“当前行业对于智能体手机等创新终端的发展路径，仍处于积极探索阶段。”7月27日，在财新圆桌-AI系列活动“智能体时代终端产业的下一站”专题活动上，IDC中国副总裁王吉平的这一判断，为当下如火如荼的“AI手机”热潮提供了一份冷静而专业的注脚。
当各大手机厂商纷纷将“AI大模型”“智能体”作为旗舰机型的核心卖点，当消费者开始习惯用语音助手完成简单指令，真正的智能体手机究竟应该长什么样？王吉平认为，无论是跨应用任务执行、智能体原生系统，还是更具沉浸感和主动服务能力的新型交互形态，其本质都是围绕“个人AI体验”展开的创新。
深度探索与浅层应用并存
当前，手机端的AI能力大多停留在“单点应用”层面——用户唤醒语音助手查天气、设闹钟、翻译文本，本质上仍是“点对点”的被动服务。而智能体手机的核心突破，在于从“被动响应”转向“主动服务”。
王吉平指出，跨应用任务执行能力是衡量智能体手机成熟度的重要标尺。这意味着AI智能体需要理解用户的复杂意图，并自主调用多个App协同完成任务。例如，用户只需说一句“帮我规划周末去厦门的行程，预算3000元，找一家带泳池的酒店”，智能体就能自动完成机票比价、酒店筛选、景点推荐、日程编排，甚至生成一份完整的行程PDF。
这一能力目前仍处于早期探索阶段。尽管部分厂商已尝试通过“意图框架”或“快捷指令”实现多应用协作，但在跨App数据互通、权限管理、任务拆解粒度等方面，距离“无感体验”尚有差距。
原生系统是终极形态
另一个引发行业热议的方向，是“智能体原生系统”。与传统手机在现有操作系统上“叠加”AI能力不同，原生系统意味着从底层架构开始，将AI视为操作系统的第一公民。
在王吉平看来，智能体原生系统的核心特征包括：AI能力深度集成至系统内核、AI模型可实时感知用户场景、系统UI可按需动态重构。例如，当用户频繁关注某支股票时，系统主屏可自动生成股价卡片；当用户走进健身房，系统主动切换至“运动模式”，并推荐训练课程。
这一路径的挑战在于：现有安卓与iOS系统的生态复杂度极高，AI原生系统的开发需要从芯片、框架到应用层进行全栈重构，短期内难以大规模铺开。
底层能力决定落地速度
王吉平特别强调，上述创新背后离不开高性能、低功耗、异构计算以及跨设备连接能力的支撑。正是这些底层能力的持续演进，正在推动智能体走向规模化落地。
从算力角度看，端侧大模型的运行对芯片的NPU（神经网络处理单元）性能提出更高要求。高通骁龙8 Gen 3与联发科天玑9300的AI算力已突破30 TOPS，苹果A17 Pro的神经网络引擎同样大幅升级，这为智能体手机的“推理”能力提供了硬件基础。但如何在功耗可控的前提下跑出更流畅的体验，仍是芯片厂商的持续课题。
异构计算的协同优化同样关键。一个理想的智能体手机，需要CPU处理轻量级任务，GPU负责图形渲染，NPU专攻AI推理，DSP处理传感器数据，多个计算单元高效协同，才能实现“快且省电”的体验。
跨设备连接能力则决定了智能体能否成为真正的“个人助手”。从手机到平板、PC、智能手表、智能家居，智能体需要跨越设备边界，实现数据的无缝流转与任务的无感接续。
“主动”与“隐私”的平衡术
更值得关注的是，智能体手机的发展正在深刻改变人与终端的交互关系。业界普遍认为，从“人找服务”到“服务找人”，是智能体时代的核心转变。
然而，主动服务意味着系统需要更深入地感知用户的环境、行为乃至情感。这自然引发了对隐私安全的担忧。如何在“主动”与“隐私”之间找到平衡，成为智能体手机规模化落地的关键前提。
王吉平指出，未来成熟的智能体手机必须具备“隐私可控”的能力：AI模型应在端侧完成大部分推理计算，敏感数据不上云；系统需向用户透明展示数据使用逻辑，并提供精细化的权限管控。
规模化落地尚需时日
尽管智能体手机的蓝图令人憧憬，但王吉平认为，从概念验证到规模化落地，仍需时间。当前，行业还面临标准化缺失、生态碎片化、用户认知不足等挑战。
“就像智能手机的诞生经历了从功能机到触控机的漫长演进，智能体手机的真正成熟，可能需要2-3年的技术沉淀与生态磨合。”他表示，在这一过程中，产业链各方——芯片厂商、终端品牌、应用开发者、运营商——需要协同探索，才能共同定义智能体手机的技术标准与用户体验规范。
可以预见的是，随着底层能力的持续突破，跨应用执行与原生系统的逐步成熟，以及隐私保护技术的同步演进，智能体手机终将超越“谈概念”的阶段，走进普通消费者的日常生活。而行业当下的探索，正是为这场“AI落地的最后一公里”铺设基石。