少押注，押重注的vivo，如何让AI看见世界？

进入2026年，各行业“AI”含量持续上升，机器人在春晚舞台上照亮半边天，OpenClaw掀起全民养虾狂欢…，技术风口一浪盖过一浪，科幻电影里的场景正大步流星地朝我们走来。

热闹归热闹，从技术周期来看，目前的产品还处于初期，就比如：大模型可以提供详细的装修方案，但无法拿起工具、推开一扇门、拧开一个水龙头，它输出的结果仅停留在数字层面。

实际上，相似的情形并不陌生，技术发展史上几乎从未跳过这一进化规律。

30年前，互联网被称为“信息高速公路”，但它最初也只停留在发邮件、看网页、聊天…，真正开始改变真实世界，是电商让货物流动起来，移动互联网让服务上门、物联网让设备互联。

在今年的博鳌论坛上，vivo总裁、首席运营官，vivo中央研究院院长胡柏山提出了一个颇具价值的议题：“科技的下一个十年，影像将与AI并驾齐驱，成为AI落地物理世界的第一引擎”。

“落地物理世界”，这可是比养虾大赛更让人雀跃的期待，而连接数字世界和物理世界的这座桥梁，被锚定为“影像+AI”。在这一前瞻指导下，vivo内部成立一条重要的一级技术支撑赛道——感知。这是以影像为基础构建的感知系统，将驱动AI实现从数字世界到物理世界的关键跨越。

让AI走出数字孤岛，需要一场“格物致知”

“没有物理世界的AI能力，是不能泛化的。”胡柏山直接点破这一行业困局。

所谓泛化，就是AI能否将从一个场景学到的知识，迁移到另一个截然不同的现实场景中。一个能识别猫的AI，是否能在看到猫靠近花瓶时，预判到下一秒可能发生的“惨案”？

胡柏山在演讲中说：“记录是被动的，它等待你的指令；感知是主动的，它替你观察环境的亮度、空间的纵深、甚至人际的距离；行动则是终极的，它基于理解，替你解决问题。”

简单地说，想要通过AI能力改变物理世界，需要经过“感知→决策→执行→反馈”这一闭环路径。就比如让机器人倒一杯水，需要它看见杯子、理解距离、控制力度、感知是否倒满。

这源于数字世界和物理世界之间，原本就存在鸿沟，存在次元壁。

数字世界是确定的、可复现的，一段代码运行100次结果是一致的；而物理世界则充满随机性，光线变化、材质不同、意外干扰…AI在这些非结构化环境中的鲁棒性（在异常和危险情况下系统生存的能力）仍然很差。

实验室里能翻跟斗的机器人，换个光线昏暗的房间就可能寸步难行。目前的AI在“决策”环节能力较强，但在高精度空间感知和执行环节存在断层。

没有对物理世界的精准感知，AI就只是数字世界的“军师”，成不了现实世界的“工匠”。胡柏山指出，未来最大的差异化就是来自于场景数据，不在于模型。

那么问题来了，如何构建AI的感知系统？vivo给出的第一个答案是：影像。

回到一个简单的问题，人类如何感知世界的？60%-70%来自于视觉感知，10%-20%来自于听觉感知，还有其他类似触觉的感知。我们看到物体的形状、颜色、距离、运动轨迹，之后大脑对这些视觉信息进行加工，形成对世界的理解。

影像技术通过光学系统、成像处理、空间计算等全链路能力，可以完成物理世界的数字化投射与三维场景重建，是AI看懂物理世界、理解真实场景，进而感知情绪、预测行动的基础。

在vivo看来，未来的影像，不再是冰冷的像素阵列，而是具备多模态感知能力的智能感官。换句话来说，影像，就是AI看世界的那双智慧之眼，是走向物理世界的“第一性原理”。

胡柏山对此表示：“今年在内部成立了一个核心赛道叫感知赛道，就是把视觉、听觉、触觉等，通过传感器加以感知大模型，转化成我们想要得到的物理世界的信息。”

从手机到万物，物理世界的AI正在长成

感知系统的构建需要硬件承接，需要一个能与用户直接沟通交互的端口。而距离全民入口最近的，就是手机。任何一项AI能力，如果能够部署在手机上，它的普及性就是最高的。

胡柏山预见：未来十年，智能手机依然会是人机交互的主导载体。那时，手机将不仅是通讯工具，它将成为物理世界的感知枢纽，更是每个人的数字大脑。

vivo为何将手机作为AI落地的“第一现场”？

答案很简单：手机天生就是一台 “多模态感知神器”—— 全天候贴身陪伴、无缝覆盖生活的方方面面，让它成为AI适应物理世界复杂环境的“最佳实战训练场”。它能将物理世界的点滴信息，转化为AI能“看懂”的数字信号，成为连接物理世界与数字世界的“天然桥梁”。

高手下棋，一步看三。vivo对感知系统的构建层层深入，它给出了明确的执行路径：

第一阶段，推进Agent Phone，大脑先行。

胡柏山指出，在影像与AI深度融合的加持下，未来手机将从Smart Phone向Agent Phone形态演进，成为兼具感知力、思考力、行动力的数字伙伴。

在此基础上，vivo将为不同产品系列定制差异化的Agent体验，在用户高频场景深度理解用户需求，全面重构产品交互范式。即将发布的vivo X300 Ultra和vivo X300s，将率先搭载具备识别场景能力的影像Agent，在多元创作环境中，带来更智能、更从容的影像新体验。

当用户举起手机时，不用再提前调整设置，AI可以主动观察环境，光线是否合适、构图是否美观、甚至能预判画面中人物的情绪状态，然后给出模式建议，帮助用户一键出大片。

在vivo的布局下，未来不同的AI Agent将重塑并放大手机的差异化体验，让每个用户的Agent都有专属个性：比如相机Agent、相册Agent、会议Agent、出行Agent、游戏Agent等等。

软硬协同聚焦端侧，让手机将向着Agent Phone的方向迈进，这一阶段主要是完善“大脑”。

第二阶段，影像+AI，构建视觉感知中枢。

长期来看，vivo蓝图影像将结合AI升级为IoT生态的视觉感知中枢，为AI装上“眼睛”。通过全链路影像技术，构建让AI从看见世界到理解世界的智能底座。

vivo蓝图影像将不再是单纯的手机相机，而是一个能理解空间结构、几何关系、甚至人类情绪的“神经系统”。围绕着影像这一底层能力，vivo会将资源投入到三个核心的HUB型产品：手机、头显、机器人，并以此为基础将“影像＋AI”的能力普及万物。

胡柏山强调：“我们不追求一步到位，而是将影像感知能力像‘搭积木’一样，逐级赋能、层层拓展。在‘影像＋AI’双核驱动的生态平台中，所有设备将共享同一个‘视觉＋大脑’，共同实现对物理世界的精准感知与交互。”

目前，vivo“沿途下蛋”的策略已雏形初具：混合头显已落地体验、云台相机即将上市、人形机器人稳步研发，而这些都是感知能力在不同阶段的落地探索。稳步推进下，当产品达到一个成熟度之后，能力可以泛化，可以覆盖更多的场景。

最终，数字生命诞生，迈向“数字DNA”时代。

在博鳌论坛上，胡柏山描述了这样一个场景：“未来的人们，将拥有两个生命：一个物理生命，会老去；一个数字生命，可传承。”

当影像技术能够捕捉一个人一生中最真实的记忆，当AI Agent能够学习一个人的生活习惯、偏好、甚至社交关系，二者的深度融合，将形成一份独特的“数据资产”。

这份资产可以复制、转移，甚至在未来被继承。它或许无法让物理生命永存，但可以让一个人的精神、记忆与偏好，以一种“数字生命”的形式传承下去。

在触及技术伦理的深水区，vivo明确了自己的坚守：“懂用户、知人心，但不越边界”。以芯片级安全架构守护用户隐私，确保这份“数字DNA”完全属于用户，也只属于用户。

科技巨头的英雄梦想：赋能每一个平凡个体

近年来，手机厂商的技术外溢形成不同的跨产业路径分野，相比于其他巨头，vivo的独特之处在于，它选择了一条更窄、但也更深的赛道。这份战略定力体现在三个层面：

1.把产品做到极致。

在博鳌论坛上，vivo X300 Ultra和X300s首次公开亮相，且荣膺“博鳌亚洲论坛官方指定手机”。新品首次搭载了具备场景识别能力的影像Agent，也就是上文提到的Agent Phone。

X300 Ultra是vivo首个全球同步发布的旗舰机型。vivo的策略很明确：用世界级的产品能力，去叩开全球高端市场的大门。在欧洲这样的“哑铃型”市场，vivo不追求铺货规模，而是聚焦那些对影像、科技有高需求的高端用户和年轻人，用产品力建立品牌忠诚度。

2.始终以用户为中心。

在vivo的价值观中，以用户为中心始终摆在首要位置，而这一基因也被落实在全球化战略落地中。在接受媒体采访时，胡柏山提到了“More Local，More Global”，强调真正的全球化不是输出一个标准化的产品，而是扎根每一个市场，理解当地用户的真实需求。

产品组合围绕本地消费习惯定制，vivo将用户导向渗透至组织骨髓。这种“精准施策”的能力，让vivo在2025年以8%的全球市场份额位列第四，且仍保持着极高的向上增长空间。

3.精准布局，长线持续。

所谓长赛道，是指天花板足够高、需要持续投入5到10年甚至更久的领域，影像赛道如此，如今的感知赛道亦然。这不仅考虑厂商的战略定力，还有对未来的判断和组织能力。

vivo从2016年开始布局影像技术，多年后有了今天X300 Ultra上的影像Agent；机器人Lab从零开始建设，端侧算力芯片两年前就开始布局。这些投入短期内看不到回报，但对vivo来说有着清醒的认知：真正有价值的战略，从来不需要用“速度”来证明自己。

胡柏山指出，组织管理不希望成为一脚油门、一脚刹车的方式，而是认知到一定层次逐步加油门，不能波浪式前进，而是螺旋式上升。

既做自己最擅长的事，把其做到极致，之后赋能到最需要这些能力的领域。既是vivo的战略选择，也是面对AI时代的底气所在。

结语

可以看出，vivo的战略路径明确且清晰：以端侧AI Agent整合服务为当下抓手，以影像感知为未来底座，深耕端侧、连接生态，让AI真正从虚拟世界走进现实生活。

当影像与AI融合，当感知体系的布局日臻完善，数字世界与物理世界之间实现有机互联、互为流转，我们有理由相信，AI将真正走进千家万户，成为人们生活中的一部分。

当人们意识到AI能写诗但不会洗碗，这不是技术溃败，而是从高速发展走向成熟的必然。“vivo”们的先行者力量，正是阵痛期的推手，让AI从“数字上半场”走向“物理下半场”。