前沿技術與終端的“雙向奔赴”　驅動交互范式向“服務前置”遷移

（記者　張蘇慧）各大行業展會如今都成為了AI終端規模落地量產的集中體現地。從提出AI新概念，到切中市場需求，AI智能消費品正在完成商業化跨越，當前，我國智能終端已進入大模型驅動的價值倍增期，人工智能為智能終端賦予全新定義。

AI時代，APP交互邏輯正在瓦解

在移動互聯網時代，用戶獲取信息或服務必須遵循“打開APP-尋找功能-逐步操作”的固定路徑。然而，隨著AI智能體（Agent）技術的成熟，這一傳統交互范式正在被徹底顛覆。AI Agent能夠理解用戶的自然語言指令，自動拆解復雜任務并調用相應功能執行，使APP從一個需要主動操作的工具，轉變為一個只需表達意圖的界面。

這場變革的核心在于交互邏輯從“以應用為中心”轉向“以意圖為中心”。例如，用戶只需對手機說“訂明天下午去上海的高鐵，要靠窗座位，并預訂一家靠近會場的酒店”，智能體便能自動完成車次查詢、票務下單、酒店篩選與預訂的全流程，無需用戶在不同APP間手動切換。高通公司高管萬衛星指出，AI正在成為一種全新的用戶界面（UI），它將可能徹底改變我們與手機的交互方式，從主動式操作轉向更加智能化的體驗。

這種轉變的背后，是AI Agent實現了從“信息提供”到“行為執行”的跨越。它通過深度融合大模型與操作系統，獲得了跨應用自主操作的能力。正如一些行業觀察所描述的，未來的應用商店里，下載量最高的可能不再是獨立的APP，而是各種可被智能體靈活調用的“技能插件”（Skills）。這標志著軟件形態正從固化的“應用孤島”向流動的“智能服務”演進，用戶本質需求是獲得服務，而非操作某個特定的應用程序。

“端云模算”協同，正重構AI終端產業鏈

（圖片來源：攝圖網）

AI正在重構產品邏輯——用戶從“買產品”到“買能力”，從“購買硬件”轉向“購買服務體驗”，成為新的消費導向。這種從“產品”到“能力”的轉變，背后是人工智能從端側-云側、模型-算力等多維度加速消費智能終端行業變革。電信運營商憑借其獨特的“云、網、邊、端”一體化優勢，從傳統的管道提供者轉型為關鍵的生態整合者與賦能者，成為AI終端“端云模算”協同落地的最佳窗口。

2025年，中國電信建成了央企首個“全模態、全尺寸、全國產”的“三全”星辰大模型體系，該體系覆蓋語義、語音、視覺、多模態四種核心能力?；谶@一技術底座，中國電信在2025年7月世界人工智能大會上發布了全球首款深度融合自研星辰大模型全棧能力的智能穿戴設備“天翼AI智能眼鏡”，開創第一視角智能交互新范式。該產品在端側由高通驍龍AR1芯片承載輕量化模型，支持0.8秒瞬時抓拍、多模態實時翻譯等毫秒級響應；在云端則依托中國電信分布式智能算力網絡提供堅實支撐。此外，中國電信還推出了“星小辰終端智能體”，率先搭載于自主品牌麥芒40系列手機，依托星辰語義大模型和語音大模型（支持50種方言），在AI通話防詐、智能代辦等方面實現突破式創新。

中國移動構建自研大模型新能力，打造涵蓋多模態、語言、視覺的全棧端云大模型體系；拓展新型智能終端新生態，聯合榮耀、OPPO、小米、中興等生態伙伴，推出首批搭載終端智能體的AI手機和AI定制眼鏡。更早的2025年3月，中國移動已在MWC2025上展示了搭載“靈犀”終端智能體的AI終端產品矩陣，包含AI手機、AI平板、AI主機、智能眼鏡等多形態終端。2025年9月，中國移動進一步創新推出“云OS+靈犀智能體+瘦終端”融合的移動云手機，通過重云端、輕終端的方式實現智能體驗的按需供給，打破了高端硬件對AI性能的桎梏。

中國聯通推出云智Pad、云智電腦、“智家通通”機器人等智能終端。其中，“智家通通”家庭機器人整合了攝像頭、機頂盒、智能音箱、游戲機等功能，提供1.2T智能AI算力增強，支持AI智能體、AI健身等15種家庭全應用場景。聯通云智手機/云智電腦融合了聯通元景、DeepSeek等主流大模型，實現自動駕駛、AI辦公、AI伴學、AI伴玩等能力。

端側AI挑戰猶存，技術生態仍處于發展初期

盡管前景廣闊，但端側AI的規模化落地仍面臨一系列嚴峻挑戰，其技術生態整體仍處于發展初期。

首要挑戰是“功耗-算力-成本”的三角困境。移動設備依賴電池供電，對功耗有極其嚴苛的要求，但為了支撐7B參數以上大模型以提供高階智能體驗，又需要強大的算力。這導致多數芯片設計陷入兩難：要么犧牲功耗換取算力，要么降低算力控制功耗，難以實現三者的完美平衡。

其次，工具鏈與開發生態的碎片化制約了創新速度。端側AI依賴于模型輕量化、異構計算與專用硬件等關鍵技術。然而，當前缺乏統一的開發工具鏈和標準，導致開發者需要針對不同硬件平臺進行大量適配工作，延長了開發周期，提高了門檻。國科微等企業正在致力于打造更高效的NPU與工具鏈，推動模型部署從“可適配”邁向“高效率、可規模化”，但這仍需整個產業的協同努力。

再者，智能水平仍處于初級階段，“喊一下動一下”的被動模式尚未根本改變。許多端側AI應用仍局限于簡單的語音助手或單點功能優化，未能直擊用戶更深層的痛點需求，實現真正的場景化、個性化主動服務。例如，盡管“隱私性”是端側AI設備的重要賣點，但要在本地安全地處理用戶數據、構建個人知識庫，并對算力、模型規模和能效進行綜合優化，仍是一個巨大的系統工程。

最后，應用場景的深入拓展與安全性認證仍是難題。在醫療診斷、工業控制等高價值、高風險場景，端側模型的準確性、可靠性和安全性需要經過嚴格的認證，這在一定程度上延緩了其商業化落地進程。端側AI要真正產生價值，必須嵌入具體的業務流程，形成“數據-模型-行動”的完整閉環，而這需要芯片廠商、整機廠商、軟件開發者與行業用戶的深度協同。