9月16日，2026 vivo开发者大会在深圳举行。大会正式发布原系统7、蓝河操作系统4，并更新以“大模型、Harness和智能体安全架构”为核心的蓝心智能战略。

会后群访中，vivo副总裁、OS领域副总裁兼vivo AI全球研究院院长周围，vivo AI产品总经理关岩冰，以及vivo AIOS产品总监黄梓勋，就模型部署、系统架构、生态协同与商业模式等核心问题作出回应。

针对端侧模型演进，周围指出，去年vivo认为手机难以承载更大端侧模型，但MoE稀疏架构使动态激活专家模块成为可能。当前旗舰机普遍配备12GB内存，按任务难度可仅调用约1B至3B参数，实际内存占用控制在2GB至4GB。vivo已预研总参数规模达30B的MoE模型，该数值不表示每次推理需加载全部参数。

关于30B MoE的产品化节奏，周围明确其尚处工程验证阶段，需同步解决参数搬运、端侧算力适配与芯片协同问题。一代芯片从规划到量产周期约为24个月，vivo目标是到2028年底将模型运行内存占用压至4GB以下，工作电流控制在约600mA。部署后模型运行将完全脱离云端干预；换机时仅迁移用户感知记忆与长期记忆，模型本体与Harness无需迁移。

在视觉体验方面，原系统7强化玻璃质感与动态光影效果。黄梓勋表示，功耗控制是项目初期最大挑战。vivo未将动态光影视为纯表现层功能，而是贯穿芯片、内存、统一渲染引擎及上层界面，实施全栈资源调度管理。第一阶段已在系统应用内建立统一接口与设计规范，后续逐步推动第三方应用适配。周围补充说明，相关能力落地亦依赖vivo前两年即启动的芯片联合规划，将高斯模糊、透明材质等算法固化至硬件单元。

系统级AI的定位区别于传统助手交互。黄梓勋以相册随手清为例说明：端侧模型提前完成本地内容理解与特征提取，用户仅需在整理需求出现时确认结果，而非主动开启功能并等待处理。该模式被概括为“AI走在人前面”，既提升响应效率，也减少非主动使用场景下的数据上传需求。周围以相册语义搜索为例佐证：后台已预提取并存储图像特征，调用时无需重复上传整库至云端识别。

蓝心Harness当前可调用6000多项原子能力，主要源自vivo自有系统应用的功能拆解，如写入笔记、转换格式等最小可执行单元。第三方接入不强制统一格式，支持MCP、Skill、A2A等多种路径；高频场景可将多个原子能力预组合为Skill，降低每次任务规划开销。周围指出，蓝河AgentOS技术预览版已支持调用Shell、Python等超2万个接口与能力，但vivo倾向推动应用主动注册能力并授权系统调用，而非依赖GUI模拟点击。

对于未提供原子能力的长尾应用，关岩冰表示MCP、Skill、Agent、A2A与GUI将长期并存。当前优先覆盖头部应用，因其承载约90%高频需求；长尾应用若采用GUI路径，稳定性难以保障，故暂不大规模启用。涉及第三方服务时，vivo坚持过程透明与操作可控原则，由合作方共同定义需二次确认的关键步骤，避免系统越权调用。

在主动服务边界方面，关岩冰强调个性化克制策略：系统初始推送频率较低，仅当用户持续表现出阅读、点赞、分享、保存或导入日历等正向行为后，才逐步扩大服务深度与范围。周围以旅行攻略生成为例说明，手机长期保存的家庭关系、身体状况、兴趣偏好与时空信息，可使小V在用户未明示前提下，自动纳入同行老人、儿童或孕期家属等约束条件，补全普通大模型无法获取的隐性上下文。

关于智能体路线演进，周围指出早期手机智能体多依赖语音指令触发，再进行意图拆解与任务编排；当前vivo转向将能力下沉至系统底层，由端侧提前完成本地内容理解、记忆构建与场景判断，在授权与可控前提下分阶段执行感知、记忆、规划、执行与用户确认。黄梓勋强调，这并非放弃智能体，而是将其解耦为更精细的流程环节。

蓝河操作系统4首发设备为vivo WATCH 6。周围确认，蓝河始终按完整手机系统标准开发，技术预览区设备已实现通话、拍照、录像与短信等基础功能，证明其具备手机运行能力；当前主要制约在于应用生态成熟度不足。除手表外，vivo计划将蓝河拓展至其他品类设备。BlueKernel已作为开放原子开源基金会孵化项目推进，多家芯片合作伙伴正开展适配。

针对办公场景，关岩冰介绍小V Cowork定位并非替代PC端办公智能体，而是作为其随身控制面板，支持用户离线查看与处理任务。因手机保存更完整的个人上下文，可减少用户反复向不同智能体重复输入背景信息。收费策略上，vivo将持续提供基础免费额度；对高使用强度与高流量需求用户，拟探索付费流量包模式。该模式或将随云端复杂推理占比上升而成为行业共性选择。

整体来看，vivo对AI手机的构建呈现三层演进结构：原系统7承载近期可交付的日常体验；蓝心Harness与端侧记忆体系负责将AI深度嵌入系统能力；30B MoE模型与蓝河AgentOS则代表中长期技术储备。后续推进速度，取决于芯片迭代、功耗控制、权限治理及第三方生态协同进展。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。