" 全球首款 AI 智能体手机 " 就要在 7 月 17 日的 WAIC 2026 亮相了，中兴通讯终端事业部总裁倪飞在社交媒体上放出消息：这是一款量产旗舰。

图源：社交平台截图

量产，意味着背后的供应链、品控、售后全链条都跑通了，消费者直接能买到。

外界普遍猜测，该机型就是此前豆包 AI 手机（工程机，M153）的升级版。当然，由于 " 太过智能 " 以及底层直控模式存在的安全风险，M153 推出后就被迅速封杀。至于即将亮相的二代，据称在系统兼容性、权限调用稳定性上有了 " 实质性突破 "，甚至可能实现 " 系统级智能体与应用级智能体双向互通 "。但具体怎么突破、互通的，是跟互联网大厂谈妥了，还是绕开了某些限制，目前没有任何公开信息。

努比亚这边刚官宣，另一条消息在同一天炸了出来：阶跃星辰也要在近期发布一款 AI 智能体手机。这是一家大模型公司，区别于手机厂商在现有的供应链上叠加 AI 能力，阶跃星辰是要从零开始做一个 "AI 原生 " 的终端。

不过本文想讨论的并不是 AI 手机，而是借由这两条消息，探讨一下端侧 AI 目前走到了哪一步？哪些走通了，哪些还存在阻碍？以及，由大模型驱动的端侧 AI 变革，是否会影响未来手机的竞争格局？这条赛道上的玩家，最应该聚焦的是什么？

01、端侧 AI 是必选项

手机厂商和模型公司同时押注端侧 AI，背后有两股清晰的推力。最直观的，是来自市场。

市场研究机构 Counterpoint 近期发布了关于中国手机市场 2026 年 W22-W25（5 月 25 日至 6 月 21 日，对应 618 购物节）期间的销售数据。数据显示，国内智能手机销量同比下降 13%，除华为外，其他品牌均遭遇同比销量下滑。

这种波动并非偶然发生，受制于创新乏力与换机周期延长，再加上近半年来存储芯片成本激增，手机销量正持续收缩，处在一个 " 卖不动也涨不起 " 的困局里。紫光展锐董事长马道杰就曾公开表示：" 整个消费电子行业也应该升级了，核心的出路在于智能化。"

市场承压的另一面，是技术已到达临界点。其实早几年前就有人提出做端侧 AI，但那时候更多是在喊口号，手机算力不够，模型太大跑不动——现在不一样了。

2026 上半年，端侧大模型继续变小、变轻，能进入更多手机、PC、眼镜等终端的同时，又能支撑端侧 Agent、实时交互和本地智能体验。

更重要的是，目前端侧模型的智能水平已经在某些维度上追平了 GPT-4 ——这是 2026 北京智源大会上面壁智能 CEO 李大海对媒体的公开表态。

群访环节中李大海透露，面壁发布的 MiniCPM5-1B 端侧模型，仅有 1B 参数，却在国际权威榜单 Artificial Analysis 上拿到了 17.9 分。作为对比，2024 年 5 月发布的 GPT-4o 是一个 200B 参数的模型，在同类榜单上得分只比它高零点几分。

1B 对 200B，参数量差了 200 倍，智能水平却几乎持平。当然，榜单分数不能完全代表真实场景，但趋势是明确的，端侧模型不再只是云端大模型的 " 低配版 "。

技术到位，市场能否讲出新故事，重点看玩家怎么出牌。

手机厂商作为 " 原始股 "，自然布局更早、投入更狠。小米从 2019 年就开始购买高性能芯片构建算力数据中心；华为走全栈自研，HarmonyOS 7 系统内核直接嵌入盘古大模型 6.0，AI 任务全部本地运行；荣耀押注操作系统重构，vivo 的 30 亿参数端侧蓝心大模型落地折叠旗舰，OPPO 强调端云协同。

大模型公司同样是重要参与者，他们涉足硬件，无外乎几层原因：

第一，商业化能力遇到天花板。API 价格竞争越来越激烈，利润越压越薄，撑不起持续烧钱的训练。正如阿里云通义大模型业务总经理徐栋所言：" 除了在线 Chatbot 和 Agent 之外，硬件可能是大模型快速形成商业闭环的场景。"

第二，端侧 AI 硬件入口争夺战已经打响。Meta 押注 AI 眼镜，字节与中兴合作推出豆包手机，飞书联合安克发布 AI 录音豆，大模型公司正在把竞争从模型能力延伸到硬件入口，谁掌握了硬件入口，谁就掌握了用户和数据。

端侧 AI 就这么成了必选项，不是想不想做的问题，而是不做就会被淘汰。

02、缺一不可的 " 铁三角 "

既然技术和共识都已到位，那么端侧 AI、尤其是真正的 AI 手机为什么还没普及？李大海的判断是，制约端侧 AI 规模化落地的核心因素，是模型与芯片的结合效率。

云端模型可以依赖集中算力做更大规模训练和推理，但落地到终端设备时，要面对电池、散热、体积和延迟限制，模型设计方式也会不同。

比如 AI 眼镜就存在轻量化与长续航的矛盾，Ray-Ban MetaGen1 在一般使用状态下续航为 4 小时，但如果连续使用 AI 对话，仅能维持 30 分钟。AI 智能体手机就更复杂了，要持续监听语音、实时 " 看 " 屏幕、后台跨 App 操作……这些任务叠加在一起，对功耗和发热的要求是指数级上升的。

若模型无法在物理芯片上高效、稳定、低功耗地运转，" 智力 " 再高也是徒劳。端侧 AI 的竞争，也从比拼参数规模和压缩比例，转向模型、芯片、系统、应用之间的整体配合。

厂商已经在采取行动，苹果围绕 Apple Silicon 芯片推出 Core AI，高通、联发科、英特尔等厂商都在搭建自己的端侧 AI 平台。联发科发布的天玑 AI 智能体引擎 2.0，能支持最高 330 亿参数大模型的端侧部署。高通骁龙 8 Gen 5 的 NPU 也在推动新一代端侧 AI 体验，性能较前代提升 37%，每瓦特性能提升 16%，首次支持 64 位内存架构。

与此同时，一众国产存算一体端侧 AI 芯片正在流片（相当于芯片的 " 试生产 "）。光羽芯辰首款芯片已成功流片，有望 2026 年底商业化量产；寒序科技基于 8nm eMRAM 工艺的边缘 AI 芯片也已完成流片，支持最高 20 亿参数端侧推理。

当芯片在功耗、算力上满足需求，端侧 AI 应该会有更多可操作的空间。

另一个棘手的问题是生态。回到豆包 AI 手机，它被迅速封杀的直接原因不是技术不过关，而是商业生态的正面冲突—— AI 在后台比价、填单、下单，用户根本没有打开各大厂的 App、没有看开屏广告。

对于建立在 " 注意力经济 " 基础上的传统互联网来说，这种模式是没有商业价值的。进一步来讲，AI 智能终端与互联网平台生态在数据交互、权限控制及生态竞争中的冲突，不是技术上可以解决的。

模型、芯片、生态，任何一款 AI 智能体手机都必须在三者之间做出权衡和取舍，目前没有玩家能同时解决这三个问题。努比亚的那款 AI 智能体手机面世后，依旧绕不开这几个问题：权限问题到底解决了没有，功耗和稳定性扛不扛得住？端和云怎么分工？它究竟是富人的玩具，还是真能撬动细分市场的支点？

答案不一定能马上揭晓，但方向越来越清晰了。