不造手機，阿里憑什麼做AI手機“Agent底座”？

（公眾號：zhidxcom） 作者 | 李水青 編輯 | 漠影 9月23日報道，剛剛，網信部公告新增榮耀YOYO Claw等3款手機端側生成式AI服務備案。就在昨天，2026雲棲大會現場，榮耀剛宣佈即將發佈的Magic9系列將成為首批搭載阿里Qwen Intelligence的正式機型，榮耀Robot Phone同步支持。此前蘋果智能國行版備案時，曾傳出引入千問大模型。如今榮耀與千問的合作首先“靴子落地”，AI手機產業分工格局加速變化。Qwen Intelligence，簡稱QI，是阿里昨日最新發布的面向手機智能的全棧解決方案。

它把千問大模型、Agent、Harness、端雲協同、安全能力等組合起來，首發提供Mobile Planner Agent、Mobile-Use Agent、Mobile Creative Agent三套方案，覆蓋任務規劃、跨應用執行、影像創作等手機智能場景。當下，手機Agent成為下一輪終端競爭的核心。如何看待阿里此次入局的節點和行動信號？模型廠商、手機廠商、芯片廠商之間的分工，又是否會重新劃線，在已有的谷歌、蘋果模式包圍下跑出中國範本？

阿里巴巴ATH事業群副總裁、Token Foundry Qwen手機智能負責人許主洪在雲棲大會上談到，當前手機正在向Agent Phone進化，這是邁向個人ASI（遞歸式自主進化）的重要一步。同時，在雲棲大會上，他與榮耀AI首席科學家黃非、OPPO研究院AI負責人王俊、vivo AI副總裁張飛、高通公司全球副總裁兼中國區研發負責人徐晧進行了一場圓桌對話，都為我們解答上述問題提供了參考註腳。一、阿里要做手機“智能底座” QI定位為全棧解決方案，超越市面上已有的模型API。據許主洪在雲棲大會期間的演講可知，QI覆蓋了從模型到底層執行框架，再到具體手機任務的一整套能力： 第一層是先進模型。

基於千問大模型，針對手機場景深度優化，讓AI手機能夠更好地理解用戶意圖開始，持續調用工具、執行動作、獲取反饋，再決定下一步怎麼做。第二層是全棧平臺。模塊化、可組合、可定製，手機廠商可以根據自身產品定位接入不同模型底座、Harness、端雲協同、安全能力以及自定義工具和Skill。第三層是真實方案。它直接面向手機裡的具體任務，覆蓋任務規劃、跨應用執行、影像創作等AI手機需求。通過這三層能力，阿里QI試圖讓手機裡的AI，從一個“回答問題的助手”，變成一個持續執行任務的Agent。許主洪談到，Agent核心三方面需要一起協同進化。

模型決定整體上限，Harness負責大腦以外的執行系統，Runtime和操作系統則保證穩定執行、權限與安全隱私，缺一不可。從商業模式看，阿里毫無疑問地選擇了To B路線。市面上手機廠商可以用的模型並不少，但大多手機Agent仍停留在Demo演示階段，手機廠商缺的是什麼？一位產業鏈人士告訴，答案是把模型變成任務閉環的能力。阿里的QI方案正是看準了這一市場空白，試圖將大模型能力向終端執行層延伸。而本次最新亮相的三套Agent的系統，正是阿里做這件事的第一個抓手。二、讓手機Agent“把事辦完”，為什麼是阿里？讓手機Agent真正“把事辦完”，難度遠高於讓它生成一段文字。

榮耀AI首席科學家黃非在圓桌中談道，用戶最關注體驗，Agent手機以任務為維度，理想情況下手機像秘書和助手，比用戶本人更瞭解場景需求，替用戶完成複雜任務，這涉及意圖理解、任務拆解、工具調用、與OS和三方APP協同，以及在隱私環境下完成任務。同時，用戶說出的任務也經常模糊、複雜，甚至會在執行過程中發生變化，這也是長程任務規劃的難點。許主洪談道，複雜任務的難點在於，要在動態、開放環境裡持續理解用戶意圖，把隱含目標明確出來。針對一系列行業痛點，阿里此次推出的三套Agent，對應了手機Agent從“想”到“做”再到“創作”的三個關鍵環節。

1、Mobile Planner Agent：先讓手機學會規劃 Mobile Planner Agent承擔的是手機“大腦”的角色。它負責理解用戶需求、規劃任務、拆解步驟、編排工具，並根據執行過程中的反饋動態調整。比如，對於“幫我安排週一去上海出差”的指令，Agent會拆解為訂機票、訂酒店、設日曆、規劃行程。當航班臨時取消，記憶與主動服務能第一時間給出改簽與替代方案。這些能力源於兩大核心技術： 一是“模型×Harness協同演進”。模型負責理解、規劃與決策，Harness管理狀態、記憶與技能，二者在真實環境中執行、反饋、閉環。二是“雙層記憶”。

工作記憶隨著每次任務不斷演化，長期記憶把短期經驗沉澱為用戶畫像和認知，二者不斷交互，越用越懂用戶。對手機Agent而言，記憶讓它從一次性工具走向持續理解用戶。2、Mobile-Use Agent：再讓手機自己動起來 Mobile-Use Agent負責執行手機操作，阿里採用的是“API優先+GUI兜底”的混合模式。如果一個應用提供了可調用接口，Agent可以通過MCP/API、DeepLink、CLI等方式直接調用，減少中間操作路徑。如果沒有接口，則通過視覺理解和GUI操作完成任務，從而覆蓋大量長尾場景。

這套機制背後其實對應了手機Agent行業現實，整個手機生態不可能在短時間內為Agent重新建設一遍。正如vivo AI副總裁張飛所說，今天Agent手機還沒到來，不是因為技術完全做不到，而是手機形態和生態服務原本為移動互聯網而生，並未為Agent準備。因此，API提供了效率，GUI提供了覆蓋範圍，兩者結合，讓Agent真正進入複雜的手機環境。很多人擔心的安全，則被阿里QI放進執行鏈路。其設計了三層管控機制：違法或高風險請求直接拒絕；涉及資金、數據刪除等關鍵決策時交還用戶確認；涉及發表評論等平臺規則要求用戶主動完成的動作，也會交還給用戶。

3、Mobile Creative Agent：從辦事進一步走向創作 Mobile Creative Agent面向影像創作。用戶不需要掌握複雜提示詞，只需要用口語描述需求，Agent就能理解要求並完成任務編排。阿里給出的一個例子是，用戶只需要一句話，就可以生成排版清晰的復古日記。背後，在模型側，阿里通過輕量模型蒸餾和強化學習，把生成過程從100步壓縮到8步，首圖生成只需要3秒，相對競品平均提速2倍。從產業角度看，手機Agent真正的競爭門檻並不低。它要看誰能把模型、系統、工具、記憶、算力和安全真正揉成一個穩定的執行系統。單點模型能力可以採購，穩定的任務閉環需要長期工程打磨。

許主洪談到，手機仍處於Agent Phone演進早期。早期意味著標準未定，也意味著卡位窗口仍在。在評測層面，業內尚缺乏針對手機真實場景的系統化評測體系。QI研發團隊開放四套評測集，分別對應複雜任務規劃、跨應用任務執行、真實手機任務以及風險場景下的安全行動能力，均基於真實場景而來。評估複雜任務的評測覆蓋200+常用手機工具、1000+真實場景，這為手機Agent從演示走向可用提供了標尺。三、從蘋果到榮耀，手機Agent正在變成一場產業鏈協作 手機Agent走到真實終端，產業鏈的角色也隨之發生變化。

阿里已經與榮耀展開合作，雙方以Qwen Intelligence和榮耀MagicOS為基礎，共同打造面向下一代AI手機的垂域模型和解決方案，讓手機從被動響應走向主動服務。目前，這套方案已經跑進真實手機場景。資料顯示，雙方方案綜合任務準確率達到91.8%，GUI操作速度為3.6秒，複雜長程任務操作步數超過100步，端到端服務閉環率達到90%。正如前文提到，9月28日即將發佈的榮耀Magic9系列，將成為首批搭載Qwen Intelligence的正式機型，榮耀Robot Phone也同步支持。兩大巨頭的跨界合作背後，AI手機正在形成新的產業分工。

芯片廠商負責提供端側算力和基礎能力，手機廠商掌握硬件、系統和用戶入口，大模型廠商則向上提供模型，向下深入Agent、Harness、工具調用、端雲協同和安全執行。正如高通全球副總裁徐晧在圓桌中談道的，硬件平臺決定能力和上限，算力多少、內存多少、能支持什麼模型，決定端側能力；模型決定做事的深度、規劃細緻度和理解程度；操作系統負責協調和規劃。三者執行任何AI任務時都緊密連接，無縫配合。這分別對應了芯片廠商、手機廠商和大模型廠商的邊界。對於終端廠商來說，這種模式留下了足夠大的產品空間。對於阿里來說，則意味著千問可以通過更多手機廠商進入真實用戶場景。長遠來看，阿里的目標並不侷限於一款手機。

許主洪談到，Qwen Intelligence的初心是開放合作。阿里不生產手機硬件，希望與終端廠商和生態夥伴共同創造下一代AI手機。看來，這也是其與蘋果、谷歌等公司的路徑差異所在。蘋果長期強調軟硬件一體化，谷歌則持續把Gemini能力深入安卓生態。阿里選擇站在產業鏈中間，把模型和Agent能力作為基礎設施向終端廠商開放。手機行業由此出現了一種新的可能：硬件入口仍然掌握在手機廠商手裡，智能入口則可以由模型和Agent廠商共同建設。

結語：巨頭交戰AI手機，產業協作卡位Agent入口 當蘋果走軟硬一體，谷歌把Gemini深度嵌入安卓，阿里的Qwen Intelligence選擇開放To B、模塊化交付、多終端廠商共建，走出了不同路徑。當手機逐步走向“Agent替用戶辦事”的階段，行業競爭也會從模型參數，逐漸轉向真實任務成功率、執行穩定性、安全邊界和產業協同能力。9月28日，搭載阿里QI的榮耀新機發布，將是觀察這套方案真實體驗的關鍵節點。對阿里而言，不造手機，並不妨礙它成為AI手機的Agent底座。對行業而言，手機Agent的戰爭，已經從模型發佈進入產業鏈協同時代。