# vivo开发者大会群访：布局端侧 30B‑MOE 大模型，以个人化智能定义 AI 手机新方向 - 凤凰网

*Источник: 凤凰网*
*Дата: 2026-09-17*
*Язык: zh*

**Кратко:** 凤凰网评测讯（作者/潘映达）9 月 16 日，vivo 开发者大会举办媒体群访，vivo 副总裁、OS 领域副总裁、vivo AI 全球研究院院长周围，vivo AI 产品总经理关岩冰，vivo AIOS 产品总监黄梓勋，围绕 OriginOS 7、端侧大模型 MOE、Agent OS、蓝河系统、AI 生态建设、个人化智能边界等行业热点问题，解读 vivo 在 AI 手机时代的技术路线、产品思考与长期规划。
针对行业关注的端侧大模型参数量问题，周围表示，此前行业普遍认为手机端运行 3B、7B 大模型内存压力巨大。伴随 MOE 稀疏模型技术发展，大模型无需完整加载全部参数，可按需调用部分专家模块执行任务，叠加旗舰手机内存规格提升，让端侧运行大模型迎来可行性，vivo 也因此修正此前技术判断，自研 30B MOE 端侧大模型。
据介绍，该 30B MOE 模型并不会全部常驻内存，根据任务不同仅激活 1‑3B 参数量，理论最低仅需 2‑4G 内存即可运行。但周围坦言，该模型当前处于工程验证阶段，暂不会立刻落地量产机型。预计到 2028 年底，端侧 MOE 大模型能力将在手机端正式落地，同时vivo明确，该模型落地后可实现完全本地运行，无需云端介入。
谈及自研与开源模型取舍，周围认为，虽然大模型预训练门槛持续降低，但终端厂商具备指令集级别 GPU 深度优化能力，可与芯片厂商协同完成内存、功耗深度调优，这是纯模型厂商难以做到的。面向手机系统调度、场景适配等专属需求，自研端侧模型更适配手机的真实使用场景，未来数年内终端厂商自研端侧模型仍将具备体验优势。
今年各大手机系统集中上线光影、通透玻璃等视觉特效，特效带来的功耗与续航挑战成为行业共性难题。黄梓勋介绍，vivo 并未停留在上层界面改造，而是从芯片、内存、渲染引擎到上层界面做全链路系统化支撑，搭建统一渲染引擎，对内存、CPU 计算资源做统一调度管理，以此平衡视觉效果、流畅度与功耗表现。
安卓生态下，第三方应用适配新设计语言存在不小阻力，部分互联网应用带有商业化逻辑，很难直接套用全新设计规范。vivo 选择优先完成官方应用适配，同时积极与头部互联网厂商沟通对齐，推动行业逐步达成共识，循序渐进扩大三方应用适配范围。周围补充，液态玻璃、高斯模糊等效果能够实现功耗突破，也得益于和芯片厂商合作，将相关算法做硬件硬化，仅靠软件算法很难实现理想效果。
作为 vivo 自研操作系统，蓝河 OS 已经迭代至 4.0 版本。周围透露，蓝河系统已经有八九年研发积淀，技术层面已经可以实现完整手机形态，具备通话、拍照、录像等全部通信手机能力，只是应用生态尚不成熟。
除手表之外，蓝河 OS 未来还将拓展更多硬件品类，目前已经获得单片机、芯片合作伙伴的适配支持，适配蓝心大模型，适合对安全、低配置、高性能有需求的设备。作为中国开源基金会重点开源项目，蓝河 OS 也走进国内高校，超百家高校学生参与蓝河创新赛事，开源生态持续壮大。
本次 VDC 重点提出 “个人化智能” 概念，区别于传统触发式 AI，vivo 端侧 AI 强调后台提前感知理解用户数据，AI 走在用户操作之前，完成前置分析，把确认、决策步骤留给用户。
以相册随手清功能为例，端侧模型在后台完成照片特征感知记忆，用户检索图片时可以瞬间完成归类筛选，全程数据保存在本地，兼顾效率与隐私安全。背后依托 6000 余个原子化能力，将系统应用功能拆解为最小单元，供 Agent 进行意图理解、任务编排、自由组合。
在技术路线选择上，vivo 现阶段弱化 GUI 界面自动化操作，优先通过原子能力、MCP、Skill、A2A 等方式完成 Agent 任务执行。黄梓勋表示，长远来看弱界面交互是趋势，GUI 更多是短期补充方案；对于长尾第三方应用，vivo 选择优先覆盖用户高频的头部场景，长尾应用暂不做大面积适配。
关于 AI 主动服务与用户打扰的边界，关岩冰承认这是行业级难题。vivo 产品策略以克制为核心，不会直接推送大量主动建议，系统会观察用户正向、负向行为反馈，针对不同用户动态调整主动服务的深度与广度，以此平衡智能体验与用户感受。周围以出行攻略举例，个人化智能的核心优势在于能够感知用户家庭关系、过往行为、时空上下文，给出贴合用户真实处境的建议，这是通用大模型很难做到的。
针对 “大模型能力过剩” 的行业讨论，周围认为，通用人工智能层面，模型自我进化、自我训练的工作才刚刚起步，大模型竞赛远没有结束；而在生产力落地场景，现有大模型能力已经够用，瓶颈更多集中在 Harness 框架、应用生态的跟进速度。
谈及 AI 智能体手机行业现状，周围判断，当前行业尚处在发展早期，生态仍待完善。Agent 能力不应只是产品宣传概念，核心要落地系统底层 Harness、Main‑Loop 感知记忆框架，沉淀个人化能力。vivo 现阶段优先打通本机数千项系统功能给 AI 调用，后续逐步拓展第三方生产力适配。
在开发者生态层面，vivo 上线蓝心智能平台，降低开发者接入门槛，支持 Agent、Skill、MCP 等多种能力接入，并提供小 V、Skill 广场等流量扶持。同时打通个人开发者上传通路，普通爱好者也可以完成开发并上架应用，进一步丰富 AI 时代的应用生态。
关岩冰总结 vivo AI 的两大核心差异化：第一，蓝心 Harness 深度和 OriginOS 系统融合；第二，依托端侧计算，安全可控调用手机本地专属的个人上下文，打造真正属于用户自己的个人智能助理，这也是 vivo 做 AI 手机的核心愿景。

凤凰网评测讯（作者/潘映达）9 月 16 日，vivo 开发者大会举办媒体群访，vivo 副总裁、OS 领域副总裁、vivo AI 全球研究院院长周围，vivo AI 产品总经理关岩冰，vivo AIOS 产品总监黄梓勋，围绕 OriginOS 7、端侧大模型 MOE、Agent OS、蓝河系统、AI 生态建设、个人化智能边界等行业热点问题，解读 vivo 在 AI 手机时代的技术路线、产品思考与长期规划。
针对行业关注的端侧大模型参数量问题，周围表示，此前行业普遍认为手机端运行 3B、7B 大模型内存压力巨大。伴随 MOE 稀疏模型技术发展，大模型无需完整加载全部参数，可按需调用部分专家模块执行任务，叠加旗舰手机内存规格提升，让端侧运行大模型迎来可行性，vivo 也因此修正此前技术判断，自研 30B MOE 端侧大模型。
据介绍，该 30B MOE 模型并不会全部常驻内存，根据任务不同仅激活 1‑3B 参数量，理论最低仅需 2‑4G 内存即可运行。但周围坦言，该模型当前处于工程验证阶段，暂不会立刻落地量产机型。预计到 2028 年底，端侧 MOE 大模型能力将在手机端正式落地，同时vivo明确，该模型落地后可实现完全本地运行，无需云端介入。
谈及自研与开源模型取舍，周围认为，虽然大模型预训练门槛持续降低，但终端厂商具备指令集级别 GPU 深度优化能力，可与芯片厂商协同完成内存、功耗深度调优，这是纯模型厂商难以做到的。面向手机系统调度、场景适配等专属需求，自研端侧模型更适配手机的真实使用场景，未来数年内终端厂商自研端侧模型仍将具备体验优势。
今年各大手机系统集中上线光影、通透玻璃等视觉特效，特效带来的功耗与续航挑战成为行业共性难题。黄梓勋介绍，vivo 并未停留在上层界面改造，而是从芯片、内存、渲染引擎到上层界面做全链路系统化支撑，搭建统一渲染引擎，对内存、CPU 计算资源做统一调度管理，以此平衡视觉效果、流畅度与功耗表现。
安卓生态下，第三方应用适配新设计语言存在不小阻力，部分互联网应用带有商业化逻辑，很难直接套用全新设计规范。vivo 选择优先完成官方应用适配，同时积极与头部互联网厂商沟通对齐，推动行业逐步达成共识，循序渐进扩大三方应用适配范围。周围补充，液态玻璃、高斯模糊等效果能够实现功耗突破，也得益于和芯片厂商合作，将相关算法做硬件硬化，仅靠软件算法很难实现理想效果。
作为 vivo 自研操作系统，蓝河 OS 已经迭代至 4.0 版本。周围透露，蓝河系统已经有八九年研发积淀，技术层面已经可以实现完整手机形态，具备通话、拍照、录像等全部通信手机能力，只是应用生态尚不成熟。
除手表之外，蓝河 OS 未来还将拓展更多硬件品类，目前已经获得单片机、芯片合作伙伴的适配支持，适配蓝心大模型，适合对安全、低配置、高性能有需求的设备。作为中国开源基金会重点开源项目，蓝河 OS 也走进国内高校，超百家高校学生参与蓝河创新赛事，开源生态持续壮大。
本次 VDC 重点提出 “个人化智能” 概念，区别于传统触发式 AI，vivo 端侧 AI 强调后台提前感知理解用户数据，AI 走在用户操作之前，完成前置分析，把确认、决策步骤留给用户。
以相册随手清功能为例，端侧模型在后台完成照片特征感知记忆，用户检索图片时可以瞬间完成归类筛选，全程数据保存在本地，兼顾效率与隐私安全。背后依托 6000 余个原子化能力，将系统应用功能拆解为最小单元，供 Agent 进行意图理解、任务编排、自由组合。
在技术路线选择上，vivo 现阶段弱化 GUI 界面自动化操作，优先通过原子能力、MCP、Skill、A2A 等方式完成 Agent 任务执行。黄梓勋表示，长远来看弱界面交互是趋势，GUI 更多是短期补充方案；对于长尾第三方应用，vivo 选择优先覆盖用户高频的头部场景，长尾应用暂不做大面积适配。
关于 AI 主动服务与用户打扰的边界，关岩冰承认这是行业级难题。vivo 产品策略以克制为核心，不会直接推送大量主动建议，系统会观察用户正向、负向行为反馈，针对不同用户动态调整主动服务的深度与广度，以此平衡智能体验与用户感受。周围以出行攻略举例，个人化智能的核心优势在于能够感知用户家庭关系、过往行为、时空上下文，给出贴合用户真实处境的建议，这是通用大模型很难做到的。
针对 “大模型能力过剩” 的行业讨论，周围认为，通用人工智能层面，模型自我进化、自我训练的工作才刚刚起步，大模型竞赛远没有结束；而在生产力落地场景，现有大模型能力已经够用，瓶颈更多集中在 Harness 框架、应用生态的跟进速度。
谈及 AI 智能体手机行业现状，周围判断，当前行业尚处在发展早期，生态仍待完善。Agent 能力不应只是产品宣传概念，核心要落地系统底层 Harness、Main‑Loop 感知记忆框架，沉淀个人化能力。vivo 现阶段优先打通本机数千项系统功能给 AI 调用，后续逐步拓展第三方生产力适配。
在开发者生态层面，vivo 上线蓝心智能平台，降低开发者接入门槛，支持 Agent、Skill、MCP 等多种能力接入，并提供小 V、Skill 广场等流量扶持。同时打通个人开发者上传通路，普通爱好者也可以完成开发并上架应用，进一步丰富 AI 时代的应用生态。
关岩冰总结 vivo AI 的两大核心差异化：第一，蓝心 Harness 深度和 OriginOS 系统融合；第二，依托端侧计算，安全可控调用手机本地专属的个人上下文，打造真正属于用户自己的个人智能助理，这也是 vivo 做 AI 手机的核心愿景。

[Оригинал](https://pingce.ifeng.com/c/8wUuB56bSdS)