今年春節，一款名為OpenClaw的AI應用迅速走紅，但熱度僅維持了不到兩個月便迅速消退。這場短暫的狂歡，讓人們再次思考：AI應用究竟在解決什么問題？下一個現象級產品又將出現在哪里？這些問題至今沒有明確答案。

以手機攝影為例，現代影像旗艦手機已能捕捉到夜景中人臉的細微水光，卻無法判斷拍攝對象是否剛剛哭泣；長焦鏡頭可將數百米外的行人拉至眼前，但無法識別其是匆忙趕路還是在尋找物品。同樣，當前的AI智能體能夠編寫代碼、整理PDF文件，但這些能力僅限于處理已數字化的信息。面對物理世界的復雜場景，AI仍顯得無能為力。

從現有大模型到能夠理解物理世界的“具身智能”，中間橫亙著一道難以逾越的鴻溝。vivo總裁兼首席運營官胡柏山在博鰲亞洲論壇上指出，這道鴻溝正是當前AI發展的核心挑戰。他強調，在真正的物理大模型出現之前，將物理世界信息轉化為數字世界信息是提升用戶體驗的關鍵途徑。

過去兩年，手機廠商紛紛布局AI領域，大模型接入、智能助手升級、端側算力提升成為競爭焦點。然而，胡柏山認為，這種競爭最終將導致大模型的高度商品化和同質化。他直言：“大模型之間的差異不大，只是時間先后的區別。”在這種背景下，單純比拼模型能力已無法形成競爭優勢。

vivo的選擇是聚焦“感知”能力。胡柏山表示，相比模型能力，積累的場景數據更具差異化價值。場景數據需要隨著用戶行為逐漸積累，無法通過短期投入或簡單復制獲得。vivo在影像領域十年的積累，正是其感知戰略的底層支撐。

感知并非簡單的“更好的相機”。胡柏山解釋，相機是被動記錄工具，而感知需要主動觀察、理解環境，并將信息轉化為設備可處理的輸入。這一過程需要重建系統架構，將感知信息與設備決策系統實時打通。目前，這一目標仍面臨技術挑戰，尤其是如何將原始感知數據轉化為結構化信息。

vivo將感知設為一級技術賽道，涵蓋視覺、聽覺、觸覺等多種感官方向。胡柏山以vivo的通信研究院為例，說明感知研發將采取長期投入、漸進式加速的策略。他強調，感知是一個天花板很高但技術路線尚不明確的領域，vivo準備用五年到十年的時間持續探索，避免盲目投入導致資源浪費。

在硬件層面，vivo與蔡司的合作已進入聯合研發深水區，傳感器尺寸和半導體轉化效率不斷提升。例如，X300 Ultra的主攝傳感器尺寸達到1/1.12英寸，并采用了提升進光轉化率的新技術。在算法層面，vivo三年前提出的長焦大底概念已被全行業跟進，但其背后的認知和算法優勢難以被快速復制。

X300 Ultra首次提出的“多agent”理念，體現了vivo在端側AI上的獨特思路。不同場景對應不同專項agent，既分工明確又協同工作。例如，拍照時有一個agent判斷拍攝對象和光線條件，另一個agent則根據用戶習慣自動整理相冊或剪輯視頻。胡柏山認為，現有硬件算力無法支撐一個“超級agent”，AI發展需結合硬件能力上限逐步推進。

vivo的長期規劃中，手機仍是核心產品，MR設備需要三到四年時間發展，機器人則需五年以上。這三個方向共享同一套感知能力，形成技術延伸。去年成立的機器人Lab聚焦“大腦和眼睛”，胡柏山透露，2025年將明確階段性目標，2026年制定清晰路徑。他強調，vivo不會盲目追求通用機器人，而是從具體場景切入，如照顧寵物或疊衣服，通過數據積累逐步擴展能力。

在手機與機器人的協同上，胡柏山認為，手機是最懂用戶的數字助理，可存儲行為習慣和偏好數據。機器人早期無法完成的任務，可由手機遠程介入補充。這種“沿途下蛋”的策略，與手機端感知能力的積累邏輯一致：先做好影像agent，再逐步擴展感知范圍。

面對AI眼鏡等新興品類的熱度，vivo選擇暫停相關項目。胡柏山算了一筆賬：年銷量幾十萬臺不符合目標體量，兩年內難以形成差異化，技術平臺也無法支撐良好體驗。這種“少押注，押重注”的策略，與硅谷巨頭聚焦核心優勢的思路不謀而合。

當前手機行業面臨換機周期延長、銷量下滑的挑戰，但AI帶來的能力躍升仍讓人看到增量空間。胡柏山認為，從智能手機到智能體手機的轉型，是激活存量市場的關鍵。而感知能力，正是這一轉型中最難被復制的護城河。