文 / 郭靜 

來源 / 節(jié)點AI 

如果把人工智能簡單類比為讓機器擁有人類相當智能的話，從今天大語言模型的發(fā)展來看，編程、圖像生成、文字處理上，AI 已經可以替代不少職場新人了。

但喊"AI 替代人類"還是太早了。

人還有空間感知、嗅覺、觸覺等能力，今天的大模型，離真正讀懂物理世界，中間還有一道鴻溝。這條路，也被黃仁勛和李飛飛都認為它是通往 AGI 的必經之路。

那這道鴻溝該怎么填？

vivo 總裁兼首席運營官胡柏山，在博鰲亞洲論壇上給出了一個很直接的判斷：在明確的物理大模型沒有出來之前，要有好的體驗，就要把物理世界的信息轉化到數字世界。

他相信這件事應該用手機去做。甚至在未來十年里，其他設備都很難替代。

物理 AI 目前仍是一片處女地。真正落地前，任何好奇心與想象力，都值得剖析。我們想拆解一下這位行業(yè)老兵的觀點：他看到了什么，押注了什么，以及這個賭局的贏面有多大。

感知才是 AI 時代的關鍵

AI 手機、端側模型、具身智能，近兩年行業(yè)的風口，一個接一個，讓人們應接不暇。怕錯過的情緒下，手機品牌紛紛加速布局AI 手機，行業(yè)一度認為，模型能力會成為手機廠商的護城河。

胡柏山不這么看。他指出，相比模型而言，積累下來的場景數據才最有差異化。

簡單理解，就是AI對具體物理場景的感知。

胡柏山在博鰲論壇里用了一個比喻：沒有感知能力，AI 就像困在黑屋子里的大師，能力再高，也看不見咫尺之外的世界。

他的理解是這樣的：未來模型會越來越同質化，開源速度越來越快，大家之間的差距越來越小。

仔細想想其實也不無道理，DeepSeek 去年炸開了開源大模型的口子，時隔一年，目前國產開源模型，并不是deepseek獨領風騷，而是智譜、mini Max、kimi等紛紛追了上來。如果手機企業(yè)只是給增加個ai能力的話，那確實看不出彼此之間的差異點。

胡柏山認為，vivo的差異點可以是感知。

何為感知？你可能會認為這是觸覺、嗅覺。但vivo給出了自己的理解——讀懂光影，讀懂空間，讀懂場景里發(fā)生了什么，甚至讀懂人的情緒狀態(tài)。

未雨綢繆，他在博鰲提到了一件 vivo 內部剛剛落定的事：今年，vivo 正式成立了一條新的長技術賽道——感知賽道。

但物理ai才處于起步階段，行業(yè)也沒有現成的開源方案可以借鑒，真正落地難度可不低。胡柏山自己也承認：這個領域開源資源少，需要自主探索。

方向選對了，不等于路就好走，接下來，我們要看vivo是如何獲得感知的能力。

感知的抓手是什么？

胡柏山認為，讓 AI 走進物理世界，需要一套感知系統(tǒng)做支持。而vivo 訓練感知系統(tǒng)的核心抓手，是影像。

具體怎么做？我翻看胡柏山的演講與專訪，可以總結為，軟硬協(xié)同，用硬件收集數據，用軟件轉化為感知數據，形成數據壁壘。

先看硬件。

很多人看到 AI 預訓練數據，會想到圖片、文本語料。但具身智能的數據不同：機器要學人在現實世界的行為，一個典型的場景是：人先做動作，機器在旁邊觀看、采集。

vivo 收集數據靠的是影像那雙眼睛。

vivo指出，X300 Ultra 的主攝傳感器升到了 1/1.12 英寸。和索尼的合作則在往半導體轉化效率的方向走，比如，胡柏山提到了一種新技術路徑，能把感光元件的進光轉化率從 90% 推到 110% 以上。

胡柏山的判斷和行業(yè)觀察者大致相同：傳感器尺寸已經卷到了邊際收益遞減的階段，更大的空間在轉化效率和外掛形態(tài)。X300 Ultra 上已經做了 200mm、400mm 定焦增距鏡，還有更多在路上——硬件的不斷升級，這都有助于vivo理解用戶。

但光"看見"不夠，還得"看懂"。

再看軟件。

vivo 在端側部署了多個專項 agent。一個能判斷你在拍什么、用什么焦段、什么光線；另一個整理你的相冊，根據修圖習慣推薦濾鏡，甚至自動把素材剪成短視頻。

看到這你可能會問數據隱私，這不必擔心，vivo依賴的并非云端ai，而是端側AI，具備低延遲、高隱私、弱依賴網絡的特點。長此以往，就能更貼合用戶場景的數據，構建上文所說的差異化。

總體而言，vivo 要做的是把視覺、聽覺、觸覺等多種感官信息，通過傳感器結合大模型，轉化為機器能理解的物理世界信息。

從目前來看，vivo 已經在布局定制算力芯片和 3B 參數的端側模型，接下來要保障大規(guī)模商用后的穩(wěn)定輸出，讓想法真正落地。

胡柏山判斷，未來，手機將會從 Smartphone 進化為 Agent Phone，這時候手機將不會再是工具，而是伙伴。

這里，我也要指出，這個愿景能走多遠，取決于一個關鍵問題：端側的數據飛輪能不能真正轉起來？如果 Agent Phone 的體驗不夠驚艷，用戶不買賬，數據就無法積攢，這是一個先有雞還是先有蛋的挑戰(zhàn)。

機器人落地十年不晚？

Agent Phone 之外，vivo 也在嘗試將技術邊界拓展到機器人領域。

這背后是胡柏山對未來技術結構的理解：AI 與機器人分別代表數字世界與物理世界最核心的技術方向，而手機憑借最廣泛的用戶基礎和數據入口，可能成為連接兩者的中樞。他在博鰲論壇群訪中說得直接：手機連接數字世界，機器人連接物理世界，兩者最終可能形成統(tǒng)一的技術體系。

vivo 已經在為這個目標布局。2025 年，vivo 成立了機器人 Lab，重點攻關機器人的"大腦"和"眼睛"，并將家庭場景作為長期方向。

胡柏山比較謹慎，資源主要聚焦在用戶場景下最關鍵的技術點上。

vivo 機器人 Lab 首席科學家邵浩給用戶場景一個具體定義：涵蓋從用戶進門脫下外套開始，涵蓋洗衣、烘干、收納等流程的完整閉環(huán)。

當然，vivo并不是說大話，他們并不想一步到位做到完全自主的 L4 級別。而是給出了一個大概的時間線：一開始可能 95% 的操作得靠人機協(xié)同，慢慢的，人插手的比例降到 60%、30%，十年后，才是 0%。

胡柏山管這個策略叫沿途下蛋，在《節(jié)點AI》看來，這種漸進式策略，還是比較清醒的。因為機器人賽道的技術成熟度，遠未到消費級普及的臨界點。過早追求全自主成本過高。

vivo希望的是，從人機協(xié)同起步，用真實場景數據迭代模型，看到這，你是不是發(fā)現，這和手機領域數據是競爭壁壘的邏輯幾乎一樣。先跑通數據，再說具體的落地，方向有了，技術成熟了，一切自然水到渠成。

這套邏輯也面臨挑戰(zhàn)。

小米在機器人賽道布局更早、更廣，已經投了一批產業(yè)鏈公司。華為憑借鴻蒙系統(tǒng)的生態(tài)優(yōu)勢，也具備切入機器人操作系統(tǒng)的條件。vivo 選擇只做"大腦和眼睛"、把硬件交給供應鏈伙伴，資產更輕，但對產業(yè)鏈的掌控力也更弱。

胡柏山的暢想能否跑通，取決手機主業(yè)能否持續(xù)輸血，AI 能力能否持續(xù)領先，機器人商業(yè)化節(jié)奏能否匹配預期。一個都不能掉鏈子。

胡柏山在博鰲說過一句話：認知到了加油門，認知沒到寧可慢。

這句話很實在。五到十年的賽道周期里，或許比的不是誰先跑的快，而是誰能在這條賽道上笑到最后。

在《節(jié)點AI》看來，vivo已經描繪好自己未來的十年藍圖，接下來是一步步落地。

*題圖由AI生成

       原文標題 : 胡柏山掌管vivo后：不在只做手機