今天vivo在开发者大会上公布的答案，绝对能让人眼前一亮！通过融合用户记忆、端侧模型、和主动执行能力，vivo搞出了PhoneGPT，声称要做AI助理界的自动驾驶！就是说PhoneGPT，不再满足于简单的任务执行，而是可以自己决策，进行任务的拆解，并通过屏幕识别等技术，最终做出动作、完成任务。这么说可能还是有点抽象，还是来看vivo的蓝心小V订餐视频更直观！在用户给小V发出用餐需求之后，小V自动地调起相关APP，搜索到了餐厅的电话，还自己拨出电话和店员完成了预订！整个执行过程，包括和真人的对话都非常丝滑。除了手机智能，蓝厂家的硬科技也丝毫不输，自研的蓝心大模型性能在线。在端侧方面，提出“30亿参数量级是端侧黄金尺寸”的论断，发布了新的蓝心3B，在排行榜击败了Gemma-2和Phi-3-mini等小模型中的佼佼者。让人不得不感叹一句，原来vivo还是模型界的隐藏大佬。一个温知识，vivo在国产手机销量王座上已经稳坐三年之久，而使用vivo AI的用户也在全球突破了5亿。想了解AI手机的未来，vivo和蓝心智能的AI战略，绝对值得一看。
PhoneGPT：AI不仅要“执行”更要“懂你”
vivo蓝心智能的核心看点，就是他们把大模型与操作系统实现了深度融合。vivo副总裁周围说，这样的实现效果，是大模型可以理解用户个人的情景和偏好，进而让系统主动提供个性化的服务。
具体来说，AI重构后的手机系统，带来了三个体验的革命，分别是交互体验、服务体验和链接体验。不少人抱怨过苹果Siri的僵化和机械，在AI 2.0之前，我们的手机助手只能做一些简单的执行工作。而有了大模型，AI助手可以真正在文字、语音、图像甚至行为层面，全方面多角度的做意图理解，实现所谓的“执行且懂你”。在交互体验方面，周围举的例子就是语音交互！作为我们日常最多使用的、也是最直观的交互形式，vivo能做出什么花样呢？小V的方言对话，让用户不再需要切换“川普”、“粤普”，而小V也会用方言来回答，AI和用户的距离，这么一下就拉近了。在服务的提升上，我觉得vivo真是做到了那句被说烂了的话，“所有的功能都值得用AI重做一遍”。vivo针对电话、短信等基础功能都做了翻新，例如，电话的内容可以转文字也可以进行翻译，笔记功能可以直接用AI润色，拍照直接扫描识别等等。小编觉得，这些设计好在并不是伪需求，而是实在的用AI帮用户解决了一些问题。既然是开发者大会，vivo大方宣布将开放平台化能力，使得第三方应用也能接入这些AI黑科技。周围所说的链接体验，主要讲AI时代中，用户与服务的关系变化。AI确实给服务注入了活力，现在人和服务可以双向奔赴了！在面向开发者的方面，vivo做了努力，让APP提供的服务更好地做分发，找到需要Ta的用户。尤其是针对轻量化、原子化的服务，vivo构建了系统级的感知和意图识别，实现系统主动分发服务。在面向用户的方面，vivo提出了一个有趣的概念是“人与设备的共同记忆”。听起来AI更像是一个一直陪伴我们的朋友了，随着手机使用，AI会不断扩展对我们的知识图谱，相当于手机系统会“越用越好用”。例如用户唤起小V说，“帮我找找，去年和小贝在环球影城的照片，发给他并祝他生日快乐”。这个例子就很考验AI,需要智能助手记住用户的社会关系以及对方的样子，还能在相册找到符合人物、时间、地点条件的照片，并能跨应用找到备注为“小贝”的人发送信息，最后还可以再提供专属服务如推荐生日餐厅。不过这些东西都交给AI又觉得心里毛毛的，感觉就像有人把我的相册都翻了一遍。不过，vivo也很重视安全问题。甚至抗下了巨大的技术挑战，不仅把通话总结、文档概要、本地知识图谱这种你不想被别人看到的隐私搬进了端侧，还贴心地把审核功能也实现端侧完成了。这下可以稍微舒一口气，放心用AI了。然后，既然有了多个智能体，最好就是让他们配合起来，实现1+1大于2的效果。如果再配上意图理解，让这个负责调度的中心也由AI来完成部分工作，在懂人的基础上，可以进行自主决策。这一综合，就实现了我们文章开头，能提供智能驾驶体验的phoneGPT！视频中的餐厅订餐，就基于蓝心大模型的多模态功能，在用户意图识能主动完成任务，通过屏幕识别，AI自己去操作控件，执行每步的操作。根据周围的透露，phoneGPT的每一步执行精确度达到了94%，每一步执行只需要极短的2s时间。为了安全，这个功能也会向端侧发展，并且执行效果上还会再进化。
全新蓝心大模型矩阵发布，蓝心3B超Phi-3-mini
从GPT-4o发布以后，模型的多模态能力就成为了一个重点。在新的模型矩阵中，蓝心的语音、图像和多模态大模型是第一次进行亮相的选手。在此前开发的1B、7B 、13B端侧模型的基础上，vivo不断地去做测试，在综合考虑了模型效果、性能、内存、功耗后，试图寻找最优方案，提出了30亿参数量级是端侧黄金尺寸的论断。在研究指导下，vivo的30亿蓝心端侧大模型——蓝心3B正式推出。相比于去年所推出的7B大模型，蓝心3B做到了300%的性能提升，还降低了46%的功耗和63%的内存占用。蓝心3B的性能强的可怕，做到了每秒80字的极致出词速度，并且实现450mA的极致低能耗，且只占用1.4GB的内存。周围说，蓝心3B突破了端侧模型“能力强-消耗低-模型小”的不可能三角，并且在多份榜单上做到行业领先水平。vivo追求做“最懂中国人的大模型”，具体到多模态大模型方面，他们做了生图功能的水墨风格以及汉字相关创作的性能提升。看这张榜单，能看出vivo在模型能力上是有过硬积累的。就语音那张榜单来看，语音一直是豆包过硬的核心技术，能在语音交互上超过豆包，说明日常的对话任务基本不在话下了。
写在最后：最好的AI技术，要在应用里跑起来
vivo秀完AI硬实力的“肌肉”后，开始了对自研系统OriginOS 5 的介绍。就像他们自己所说的那样：不止要有好的技术，还要能落地到产品的层面上。于是，我们就看到了vivo在对界面和用户操作深度思考之上的作品——原子岛。在意图识别的基础上，用户只需要将文本等内容复制或拖动到原子岛上，就会自动推荐你想要打开的APP，真正做到解放双手，让科技快人一步。在最初看到原子岛三个字的时候，可能很容易认为这是对苹果灵动岛的模仿之作。但是坦白的说，前者带给我的意料之外的惊喜，能看到vivo对AI如何改变交互形态的思考之深。vivo的开发者大会，让人重新认识了这位国产手机的销量王者，对于AI的战略构想，我们不只有术，还有道。
立即咨询 JOTO
JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询
