最近，手機大戰又打響了：蘋果正式進入摺疊屏、三星把摺疊屏拆成多種形態、小米展示了18 Fold，與此同時，記憶體晶片價格持續上漲，推動整個行業進入新一輪周期，並迫使廠商進一步收縮中低端產品線。
但更前沿，也更讓人關注的是：AI智能體手機。過去十幾年，手機一直在變得更強，攝影機越來越多，晶片越來越快，但我們操作手機的方式，幾乎沒怎麼變。如果有一天，手機不再等你操作，而是直接替你完成事情呢？2026年，這件事突然開始加速。
高通CEO安蒙此前說過，“2026是Agent之年”。我們也看到今年7月，階躍星辰發佈了AI手機STEPX Neo，榮耀發佈了Robot Phone，還有最近，努比亞發佈了NaviX Ultra，搭載了新版豆包手機助手，是官方認證的“全球首款AI智能體手機”。
而在矽谷，蘋果、Google、OpenAI紛紛下場發力，一時間，AI手機市場熱鬧了起來。
為什麼手機廠商開始押注“Agent”？像努比亞NaviX Ultra這樣的產品上手體驗如何，以及，智能體手機，真的是AI硬體的未來嗎？s
為什麼最近手機廠商都來押注“智能體手機”了呢？這背後其實有三股力量，匯聚在了一起。
▍手機需要新故事
第一，是傳統手機行業需要新的“換機理由”。
過去十幾年，智慧型手機的升級邏輯非常清楚：螢幕越來越大，攝影機越來越多，處理器越來越快，電池越來越大。每隔一兩年，總會有一個明顯的硬體升級，讓消費者覺得“這台手機值得換”。
但最近幾年，這種刺激正在明顯變弱。Counterpoint的資料顯示，全球智慧型手機換機周期已經明顯拉長，2023和2024年，這個資料都在43個月左右，到了2026年，Counterpoint最新的判斷是，受記憶體晶片等零部件價格上漲影響，全球換機周期正在向48個月靠攏。
在分析換機周期拉長的原因時，他們提到了一個詞，叫incremental device upgrades，也就是“漸進式裝置升級”，指的是新手機和上一代手機之間的差距，消費者越來越感知不到了。
所以對於廠商們來說，它們急需找到一個新的刺激點，重新點燃大家的購買慾望。這個刺激點當然就是AI，更準確地說，是Agent（智能體）。
過去幾年，手機AI功能已經越來越多，但Agent帶來的想像空間是完全不同的。
比如之前想訂一家餐廳，使用者可能需要打開手機地圖、搜尋餐廳、看評價、查時間，再跳轉到訂餐平台。
而在智能體時代，我們只需要告訴手機“幫我找個離我近一點、適合兩個人吃飯、今晚七點還有位置的餐廳。”後面的搜尋、比較、預訂，都可以由Agent來完成。
這樣一來，手機的角色就徹底變了，從“等人操作的工具”直接變成了“能替你辦事的智能助理”。而這，對於手機廠商來說，可能就是下一輪換機周期所需要的“新故事”。
▍端側AI算力成熟
第二股力量是算力。端側AI從“能用”進入到了“好用”，開始能支撐這個“新故事”的落地。
以前手機上的AI，主要還是語音識別、圖像識別、拍照演算法等相對固定的任務。任務不複雜，模型也不大，NPU針對性地最佳化一下就夠了。
但Agent要進入手機之後，任務的複雜程度大大提高，它可能會涉及語音、文字、圖像、AI推理、操作等一系列的事情。手機不僅需要大量的計算，CPU、GPU、NPU以及其他專用計算單元，還要圍繞著任務進行動態的切換與協同，端側AI能力就成為了關鍵問題。
過去幾年，手機晶片正在針對性地解決這個問題。我們翻了下驍龍的迭代記錄，發現AI計算從早期的一個輔助能力，已經逐漸變成了SoC中的核心能力。
早在2015年，高通的驍龍820就搭載了第一代Qualcomm AI Engine，晶片開始幫著處理影像、語音和感測器上的AI任務。2018年的驍龍855，又給它加進了張量加速器，專門算神經網路，不過這時候的AI，干的還是拍照、語音這類固定活。
真正的轉折在2022年底的驍龍8 Gen 2，這一代第一次支援INT4低精度計算，也專門針對Transformer做了最佳化。
高通公佈的資料顯示，在部分AI工作負載上，性能最高提升4.35倍，從這一代開始，手機晶片開始為“本地跑大模型”做準備了。
2023年的驍龍8 Gen 3更是宣佈，支援最高100億參數的生成式AI模型在手機端運行。
到去年驍龍峰會發佈的第五代驍龍8至尊版，高通第一次把“手機上的智能體”寫進了設計目標。NPU相比上一代提升37%，同時加入了個人速記（Personal Scribe）、個人知識圖譜（Personal Knowledge Graph）等能力，這兩個東西的作用，是讓端側的Agent能記住你、能持續學習。
從幫拍照，到算神經網路，然後能跑大模型，再到現在開始有“記憶”，晶片廠商其實是一步一步在往Agent這個方向挪，只不過前幾年沒人把這個詞掛在嘴邊。
▍端雲協同成為現實
不過，晶片跑得快還不夠，還得有一個真的能塞進手機裡的模型。
雲端的大模型，參數動輒上千億，無論如何是塞不進一塊手機裡的，所以過去很長一段時間，“大模型”和“手機”，幾乎是兩個世界的事。
但這兩年，這兩個世界開始快速靠近。一方面，模型本身正在快速變小，高通全球副總裁徐晧博士就在我們之前的採訪中表示：同樣的智能，需要的參數越來越少了。
徐晧
高通全球副總裁
比如我們做過一個研究，2024年最好的LLaMA模型，它的表現能夠到某一個數量級。在幾個月、小於一年的時間內，這100多個billion或者幾百billion的模型，用很小的模型，有4個billion或者幾十個billion的，就可能達到同樣的效果，甚至更好。
另一方面，“端雲協同”的架構，也讓Agent在手機上的能力有了更大的發揮空間。
隨著需求、算力、模型這三股力量聚集到一起，AI智能體手機需要的基本條件已經具備。這時問題也出現了：當AI開始替使用者操作手機之後，誰來決定它應該怎麼操作？這也就是目前行業正在分叉的地方。
▍智能體手機的兩種路線
目前行業裡，主要有兩條不一樣的思路。
第一種思路，可以理解成“整機Agent”。你打開手機，看起來還是我們熟悉的樣子，常用的App都不少，而AI功能被整合到了系統裡。這種路線最大的優勢，是體驗足夠直接。我們這次體驗的努比亞NaviX Ultra，搭載豆包手機助手（消費者版）和驍龍旗艦移動平台，就是走的這條路線。
第二種思路，是在手機裡放一個SuperApp，也就是超級AI入口。使用者先進入一個AI App，比如ChatGPT、豆包、Gemini等等，然後由它去呼叫地圖、購物、外賣等各種服務。這種路線的優勢，是落地相對容易，手機廠商不需要一下子重構整個作業系統，只需要先把AI入口做好，再不斷增加它能夠呼叫的服務，使用者的學習門檻也比較低。
行業現在在兩個方向上都在探索，也在尋找平衡和突破。
▍矽谷玩家：都在搶AI入口
先來看看矽谷這邊的一些動作，首先是最近剛召開發佈會的蘋果。
9月，蘋果剛剛發佈了iPhone 18系列。從今年的WWDC開始，蘋果最大的變化之一，就是正把Siri從“回答問題的助手”，往系統級Agent推進。
在今年的發佈會中，蘋果甚至在開場，就直接提出了Intelligent Personal Hub這個概念，把新一代iPhone描述成“智能個人中樞”。
在計算方式上，Apple Intelligence也繼續採用“端側處理+私有雲端運算”相結合的方式：能在裝置上完成的儘量放在裝置上，需要更強能力時再交給蘋果的雲端。它的好處是體驗比較容易統一，但相應的，它對第三方生態的開放程度相對有限，很多AI能力需要在蘋果自己的規則和框架下運行。
這帶來的潛在問題，可能就是迭代速度會慢一些。
另一邊，Google的路線有點不同。它看起來是在做Android的系統級Agent，但從它背後的生態來看，又非常像一種SuperApp。
因為Google手裡本身就有一套非常完整的服務體系，所以當Gemini進入Android之後，它同時獲得了兩個優勢：一方面，它可以深入作業系統，理解使用者正在做什麼；另一方面，它自己又擁有大量可以直接呼叫的服務。
不過，Google的優勢，同時也是它最大的難題。使用者在手機上真正要使用的，遠不只有Google的這些服務。當Agent開始跨App執行任務，就需要不同的第三方應用開放權限、介面和執行能力，再加上Android裝置眾多，不同廠商的硬體、系統和權限機制都有差異。
所以Google可能要解決的問題是，如何讓Gemini在一個開放、龐大又高度分散的Android生態裡，穩定地替使用者把事情做完。
當然，矽谷還有一類新玩家，比如OpenAI。
2025年5月，OpenAI宣佈與前蘋果首席設計師Jony Ive的設計公司LoveFrom合作，並收購其硬體團隊io Products。
一開始，Ive和Sam Altman設想的，是希望擺脫“螢幕+App”的互動方式，打造一款更加AI原生的裝置，甚至一度設想為沒有螢幕的裝置。但後來由於研發不順，有消息稱OpenAI的產品設計可能還是傳統智慧型手機的形態，目標在2027年上半年量產。
▍中國廠商：生態、模型和終端開始合流
矽谷現在的探索，更多還是集中在系統層和終端層，而在中國市場，廠商的打法則更加多樣，也更熱鬧了。
今年七月，網信辦第一次集中公佈了端側大模型的備案資訊，蘋果、小米、OPPO、vivo、華為、三星、努比亞，七家主流廠商全部完成了端側AI生成式服務的備案。
這也意味著，智能體手機在國內，已經從廠商自己的產品探索，逐漸進入有備案、有監管的落地階段。
在這當中，努比亞的做法有點特別，它走的是整機Agent路線，那它的體驗如何呢？
努比亞NaviX Ultra相比傳統智慧型手機，有幾點感受非常不一樣。
第一個變化最直觀，有些App的操作，在獲得授權後，不用再自己動手了。過去我們想做什麼事，得點開對應的App，然後逐步搜尋、翻頁、查詢。而到了智能體手機上，只需要長按獨立的AI鍵，說出我的要求，它就會在獲得授權後自動幫我操作。
第二是執行能力提升，它可以跨App操作，具體主要分三步。
在感知方面，豆包手機助手擁有全域讀屏的能力，比如刷視訊時，可以直接問螢幕中的內容是什麼、在那裡，不需要再截圖單獨打開AI軟體問。
在推理方面，對於一些需要其他App協助的任務，它能自動喚起對應的App，不需要我再手動打開。
更重要的是執行方面，它可以在後台的虛擬螢幕上跑，畫面不佔用主屏，我可以同時做其他事。
第三是記憶能力，只要我授權了，或者主動告訴它一些資訊，它就能幫我記住。比如我的行程、票價，當我需要時，可以直接問豆包，不再需要打開App去尋找。
這些體驗加起來，就構成了“AI原生互動”範式。我們的採訪嘉賓徐晧認為，AI將重構互動體驗。
徐晧
高通全球副總裁
它是一個全新的user interface（使用者互動介面）。從選App到不用選App，都是我們會慢慢適應的一些使用者體驗和互動方式的轉變。
當然，作為一個全新的品類，智能體手機的體驗，還有很多的提升空間。我們試用時發現，現在各種流暢的體驗，主要圍繞系統應用、中興，還有字節系的App，想呼叫更多第三方App的話，還得等待未來逐步接入。
不過從技術角度看，這套“理解—規劃—執行”的完整鏈路已經跑通了。這就像自動駕駛行業早期的狀態，先把技術底層搭好，接下來更重要的是，到真實的商業環境裡去反覆驗證、迭代。
這些複雜的能力在手機上要跑得好，還要跑得久，底層硬體需要什麼樣的支援？
▍從能跑到跑得動
首先，Agent要隨時待命，但如果晶片一直全功率運行，電量就撐不了多久，這就需要低功耗感知。
第二點，硬體要能更好地支援多工的平行調度。過去CPU、GPU、NPU各自承擔比較明確的任務，但到了Agent上，又是任務調度，又是推理計算，後台還得渲染操作介面。這些任務需要在不同的計算單元之間高效切換，每一塊都不能有短板。
而且手機上的算力畢竟是有限的，這就說到第三個要求，那就是雲端與本地的協同。
徐晧
高通全球副總裁
我們在手機端側會做預處理，把個人資訊簡化和壓縮，作為local memor（本地的記憶體）。
如果我要做一個大的規劃，如果手機上能做，那我們就在手機上做出來；如果手機上不能做，那規劃我們可以把它放到雲端，我給它提供某些資訊，雲端做出規劃，再傳回來。
端雲協同時，最影響體驗的，就是延遲，而且智能體的計算不是集中式的，這也更考驗分佈式動態調度的能力。
把這幾條放在現實裡對照一下，我們已經走到了那一步？可以說基礎框架已經搭好了，但未來，更加值得期待。
▍Agent時代的移動計算平台
拿我們手上這台努比亞NaviX Ultra來說，它用的是驍龍旗艦移動平台。
針對前面說的低功耗感知，它有兩個Micro NPU，平時就盯著語音喚醒和運動狀態，功耗壓得很低，只有需要AI干重活時，才喚醒主NPU。
至於多工調度，它的思路是“異構計算”，把不同的活兒，交給最合適的單元。
徐晧
高通全球副總裁
我們的架構包括CPU、GPU、NPU，每個的功能不大一樣。CPU主要管控制，大部分的算力實際上在NPU上，所以NPU能夠把AI運算在降低功耗的情況下做到極致。NPU最大的優勢是它是定點的，所以它是為AI量身定做的，採用最節能的方式。GPU大部分時候比較靈活，但是能耗會更高。所以我們的異構架構，可以讓每一個硬體部分都用到它的特長。
那些端側確實搞不定的，就利用5G的低延遲鏈路，去和雲端協同。
徐晧
高通全球副總裁
我們有非常強大的5G連接，把這個資料傳到雲端，讓雲端做完訓練（推理），再傳回來。所以這些都是統一的一個解決方案的一部分。
這麼看來，智能體手機的硬體需求已經“基本”滿足了。為什麼是“基本”？畢竟今年Agent概念才剛開始落地，隨著AI能力增長，算力的需求還會不斷提升。我們再來看看，移動晶片行業將如何應對。
比如高通剛剛舉辦了2026驍龍峰會，發佈了新一代雙旗艦移動平台（第六代驍龍8至尊版和超級至尊版），官方宣稱是專為智能體時代設計的旗艦移動平台。
第一塊是CPU。單從參數上看，主頻達到了5GHz。但比主頻更值得說的，是它帶來的一個叫FlexCache的快取架構。簡單解釋，就是讓不同的計算核心共享同一個快取池，並且可以根據任務負載動態調整分配。因為Agent的工作方式是：一個請求進來，被拆成一串子任務，這些子任務要在不同的核心之間輪流跑。
傳統架構下，任務每切換一次核心，資料就可能要重新從記憶體裡載入一遍。而FlexCache讓大家共用一個快取池，任務交接的時候資料還在原地，就不用從頭再來。這樣帶來的好處就是可以支援智能體保留更長的上下文，響應速度更快，延遲更低。
第二塊是GPU，這次的思路是讓GPU自己也具備AI能力。新發佈的Adreno Neural Fusion，是把AI加速直接放進圖形管線裡，另外還加了一組專門跑AI的GPU核心，叫Adreno Matrix Cores，用來做AI超分、幀生成和Transformer計算這類事。
第三塊就是NPU，這裡主要是兩項更新。首先是專為Transformer最佳化的Element Accelerator，裡面有兩組單元：向量計算單元，負責高吞吐量的AI數學計算，就是讓運算更快；標量計算單元，負責決策邏輯、路由和編排，讓推理更準確，同時功耗更低。
另一個是大容量共用記憶體，讓模形狀態、上下文和KV-cache能存在離加速器更近的地方，這樣智能體在多個工具和任務之間切換的時候，不用每次都從頭載入。
另外它還支援MoE混合專家模型，以及從INT2到FP16的多種精度策略。在執行任務時，誰擅長誰上，讓簡單任務省電、複雜任務效果更好。
所以接下來行業的動向，是讓NPU、CPU、GPU三條線上都有AI加速，這恰好是Agent這種多步驟任務最看重的東西。
這些智能體手機底層技術的升級，以及正在推出的一些產品範式變化，背後是AI浪潮來臨之際，市場對下一代互動體驗的暢想。
無論是看小說的老年人，還是“刷社媒”的GenZ，亦或是同時用好幾部手機、把它們當移動電腦的上班族，這種形態的硬體已經成為我們生活和工作中必不可少的一部分。而如此由移動網際網路形成的緊密關係，正在AI的加持下，面臨一次巨大的升級。
這個升級是：從“我來操作”，到“它替我完成”。而當這個變化真正發生時，下一代手機的競爭，可能也就不再只是參數、鏡頭和晶片的競爭了。誰能成為離使用者最近、最懂使用者、也最值得使用者信任的那個Agent，可能才是下一輪移動計算真正的入口之爭。 (矽谷101)