专访vivo高级副总裁、首席技术官施玉坚

AI正在成为新的UI，科技和人的关系也因此被重新定义。从边缘到云端，从数字空间到物理世界，AI已经融进手机、PC、眼镜、汽车等智能终端，融进我们每一次看、触、说、动的自然瞬间。在这样的变革中，高通正与生态伙伴一起，让终端设备从“跑应用的工具”，进化为能够理解、学习、并提前感知用户需求的个人智能体——让每台设备都更贴心、更聪明，也更懂你。

欢迎来到《高朋满座话未来》，本期我们特邀vivo高级副总裁、首席技术官施玉坚先生，一同聆听他的创新实践与战略思考。

技术是工具，让人感受幸福抵达美好才是目的。

——vivo高级副总裁、首席技术官施玉坚

• “V单”已经成了用户口中的热梗，vivo X200 Ultra也被称为“手机里的单反”。下一代Ultra，你们打算怎么继续卷影像？是更强的夜景、AI修图，还是要把“拍视频像拍电影”变成标配？

施玉坚：我们去年推出的vivo X200 Ultra，用户给了它一个特别亲切的名字——“V单”。这背后，是用户对我们的认可，“V单”这个称号，对我们既是荣誉，更是责任。它意味着，X数字系列的Ultra，代表的必须是vivo影像技术的巅峰，是移动影像的“专业标杆”。所以，下一代Ultra的演进，绝不会是参数的简单叠加，更是以骁龙8系移动平台强大的影像算力为底座，实现更深度的软硬一体协同。我们的核心思路是：让“V单”不只是拍照极强的手机，更是“新内容创作者”手中的专业全能创作设备。

这群“新内容创作者”，是专业的，也是务实的。他们不只需要极致的画质，更需要一套可靠、高效、能应对复杂场景的创作系统。因此，我们的方向非常明确：

第一，在硬件上，做“无可争议的巅峰”。我们会继续坚持“大师级镜头群”的路线，在广角、主摄、长焦每一个焦段上，都追求行业最好的光学素质与一致性。特别是，我们会将行业最好的增距镜方案做到更成熟，让长焦不只是“拍得远”，更是“每一焦段都画质过硬”，实现真正的全焦段专业覆盖。硬件，是我们一切体验的根基，这个投入不会有任何动摇。

第二，在视频上，实现“专业创作的平权”。“拍视频像拍电影”不能只是一句口号，它必须成为下一代Ultra的基础体验和创作标配。我们会在视频赛道进行更早、更深入的底层布局。这意味着，不仅是更高的规格，更是电影工业级色彩科学、多镜头流畅变焦，以及强劲的端侧AI算力对复杂场景的实时优化。我们要让单兵作战的创作者，也能拥有接近专业团队的视频表达工具，这是我们对“新内容创作者”最重要的承诺。

第三，在场景上，夯实“山顶也是VIP”的标杆，同时在新的高频场景建立口碑。我们会继续巩固在演唱会场景的绝对领先地位。这不仅是长焦的能力，更是一整套针对极限暗光、复杂光源、高速运动的软硬件融合解决方案。“演唱会神器”的口碑，是我们与用户共创的成果，是Ultra系列最闪亮的标志，必须继续夯实。

同时，我们将大力开拓旅拍市场。将35mm的人文叙事、超长焦的空间压缩，以及卓越的HDR和夜景能力，深度融合到旅行中的风光、人像、街拍等全场景。让创作者无论身处何地，都能随时、随手、随心创作出高质量的作品。

总之，下一代Ultra的“卷”，是向着“专业创作生态系统”的深度整合。它的目标，是让“V单”成为创作者最信任、最愿意带在身边的那个设备——无论是拍一张有故事感的照片，还是记录一段有电影感的旅程，或是捕捉一场瞬息万变的演唱会。

我们卷影像的终极目的，始终是：让专业创作更简单，让动人瞬间更永恒。

• 蓝心大模型已经落地影像、语音场景，未来能不能做到“轻量化”，让千元机也能跑AI？比如离线修图、离线对话，不用流量、不怕断网，这是不是你们的“终极目标”？

施玉坚：把蓝心大模型落地到更多机型实现普惠一直是我们的追求，这是循序渐进的过程，需要技术端和生态端的共同突破。

技术上，聚焦模型参数小型化和高性能是我们核心方向。通过跟高通的紧密合作，软硬协同和架构优化提升推理能力，结合骁龙移动平台上NPU硬件加速提升运算效率、降低功耗。现阶段我们已实现2bit和4bit混合量化技术将模型体积和内存占用降低77%以上，性能加速技术让3B的极限出词性能突破220token/s。极致的性能奠定规模化应用基础。

生态上，端侧AI普及需要更多的行业协同。我们会持续与产业链厂商共建低成本解决方案，并探索端侧模型能力开放，以技术迭代和量产规模效应，持续降低硬件配置门槛。

离线修图、离线对话等功能不仅是摆脱网络依赖和硬件限制，更是在端侧实现更加了解用户的“个人化智能”。这不仅是技术层面的突破，更是用户价值的回归——让每一位用户都能低成本享受更加个人化、更安全、更便捷的智能服务。随着模型架构革新、芯片成本下降和开发工具链成熟，端侧AI向千元机渗透是必然趋势，我们会持续投入技术研发，与行业伙伴共同推动这一目标早日实现。

• vivo在影像上很能打，iQOO在性能和游戏上拉满，现在还有vivo Vision MR头显，把AI“上手”做到AI“上头”。未来有没有可能把手机、XR和AI打通，让用户在打游戏、拍大片、甚至空间互动里都能无缝切换？如果可以剧透一点，您觉得最酷的场景会是什么？

施玉坚：将手机、MR（混合现实）和AI能力打通，并非一个设想，而是vivo正在推进的核心战略布局。其目标是构建一个以“用户”为中心，由手机、MR混合现实头显设备，甚至未来的家庭机器人构成的全场景智能世界，而AI正是串联这一切的“大脑”或者说是“神经系统”。

未来的融合场景将远超简单的设备投屏，而是带来体验的本质变革，游戏和影像都有值得期待的“酷炫场景”：

在游戏场景中，玩家将从“操控角色”到“化身入场”。比如，你正在用iQOO手机玩一款大型游戏。当你戴上vivo Vision头显，游戏不会中断，而是瞬间从手机屏幕无缝迁移至你客厅的立体空间。你不再用手指滑动屏幕操控角色，而是通过眼动和手势，以“第一人称视角”在虚实融合的游戏场景中直接探索、战斗。这主要依赖于MR头显的低延时VST（视频透视）技术、高精度手势/眼动追踪，以及手机与头显间算力的协同分配。

而vivo“影像-显示”生态闭环的深化，以及端侧多模态大模型在实时理解场景和进行视觉生成方面的能力，可以将影像从“拍摄记录”转变成“创造世界”。比如，你用vivo X300 Ultra的专业模式拍摄了一段孩子吹灭生日蜡烛的“空间视频”。在家庭聚会时，你与家人戴上MR头显，不仅可以“沉浸式回看”，还能调用AI能力，在三维空间中为这段记忆添加魔法特效——比如让闪烁的烛光化作飞舞的星光，或让蛋糕上的卡通角色活过来。你甚至可以用手势“布置”一个虚拟的生日主题空间，与真实场景融合。

vivo成立30年来，我们始终相信：技术是工具，让人感受幸福抵达美好才是目的。在下一个十年，我们会继续与高通等伙伴同心同行，通过全体系的创新，让科技更有温度。