（记者 张苏慧）各大行业展会如今都成为了AI终端规模落地量产的集中体现地。从提出AI新概念，到切中市场需求，AI智能消费品正在完成商业化跨越，当前，我国智能终端已进入大模型驱动的价值倍增期，人工智能为智能终端赋予全新定义。

AI时代，APP交互逻辑正在瓦解

在移动互联网时代，用户获取信息或服务必须遵循“打开APP-寻找功能-逐步操作”的固定路径。然而，随着AI智能体（Agent）技术的成熟，这一传统交互范式正在被彻底颠覆。AI Agent能够理解用户的自然语言指令，自动拆解复杂任务并调用相应功能执行，使APP从一个需要主动操作的工具，转变为一个只需表达意图的界面。

这场变革的核心在于交互逻辑从“以应用为中心”转向“以意图为中心”。例如，用户只需对手机说“订明天下午去上海的高铁，要靠窗座位，并预订一家靠近会场的酒店”，智能体便能自动完成车次查询、票务下单、酒店筛选与预订的全流程，无需用户在不同APP间手动切换。高通公司高管万卫星指出，AI正在成为一种全新的用户界面（UI），它将可能彻底改变我们与手机的交互方式，从主动式操作转向更加智能化的体验。

这种转变的背后，是AI Agent实现了从“信息提供”到“行为执行”的跨越。它通过深度融合大模型与操作系统，获得了跨应用自主操作的能力。正如一些行业观察所描述的，未来的应用商店里，下载量最高的可能不再是独立的APP，而是各种可被智能体灵活调用的“技能插件”（Skills）。这标志着软件形态正从固化的“应用孤岛”向流动的“智能服务”演进，用户本质需求是获得服务，而非操作某个特定的应用程序。

“端云模算”协同，正重构AI终端产业链

（图片来源：摄图网）

AI正在重构产品逻辑——用户从“买产品”到“买能力”，从“购买硬件”转向“购买服务体验”，成为新的消费导向。这种从“产品”到“能力”的转变，背后是人工智能从端侧-云侧、模型-算力等多维度加速消费智能终端行业变革。电信运营商凭借其独特的“云、网、边、端”一体化优势，从传统的管道提供者转型为关键的生态整合者与赋能者，成为AI终端“端云模算”协同落地的最佳窗口。

2025年，中国电信建成了央企首个“全模态、全尺寸、全国产”的“三全”星辰大模型体系，该体系覆盖语义、语音、视觉、多模态四种核心能力。基于这一技术底座，中国电信在2025年7月世界人工智能大会上发布了全球首款深度融合自研星辰大模型全栈能力的智能穿戴设备“天翼AI智能眼镜”，开创第一视角智能交互新范式。该产品在端侧由高通骁龙AR1芯片承载轻量化模型，支持0.8秒瞬时抓拍、多模态实时翻译等毫秒级响应；在云端则依托中国电信分布式智能算力网络提供坚实支撑。此外，中国电信还推出了“星小辰终端智能体”，率先搭载于自主品牌麦芒40系列手机，依托星辰语义大模型和语音大模型（支持50种方言），在AI通话防诈、智能代办等方面实现突破式创新。

中国移动构建自研大模型新能力，打造涵盖多模态、语言、视觉的全栈端云大模型体系；拓展新型智能终端新生态，联合荣耀、OPPO、小米、中兴等生态伙伴，推出首批搭载终端智能体的AI手机和AI定制眼镜。更早的2025年3月，中国移动已在MWC2025上展示了搭载“灵犀”终端智能体的AI终端产品矩阵，包含AI手机、AI平板、AI主机、智能眼镜等多形态终端。2025年9月，中国移动进一步创新推出“云OS+灵犀智能体+瘦终端”融合的移动云手机，通过重云端、轻终端的方式实现智能体验的按需供给，打破了高端硬件对AI性能的桎梏。

中国联通推出云智Pad、云智电脑、“智家通通”机器人等智能终端。其中，“智家通通”家庭机器人整合了摄像头、机顶盒、智能音箱、游戏机等功能，提供1.2T智能AI算力增强，支持AI智能体、AI健身等15种家庭全应用场景。联通云智手机/云智电脑融合了联通元景、DeepSeek等主流大模型，实现自动驾驶、AI办公、AI伴学、AI伴玩等能力。

端侧AI挑战犹存，技术生态仍处于发展初期

尽管前景广阔，但端侧AI的规模化落地仍面临一系列严峻挑战，其技术生态整体仍处于发展初期。

首要挑战是“功耗-算力-成本”的三角困境。移动设备依赖电池供电，对功耗有极其严苛的要求，但为了支撑7B参数以上大模型以提供高阶智能体验，又需要强大的算力。这导致多数芯片设计陷入两难：要么牺牲功耗换取算力，要么降低算力控制功耗，难以实现三者的完美平衡。

其次，工具链与开发生态的碎片化制约了创新速度。端侧AI依赖于模型轻量化、异构计算与专用硬件等关键技术。然而，当前缺乏统一的开发工具链和标准，导致开发者需要针对不同硬件平台进行大量适配工作，延长了开发周期，提高了门槛。国科微等企业正在致力于打造更高效的NPU与工具链，推动模型部署从“可适配”迈向“高效率、可规模化”，但这仍需整个产业的协同努力。

再者，智能水平仍处于初级阶段，“喊一下动一下”的被动模式尚未根本改变。许多端侧AI应用仍局限于简单的语音助手或单点功能优化，未能直击用户更深层的痛点需求，实现真正的场景化、个性化主动服务。例如，尽管“隐私性”是端侧AI设备的重要卖点，但要在本地安全地处理用户数据、构建个人知识库，并对算力、模型规模和能效进行综合优化，仍是一个巨大的系统工程。

最后，应用场景的深入拓展与安全性认证仍是难题。在医疗诊断、工业控制等高价值、高风险场景，端侧模型的准确性、可靠性和安全性需要经过严格的认证，这在一定程度上延缓了其商业化落地进程。端侧AI要真正产生价值，必须嵌入具体的业务流程，形成“数据-模型-行动”的完整闭环，而这需要芯片厂商、整机厂商、软件开发者与行业用户的深度协同。