荣耀四层AI战略架构全球首发：海外旗舰机将搭载谷歌云

AI正以前所未有的速度改变着各行各业，尤其在智能终端领域，其影响尤为显著。多家市场调研机构表示，AI PC和AI手机全球出货量将在2024年快速增长。IDC报告预计，2024年全球新一代AI手机出货量将达到1.7亿台，约占智能手机整体出货量的15%。

毫无疑问，智能手机作为最普及的智能终端之一，正成为AI技术应用的重要平台。在这样的趋势下，各大手机厂商纷纷布局AI，争夺市场主导地位。

作为最早布局AI的终端厂商之一，荣耀在5月22日的欧洲最大的科技创新盛会——Viva Technology上，首次面向全球市场发布荣耀四层AI战略架构，并宣布海外未来的旗舰机将搭载谷歌云相关服务，为用户带来革命性的生成式AI体验。荣耀CEO赵明在现场发表题为“AI时代 智能设备如何赋能人类”的演讲，表示“端侧AI可以更好地赋能个人”。

尽管厂商们都在打造“AI手机”，但“什么是AI手机”“如何打造AI手机”行业内并未达成广泛共识。

目前，AI技术在智能手机上的应用主要集中在以下几个方面：

单功能应用：有厂商致力于打造特定的AI功能，例如AI消除、AI录音摘要、AI抠图等，但这些功能往往是单一且局限的；

单设备应用：在全场景时代，很多AI功能仅限于手机等单一设备，无法实现多设备之间的协同，导致用户体验割裂。例如，用户在不同设备之间切换时，AI功能无法保持一致；

端云协同：三星的GAI（生成式AI）在某种程度上实现了端云协同，但仍然存在体验单一、场景割裂的问题。

这些痛点导致了用户体验的局限性和碎片化，无法充分发挥AI技术的潜力。荣耀发布的四层AI战略架构，旨在全面解决当前AI应用的痛点，并引领AI手机发展的新路径。赵明表示，“作为根基，AI技术在手机上无处不在，这才能称得上AI手机。”

荣耀AI战略架构的前三层聚焦端侧AI，即：

第一层：用AI使能跨系统、跨设备融合，让不同的操作系统通过AI来做决策，实现手机、平板、PC等设备之间的无缝连接和数据共享；

第二层：用AI重构单终端的操作系统，用AI强化对用户意图的识别和对终端资源的智能分配与调度，让手机越用越懂你、越用越好用；

第三层：AI在端侧的应用，比如抠图、拍照渲染、总结文档等应用级AI。

由此，智能终端可以实现跨系统、跨场景、跨设备的AI加持。以荣耀在操作系统MagicOS 8.0上打造的“任意门”功能为例，其可基于意图识别让服务实现跨应用、跨设备一步直达、智慧流转，覆盖出行、办公、社交、搜索、娱乐、购物、美食等七大高频场景。

荣耀也未排斥云侧AI，其AI战略架构的第四层，即为“AI的端云协同”，是在保障用户隐私安全的前提下，实现AIGC和网络大模型等网络侧AI在手机上的呈现。 赵明认为，未来AI的发展将是端侧和云侧算力的协同和调用，以同时解决通用和垂类问题。此次，荣耀官宣海外未来的旗舰机将搭载谷歌云相关服务，就是在深度探索AI端云协同的创新解决方案。

端云协同拥有广阔的未来发展空间。例如，荣耀可以引入运动、医疗健康、创作等更多垂类云端大模型，为用户提供更加多样化和个性化的服务。赵明多次强调荣耀对行业合作的开放态度，“荣耀欢迎各界合作，未来的AI应用还将与微软、高通等合作。我们相信，通过这样的合作，可以让消费者过上更好的生活”。

赵明指出，AI的发展是一个迭代过程，需要从量变到质变。虽然消费者可能不会立即感知到荣耀与其他厂商AI的差异，但随着时间的推移，这种差异会变得愈发明显。

随着AI技术的广泛应用，公众对于AI取代人类的焦虑也在不断增加。人们担心AI技术的发展会导致大量工作岗位被取代，甚至威胁到人类的生存。赵明在演讲中指出，AI的真正价值在于增强人类能力和赋能人类，而不是取代人类，“无论我们是否喜欢，AI都在改变我们的生活，并且未来将与人类共存，我们需要理解并准备好与AI共同生活”。

活动当天，赵明还与业界知名专家贾斯汀·卡塞尔博士、知名分析师本·伍德展开了深入的交流，探讨了多模态交互的未来，以及端侧和云侧AI的融合如何为用户提供更高的便利性和隐私保护。赵明表示：“荣耀坚信基于端侧AI的个人化、人性化和隐私保护的特点，每个人都能安全、可靠地利用AI来让自己的生活更加便利”。

卡塞尔博士强调了多模态交互的重要性，认为人类生活在多模态的环境中，可通过语言、身体动作、声音等多种方式进行沟通和理解。她提到，利用包括眼睛注视在内的多种模态可以增强AI系统对人类行为和意图的理解，从而帮助残障人士等更广泛的人群。卡塞尔博士还强调了设备生态系统（如手机、手表、戒指等）的概念，提倡不同设备和模态间的协同AI工作，以实现更自然和有效的人机交互体验。

荣耀的四层AI战略架构为智能终端行业的发展指明了方向，也为用户带来了无限的想象空间。在未来的AI时代，智能终端将为用户创造更加美好的智慧生活。正如赵明所言，“由AI驱动的设备和跨设备集成可以结合不同设备的独特优势。这种方法不同于孤立地学习每个设备上的用户行为，而是可以进行宏观层面的统一用户意图识别，从而提供定制化的推荐和建议”。