开云体育[永久网址:363050.com]成立于2022年在中国，是华人市场最大的线上娱乐服务供应商而且是亚洲最大的在线娱乐博彩公司之一。包括开云、开云棋牌、开云彩票、开云电竞、开云电子、全球各地赛事、动画直播、视频直播等服务。开云体育,开云体育官方,开云app下载,开云体育靠谱吗,开云官网，欢迎注册体验！

　　头部手机厂商都有共识，生成式AI对手机行业的影响可比肩当年智能手机替代功能机，错过AI手机的厂商可能会遭遇“诺基亚时刻”。

　　与过往手机厂商将主要精力放在AI文生文、文生图等单点AI功能不同，今年头部手机厂商更注重将大模型技术融入手机操作系统，致力于用AI重构底层系统，向AIOS演进，同时推动多设备间的互联互通。

　　在这个背景下，手机AI助手不再仅仅是被动回答问题的“工具”，而是逐渐演变为用户的“智能管家”，能够主动理解用户意图，并自主完成一系列复杂的操作任务。

　　“端侧AI的终局是Agent。vivo专门构建了面向UI操作的训练数据，让模型能理解界面、执行跨应用操作。这可能是全球首个专门为端侧Agent构建的3B模型，并将成为开发者们构建下一代智能应用的核心引擎。”vivo副总裁、OS产品副总裁、vivo AI全球研究院院长周围在2025 vivo开发者大会上表示。

　　目前，在构建手机智能体（Agent）能力方面，vivo已重点推进两项工作：一是全面支持并实现了智能体对手机本机功能及系统能力的调用；二是完成了智能体商店的搭建，以及个人化智能体运行框架等平台级能力的建设，相关基础能力已基本就绪。

　　不过，要让手机等端侧AI拥有面向未来的Agent能力，还需实现跨智能体（Agent-to-Agent）之间的协同与通信。这一目标并非单一厂商能够独立完成，而需要整个行业协同推进、共建标准。

　　“犹如过去手机是APP分发的主要渠道，整个行业对应用商店的分发权限、边界一直非常敏感。在智能体时代，分发机制同样是一个高度敏感的问题。因此，在涉及智能体分发机制，特别是互联网应用类智能体的分发权问题上，vivo主张通过‘协商共建’的方式推进。”周围进一步解释。

　　对于手机厂商来说，要做好面向终端用户的智能体，首先要构建端侧大模型能力。与其他厂商追求更大参数的模型不同，vivo在手机端聚焦3B模型。

　　vivo曾在2023年开发者大会上发布了自研大模型矩阵——蓝心大模型（BlueLM），包含覆盖十亿、百亿、千亿三个参数量级的五款vivo自研大模型。

　　对于为何在端侧聚焦3B模型而非选择更大参数的模型，周围解释称：“大模型的能力不能只看参数大小，更应关注实际效果。在部署端侧大模型时，首先要明确它在手机上需要完成哪些具体任务——我们必须先厘清这些需求，才能做出合理的技术选择。”

　　他指出：“目前，云端大模型的能力相对容易构建和完善，真正的挑战在于如何让轻量级的小模型在端侧高效完成意图理解、任务拆解和服务调用。只有将模型部署在本地，才能实现低延迟响应和高隐私保护，持续、实时地理解用户行为，这是打造智能体体验的关键基础。”

　　在手机端侧运行大模型，面临存储空间、功耗、内存占用等一系列技术挑战。以7B模型为例，其运行时需要占用高达3.5GB的内存。

　　目前8GB内存是中高端机型的主流配置，如果一个模型就接近占用近4GB内存，手机系统和其他应用仅剩约4GB可用空间，这会显著影响多任务处理和整体流畅度，相当于将高端手机的使用体验降级至入门级水平。对于内存更小的中低端机型而言，更是难以承载这样的资源消耗。

　　“3B模型在端侧仅占用约2GB内存，大幅降低了资源消耗，不会影响高端机的整体性能，也让中端机型具备了运行智能体核心模型的能力，解决了‘模型太大、手机变卡’的难题。”周围解释。

　　除降低内存占用外，vivo端侧3B模型在任务拆解与意图理解上实现跨越式提升，成为手机核心的“意图中控”。其端侧生成效能翻倍，单次输出达200 tokens；而EdgeInfinite算法，实现端侧128K长上下文处理，使用户能本地高速处理长文档。

　　自今年年初DeepSeek发布其高性能开源大模型以来，vivo等国内主流手机厂商就陆续接入DeepSeek大模型，为用户带来AI助手的全面升级。

　　公开资料显示，vivo的蓝心小V已集成深度思考模式，其核心正是基于满血版的DeepSeek模型，显著提升了端云协同的智能服务能力。

　　对此，周围表示，当DeepSeek出现之后，一下子就把大家在千亿大模型上的能力拉齐了。因为它做了一件很了不起的事——完全开源，而且支持我们“满血部署”。

　　“2024年，我们做了1750亿参数的模型，做出来之后还要往下走，搞矩阵模式。但很快我们就发现，万卡集群都不够用了，必须上两万卡以上的集群。光是设备投入，两万卡就要再多花二十几亿，而且这还远远不够。这样下去，我觉得通用人工智能是卷不动的。”

　　“国内做大模型的行业，大家也都知道，很多创业公司根本烧不起。募资几百亿，做个4000亿参数的模型，光买算力可能就要花50亿，其中三分之一差不多是15亿电费，往后每年还要持续烧这么多电，根本撑不住。”周围说。

　　在DeepSeek出现之前，国内公司自研大模型普遍面临算力“军备竞赛”的困境：训练千亿级模型需要上万张GPU组成的算力集群支持，设备投入动辄数十亿元，后续每年还需承担高昂的电费和运维成本，使得通用人工智能的“参数内卷”难以为继。

　　而DeepSeek的开源打破了这一局面。其完全开放的架构和“满血可部署”的特性，让高质量大模型不再被少数巨头垄断，使整个行业重回同一起跑线。

　　公开资料显示，DeepSeek通过算法创新（如MoE架构、FP8训练、强化学习优化等），仅用557万美元的训练成本就实现了接近GPT-4的性能，远低于传统动辄上亿美元的投入，直接挑战了依赖算力堆砌的发展模式。

　　“对于vivo这类既需要进行模型训练，又注重端侧优化的厂商来说，DeepSeek不仅提供了强大的云端基座模型，还显著提升了7B、3B等小模型在蒸馏和迭代过程中的效率，大幅降低了研发成本，有力推动了端侧AI能力的升级。”周围表示。