摘要

OPPO押注的不是单个AI功能，而是以“新计算、新感知、新生态”重构手机体验。 小布助手月活已从6月约1.5亿升至接近1.7亿，覆盖手机、手表、平板和耳机；端云混合计算降低推理成本、提升响应速度，系统级感知补足context，第三方服务则以Agent接入并由小布调度。
手机厂商最独特的资产，是端侧算力、设备内数据与离用户最近的系统入口。 OPPO把聊天记录、用户主动保存的信息，以及本地文件和照片都纳入memory，再用搜索与RAG把它们串到问答、搜索和推荐中；账单等敏感信息及脱敏流程可由端侧小模型在本地处理，核心产品信条是“记得你才更懂你”。
近1.7亿月活仍低于万玉龙预期，AI目前也“不构成购机因子”。 Siri自2011年起留下的体验负反馈，加上手机助手必须同时做好通用问答、个性化、本机上千种控制指令和第三方执行，使其及格线高于独立AI App。OPPO现阶段更看重AI作为“售后体验”带来的口碑、黏性与复购，而非即时销量。
万玉龙认为，直接通过理解App内容来操控它还不够AI native。 更AI native的方向，是把能力原子化，再通过某种方式提供给模型。
基础模型正在收敛，手机厂商的关键控制点转向context、交互和真实用户反馈闭环。 OPPO在2023年前后考虑过自己预训练模型，到去年上半年判断这已不是必须掌握的环节；其自研集中于开源模型上的SFT与强化学习、context engineering，以及偏感知类模型和小模型。“独行快，众行远”，通用能力则采用DeepSeek、阶跃星辰、通义千问等合作方方案。
Agent会重写移动互联网的流量统计、广告和利益分配，但行业尚无定型答案。 用户在小布对话卡片里调用支付宝服务，是否算支付宝日活、使用时长如何计算，都可能需要新口径；当商家开始写“本店由DeepSeek推荐”，答案本身也可能成为新广告形式，但前提仍是推荐质量和用户信任。
远期形态可能是一个贴身“管家”调度多个垂直“顾问”，而真正的AI原生OS仍未出现。 管家最了解用户并负责意图理解和服务分发，法律、医疗、出行等专家完成垂直任务；手机因算力、使用时长和设备中枢地位，仍可能成为重要的管家载体。万玉龙的悬而未决之问是：能否摆脱在传统Android和既有应用界面之上叠加Agent，从底层长出新一代系统与应用生态。

精读

1. 接近1.7亿月活之后，OPPO把下一站定义为个人化AI OS

万玉龙从2008年开始从事AI，小布助手则覆盖OPPO手机、手表、平板乃至耳机，目前月活接近1.7亿；他的判断是，这在安卓语音助手中已属于活跃度靠前的规模。
面向10月15日的2025年ODC，OPPO提出“个人化AI OS”，战略被归纳为三个方向：“新计算、新感知、新生态”。
行业共识并不难找：终端厂商都有端侧算力、个性化数据和用户入口。差异真正发生在战术层——如何采集context、如何让用户形成习惯，以及如何把服务接进系统。

2. 新计算的价值落在成本、速度与敏感数据不上云

万玉龙观察到，模型过去两年在能力增强的同时不断缩小，原本只能部署在云端的推理正逐步下放到手机；端云协同因此可以同时降低推理成本、缩短响应时间。
程曼祺追问记账涉及支付和财务隐私时，万玉龙给出的实现路径是端侧小模型：敏感信息及脱敏流程可在本地完成。
这也是终端厂商相对Web应用的结构性差异：手机本身既提供算力，又持有硬件和软件传感信号，能在不把所有原始信息送上云的情况下补足模型输入。

3. 一枚实体按键，被OPPO用来培养“记忆”的肌肉习惯

万玉龙称，行业都在做memory，但OPPO“应该是第一家”给记忆配置独立硬件入口的厂商；实体按键降低触发门槛，也让“随时随地都可以记”变成肌肉记忆。
一键闪记1.0主要理解屏幕和图片，新版本扩展到视频、语音、账单与取餐码。长视频可被整理为关键内容、待办和日程，临时想到的idea或家人嘱咐也能由音频转成结构化信息。
记账功能可从不同App汇总账单并进行分析，省去手工录入Excel或记账App；外卖取餐码则可显示在流体屏上，之后直接问小布“我的取餐码是多少？”
OPPO想打通的不只是收藏动作，而是记、问、搜、推荐的完整链条。万玉龙把产品逻辑概括为：“记得你才更懂你。”

4. 系统级助手开始同时看屏幕、看现实并主动做简报

一键问屏让用户直接询问当前App、文章或照片；实景问答则更接近Google此前展示的Astra，用户打开摄像头后可以询问眼前物理世界的内容。
为适应博物馆或街道等嘈杂环境，OPPO加入声纹识别，只响应发起者的声音；“哪里不会点哪里”则允许用户点击画面中的对象，让大模型解释它是什么。
个性化简报会综合当天日程、天气和已保存记忆，给出日程重点与突发提醒。万玉龙把问屏、记忆搜索和主动推荐合在一起，称为“系统级AI助理”。
相册侧的AI补光、去反光和去路人，则体现另一条路线：把过去需要专业图像软件的操作，压缩成一句话即可完成的编辑。

5. OPPO定义的memory，比聊天记录更宽

万玉龙把memory拆成三类：与小布的chat history、用户主动让AI记住的内容，以及手机存储中的文件和照片。后者是设备中已经保存的内容，中文也可对应“内存”这一译法。
因此，“我的体检报告里血脂多高”“上次体检体重是多少”都可以成为个性化问答，而不只是复述用户此前在对话中说过的话。
对于“找我和小孩的合影”，他的技术解释是端侧搜索加RAG：照片本来就是用户用摄像头留下的记忆，系统要做的是检索和理解，而不是重新制造一份聊天记忆。
1.6.0版本的个性化问答把这些来源汇合起来；与ChatGPT偏重对话memory相比，OPPO希望利用手机内更丰富、也更贴近日常生活的数据。

6. Context engineering把手机上的一句“怎么做”变成完整意图

模型越来越强、context越来越长，是万玉龙眼中AI能力加速的重要技术驱动力；过去半年行业讨论也从prompt engineering明显转向context engineering。
他的关键比喻是：模型仍是信息处理单元，结果好坏取决于收到什么信息。query只是其中一部分，用户当前打开的App、屏幕内容和历史记忆同样决定答案。
同一句“怎么做”，前台显示一道菜时是在问菜谱，显示一道题时则是在问解法。程曼祺补充自己会把多邻国题目截图后只问“你怎么做”，模型依然能从画面恢复意图。
对手机厂商而言，硬件传感器、软件状态和个人数据共同构成context，这也是“新感知”并非简单增加摄像头或麦克风的原因。

7. 模型成本下降后，竞争从pre-train转向应用创新

万玉龙回顾，2023年的“百模大战”中，许多AI公司都想pre-train百亿、千亿参数模型；此后模型供应商逐渐收敛，成本则“每年按照几十倍、上百倍”下降。
当创业公司背后使用的模型集中到少数几家，差异化更多来自交互、context engineering和用户场景理解。“怎么把模型用好”，正在替代“是否拥有一个模型”成为核心问题。
模型数量收敛、成本下降后，更多创新开始围绕交互、上下文工程和具体场景中的痛点展开。

8. 从1.5亿到1.7亿仍低于预期，旧语音助手留下了心智债务

程曼祺指出，小布公开月活从6月约1.5亿增至四个月后的近1.7亿；万玉龙却直言：“客观地说，这个数据其实是低于我的预期的。”
他用日活比说明差距：若一款产品安装或激活1亿台，每天有1000万活跃，就是10%。手机厂商以全部购机激活用户为分母，日活比相较头部AI应用仍不够理想。
Siri在2011年出现、小布首版在2018年发布，但大模型以前的助手长期体验不佳。万玉龙没有把责任只推给Siri：“我们自己也没有做好”，用户因此形成“你不好用，我就不用”的惯性。
他认为如今小布与口碑较好的独立AI App已相当接近，但幻觉和答错仍存在；很多用户仍习惯安装、打开单独App，甚至忘记手机自带助手。

9. 手机助手必须同时通过四门考试，及格线天然更高

万玉龙把任务拆成四类：通用问答、基于设备信息的个性化问答、本机控制，以及跨第三方App的执行；其中仅手机控制指令盘点下来就可能有上千种。
“成都住哪儿”是个性化与通用问答的分界：若用户此前记下成都行程和酒店，助手应找出那家酒店，而不是再推荐一批成都住宿。
“导航回家”又要求系统调起高德或百度、写入地址并触发导航。独立聊天App不必处理这些链条，手机助手却会因任何一环失败而被用户整体判断为“很蠢”。
因而，能力不完备会直接压制渗透率；用户既然把它视为手机智能助手，就不会接受它只擅长聊天、却设不好闹钟或打不开蓝牙。

10. AI产品不是by design，而是靠用户反馈逼近预期

传统日程App的边界清楚：添加、删除日程是否好用，很容易评价。AI产品一开始却“很难是by design”，因为同一输入可能对应完全不同的真实诉求。
万玉龙用“林黛玉倒拔垂杨柳”说明歧义：用户可能要创作小说、核查事实，也可能只是在调侃。模型可以回答命题，不代表理解了用户为何提出命题。
他的产品判断是“无所不能”不等于“无所不懂”：先发布、观察用户怎么用，再围绕高频需求修正交互、视觉和策略，才会形成有效feedback loop。
这也让AI体验像“追逐一个地平线”——产品可从六七十分迭代到八九十分，但用户对一百分的预期也会持续向前移动。

11. 更AI native的方向，是把能力原子化

万玉龙认为，直接通过理解App内容来操控它，还不够AI native。
他更认同的方向，是把能力原子化，再通过某种方式提供给模型。这一判断与他对AI产品的整体理解一致：系统需要围绕用户场景和模型能力重新组织服务，而不只是沿用原有软件边界。

12. OPPO用生产力、生活和影像三类场景约束技术冲动

万玉龙的起点是“AI只是技术”，核心仍是手机上的用户问题。OPPO从2023年开始反复识别哪些体验真正能被AI改变，而不是先有模型再硬找用途。
三类场景对应三个产品定位：学习和办公对应“生产力助手”，信息、日程、服务及记账对应“生活管家”，拍摄、管理和编辑照片对应“影像搭子”。
技术演进恰好与之匹配：生成式能力提升生产力，RAG和搜索增强改变信息获取，多模态模型则降低图片、视频创作门槛。
程曼祺以Sora 2补充移动端机会：手机能够承载更丰富的提问、创作和内容消费；万玉龙则强调，视频、配音和音效的统一生成，使手机能承载更完整的即时创作。

13. 记账不是会议室想出来的，而是用户调研纠正了负责人直觉

OPPO自去年初组织“走入一线、深入一线”的“原点之旅”，让真实用户、导购和产品团队共同讨论手机痛点、AI高频场景及尚未满足的问题。
记账需求主要来自大学生和刚步入职场的年轻人。万玉龙承认自己不记账，最初“不太理解”，但多场访谈中重复出现的共性需求改变了他的判断。
团队还观察公司对外发言人微博下的功能催更，再与用户共创：他们如何记账、卡点在哪里、提出的实现是否可接受。细小功能由此进入反复验证，而非一次性立项。

14. 策略产品经理和周更节奏，成为AI研发的新基础设施

传统用户产品经理仍负责需求和界面，但OPPO增加了“策略产品经理”：持续分析线上日志，以及点赞、点踩、复制、转发和多轮对话等隐性反馈。
这些数据用于判断哪些答案更值得分享、什么策略能延长对话、用户实际会连续提出哪些问题；产品设计因此从静态功能表转向行为闭环。
万玉龙称，团队在2021年前后约一个多月发一版，到今年初最快一周一版。DeepSeek推出后，OPPO属于较早接入DeepSeek R1的一批，并迅速重构线上对话和多模态问答体验。
资源“永远是有限的”，应对方式包括把需求拆细、排期压紧和集中攻坚。他估计主流手机厂商AI团队通常为“大几百人”，规模仍在向成熟的影像体系追齐。

15. AI尚未卖出更多手机，现阶段更像长期留存投资

万玉龙给出明确判断：至少目前，AI“还不构成购机因子”，多数用户不会因为某家AI更好就直接选择其手机。
他把AI称为一种“售后体验”：购机后觉得设备好用，才可能形成口碑、使用黏性、品牌好感和复购意愿。
因此OPPO评估AI更偏长期，而不是要求每项能力立即转化为销量；真正要积累的是用户对品牌、设备和多终端生态的持续使用习惯。

16. OPPO放弃全栈执念，把自研留给能形成反馈壁垒的环节

万玉龙用“独行快，众行远”解释合作策略：手机本就是芯片、摄像头和电池等能力的集成体，AI时代同样没必要把全部环节自己完成。
OPPO在当时确实考虑过pre-train，到去年上半年判断它对手机厂商“不是一个关键控制点”；通用模型可以采用DeepSeek、阶跃星辰、通义千问等行业方案。
自研仍分三层：基于开源模型做SFT和强化学习、围绕产品做context engineering，以及在偏感知类模型和小模型上做自研。
选择标准是能否结合真实线上数据形成反馈闭环。若OPPO的数据和分发能让某个模型长期优于通用方案，训练成本又相对可控，这一层才值得持续自研。

17. 万玉龙选择手机，是因为AI需要长周期、上亿规模的反馈场

万玉龙2015年至2021年在阿里经历了iDST和达摩院阶段，曾在语音实验室工作，先后接触AliOS手机、智能座舱、机器人、远场电视和高德地图语音助手。
做过多种设备后，他在2020年底至2021年初得出的判断是：AI不是上线即结束的软件，需要长期吸收反馈，持续从六七十分走向八九十分。
手机离人最近、陪伴时间最长、算力靠前，用户在上面完成的任务也最多；这些特点有利于持续积累数据和反馈。
手机还是手表、耳机、平板乃至车钥匙的信息中枢。AI除了升级单设备体验，还可从手机出发完成跨设备协同，并把系统和传感能力外溢到新设备。

18. 不同玩家看似争同一入口，背后的“why”却不相同

万玉龙把竞争者分为超级App厂商、手机厂商和大模型公司；他的基本判断是，AI市场足够大，各家可以像移动互联网时代的手机与App一样创造不同价值。
互联网公司探索手机未必真要成为手机品牌，也可能把它当作OS、软硬件整合和新终端的“练兵场”。他以AliOS为例：当年的目标是赋能手机厂商移植系统，并非制造“阿里手机”。
OPPO做AI的why是改善手机与多设备体验；字节的动机“大概率”更接近内容、服务与剪映等应用生态；DeepSeek则很少主动强调自己的App。
因而相似的what——助手、模型或硬件——并不能证明终局相同。理解每家公司真正想控制的价值链，比看它发布了什么演示更重要。

19. 支付宝接入小布后，日活、时长和广告都需要新定义

万玉龙用商业史推演服务边界：过去消费者逐店购买，后来淘宝、天猫聚合商店，手机又把所有App装进同一设备；AI可能进一步把服务入口压缩成一句话。
OPPO已与支付宝等伙伴通过Agent合作：小布识别用户意图，把请求交给合作方Agent，再以对话卡片返回服务。“助理不需要一定会做火锅”，只需替用户找到并调度会做的人。
这立即带来程曼祺的追问：用户没点开支付宝图标，却在小布里使用一次支付宝服务，是否算支付宝日活？停留时长又应如何计算？万玉龙承认，Agent时代的统计逻辑可能会改变。
利益分配和商业模式仍未定型。商家写出“本店由DeepSeek推荐”，说明可信答案本身可能成为广告，但若付费结果损害质量，用户不再信任助手，这个模式也无法成立。

20. 移动端Agent协议仍是多轨并行，Android统一只是预测

API与A2A并不互斥：万玉龙把API视为Agent通信的一种接口，而A2A在其上增加标准化的信息传递方式。Web端MCP已较主流，移动端却尚未形成类似共识。
当前基本由各手机厂商分别建设。苹果有自己的App Intents Framework；Google有两三套协议，包括应用意图框架和A2A，但并非所有Android开发者都会遵循。
万玉龙认为至少安卓阵营应该会形成一套统一协议，可能类似快应用时代由多家厂商组建联盟，并配合政策层面的标准拉通；但眼下仍是“几套都在运行”。

21. 终局更像一个管家加多个顾问，手机仍是主入口

万玉龙把智能助理分成两类：管家最了解用户、陪伴最久并负责意图理解与分发；法律、医疗、旅游等专家顾问，则把垂直任务做深。
用户说“我想吃火锅”，管家知道他不吃香菜、不吃麻，再把这些偏好交给餐饮服务。常用设备上理论上只需一个管家，以及多个用户希望订阅的顾问。
他不认为会出现一个跨所有设备、所有品牌的“大一统”管家；手机、汽车等仍可能各有助手，只是在部分任务上协同。手机能闭环更多服务，又是其他设备的中枢，因而可能成为重要的管家载体。
眼镜短期仍是手机的感官外延：应用生态、算力、续航和输入均不足以承接刷视频、游戏、通信等重度需求。它能增强数字世界与物理世界的连接，却尚未挑战手机地位。

22. 语音交互的最大阻力，可能不是技术而是代际习惯

万玉龙指出，一些人在公共场合向AI下指令会尴尬，却不介意打电话；旁人未必听得出区别，障碍更像“我在和机器说话”的心理认知。
小朋友看电视、搜索内容时已自然使用语音，他把这一代称为“AI原生的一代”。当他们长大后，更自然的表达方式可能不再显得突兀。
输入法提供了类比：父母一代即使拥有九宫格或全键盘，仍可能坚持手写；这一代习惯键盘，下一代可能习惯语音。交互迁移通常慢于能力上线。

23. AI正在改变交互与应用生态，但还没有自己的App Store时刻

万玉龙把第一代iPhone的跃迁归纳为两点：多点触控带来的“revolutionary UI”，以及App生态把原本无法完成的服务装进手机。
大模型同样改变两层：一句话即可获取信息、创作内容或触达服务；应用生产也可能从coding转向prompt。Sora 2所展示的，是模型创作内容、用户消费内容的高度个性化内容循环。
但他认为Agent生态还没到App Store成熟期，需要出现真正的爆品，像微信红包或淘宝低价那样形成清晰机制，才能让开发者、消费者和流量彼此强化。
最大悬念是“真正的AI OS到底是怎么样子的”。今天的browser use、mobile use和GUI Agent仍建立在传统Android或既有界面上；万玉龙认为，AI时代的OS应该从底层就不同，才能长出不同的产品生态。
OpenAI从单模型转向系统、让GPT-5通过router选择不同模型，在他看来提供了一点方向：未来的核心或许是一个挂载多个专家模型的系统。但他坦言“没有看到特别明确的苗头”，也希望更多人能像当年做安卓那样把新的底层生态搭起来。

E211｜站在内容创作者与机器人的交界处：聊聊3D数字人的进化为什么今天的VC比2021年更糟