7个手机大模型备案背后：Agent OS 时代正在开启

7月15日，国家网信办发布《关于发布7款提供手机端侧生成式人工智能服务已备案信息的公告》。完成备案的服务包括 Apple 智能、华为小艺 AI 大模型、OPPO AndesGPT、vivo 蓝心端侧大模型、小米澎湃 AI、三星盖乐世 AI，以及面向中兴手机的努比亚豆包手机大模型。7款服务的备案时间均为7月8日，覆盖了国内主要手机厂商，也包括苹果和三星两家国际终端品牌。

原文公告（网信办）

这份名单看起来只是一次常规备案，但它值得被单独关注。国家网信办此次没有把这些服务放进普通的生成式人工智能备案名单，而是以“手机端侧生成式人工智能服务”为对象集中发布。至少从监管分类和产业信号来看，手机端大模型已经不再只是影像增强、语音识别或者摘要生成等单点功能，而开始成为一种面向公众提供、需要独立界定责任边界的新型服务。

不过，备案并不等于7款产品的所有功能已经全面开放，也不代表模型推理全部在本地完成。更准确的理解是：手机端侧生成式 AI 正式获得了进入公众服务市场的合规通道。它标志着手机 AI 从发布会上的能力展示，逐步进入可以随设备交付、持续运行并承担实际任务的商用阶段。

这也是 Agent OS 从概念走向现实的重要起点。

7款备案服务，几乎覆盖了主流手机阵营

此次完成备案的7款服务如下：

这份名单的重要之处，不在于又增加了7个模型名称，而在于主流手机厂商几乎同时进入了同一条赛道。苹果、华为、OPPO、vivo、小米、三星和中兴，对应的并不是7个孤立的 AI 应用，而是7套拥有硬件入口、操作系统权限、账号体系和应用生态的终端平台。

过去的大模型竞争主要发生在网页、独立 App 和云端 API 中。用户需要主动打开一个 AI 产品，再将文字、图片或者文件交给模型处理。手机大模型则完全不同。它天然处于操作系统与个人数据的交界位置，可以接触相册、通讯录、日历、通知、位置、传感器和第三方应用。模型一旦从这些上下文中理解用户意图，就有可能进一步调度系统能力，完成跨应用任务。

因此，这7款服务真正指向的并不是“每家手机里都装一个聊天机器人”，而是手机厂商正在争夺下一代人机交互的控制层。

手机 AI 正在经历从“功能”到“系统”的跃迁

早期的手机 AI，主要解决的是局部功能问题。例如对照片进行消除和扩图，对通话内容进行转写，对网页和文档进行摘要，或者根据用户输入生成一段文字。这些能力虽然使用了生成式模型，但它们仍然附着在某个具体功能上：相机负责处理图片，录音机负责整理录音，输入法负责生成文字。

在这种产品结构中，用户仍然是任务的组织者。用户需要判断应该打开哪个应用、调用哪个功能，并将一个完整目标拆解成多个操作步骤。AI 改善了每一步的效率，却没有改变手机的基本交互逻辑。

系统级智能体则开始接管任务拆解过程。用户只需要表达目标，例如“整理最近一周收到的会议通知，找出时间冲突并给出调整方案”。智能体需要从通知、邮件和日历中提取信息，理解任务约束，形成执行计划，调用多个系统服务，最后将结果交给用户确认。

此时，AI 已经不再是某个 App 里的功能，而是运行在 App 之上的任务协调者。用户面对的也不再是一个个应用，而是一个能够理解意图、调用能力并追踪执行结果的系统代理。

学术界通常把这种位于传统操作系统之上、负责管理智能体任务的控制层称为 Agent Operating System，简称 Agent OS。它并不一定要取代 Android、iOS 或鸿蒙，而是为传统操作系统增加一个“智能体控制平面”，负责调度任务、管理上下文和记忆、登记可调用工具、执行权限策略，并记录完整的操作轨迹。

论文原文（arXiv）

可以把两者的区别简单理解为：

传统操作系统管理的是进程、文件、设备和应用权限；Agent OS 管理的则是目标、计划、上下文、工具调用和行为责任。

这不是一次普通的功能升级，而是操作系统管理对象的变化。

端侧大模型是 Agent OS 的基础，却不等于 Agent OS

此次公告使用的是“手机端侧生成式人工智能服务”，端侧也因此成为最受关注的关键词。

将部分模型能力放到手机本地，首先能够改善响应速度。简单的文本处理、语义理解、图像识别和用户意图判断，不必每次都将数据上传至云端。对于涉及相册、聊天记录、日历和设备状态的任务，本地推理也有助于减少原始数据离开设备的范围，并在弱网或断网环境中保持部分能力。

端侧模型还可以降低云端推理成本。手机每天产生大量轻量任务，如果所有请求都由大型云端模型处理，厂商需要长期承担算力和带宽开销。由小型端侧模型完成意图识别、内容过滤、简单推理和任务路由，再把复杂问题交给云端模型，是更现实的工程路线。

早在端侧大模型大规模商用之前，已有研究提出将基础模型作为类似固件的系统能力，由操作系统和硬件共同管理，再通过轻量适配器支持不同应用任务。这种思路的核心，是把模型从分散的 App 能力提升为可被整个终端复用的公共基础设施。

论文原文（arXiv）

但“端侧”不能被简单理解为全部能力都在本地运行。手机受到内存、功耗、散热和电池容量限制，复杂推理、长上下文处理和高质量多模态生成仍然需要云端支持。近期针对移动端大模型推理的研究也表明，NPU 并非在所有推理阶段都天然占优，框架适配、算子回退、设备调度和能耗管理仍然存在明显的优化空间。

论文原文（arXiv）

因此，手机 AI 更可能形成端云协同架构：端侧模型负责感知环境、处理敏感数据和快速决策，云端模型负责复杂推理和通用知识，系统根据数据敏感程度、网络状态、任务难度和能耗预算进行动态调度。

端侧大模型解决的是“智能从哪里运行”；Agent OS 解决的则是“智能如何获得上下文、调用工具、执行任务并受到约束”。二者关系紧密，但并不是同一个概念。

下一轮手机竞争，争夺的是智能体控制层

智能手机过去的竞争重点，经历了硬件参数、移动应用生态和操作系统体验几个阶段。进入手机智能体阶段后，模型能力仍然重要，但它不会是唯一决定因素。真正影响用户体验和商业格局的，将是厂商能否建立一套完整的智能体控制层。

首先是个人上下文的组织能力。通用云端模型知道大量公共知识，却不了解一个具体用户今天有哪些会议、经常联系哪些人、使用什么出行方式，也不知道哪些数据可以被用于当前任务。手机厂商掌握设备、账号和系统服务入口，因此天然处于个人上下文的汇聚位置。未来手机 AI 的差异化，很可能不再主要来自模型回答一道题的准确率，而来自它能否在用户许可范围内持续理解个人状态。

其次是工具和技能生态。一个模型能够规划任务，不等于它可以稳定执行任务。发送消息、创建日程、调用导航、修改文档和完成支付，都需要对应的系统接口或者应用能力。如果每个智能体只能依赖屏幕识别，模拟人类点击按钮，不仅速度慢，而且会受到页面更新、弹窗遮挡和识别误差影响。

相关研究已经指出，基于界面的智能体通常需要大量连续操作，每一步都可能引入错误；API 优先的交互方式则可以用一次结构化调用替代多次点击，提高效率和可靠性。未来的应用很可能不再只向人提供图形界面，还需要向 Agent OS 提供经过认证、权限明确并且可以审计的“技能接口”。

论文原文（arXiv）

最后是权限与责任控制。传统手机权限通常围绕单个 App 展开：是否允许访问相机、位置、麦克风或者通讯录。但智能体执行的是组合任务。它可能先读取日历，再搜索邮件，随后调用导航，最后向联系人发送消息。单个操作看起来都合理，组合后的行为却可能超出用户最初的授权意图。

Agent OS 的核心价值，正是在模型和真实操作之间增加一个可治理的执行层。它既要理解“用户想做什么”，也要限制“智能体最多可以做到什么”。

从这个角度看，7款手机端侧生成式 AI 服务同时完成备案，意味着手机行业的竞争对象正在发生变化：过去争夺的是应用分发入口，未来争夺的可能是意图理解和任务分发入口。

豆包手机的争议，恰好暴露了过渡阶段的问题

回看此前围绕豆包手机助手的争议，它并不能简单归结为用户排斥 AI，或者现有平台拒绝创新。更根本的原因在于，手机智能体已经试图进入真实操作层，但应用生态和安全架构仍然主要为人类点击设计。

豆包手机向左，OpenClaw向上：AI助手权限模型的两条分岔路径

当智能体通过视觉识别页面、模拟点击和滑动完成跨应用任务时，它实际上在使用“屏幕即接口”的过渡方案。这种方式的优势是无需等待应用厂商改造接口，可以迅速覆盖大量现有 App；缺点则是智能体难以可靠判断页面身份、内容来源和操作后果，也容易与应用平台的反自动化、反作弊和账号风控机制发生冲突。

2026年发布的一项手机 Agent OS 安全研究，正是以豆包手机助手作为代表案例，分析了“屏幕即接口”模式下的风险。研究者将问题归纳为智能体身份、外部接口、内部推理和动作执行四个维度，并指出虚假 App 身份、视觉欺骗、间接提示注入和未授权权限提升等问题。其提出的替代方案，不再让一个高权限智能体直接操作所有页面，而是由系统智能体负责任务编排，由隔离的应用智能体执行领域任务，再通过 Agent Kernel 统一实施身份验证、输入过滤、权限控制和审计。

论文原文（arXiv）

这说明豆包手机所选择的方向并非没有价值。用户确实需要一个可以跨应用完成任务的智能体，手机也确实具备成为个人 AI 入口的条件。真正需要调整的是执行架构：从模拟用户点击，转向系统原生、结构化和可验证的智能体接口；从一次性弹窗授权，转向与任务意图绑定的动态权限；从只展示最终结果，转向对关键执行轨迹进行记录和确认。

此前豆包手机更像是智能体提前进入了一个尚未完成改造的移动互联网生态。此次7款手机端侧服务集中备案，则意味着手机厂商开始从模型、系统和合规多个层面共同建设新的基础设施。两件事并不矛盾，反而构成了同一条演进路径的前后两个阶段。

Agent OS 不能沿用传统 App 的安全模型

手机大模型进入商用阶段后，安全治理不能只停留在模型输出是否包含违法违规内容。一个只负责生成答案的模型，主要风险集中在内容层；一个能够调用系统工具、读取个人数据并执行动作的智能体，其风险已经扩展到身份、权限、数据流转和行为结果。

Agent OS 至少需要建立五类系统级安全机制。

一是可信身份。系统需要确认当前调用的究竟是哪一个 App、哪一个技能和哪一个智能体，避免恶意页面或仿冒应用通过视觉和文本误导模型。应用身份、接口身份和内容来源应当能够被系统验证，而不能只依赖模型“看起来像什么”。

二是能力化授权。传统的“允许读取通讯录”权限过于宽泛。更合理的方式，是根据任务临时授予特定能力，例如“在本次行程规划中读取指定日期的日历”，任务结束后自动回收。权限应当与目标、时间、数据范围和可执行动作绑定，而不是一次授权后长期有效。

三是外部内容隔离。邮件、网页、文档和聊天消息都可能包含针对智能体的隐藏指令。系统必须区分用户指令、系统策略和外部数据，防止智能体把需要处理的内容误认为需要执行的命令。这意味着提示注入防护不能只靠模型拒绝回答，而要进入数据标记、上下文隔离和工具调用策略层。

四是轨迹约束。智能体生成的执行计划，应当持续与用户最初目标进行比较。当任务从“查找机票”偏移到“登录账号并付款”，系统需要识别风险等级变化，在不可逆操作之前重新获得用户确认。安全判断的对象不应只是单次动作，还应包括完整行为链。

五是审计与恢复。系统需要记录智能体调用过哪些数据、执行过哪些技能、依据什么信息作出决定。对于删除文件、修改设置、发送消息等操作，还应尽可能支持撤销和恢复。没有可追溯轨迹的自动化，很难建立真正的责任体系。

这些能力已经超出了单个模型或者单个 AI App 可以独立完成的范围，必须由操作系统级运行时统一实施。也正因为如此，Agent OS 的竞争最终可能不是“谁的助手最会说话”，而是“谁能让高权限智能体在真实设备上长期、稳定并且可控地运行”。

备案是起跑线，不是终点

7款手机端侧生成式人工智能服务完成备案，可以视为手机 AI 进入规模化商用准备阶段的标志，但距离真正成熟的 Agent OS 仍有一段距离。

目前各家厂商能够提供的能力，很可能仍然以系统问答、内容生成、信息整理和有限的应用调用为主。真正的 Agent OS 需要解决长期记忆如何管理、第三方应用如何提供标准化技能、端云模型如何协作、任务权限如何动态控制，以及错误操作如何追责和恢复等一系列系统问题。这些问题的复杂度并不低于训练一个更强的模型。

未来的手机也不会简单变成一个不再需要 App 的“万能 AI 盒子”。更可能出现的形态是：App 继续提供专业服务和交易能力，但逐步从面向人类点击的封闭界面，转向同时提供面向智能体调用的结构化能力。Agent OS 负责理解用户目标、选择合适服务并管理执行过程，应用则负责在明确权限下完成具体任务。

这种变化会重新分配移动互联网的入口权。过去，用户先选择 App，再使用服务；未来，用户可能先提出目标，再由 Agent OS 决定调用哪些服务。手机厂商、操作系统厂商、大模型厂商和超级 App 之间的关系，也会由应用分发竞争，逐渐转向智能体能力、上下文数据和任务调度权的竞争。

因此，7款模型备案真正值得关注的，不是名单里哪一个模型更强，而是主流手机厂商已经集体站到了同一个新入口前。端侧大模型让手机获得了持续感知和本地推理能力，系统级智能体开始接管复杂任务，Agent OS 则试图为这些能力建立统一的调度与安全边界。

智能手机过去由 App 定义能力，下一阶段则可能由 Agent 组织能力。

7月15日的这份备案公告，或许正是这场变化从产品实验走向现实市场的一条分界线。