过去的一年里，手机厂商在AI领域的竞争主要聚焦大模型规模、功能数量与单点体验。如今情况已然不同——「深度理解用户」、「智能主动出击」及Agent框架，已成为多数厂商共同强调的发展方向。
Harness等系统级调度机制也随之获得重视，手机制造商正在将大模型、操作系统、应用生态和各类工具进行真正的深度整合，使AI能够从被动的「等待指令」蜕变为「理解意图、规划路径、自主执行」的智能体系。
与此同时，挑战也不断浮现。豆包手机助手的近期风波足以说明：AI功能仍面临被主流应用「拒之门外」的风险。让AI手机成为驱动用户换机的关键因素，业界还需跨越漫长的历程。虽然本年度厂商们的齐心协力表明了方向的一致性，但随之而至的仍是一系列未有标准答案的行业难题。整个手机生态正在寻求更为稳妥的发展节奏与路径。
从应用到系统的智能升级
今年AI手机最显著的变化之一，就在于厂商讨论AI的方式发生了根本转向。
从前，手机AI的职能主要是「执行用户指令」：代笔文章、总结文件或完成具体单点任务。而如今的局面是，制造商开始关注用户未曾明言的隐性需求。
Omdia高级分析师钟晓磊表示，「精准理解」和「主动智能」正在演变为AI手机的共同追求，但目前这类共识更多停留在方向层面，在实际体验和技术架构的落地上仍未完全趋同。
Counterpoint Research研究员马诗文的观点是，主动化的智能服务已经成为AI手机的重点方向，发展轨迹将从「被动响应指令」逐步转向「基于上下文与用户意图主动行动」。
各家厂商今年的动作充分验证了这一趋势的真实性。
vivo副总裁周围总结其策略为：「深入洞察用户痛点，通过场景化创新为用户打造更加个性化、更具区分度的智能体验。」为此vivo搭建了融合语音模型、端侧模型、云端模型的智能体矩阵框架。
OPPO的路径也展现出相似的逻辑。其构建了新计算、新感知、新生态这三大AI技术基座。
荣耀则将这一演变概括为从「回答问题」到「代用户做事」的跨越。其MagicOS 11搭载的YOYO Harness将感知、规划、工具调用与执行串联起来，不仅服务于YOYO本身，也赋能包括AI通话管家在内的系统级应用。新一代YOYO已开始处理超过百步的长流程任务，并将Agent的能力从单次指令扩展到持续的任务管理。
各条技术线虽有实现差异，其背后的变化却保持高度一致：AI正从应用层级的功能向操作系统底层能力迁移。
这也说明了为何「Harness」一词成为今年高频热词的真实原因。
往日手机厂商比拼的是谁接入了更强的大模型。如今真正的问题变成：用户说出一个目标后，系统如何理解、如何拆分成多个步骤、调用哪个模型和工具、在执行中如何根据结果灵活调整。
马诗文指出，Harness正在成为AI OS中越来越关键的Agent编排与任务管理机制，它充当大模型、系统、应用、工具、设备的连接枢纽，负责需求分解、能力调用及多层次任务的有序执行。「其竞争力不仅在于调度本身，还包括持续优化Agent、完善上下文管理和反馈机制，以增强任务完成的稳定性；但随着OEM的深度投入和系统级Harness的日趋成熟，各家的实现方式可能会逐步收敛。」
这意味着，手机制造商的真正考验在于能否把模型转化为一个真正能做事的系统。
在钟晓磊看来，竞争重心正从单一模型的问答能力，转向能否整合模型、系统、应用和个人数据。
AI手机难以绕过的「暗礁」
但当AI真正开始「做事」，问题的属性也随之改变——从模型能力本身，转移到了系统和生态的维度。这涉及商业运作、产业分工等多个层面，也是AI手机发展至今频频遭遇困境的深层原因。
最直接、最现实的问题在于：手机里存在的数百万款应用，并未天然为Agent预留调用接口。
若要Agent替用户完成一项复杂的业务，可能需要连续调度地图、支付、社交、出行、办公等多个应用。过去用户可通过界面操作完成，而Agent所需是更加规范化、可被调用、可授权且符合隐私保护框架的能力接口。
正因如此，从去年开始，包括豆包在内的AI产品在现实应用中开始碰撞落地瓶颈，也由此引发了关于MCP、A2A、GUI等多种调用路径的业界讨论。
这一问题的解决绝非一朝一夕。近期部分用户反馈称，使用努比亚NaviX Ultra登陆某些游戏后出现掉线，侧面反映出AI手机仍有许多需要逾越的行业障碍。
荣耀MagicOS AI产品部负责人张冲提出了「开放兼容」的解决思路：能直接调用系统原生能力的，就直接调用；有成熟工具、服务或专业Agent的，通过相应协议协作；对于暂时缺乏专门接口的应用，再通过GUI补充。
vivo的判断思路也基本相同。周围提及：「那么多第三方应用，怎样让手机以Agent的方式去访问它们，这个议题过去三年一直有争议，到今天才产生了MCP、A2A这样的访问规范。我认为，这场争议已经初步有了答案。我所观察到的是，当手机厂商发出使用这类功能的邀请时，如果应用方愿意响应，就可以把这项能力注册进来，这样就不会出现原来那种强行调用第三方功能和界面的争议。」
从当前来看，MCP、A2A与GUI这三种方案并不一定是非此即彼的技术路线。
马诗文认为，目前AI手机面临的困难包括缺乏真正高频且难以替代的Agent使用场景，跨应用执行受到权限、安全和适配的限制，以及芯片算力、内存带宽、功耗与模型能力之间的平衡问题。「虽然AI在短期内仍难以成为用户换机的主驱动，但作为手机厂商的长期战场和持续创新的方向，其价值是毋庸置疑的。」
钟晓磊进一步阐述：「当下AI手机的主要瓶颈在于，其一是复杂任务的成功率和一致性仍然不足；其二是跨应用协同与服务覆盖范围有限；其三是隐私、权限与责任界限尚未彻底厘清。此外，端侧算力、功耗控制、云端成本、响应时延，以及用户是否信任AI完成高危任务，也都会影响普及的进度。」他的总结是：行业需要解决的不仅是「AI能不能做」，还有「能否持续稳定地完成」「用户是否信任」「出错后能否追溯、中止和恢复」。
这也解释了为何今年AI手机虽然竞争火热，但从成熟度看仍有距离。
对消费者而言，真正决定AI手机能否成为下一波换机动力的，或许并非手机内增加了几个AI功能，而是某一天，用户忽然发现，某些原本需要自己耗时去做的事情，现在手机可以真正替自己完成，且足够可靠、足够安全，值得每天依赖。
这一时刻能否到来，将直接决定AI手机这一轮集体进化能走多远。
