中美AI生态战略差异 - 美国AI公司正通过构建生态完成从算力投资到大模型应用的商业闭环，OpenAI和英伟达是主导者[1] - 中国市场已不再盲目追随美国芯片战略和“烧钱”比拼大模型参数，因成本过高且无终点，做千亿级模型需要两万卡以上集群，投资200亿元都不够向2000亿、4000亿参数迈进[1] - 中国厂商战略转向实用性、性价比和应用落地能力，认为这是其优势所在[2] 端侧AI应用场景落地 - 手机AI被赋予自进化能力，从被动响应转向主动预测用户操作，交互方式产生巨大突破，多步操作可一键完成[3] - 荣耀展示AI智能体“YOYO”在比价场景的应用，10秒内为用户抓取600元隐藏优惠券，使2610元商品总价降至2016元[3] - AI与手机系统深度结合，在特定场景激活加速模式，打通如阿里巴巴、高德等应用壁垒，并优化CPU、GPU运算效率及网络连接以提升抢购速度和成功率[4] - AI能力覆盖高频场景，如复制航班号后主动呈现航班动态、通过AI键拍摄图片连接酒店Wi-Fi、抢购火车票及演出票等[4] - vivo具备对用户收藏内容进行AI提炼、分类整理并关联日程和地址的能力，以及长文阅读和理解能力，其端侧多模态推理大模型具备128K长上下文处理能力，极限出词速度超过每秒200个token[4] - OPPO将AI文本记忆能力作为研发方向，展示通过语音助手识别账单并自动记账功能，以应对用户日均接收高达80G信息量的碎片化信息轰炸[5] 端侧AI面临的挑战 - 功耗与算力是首要难题，持续使用AI功能会使手机续航缩短2-3小时，端侧算力难支撑复杂任务如实时翻译多语种视频，仍需云端辅助[7] - 内存占用制约发展，以往7B模型需3.5G内存，在8G内存机型运行后剩余内存被挤压，虽可压缩至2G但仍影响用户体验[7] - 端侧AI侵蚀手机利润，因需额外投入独立NPU芯片研发，成本较普通芯片高15%-20%，且需优化系统底层，研发投入巨大[8] - 构建算力集群成本高昂，两万卡集群设备成本较一万卡增加二十几亿元，做4000亿参数模型可能需花50亿元买算力，其中电费约占三分之一即15亿元，且每年电费支出持续[8] 行业趋势与厂商进展 - DeepSeek的开源将行业在千亿大模型上的能力拉平，通过蒸馏和迭代使小模型也能具备同等AI能力，为手机厂商提供除堆叠算力外的成功路径[8] - 行业重点转向提升实际使用体验以实现商业循环，人工智能仍是手机厂商战略核心但做法更务实[8] - vivo目前AI能覆盖的场景数量达2500个，OPPO称达2200个，荣耀YOYO支持的场景从7月份的200多个上升至3000个，三个月增长15倍，且后续增长将更快[9] - 荣耀研发机器人手机概念产品，判断AI终端未来趋势是结合AI手机、机器人和摄像机的Robot Phone时代，核心是拥有能随时随地洞悉万物的超强大脑[9] - 支持GenAI（AI智能体）的智能手机占比将从2023年的20%跃升至2029年的57%，该功能渐成高端旗舰标配，中国品牌是推动普及的重要力量[9] - 中国手机厂商的AI智能体已跑在行业前面，应用层的逐步突破有望为行业完成新的商业闭环[10]