vivo胡柏山：在AI同质化时代，以“感知能力”构建端侧护城河
vivo总裁胡柏山在博鳌亚洲论坛提出，随着算力和模型能力的供应链化与开源化，端侧AI竞争核心将转向“感知能力”，即连接数字世界与物理世界的能力。vivo正通过光学、成像处理及感知理解三层架构，将手机打造为具备视觉、听觉等多模态感知的终端，并以此为基础推动智能手机向主动服务的Agent Phone演进。此外，vivo计划将这一感知中枢延伸至IoT生态及机器人领域，强调长期技术投入而非短期热点追逐。
事件概述
2026年3月，在博鳌亚洲论坛上，vivo总裁、首席运营官胡柏山针对当前AI行业的焦虑情绪提出了“冷静”的战略判断：算力终将同质化，感知才是未来的护城河。面对行业普遍存在的“大模型狂飙”和参数规模竞赛，vivo选择聚焦端侧AI与产业链协同，致力于解决AI如何真正理解物理世界的问题。
核心战略：感知能力赛道
vivo认为，随着芯片工艺进步（如联发科、高通、苹果等旗舰SoC的AI算力提升）以及开源大模型（如Llama、Gemma、Qwen系列）的成熟，算力和模型能力已不再是稀缺资源或竞争壁垒。企业必须寻找新的差异化方向，vivo给出的答案是以影像为基础，构建AI落地物理世界的视觉感知中枢。
该战略的技术架构包含三层：
- 光学系统层：决定“看得到”的边界。vivo通过与蔡司的深度合作，持续优化镜头设计、镀膜工艺及色彩科学。
- 成像处理层：决定“看得清”的能力。依托自研V3影像芯片（6nm制程，AI算力提升40%），支持4K级别实时画面增强、多帧降噪及HDR融合。
- 感知理解层：决定“看得懂”的深度。这是核心差异化所在，利用蓝心大模型矩阵对图像和视频进行深度语义分析，识别物体、场景、关系及用户情绪，将物理世界的信息转化为可决策的数字信号。
Agent Phone：从被动工具到主动伙伴
胡柏山指出，智能手机将进化为Agent Phone（智能代理手机）。两者的本质区别在于交互逻辑：
- 传统智能手机：基于“输入-反馈”模式，处于被动响应状态。
- Agent Phone：基于“感知-理解-行动”模式，能够主动感知环境、理解用户需求并预判行动。
实现这一转变的关键挑战包括意图理解（从模糊表述推断真实需求）、任务规划（跨App、跨服务的自动拆解与执行）以及隐私边界。vivo的解法是将感知和推理过程尽可能保留在端侧，通过与Arm、联发科建立联合实验室，以及与清华、北大等高校合作，共同定义面向端侧AI的新一代算力架构。
产品落地与生态延伸
- 阶段性成果：vivo宣布即将发布搭载相机Agent能力的新一代旗舰机型X300 Ultra与X300s，展示Agent Phone的核心能力，但明确表示这并非终极形态。
- IoT生态角色：vivo计划将手机作为IoT生态的“眼睛”，通过汇聚多维感知信息，实现对电视、音箱、空调等设备的统一智能调度。
- 机器人布局：vivo成立机器人Lab，专注于室内三维重建、动态障碍物识别等感知技术突破。其目标并非直接推出消费级机器人，而是将手机积累的影像技术与AI算法外溢至机器人领域，使其成为感知生态的延伸载体。
战略定力
胡柏山引用《道德经》“企者不立，跨者不行”，强调感知能力的构建需要五年甚至十年的长期投入，短期内难以变现。在行业追逐热点的背景下，vivo选择坚持长期主义，相信时间会犒赏那些愿意在基础技术上“下笨功夫”的企业。