在博鰲論壇的演講臺上，vivo總裁胡柏山分享了一個令人動容的故事：失明九年的寶哥舉起手機(jī)，耳機(jī)里傳來AI的描述：“面前是你的朋友章喜德，他雙臂交叉，面帶微笑，穿著一件深色長袖?！边@一刻，技術(shù)跨越了視覺的障礙，讓寶哥“看見”了九年來第一個新朋友的面容。這個場景背后，折射出AI發(fā)展至今仍面臨的深層挑戰(zhàn)——如何讓智能設(shè)備真正感知物理世界？

胡柏山在演講中指出，當(dāng)前AI的“盲區(qū)”不在于算力，而在于感知能力的缺失。盡管大模型能夠處理海量數(shù)字?jǐn)?shù)據(jù)，生成文字、圖像甚至視頻，但它無法實時感知用戶身邊的物理環(huán)境。這種感知不是通過云端上傳照片后的被動識別，而是像人類視覺系統(tǒng)一樣，實現(xiàn)端側(cè)的實時、主動、持續(xù)感知。他比喻道：“沒有感知能力的AI，就像困在黑屋子里的天才，算力再強(qiáng)也看不見咫尺之外的世界。”

基于這一判斷，vivo在內(nèi)部正式成立了“感知賽道”，將視覺、聽覺、觸覺等多模態(tài)感知通過傳感器與感知大模型結(jié)合，轉(zhuǎn)化為設(shè)備可理解的物理世界信號。胡柏山認(rèn)為，未來大模型之間的差異可能逐漸縮小，但感知數(shù)據(jù)具有真實差異化——家庭機(jī)器人積累室內(nèi)環(huán)境數(shù)據(jù)，手機(jī)影像積累用戶真實生活場景的視覺信號，這些場景數(shù)據(jù)的豐富程度將直接決定智能體驗的優(yōu)劣。

影像技術(shù)被胡柏山視為AI的“眼睛”。vivo通過近十年的影像大模型算法研發(fā)，結(jié)合定制化硬件模組，實現(xiàn)了軟硬協(xié)同的獨特優(yōu)勢。他透露，即將發(fā)布的vivo X300 Ultra和X300s將搭載第一代“影像Agent”，能夠根據(jù)拍攝對象、光線和距離自動優(yōu)化成像效果，讓普通用戶也能輕松拍出專業(yè)級照片。這種能力不僅限于影像領(lǐng)域，vivo還計劃將Agent技術(shù)擴(kuò)展至辦公、出行、游戲等場景，例如折疊旗艦X Fold系列可自動記錄會議內(nèi)容、規(guī)劃行程，iQOO系列則能優(yōu)化游戲性能并捕捉高光時刻。

在技術(shù)路徑選擇上，vivo堅持端側(cè)優(yōu)先的策略。端側(cè)感知無需依賴網(wǎng)絡(luò)往返，能夠?qū)崟r響應(yīng)環(huán)境變化，同時保護(hù)用戶隱私。為突破端側(cè)算力限制，vivo兩年前開始與合作伙伴定制專用算力芯片，計劃在后續(xù)旗艦產(chǎn)品中部署。胡柏山強(qiáng)調(diào)，vivo的Agent設(shè)計遵循“懂用戶、知人心，但不越邊界”的原則，所有關(guān)鍵用戶數(shù)據(jù)存儲在本地，換機(jī)時可整體遷移，形成獨特的“數(shù)字DNA”。

vivo的野心不止于手機(jī)領(lǐng)域。去年成立的機(jī)器人Lab，正探索將手機(jī)積累的感知能力延伸至機(jī)器人形態(tài)。胡柏山坦言，機(jī)器人不是手機(jī)的迭代，而是從零開始的全新挑戰(zhàn)。2026年，vivo機(jī)器人Lab的首要任務(wù)是明確目標(biāo)用戶和核心場景，例如從寵物喂養(yǎng)、收納整理等容錯率高的場景切入，逐步積累場景數(shù)據(jù)和技術(shù)能力。他設(shè)想，手機(jī)與機(jī)器人可形成協(xié)同：機(jī)器人初期能力不足時，由手機(jī)遠(yuǎn)程補(bǔ)位；隨著場景數(shù)據(jù)積累，機(jī)器人將逐步實現(xiàn)自主決策。

在混合現(xiàn)實（MR）領(lǐng)域，vivo已邁出探索步伐。2025年8月發(fā)布的vivo Vision探索版頭顯在國內(nèi)28家體驗店及東南亞市場同步亮相，累計體驗人數(shù)超五萬。胡柏山透露，下一代產(chǎn)品將瞄準(zhǔn)商業(yè)化目標(biāo)，計劃在2027年下半年至2028年初推出。他強(qiáng)調(diào)，感知賽道的投入需要長期主義：“我們控制投入節(jié)奏，螺旋式上升，避免組織因過度擴(kuò)張而受傷?！?/p>

回到寶哥的故事，胡柏山總結(jié)道：“科技的高度，終須回歸人的尺度?！碑?dāng)算力逐漸同質(zhì)化，模型參數(shù)不再成為競爭焦點，智能設(shè)備對物理世界的感知深度，以及關(guān)于用戶個體的場景數(shù)據(jù)積累，將成為決定體驗差異的關(guān)鍵因素。這場關(guān)于感知的競賽，或許才剛剛開始。