰富的闪记内容。

用户对视频记的需求比较多。比如他在看一个很长的视频，没有足够时间看完，看完之后又需要记住很多信息。现在通过一键闪记，可以把整个视频的信息记录下来，并结构化地梳理出关键内容，包括其中可能涉及的待办事项、关键信息和日程。

还有语音记。用户有时突然想到一个好的想法，或者家人出门前需要嘱咐一些事情，但一时记不住。这时可以通过一键闪记快速记录一段音频，再通过大模型把音频转化成关键信息和待办事项。

很多用户还有记账的习惯。他们在各个 App 里有很多记账信息，以前可能通过 Excel 或者手动输入到记账 App 里完成。现在，一键闪记可以快速汇总账单信息，并进行账单分析。

我们日常也经常点外卖，外卖订单里会有取餐码，去取餐时却忘了取餐码是多少。通过一键闪记，就可以快速记录取餐码，并在流体屏上展示。你可以左记右问，既可以记录信息，也可以通过小布助手询问：“我的取餐码是多少？”或者“我之前看过的那个视频主要讲了什么？”视频里的关键信息也都可以继续询问。

这些是一键闪记在新感知方面的一些新特性。

第二大类，是我们在小布助手上做的一些新功能，比如“实景问答”，有点类似 Google 之前推出的 Astra。

原先一键问屏只能询问静态信息，比如屏幕上的内容或一张照片。实景问答则进入了一个可以随时陪伴用户询问物理世界各种问题的状态。用户打开摄像头，看到什么都可以询问智能体。

这里有两个我们认为比较有竞争力的点。第一个是结合了声纹。用户真实使用产品时，可能是在博物馆，也可能是在嘈杂的街道上。以前，旁边任何一个人的说话都可能打断产品。现在结合声纹，我们可以在用户发起请求时记住他的声音，在嘈杂的博物馆里只响应用户自己的声音。

第二个是“哪里不会点哪里”。有点像步步高时代的点读机，看到屏幕上任何不懂的内容，直接点一下就可以。系统会结合大模型回答：“你点的这个东西到底是什么？”

第三个功能叫“个性化简报”，也可以叫 Morning Brief 或 AI Brief。它会结合用户的日程、当天的天气，以及用户收藏的记忆，给用户生成一份简报。

简报会总结当天需要关注的日程信息、用户记录下来的关键内容，以及可能遇到的突发情况和天气变化，给用户一些温馨提醒。这就是我们的个性化简报。

这 3 个功能结合在一起，我们称为系统级 AI 助理。我们可以把所见即问打通，结合记忆给用户个性化推荐，也可以结合记忆支持用户随时随地搜索内容。这就是系统级 AI。

与此同时，我们在相册里也做了一些用 AI 提高创作效率的功能。用户拍照时可能光线不好，所以我们做了一个叫 AI 补光的功能，在后期通过 AI 生成能够让图片更美观的效果。

有些功能确实挺实用。我想追问一下，比如你提到的记账功能，怎么解决隐私问题？

虽然是我按了一下才发起请求，但它涉及财务信息，可能包括支付信息。这些内容是全部放在端侧处理，还是怎么解决？

这就是刚才提到的新计算。我们认为，终端厂商本身有一个很强的优势，就是端上有算力，可以部署小模型，完成很多与隐私相关的数据处理，确保用户的敏感信息能够在本地处理。

所以这些都是本地处理的，包括一些脱敏处理，也是在本地完成的。

你们现在做的这些事情，正好可以用来讲一讲整个行业。包括苹果、三星，甚至 Google，最近都在手机和 AI 上发力。

你们现在做的事情有什么特点？整个行业里能看到的主流共识和趋势又是什么？

我先谈共识，也可以说是求同存异。

对于终端厂商来说，做 AI 的整体战略方向应该是类似的。终端厂商拥有算力，所以会有新的算力策略；终端厂商拥有端侧的个性化数据，可以做新感知；终端厂商拥有离用户最近的入口，所以会做服务生态。

在大的战略上应该是类似的，但在战术和具体策略上可能会有差异。

比如大家都在做记忆。很多友商也在做记忆，但我们应该是第一家结合硬件，为记忆单独增加一个硬件入口的厂商。我们有一个实体按键，可以一键唤起、触发记忆，帮助用户更便捷地使用记忆功能。

这就是在战略方向一致的情况下，战术和策略上的差异。我们认为，这个动作能够降低用户使用记忆的门槛，形成肌肉记忆，让用户随时随地都可以记录。这是我们在做个性化时比较有差异化的一点。

实际上，我们考虑的是把整个链路完全打通。我们叫“记得你，才更懂你”，希望通过记忆更好地理解用户，让用户在任何时候想问，都能够问出来，并且在合适的时机主动推送出来。

我们把记录的内容、询问的内容、搜索的内容和推荐的内容串联起来。这是我们在做个性化时比较不一样的地方。

行业都知道个性化很重要。包括 ChatGPT，现在很多功能也是围绕 memory 展开的。

前两天我听国外一个播客，Sam Altman 说，去年让他感到惊喜的一点，是他发现 memory 对 ChatGPT 来说比想象中重要得多。很多用户会因为有了 memory，越来越喜欢使用 ChatGPT。

ChatGPT 今年也推出了全局记忆功能，而且我发现它可以管理你的记忆，比如你可以删除某些记忆。

3. 手机记忆更懂用户

我们也有类似功能。这次 1.6.0 版本里，也发布了个性化问答功能。

个性化问答首先要结合用户和小布聊过的聊天记录，也就是 chat history。用户的 history 肯定是一个输入源。其次，用户记录下来的内容也会成为记忆源。此外，用户手机里的文件、照片，也都是来源。

因此，我们认为的 memory 可能更广泛，不只是 chat history，也不只是聊天记录。ChatGPT 的 memory 更多强调“我和你聊过的内容”，而我们认为 memory 包括 history、用户主动让 AI 记住的内容，以及手机存储中已经存在的文件和照片。

Memory 还有一个中文翻译叫“内存”，也就是手机存储里已经保存的文件、照片等内容。这 3 类内容加起来，才是我们认为的用户 memory。

比如用户问：“我的体检报告里血脂有多高？”或者“我上次体检体重是多少？”这些信息都属于用户设备上的 memory。

这就是新感知。相比外部端，手机能够获得更多输入。

对。而且从直觉上说，这些也应该是用户比较关心的 memory 内容。

像照片这样的信息，需要用户授权之后才会被记住吗？

照片可以理解为用户已经通过摄像头记录下来的记忆，只是在实现过程中，我们通过搜索加 RAG 的方式，让用户能够把这些内容询问出来。

比如用户问：“我和孩子合影的照片在哪里？”从用户视角看，他是想把照片里的记忆搜索出来。实现上，我们会通过端侧搜索，再结合 RAG，帮助用户找到这些内容。

今年确实是 AI 和手机结合、探索端侧 AI 加速的一年。

你觉得背后的驱动力是什么？为什么现在变快了？

4. Context 决定 AI 能力

首先，模型越来越强，这是一个大的趋势。模型能做的事情越来越多。

还有一个趋势是，模型越来越强的同时，context 长度也越来越长。context 越长，意味着你能给模型输入更多、更丰富的信息，它提供的体验就会越来越好。

过去半年，大家一直在讨论 context engineering。以前叫 prompt engineering，现在叫 context engineering。大家也越来越认为 context 很重要。

你可以把模型理解成一个信息处理单元。这个处理单元能不能处理好，很多时候取决于你给它什么信息。这个信息包括 query，也包括基于 query 提供的 context。

我们经常举例，用户在问“怎么做”的时候，context 是什么？首先，用户此刻打开的 App 是什么。同样的问题“怎么做”，如果前台展示的是一道菜，用户问的可能是这道菜怎么做；如果前台展示的是一道题，用户问的可能是这道题怎么做。

所以，一道菜和一道题这样的 context 非常重要。模型的 context 越长，能够处理的信息越多元化，应用也就越丰富。

我对此很有实感。有时候我会把多邻国的题截图，发给大模型，只问一句：“你怎么做？”

对，它能够理解你的意图，知道你是在做这道题。

还有一个趋势是，从整个生态角度看，2023 年我们经历了“百模大战”。那时候，几乎所有 AI 公司都想自己预训练一个模型，或者至少尝试预训练，少数公司会做 SFT 微调。

但从去年开始，模型成本越来越低，基本上每年都在以几十倍、上百倍的速度降低。模型成本降低之后，怎么把模型用好就变成了一个重要问题。

所以去年可以看到，应用创新不断加速。很多公司放弃了预训练，开始思考怎么把模型用好，应用创新变得越来越重要。

包括现在国内外热门的创业公司，无论是 AI 硬件还是 AI 软件，背后的模型都集中在少数几家厂商手里。模型在收敛：一是模型数量在收敛，二是模型成本在降低。

这让更多应用创新围绕着几个问题展开：怎么把交互做好，怎么把 context engineering 做好，怎么理解用户场景中的痛点需求。这是过去一年多发生的比较重要的变化。

我觉得把模型做到手机端，肯定是一个很自然的趋势。手机的用户应该比 Web 端更多，想象空间也非常大。

但另一方面，真正每天使用手机 AI 能力的人，在整体人群中占比可能还比较小。你觉得现在的渗透情况高于预期还是低于预期？哪些事情是目前还做不到、大家可能高估了的？

5. 手机 AI 为何渗透不足

刚才我们和大家分享过，小布的月活接近 1.7 亿。我之前看公开报道，你们 6 月的数据是 1.5 亿，对吗？

1.5 亿到 1.7 亿，从 6 月到现在 4 个月，这算增长很快吗？

客观地说，这个数据其实低于我的预期。

很多 ChatGPT 或国内头部 AI 应用，日活比都比较高。所谓日活比，就是活跃人群除以激活人群。比如一共安装在 1 亿台设备上，每天有 1,000 万活跃用户，日活比就是 10%。

手机厂商的日活比相对没有那么高。

手机厂商的激活量，是所有买了手机的人都算吗？

理论上是的。所以这件事还没有达到我的预期，我认为还有很大的增长空间。

我分析背后的原因，一方面是用户习惯。Siri 在 2011 年推出，小布在 2018 年发布第一个版本。过去十多年里，用户对语音助手、传统语音助手的认知受到过去体验的影响，很容易觉得语音助手不够聪明、体验不好，于是形成了“你不好用，我就不用”的习惯。

过去两年多，我们和友商都在努力通过大模型改变语音助手。客观地说，现在我们的体验已经和头部 AI 应用非常接近，基本上一致。

你说的头部厂商，是指豆包这类纯软件 App 吗？

对，就是这些口碑比较好的 AI 应用。相比它们，我们的体验已经非常接近了。

但为什么渗透率还没有达到预期？我觉得很大程度上是用户习惯。Siri 做得太早，反而带来了一些负反馈。当然，也不能只怪 Siri，我们自己也没有做好。

过去十年，整个智能助手赛道在大模型出现之前，确实没有做得特别好。大家经常会说“这个助手很智障”，这也确实是事实。

大模型出现之后，智能助手已经变得聪明很多。当然，大模型还会有幻觉，或者因为其他问题导致回答不够准确，但整体体验已经比上一个时代好很多。

渗透率还有很大增长空间。很多用户习惯于安装一个 App，再打开 App 使用大模型，忘记了手机本身就自带智能助手。这首先是心智惯性的问题，需要继续解决。

第二，手机智能助手要解决的问题，比单独一个 App 复杂得多。

第一个典型问题，是控制手机的各种内容。用户今天可能说“帮我设个闹钟”，明天说“帮我设个日程”，还可能说“帮我打开蓝牙”。我们盘点下来，手机上可能有上千个控制指令需要实现，而单独一个 App 不需要考虑这些。

第二个问题，是刚才提到的左记右问这类和系统级能力强相关的问题。比如用户问“成都住哪儿”，如果他之前已经通过左记记下了成都旅程中的某家酒店，那么他大概率真正想问的是“我在成都住哪儿”。但如果直接问一个通用大模型，它可能会回答成都有多少家酒店，或者推荐住哪些酒店。

所以，智能助手还要解决和设备上重要信息强相关的个性化问答。

第三个问题，是和第三方 App 相关的执行。比如用户说“导航回家”，智能助手要调起高德或百度地图，把用户地址传给它，再触发导航指令。这是一个比普通 App 复杂得多的执行问题。

总体来说，智能助手要解决 4 大类问题：通用问答、个性化问题、本机控制指令，以及跨第三方 App 的执行类问题。它们叠加在一起，整体复杂度就会高很多。

所以是因为复杂度高、能力完备还需要时间，影响了渗透率。

对。用户会认为，既然你是手机智能助手，就应该把手机上的问题都解决好。如果解决不好，用户就会觉得你很蠢。

它的能力提升还有很多工作要做。AI 产品的门槛更高，达到用户满意、达到及格线的门槛也更高。

AI 产品确实和软件产品有很大区别。

软件产品通常是 by design，设计成什么样，用户就知道它能做什么，也知道使用过程中应该有怎样的预期。比如日程 App，设计完成之后，用户知道它应该能添加日程、删除日程，产品做得好不好，评价指标相对简单。

但 AI 类产品一开始很难完全 by design。很多时候，你要先观察用户怎么使用它。

大模型刚出来时有一个很经典的案例。用户会问：“林黛玉倒拔垂杨柳，这是一个怎样的故事？”大模型会认为，既然用户提出了这个命题，那我就回答这个问题。

但背后可能有很多种意图：用户可能希望创作一篇小说，可能希望得到一个事实回答，也可能只是想调侃模型、和它聊天。只有在不断和用户对话、交互的过程中，才能发现用户背后的真实诉求，然后不断完善产品，形成一个 feedback loop。

6. AI 先理解用户场景

对。AI 只是技术，核心还是用户的场景问题。

大模型这一波 AI 出现之后，我们先识别用户在手机上哪些场景真正可以用 AI 改变或提升体验。这是从 2023 年开始，过去一两年我们一直在反思和分析的事情。

整体分析下来，我们认为手机上用户可以用 AI 改变的场景，主要分为 3 大类。

第一类是生产力。用户会拿手机学习、办公，这是非常重要的一类需求。AI 作为生成式 AI，能够很好地提升生产力效率和质量。

这也是 ChatGPT 最开始引爆的地方。它就是一个典型的生产力工具。

所以第一类一定要做好生产力场景，成为生产力助手，帮助用户完成很多生产力任务。

第二类是生活场景。用户希望通过手机获取信息、获取服务，完成很多日常事务。生活场景也是非常重要的一类。

第三类是影像场景。现在大家出门很少带相机，通常直接用手机拍照，然后在手机相册里编辑，所以影像场景在手机上也很重要。

识别出这 3 个重要场景之后，我们对 OPPO AI 的定位，就形成了 3 个关键赛道。

第一是生产力助手，要成为用户在生产力场景里的高效助手，帮助用户完成各种生产力任务。

第二是生活管家，帮助用户处理生活中的琐事，包括日程管理、信息管理、服务管理，记账也属于生活管家的一部分。

第三是影像搭子。AI 可以帮助用户拍好照片、管理照片，也可以在照片编辑过程中提高效率，降低图像编辑门槛。以前可能需要 Photoshop 这样的专业软件，现在只要说一句话，就可以完成去反光、去路人等操作。

这 3 个场景，是我们回到用户本身识别出来的需求。

另一方面，需求和技术的发展也是双向奔赴的。技术发展趋势会匹配场景需求。

ChatGPT 能够引爆，本质上是因为模型具备了很强的生成和创作能力，能够服务生产力助手。

模型出现之后，大家有很长一段时间都在讨论 RAG，也就是检索增强。检索增强可以帮助用户完成信息获取。现在很多 AI 产品，包括 Perplexity，本质上都在颠覆用户获取信息的方式。

以前可能需要搜索、浏览搜索结果，现在不需要了，只要问就可以。因为有 RAG 和 context engineering，生活管家类任务也能够做得更好。

第三是多模态大模型的发展。包括 Sora 2，大家会发现，以前编辑视频、图片需要很强的专业能力，但现在模型具备了这些能力，用户可以通过一张图和一个 query，快速完成图片或视频编辑。

这恰好匹配了影像搭子。模型的发展和手机上的需求场景，是比较匹配的。

我觉得 Sora 2 也反映了 AI 从 Web 端向移动端的变化。视频生成模型在网页端其实已经相对可用了，但 Sora 2 是一个手机 App。从 OpenAI 的角度看，他们也在主推移动端，技术博客的第一部分就是引导用户下载手机 App。

手机的算力会越来越强，用户使用手机的频率也会越来越高，在手机上完成的任务会越来越多元化。

一开始手机可能只是用来打电话，后来可以拍照、浏览网页、安装 App、处理各种信息。现在有了大模型的加持，用户可以随时随地提问，随手拍一个东西就完成创作。手机能够承载的任务越来越多。

对，多模态大模型带来了更多可能性。

ChatGPT 或 GPT-4 以前，更多是处理文本信息。但多模态大模型不仅能生成视频，还能配音，声音和音效都能很好地匹配场景。

这首先降低了创作门槛。其次，手机天然是一个很容易触达服务的设备，能够把这些能力做得更好。

你刚才讲的是整体思路：怎么甄别需求，以及在技术上怎么实现。

这次我看到一些非常细致、贴心的更新。比如点了瑞幸或者蜜雪之后，会生成一个码，浮在手机的流体屏上；还有记账功能。这些很细的需求，你们是怎么发掘的？

我拿记账举例。

从去年年初开始，公司组织了一些“走入一线、深入一线”的活动，叫作“原点之旅”。我们会召集很多原点用户和导购坐在一起，了解用户到底怎么使用手机，在手机上遇到哪些痛点，使用 AI 时遇到哪些问题，日常使用 AI 最高频的场景是什么，还有哪些问题没有得到解决。

这是询问用户。同时，我们也会询问导购：在向用户推荐手机时，用户最关心哪些特性？有没有用户到店里咨询某些问题？

这一系列活动帮助我们识别用户场景。

刚才说的记账功能，就是在用户访谈中发现的。很多用户，尤其是年轻用户，会有记账习惯，但没有很好的工具来实现。

你说的年轻用户有多年轻？是 00 后吗？大学生群体？

我以前好像没觉得记账很流行。

大学生，以及刚步入职场的职场新人。

其实这也让我改变了看法。一开始听到记账需求时，我不是记账用户，所以不太理解。但这就是原点之旅带来的冲击和改观。

当你真正接触真实用户，尤其是参加过几场之后，会发现有一些共性需求，是你作为一个用户未必需要，但他们非常需要。作为需求实现方，就一定要满足这类需求。

你会意识到，自己只是众多个体中的一个，还有很多用户确实有这样的需求。

此外，我们对外有一些发言人，比如晨曦。他们的微博下面也会有用户持续评论：“什么时候推出记账功能？”“什么时候推出某某功能？”这类反馈越来越多之后，我们就会发现用户确实有这样的诉求。

接下来我们会和用户共创：你们日常是怎么记账的？遇到了哪些痛点？如果我们这样实现，你们觉得可以吗？有没有更好的方式？

这个过程一定要反复和用户共创，才能发掘需求并满足需求。

现在做 AI 类应用或功能，有一个比较难的地方是，技术发展特别快。

以前的产品方式是，技术相对定型、稳定，产品根据需求从技术工具箱里寻找匹配方案。但现在需要非常有节奏感地做这件事，这很难。手机又对稳定性和成熟度要求很高，你们怎么解决？流程上有什么变化？

这是一个很有意思的问题。

7. 产品进入反馈循环

以前的软件产品很多时候是 by design：先识别用户需求，设计需求，技术只是实现需求的手段。

尤其过去两年，我们和行业里很多头部 AI 厂商的核心人才交流后发现，现在很多 AI 产品是先发布，再观察用户到底怎么使用，然后结合用户高频需求，设计更好的交互、体验和闭环，完成功能升级。

背后的核心逻辑是，模型现在很多时候可以说是无所不能，但并不等于无所不懂。

比如 ChatGPT 刚出来时，有的用户用它写文章，有的用户用它问问题，有的用户用它聊天。它只是提供了一个简单的交互界面，剩下的功能都是用户自己探索出来的。

你当时是怎么使用 ChatGPT 的？刚出来的时候。

我首先会结合我们自己产品遇到的痛点，看看它回答得好不好。

以前我们做对话系统，通常先做意图识别，再做对话管理。很多多轮对话的问题都解决得不够好。ChatGPT 刚出来时，我们会尝试以前那些问题，看看现在是不是能够解决好。

发现原来可以解决好之后，我们就要思考怎么把它用好。

这和以前的产品很不一样。以前产品可能是先画好边界，再去实现，甚至靠堆代码、写规则就可以完成。

现在大模型很强，不管是文本大模型还是多模态大模型，给它一张图、一段音频或一段文本，它可能就能回答很多问题。

这时更重要的是识别用户怎么使用它，找到用户使用过程中的高频痛点，再通过更好的策略提供更好的交互体验、视觉表现和定制方案。

那你们的部门和流程需要调整吗？以前需求识别可能有市场调研部门、硬件工程部门和软件研发部门。现在是不是需要把一些人合在一起？

研发流程肯定会有调整。

以前的产品经理更多是用户产品经理，自己理解和设计需求，再向研发提出需求。现在用户产品经理仍然需要存在，因为还有很多直接和用户交互的界面需要设计。

同时，我们定义了一类“策略产品经理”。策略产品经理要不断观察和识别用户到底怎么使用产品，比如分析线上的日志，查看用户的反馈信息。用户上线后点赞、点踩、转发、复制等行为，背后其实都是反馈机制。

这些更数据驱动，是吗？

对。我们要看有哪些方式能让用户更愿意转发，哪些策略能让用户更愿意长期和你对话，进行多轮交互，以及用户可能会问哪些系列的问题。

我以前访谈过一个 AI 创始人，他曾经在 OPPO 做过产品，是 U Wear 的创始人明超平。

他回顾在 OPPO 的那段经历时，讲得非常浪漫。他说 OPPO 有很多古典的产品方法，比如早高峰坐地铁，观察人们怎么使用手机、手机电量怎么样、戴不戴耳机等等。后来他去了字节的剪映做产品，说那边更数据驱动，迭代非常快，一年要更新很多版本。

我们现在也是这样。

最早大约在 2021 年，我们发版基本上是一个多月一个版本。到今年年初，最快时一周就要发一个版本。

因为变化真的很快。尤其 DeepSeek 出来之后，我们应该是最早一批接入 DeepSeek R1 的厂商，很快就通过 R1 重构线上的对话体验和多模态问答体验，需要快速适应这些变化。

整体研发节奏要更敏捷。工作变多、发版更密集，你们是靠扩充人手解决，还是通过其他方式提升效率？

客观地讲，资源永远是紧缺的、有限的。更多时候要调整需求，比如把需求拆得更细，把版本排得更紧，当然也离不开加班加点攻坚。

现在中国主流手机厂商的 AI 部门一般是什么量级？

大几百人吧。

如果和影像部门相比，AI 部门的规模大概是什么情况？

现在整个 AI 仍然处于探索和创新阶段，和影像基本上还在追齐的过程中。

不过这并不是一个特别适合直接比较的问题。过去至少五六年，大家觉得智能手机没有那么多更新，手机厂商卷得比较多的是影像，因为影像是比较明显的购机刺激。

AI 现在对手机厂商卖手机这件事有多大作用？

首先因人而异。整体趋势上，目前 AI 还不足以构成购机因素。不能说因为有了 AI，就一定能带来销量增长，这是客观事实。

至少现在很多用户不会说：“你的 AI 好，所以我要买你的手机。”这很难。

我觉得 AI 更像售后体验。用户买了之后，觉得手机特别好用，AI 能够形成口碑和粘性，进而增加用户对品牌的好感度和复购意愿。

我们做 AI 更多看的是长期发展：用户对品牌、生态和设备本身，能不能形成好的口碑、粘性和使用习惯。

手机端 AI 的链条很长。你们现在哪些部分自己做，哪些部分和合作伙伴做？怎么划分？

OPPO 也和一些大模型公司合作，包括 DeepSeek、阶跃星辰、通义千问等。

8. 模型与伙伴如何协同

我们有一句话叫“独行快，众行远”。

上一个时代做手机，本来就是集大成者。芯片、摄像头、电池等很多东西都要集成在一起，为用户提供完整的产品。

AI 时代也是一样。没必要所有事情都自己做，需要考虑如何把市场上最好的合作方方案，和自己的能力、自研能力结合起来，为用户提供更好的体验。

从手机厂商集大成者的定位来说，本来就不需要所有事情都自己完成。另一方面，每家公司也都有自己的擅长领域。

2022 年底 ChatGPT 出来之后，2023 年经历了百模大战。那时大家都觉得自己要预训练一个模型，训练一个百亿、千亿参数的模型。但到现在，整个大模型玩家、模型本身的玩家都在收敛，国内可能已经不到 10 家还在做预训练。

OPPO 当时考虑过自己预训练模型吗？

考虑过。那个时候基本上大家都考虑过。

但现在我们认为，是否一定要自己预训练，并不是关键因素。大概到去年上半年，我们就认为，预训练对手机厂商来说不是关键控制点。

关键控制点是怎么把模型用好。对于能发挥长板的特性，我们会做好自研模型；更通用的模型，则可以直接复用行业里最好的供应商方案。

所以模型自研这部分，你们现在可能会做后训练、强化学习和其他工作？

大体上有 3 部分。

第一，基于开源模型做强化学习和 SFT 微调。

第二，是刚才反复提到的 context engineering，也就是上下文工程。

第三，在一些偏感知类的模型和小模型上做自研。

背后的逻辑是，有些模型结合用户反馈闭环和真实线上数据，能够做得比通用方案更好。这样的模型，我们一定会考虑自研。

而且你们有数据优势。

对。我们有数据优势，也有反馈闭环，训练成本没有那么高。长期做下去，能够形成比较好的壁垒。

OPPO 现在的 AI 人才主要从哪里招募？

来源比较多。海外有从海外引进的人才，国内各大厂也都会有。

我自己在 2015 年到 2021 年期间在达摩院，经历过通义实验室之前比较长的一段时间，包括 iDST 和达摩院的阶段。

你当时在达摩院哪个实验室？

语音实验室。

2021 年从阿里来到 OPPO 时，你看到、想做的事情，是把智能能力和硬件做更多结合吗？

对。

2015 年到 2021 年，我做过很多设备。2015 年我们在做 AliOS 手机，也做语音助手。那个时候做语音助手，和现在在方法论、技术栈上都有很大差异。

后来还做过车和智能座舱，也做过机器人。2016、2017 年，我们在阿里机器人、和软银合资的那家公司里做过 paper 和语音助手，我当时也负责相关工作。

后来还做过电视。当时会考虑，不用遥控器，用户坐在沙发上就能直接和电视对话，进行远场语音交互。

2018 年，我负责高德地图的语音助手。那时各种设备基本都做过。

到 2020 年底、2021 年初，做过很多设备之后，我开始思考：AI 很依赖用户反馈，需要长期积累、持续建立体验升级策略，而不是做完之后就放在那里。它不是一个一次性的软件产品。

所以可能需要找到一个用户规模足够大、能够持续演进的场景，才能把体验不断做好。它一开始可能只有六七十分，随着数据闭环和用户反馈，慢慢做到八九十分，但距离用户期待的一百分，永远还会有一定差距。

这也是我觉得 AI 有意思的地方。你永远和用户预期之间存在 gap，就像追逐地平线一样，不断逼近体验极限。

很多产品做完之后，用户预期就固定在那里。但 AI 不一样，无论做到什么程度，用户都会觉得还有进步空间。这件事很有意思。

你之前做的那些设备，都算是 IoT 里的各种设备。但手机才是 IoT 领域里真正数量最大、用户基数最多的设备，你想要的数据反馈和闭环也最强。

手机和其他设备相比，有几个特点。

第一，它离人最近，陪伴人的时间最长。从算力角度看，手机也比较靠前，能够处理用户很多信息，用户完成的大量事情也都发生在手机上，包括拍照、创作和影像处理。AI 在手机上能够发挥的作用也最大。

第二，手机是这些 IoT 设备的中枢。无论戴手表、戴耳机，还是使用平板，很多信息最终还是会回到手机上。用户会在手机上看睡眠数据、听音乐、同步内容。很多车支持手机钥匙，拿手机就能开锁。

手机本身是多设备中枢，这对 AI 很重要。AI 除了要完成单一设备上的体验升级，还要完成跨设备的智能协同。

第三，手机里有很多复杂的传感器、系统和集成策略，可以赋能更多设备。从手机衍生出新的设备会更容易。

所以在 AI 时代，很多可能性都可以从手机出发。

刚才从人才吸引聊到你当时为什么选择手机公司。现在 AI 人才竞争非常激烈，你们吸引人才的点是什么？

首先一定要志同道合。

AI 赛道很大，意味着可以做很多不同的事情：可以预训练模型，可以做产品化，也可以做基础设施。

手机厂商做 AI 的定位，和模型预训练肯定不同。我们和候选人交流时，通常会聊几个问题。

第一，你对什么事情更有激情？做纯技术的模型训练更有激情，还是做一个产品，发布之后就能影响上亿人更有激情？这是很关键的因素。

第二是组织文化。OPPO 在组织文化里讲求“本分”。做很多事情时，会回到原点思考：为什么要做，做什么才能让用户满意。

团队合作时也讲求本分，要求责于己，突破自我局限，去做正确的、应该做的事情，把事情做对。这是比较吸引人的地方。

我待过的公司比较少，只有阿里和 OPPO 两家。我觉得两家公司的文化底色很相似。阿里的价值观是客户第一、员工第二、股东第三；OPPO 的“本分”背后也类似，用户一定是第一位的，做事情要站在用户角度思考为什么做，以及怎样才能把它做对。

OPPO 还有一个经典要求，就是不能让合作方受损，不能因为自己的事情影响合作伙伴的利益。这和阿里的客户第一很相似。

我觉得伟大的公司，除了业务本身之外，背后的文化往往也有相似之处。

从文化和公司的做法出发，我们可以聊聊最后一个部分：整个行业未来的生态会怎么演变。

现在有一个客观存在的竞争：很多不同类型的公司，都想做离用户最近、在端侧或移动端和用户每天相处的智能助理入口。

比如字节也在考虑造手机。这有点像十多年前阿里想做手机 OS。很多超级 App 厂商，比如美团、高德，也在推出和自己的服务、应用相关的智能助手。

你怎么看这些不同类型的公司？大家会是什么样的竞合关系？

9. 入口竞争走向新生态

至少有 3 类玩家：超级厂商、手机厂商，以及一些大模型公司。它们都想做这个方向。

我觉得，当行业足够大时，每家公司都有自己的游戏。

移动互联网时代，在应用生态还没有起来之前，大家可能都是卖手机，手机品牌也很多。后来手机品牌收敛了，但手机里的应用生态发展起来，每个 App 都可能成为千亿级、万亿级市值的公司。

并不是说一个 App 就做不好，或者产生的价值不大，它同样可以产生很大价值。市场足够大的时候，每家公司的定位和赛道都可以有差异化。

回到 AI 时代，我认为 AI 的赛道一定比移动互联网时代更大，能够容纳的内容也更多。

很多公司都在尝试做硬件，包括刚才提到的做手机。我觉得他们背后的思考未必是一定要把手机做好。手机是一个复杂的硬件、软件和 AI 整合在一起的设备，做好手机，意味着可以探索更多 AI 硬件。

也可能是为了探索 OS，或者作为练兵场，锻炼相关能力。未必真的要做出一部手机。

你经历过阿里做手机 OS。像互联网公司进入手机这样的硬件科技领域，难点或卡点会在哪里？

阿里当时做 AliOS，不是说要做一部阿里手机，而是做 AliOS，赋能很多手机厂商完成系统移植。

它是想做类似安卓的事情吗？

对。

我觉得每家公司做一件事背后的 why 都不一样。大家更容易看到 how 和 what，但 why 的差异其实很大。

比如 OPPO 做 AI，why 一定不是要成为一家 AI 模型公司，而是希望让手机服务用户的体验更好，让多设备、跨设备体验变得更好。

字节做 AI，why 大概率围绕它想做的赛道，比如服务生态或内部应用生态，让它们变得更好。它做多模态大模型，可能是为了让剪映的视频编辑和内容生成能力更强。

美团做 AI 的 why 肯定和它不同。OpenAI、DeepSeek 做 AI 的 why，也和这些厂商不同。大家很难看到 DeepSeek 主动出来说自己的 App 做得多好，因为它本来也没有把重点放在 App 上。

这 3 类玩家——AI 模型公司、互联网巨头、智能终端公司——做 AI 背后的 why 不同，即使 what 看起来相似，长期思考也不一样。

移动端生态本来就比网页端封闭。

在 ChatGPT 里，可以搜到很多公开网页信息。但在手机上，跨 App 搜索很难。我在微信里搜不到小红书的内容，在小红书里也搜不到微博的内容。

未来这个生态会怎么演变？现在可能想为用户提供更好的打通体验，但第三方 App 不一定愿意向手机厂商开放那么多权限，因为它们还要考虑广告、安全，以及和用户保持足够近的距离。

我们可以从历史推演。

在手机出现之前，大家买东西要去每一家商店。你到店里买东西，这家店和另一家店不互通，你也不知道另一家店有什么。

移动互联网时代有了淘宝、天猫，所有商店都上云了。你可以在一个网页上看到不同店里的商品，进行比较。后来每个 App 又把大量内容集成起来，而 App 都在手机里。

从以前到现在，整个趋势都是不断突破边界，让用户看到更多信息。

AI 时代也一样，服务会离用户越来越近。用户可能只需要一句话，就能获取服务。服务供给方可能还是现在的服务提供者，也可能是新型服务提供者，但触达用户的界面会发生变化，变得更浅。

合作模式可能不会发生太大变化，但利益分配可能会变化。这件事现在还在探索，没有定型，而且变化很快。

去年年初，OpenAI 发布 GPTs，当时希望让更多服务通过插件方式集成到 GPT 里。今年开始，它不再主要通过 GPTs，而是构建开发者生态，让开发者开发应用并接入。

这和我们一开始做开发者生态时类似。那时我们建立技能平台，每个开发者，比如天气或小游戏开发者，都可以在平台上开发技能，我们再把流量分发给他们。

从去年开始，我们和生态伙伴通过 Agent 的方式接入。比如最近和支付宝合作生活服务类 Agent，他们把生态内的一些服务通过 Agent 包装起来，我们通过用户意图理解，把对应服务调度给它，由它完成任务，再把结果返回来。

你们和支付宝合作时，用户是直接和小布沟通吗？

对。小布会根据用户的意图和习惯推荐支付宝服务。

我经常举一个例子：你有一个助理，想吃火锅，只要告诉助理“我想吃火锅”，助理去火锅店把外卖叫来，或者帮你订餐就可以了。你的助理不需要亲自会做火锅。

支付宝愿意和你们合作，原因是什么？

我觉得有两个原因。

第一，大家都在探索 AI 时代的服务生态究竟会是什么样，所以每家公司都希望通过某种方式探索。

第二，小布天然是离用户最近的入口。我们主动和他们建立合作，也是双向奔赴。

我有一个好奇的问题。

在刚才这个流程里，我通过小布接受了支付宝的服务。在以前 App 的统计口径里，这算支付宝的日活吗？算我去了一次支付宝、使用了一次吗？

以前的逻辑是，用户点击图标，进入 App，在 App 里获取服务。

现在是用户发起请求，直接在小布对话界面里，通过卡片和用户交互。一定要不要算作日活，我觉得日活的统计逻辑在 Agent 时代可能也会变化。

以前看一个 App 表现怎么样，会看日活、使用时间。通过小布使用 App 后，使用时间可能怎么计算？广告商也会关注应用使用时长和停留时间。

在新的 AI 时代，商业模式可能也会变化。它不一定通过显性的广告触发。

但现在还没有特别清楚的答案，对吗？

还没有那么清楚。

举个例子，DeepSeek 今年刚出来时，朋友圈里有人发内容。有些店家在门口摆一个牌子，写着“本店由 DeepSeek 推荐”。

这是什么意思？用户习惯性地向智能助理提问，并且信任答案时，答案本身就是一种广告。

以前大家会针对搜索引擎结果做优化，营销上叫搜索引擎优化。现在也可能出现针对大模型问答结果做优化的新方式。

这是一种仍在探索的新商业模式。但本质上仍然要建立在用户体验的基础上。如果它影响用户体验，让用户越来越不信任你，就不能成立。

前提还是用户愿意向你提问。比如用户买手机、买车或买其他商品，愿意询问 AI，那么你应该给用户更好的答案，而且答案一定要建立在质量基础上。

如果用户问你买什么车，你推荐了一辆车，结果买完之后发现有问题，用户就会越来越不信任你。

现在手机上不同应用之间的打通，靠的是什么协议？

网页端有 MCP，以及 Google 推出的 A2A 等协议。手机端是每个手机厂商自己做，还是有共通协议？

现在基本上是每个手机厂商自己做，但大家应该都希望遵循一套标准。

比如我们和合作方对接时，合作方也会按照 A2A 的方式编写协议。

这是中国市场的情况，还是全球市场都这样？

现在基本上还没有形成共识。

举个例子，苹果有自己的 App Intents Framework，制定了一套应用意图框架，每个应用基于框架定义自己的 action。

Google 也有两三套协议，包括应用意图框架和 A2A 协议，面向不同开发者提供不同协议。

Google 安卓的应用意图框架，现在还没有在手机厂商中变得很通用吗？

Google 会在开发者网站上公开，希望开发者接入，但不是所有应用开发者都会遵循这套协议。

所以现在还没有一个相对主流的移动应用交互协议。

对。移动应用这块还没有形成相对主流的协议，几套协议都在运行。

你觉得未来会怎么发展？标准化会由手机厂商自己实现，还是会像过去一样，主要分成 iOS 和安卓？

至少安卓阵营应该会形成一套统一协议。

可能会像小程序或快应用时代一样，形成快应用联盟，几家厂商坐在一起把事情讨论清楚，政策层面也会推动一些标准统一。

你觉得手机智能体，或者个人智能助理，未来会是一个高度集中的市场吗？

如果看得更远，我认为智能助理会分成两大类。

一类是管家类，另一类是专家顾问类。

管家类离用户最近，最了解用户，陪伴用户时间最长，能够清晰理解用户意图，并完成服务分发。

专家顾问类则把垂直领域的事情做得很扎实，比如法律、医疗、出行和旅游。

这两类会形成协同。就像刚才说的，用户只需要告诉自己的助理“我要吃火锅”，火锅这件事由专家去完成。但管家最了解用户，知道用户不吃香菜、不吃麻，只要把这些信息通过某种方式交给专家顾问即可。

对单个用户来说，这个体验比较容易想象。一般人可能只需要一个管家，管家多了反而会很乱。

理论上，从终局来看，用户常用的设备只需要有一个管家，以及很多个自己希望订阅的顾问。

由管家和顾问沟通。

但我想问的是，和用户最接近、最贴身的这个管家，它的供给方会有多集中？

是很多公司都来做，每个主流终端厂商都有自己的管家，还是系统层面会出现一个更集中的玩家，比如 Google 把安卓上的这件事都做了？

我觉得不太会有一个大一统的管家。它可能会和设备强相关。

每个品牌手机可能有一个管家，每个品牌终端也可能有一个。比如理想汽车有理想同学，OPPO 手机有小布助手，可能会是这样的形态，更切实一些。

一个人如果既有手机又有车，岂不是要有两个管家？

这种情况比较特殊。每个用户的车和手机可能都不一样，这两个管家需要在某些事情上协同。

我们现在也已经和一些车厂的助手进行协同。

从人的自然体验来说，好像还是需要一个比较主导、离你最近的入口，数量应该非常有限。

对。手机很特殊，一方面它自己能够闭环很多服务，另一方面它又是很多设备的中枢。

从终局来看，手机应该会成为比较重要的管家载体。

放到更广义的端侧 AI 上，现在有很多新硬件出现。你们有没有看到挑战手机地位的新硬件？

目前还没有看到真正挑战手机的，更多都是配合手机、增强手机生态的设备。

你们怎么看眼镜？OPPO 也在做眼镜。

我觉得眼镜还是手机的外延设备，主要增强用户触达数字世界和物理世界的感官能力。

但受限于应用生态、算力、续航等因素，眼镜很难和手机现在承载的功能对齐。

用户在手机上的重度场景，一类是内容消费，比如刷抖音、看视频、看朋友圈；另一类是玩游戏。这些场景需要足够清晰的显示设备、足够强的算力、较低的功耗和较长的续航。

所以短期内，眼镜更多还是手机的增强型感官设备。

手机上还有一个刚需，就是和人交流、通信。通信需要输入，但眼镜的输入好像不太方便。

对。人与机器之间的输入，尤其是在公共场合使用语音，目前还不太方便。

我们做语音助手或语音交互，可能更多是面向更长远的用户习惯。现在人们在公共场合还不习惯使用语音，更习惯打字和对方交流。

但观察小朋友会发现，他们看电视时已经会使用语音，搜索时也会用语音。我觉得他们是 AI 原生的一代。长大之后，他们对设备的使用习惯可能会建立在更自然的表达基础上。

你说到这个，我想到当年罗永浩发布 TNT，对着电脑用嘴改 PPT。

TNT 有点像 2013 年左右的电影《Her》。电影里的男主角每天对着电脑用语音写邮件、写内容。但在没有 AI 的时代成长起来的人，会觉得这种交互很奇怪。

我有时会比较两个场景：你在地铁或路上打电话时，并不会觉得不习惯或尴尬，因为你觉得自己是在和人打电话。

但如果你在公共场合和 AI 聊天或下达指令，就会觉得尴尬。其实旁边的人也听不出来，只是使用习惯还没有形成，你还没有觉得自己可以在公共场合自然地和 AI 对话。

你说得有道理。和 AI 聊天，旁人其实听不出来。比如我和家人打电话，可以开免提，也可以戴耳机，并不会觉得尴尬。

但如果换成和 AI 下达指令或聊天，就有人觉得奇怪。这是心态问题。下一代人可能会慢慢形成一种自然的使用方式。

智能手机时代的开启，来自苹果的一系列创新，包括触控交互和 App Store。

这一波 AI 大模型热潮给手机带来的变革，如果和从功能机到智能机的跳跃相比，会是什么程度？未来又会发展到什么状态？

第一代 iPhone 出来时，有两个很关键的变化。

第一是交互方式。乔布斯发布会上背板上写着 “revolutionary UI”，也就是革命性的人机交互。多点触控让人与手机之间只需要通过点触就能完成交互，不再需要实体键盘，这是一个很重要的变革。

第二是应用生态。原先手机上完成不了的服务，可以通过应用触达。

AI 这一波里，其实两个变化都有。

第一个是交互方式的变化。现在很多 AI App 背后可能是搜索引擎，也可能是创作工具，但交互方式发生了根本变化。用户只需要通过一句话，就能完成信息获取、内容创作和服务触达。

第二个是应用生态正在发生变化。比如 Sora 2，也在逐渐重构应用生态。

原先是人创作内容、人消费内容。现在 Sora 2 可以自己创作内容，用户自己消费内容，而且内容可以非常个性化。比如今天我想和赛文·奥特曼一起开会，想模拟那个场景，只要在 Sora 2 上发布一张照片，再写一个 prompt 就可以了。

Agent 的服务生态也在变化。过去所有软件都是 coding 完成后上架，现在可能只需要一个 prompt，内容就已经生成出来了。

所以，AI 时代至少有两个变化和上一个时代类似：交互界面的根本变化，以及服务生态和应用实现逻辑的变化。

只是用户使用习惯、使用门槛和服务质量的变化，还需要一定周期。应用生态的变化还没有达到当年 App Store 出现时的状态，未来还需要更多爆发点。

比如微信的爆发和红包有关，淘宝的变化和低价有关。还需要出现类似的机制和协作方式。

App 相当于过去的网页，是一种新的服务提供方式，尤其是在移动端。

你刚才说从 App 到 Agent，现在大家还在探索最终形态。比如使用时长和广告要怎么变化，都还不清楚。

这一定需要一些爆品出现，才能引发更多开发者投入。

开发者和消费者会彼此促进：开发者开发出爆品，消费者不断使用，产生流量，慢慢把生态建立起来。这需要时间，也依赖用户习惯。

我经常拿输入法举例。我们的父母即使有全键盘和九宫格，仍然喜欢手写。我们这一代习惯全键盘或九宫格，下一代可能更喜欢语音。

使用习惯很难改变。我现在也知道手写很方便，但我不会手写。

最后想请你讲讲，明年最希望看到什么？还有什么目前还没有想清楚，但你觉得很重要的悬而未决的问题？

10. AI 原生 OS 仍未出现

最希望看到的事情，肯定是每个用户每天都使用 AI 完成自己的事情。现在 AI 的渗透率还没有那么高。

你说的是每个 OPPO 用户，还是所有用户？

当然 OPPO 用户是第一步。

虽然 AI 很火，但真正看数据，整体渗透率还没有那么高。并不是所有人每天都在用 AI。可能有一部分人是高频用户，但很多人试用一次就停止了。

我希望看到的是，大家像使用抖音、微信一样，每天都使用 AI。

你希望它更普及。

对，更普及，而且用户能够从中创造或享受更多价值。

这件事明年有可能发生吗？

我希望发生。

至少我身边很多家人已经在使用，包括小朋友。明年我希望从数据表现上看，AI 的整体渗透率能够非常高，大家对 AI 的期望也越来越好。这样才能引发应用生态和服务生态的变化。

至于悬而未决的问题，我觉得对我们来说，是到底什么才是真正、更符合长期发展的 AI OS。

现在几乎所有 AI 都建立在传统 OS 的基础上。比如安卓，或者现在很多 Agent 产品，包括 browser use、mobile use，都是基于上一个时代的操作系统。

AI 时代的 OS 应该不太一样。

你说的是底层架构不一样，内核也不一样？

我的理解是，它应该从底层开始就不一样，才能长出不同的产品生态。

现在的 Mobile Agent 或 GUI Agent，还是用大模型理解现有应用界面，操作现有界面元素，完成现有应用里的任务。这没有打破底层最本质的东西。

如果真正的 OS 从底层发生变化，应该能产生很多质的变化。

手机厂商可以参与这种变化吗？

参与当然可以，但更需要更多人去做类似安卓推出时那样的事情，把这一层做好。

你觉得 Google 和苹果还会在新的系统层面维持优势吗？还是可能出现一种我们现在还想不到的、原生于 AI 的新端侧 OS？

我希望有新的东西出现。

我觉得需要用新的思路来做，理论上应该结合大模型的发展，长出一个新的系统。

行业里有没有看到什么苗头？

目前我还没有看到特别明确的苗头，但可以看到 OpenAI 今年的一些变化。

以前大家谈的是单模型，每个模型发布出来都是一个独立产品。但 Sam Altman 说，他们现在希望不再推出单模型，而是推出一个系统，甚至认为超级系统应该由很多模型协同组成。

新一代 GPT-5 其实更像一个 router，由它自己判断使用什么模型。即使短期内可能出现一些能力下降的现象，但背后的思路是希望构建一个新一代系统，根据用户的问题判断用什么模式服务需求。

这个 router 就有点像刚才说的管家，后面挂载很多专家或顾问模型。

对。

这么说的话，下一个 OS 可能都不叫 OS 了。OS 是 operating system，但 AI 的核心可能不再是“操作”。

具体命名是什么并不重要。我希望看到的是一个新一代、类似 OS 的东西，它能够长出更多新的应用。

应用是在 OS 基础上长出来的。新一代应用具体还叫不叫 application 并不重要，但它应该是在新一代 OS 基础上长出来的。

好，今天非常感谢万博做客《晚点聊》。

感谢曼祺。

谢谢你和我们分享 OPPO 在 AI 上的新战略，包括新计算、新感知和新生态。我们也回顾了 OPPO 在这一轮大模型热潮中，如何一步步实践、思考，从用户角度提供更好的体验，把技术落到实处。

我们还推演了行业未来可能的发展方向。现在无论生态、服务还是体验，都还有很多没有定型、仍然存在空间的部分，这也是接下来值得期待的地方。

今天的节目就到这里，谢谢，拜拜。

感谢收听，本期节目由。支持播出。在最后的连点呈现环节，推荐过往的两期关联节目：一是开头提到的第 130 期，我们和质谱的刘潇聊 AutoGLM 和手机 Agent；二是第 110 期，和明势的合伙人夏令聊 Agent 入口大战从 Web 端到移动端的演进。

这几期都讨论了几个共同的话题。一个是新一轮的入口竞争，也就是这期提到的，谁能成为用户身边的个人 AI 管家。手机公司、超级 App 厂商、OpenAI 等大模型公司都会去争取这个机会，这带来了一些微妙的博弈。比如在第 117 期中我们就提到，不少超级 App 厂商当年就是从微信的九宫格里逃离的，他们现在不想回到重新被人调度的状态，所以对接入 Agent 有一些疑虑。

另一方面我们也看到，OPPO 作为手机公司，确实也在和一些超级 App，比如支付宝合作，而支付宝之前也自己做过 AI 助手“支小宝”，大家都在各种尝试。再往下，利益链条也可能被重塑，比如我们这次讨论的日活、月活、使用时长要怎么计算，过去在 App 体系里的那套广告收入系统要怎么变化。

二是什么时候会有更成熟的移动端 Agent 生态。因为我们现在可以看到，在 Web 端 MCP 已经相对主流了，可以帮大语言模型调用一些应用和服务，但是在移动端今天的情况还不是如此。

三是端侧隐私。Web 端更多与工作相关，而手机有很多个人隐私信息。这块确实是手机厂商的优势，因为手机公司可以在计算、存储上做更多端侧优化，也可以把小模型部署在端侧，而不用把一些敏感的信息和流程上云。

最后是更底层的一个变化，就是移动端新的 AI OS 可能会长什么样、由谁来构建。万玉龙这次讲了他心中理想的移动端 AI 能力的特点：服务原子化、个性化，还有主动化。他提到这可能需要从系统层做一些新的设计。比如在交互上，万玉龙不太看好长期会延续 GUI 的交互方式，因为图形界面交互还是基于人在使用 App 的逻辑来构建的。

当新的移动端 AI OS 真的出现时，还是苹果和 Google 两分天下吗？本期节目就到这里，感谢收听。

如果你对今天聊的话题有观察、好奇或疑问，欢迎在评论区分享想法，这也会成为我们节目的一部分，让整个讨论更完整。你也可以把我们的节目分享给对这个话题感兴趣的朋友，欢迎推荐更多你想听的主题和嘉宾。你可以从小宇宙、苹果 Podcast 等渠道关注“晚点聊 Late Talk”，也欢迎关注我们的公众号“晚点 Late Post”。下期再见。