从用户记忆到主动服务：OPPO 押注个人化 AIOS 技术路线

从用户记忆到主动服务：OPPO 押注个人化 AIOS 技术路线 OPPO 将 AI 手机的核心确立为长期服务具体用户，而非单纯增加功能。在姜昱辰加入担任 ColorOS 智慧产品研发总监后，团队将重心由 Agent memory 转向 User memory，通过构建时间轴记忆体、遗忘机制及端云协同，推动 ColorOS 17 走向主动式服务的 AIOS。 OPPO 创始人陈明永将 AI 手机比肩智能机替代功能机的变革，公司将 AI 战略重心置于理解人与长期服务。 姜昱辰团队将技术路线定为 User memory，建立原始数据、记忆体和检索三层架构，并加入人类式的遗忘机制。 ColorOS 17 推出主动式服务，从小布记忆'一键闪记'迭代至'万事通'全机挖掘与场景意图主动提醒。 OPPO 坚持 A2A（Agent to Agent）跨生态协作路线，先后接入腾讯地图与支付宝等成熟服务。 在功耗与隐私方面采取端云协同策略，通过 2B 至 4B 端侧轻量模型保证高敏数据不出设备。 从 Agent 记忆转向用户记忆 大模型在长文本和连续交互中易出现遗忘，而通用参数规模与单次问答难以支撑完整用户画像。姜昱辰加入 OPPO 后，将系统研发重心从以 Agent 为中心转向以用户为中心（User memory），构建原始数据管理、记忆体和检索三层架构。系统引入模拟人类的时间轴与遗忘机制，动态辨析当前有效行程与历史记录，让人类的主动操作比例逐步降低，使记忆成为系统级主动智能的前置工程。 产品演进：从'一键闪记'到主动式服务 团队采取'沿途下蛋'的 MVP 迭代思路，最初以小布记忆的'一键闪记'作为抓手，在识别屏幕信息、生成摘要的基础上逐步拓展记账、取餐码等高频功能。随着对用户行为信号的积累，内测项目小布 Next 与 ColorOS 17 进一步实现'万事通'与'即将发生'等主动功能，覆盖桌面、负一屏及输入法等多个场景，依据确定性与容错度对主动推送的频次与策略进行动态分层和收缩。 A2A 生态协同与落地进展 面对打车、订票等外部三方服务，OPPO 放弃模拟点击的 GUI 路线，押注智能体协同的 A2A 模式。通过与腾讯地图合作重构智能体架构，推出系统级全场景旅行智能体，将用户操作简化至一句话生成攻略；同时支付宝也已落地接入超 200 项服务。姜昱辰指出，虽然 A2A 生态建设相对较慢，但更符合底层运行规律与长期服务稳定性。 端云协同、隐私边界与硬件约束 全天候主动感知引发了功耗与数据安全挑战。OPPO 采用'明厨亮灶'策略，设定相册整理、闹钟等涉密任务完全留在本地，仅将无隐私风险且高计算要求的任务上云。端侧部署 2B 至 4B 模型，通过 Linear Attention 优化降低内存占用 25% 至 35%、降低能耗 25% 至 50%，配合推理框架错峰，确保端侧在有限资源下稳定支持垂域 Agent 运转。

从用户记忆到主动服务：OPPO 押注个人化 AIOS 技术路线 OPPO 将 AI 手机的核心确立为长期服务具体用户，而非单纯增加功能。在姜昱辰加入担任 ColorOS 智慧产品研发总监后，团队将重心由 Agent memory 转向 User memory，通过构建时间轴记忆体、遗忘机制及端云协同，推动 ColorOS 17 走向主动式服务的 AIOS。 OPPO 创始人陈明永将 AI 手机比肩智能机替代功能机的变革，公司将 AI 战略重心置于理解人与长期服务。 姜昱辰团队将技术路线定为 User memory，建立原始数据、记忆体和检索三层架构，并加入人类式的遗忘机制。 ColorOS 17 推出主动式服务，从小布记忆'一键闪记'迭代至'万事通'全机挖掘与场景意图主动提醒。 OPPO 坚持 A2A（Agent to Agent）跨生态协作路线，先后接入腾讯地图与支付宝等成熟服务。 在功耗与隐私方面采取端云协同策略，通过 2B 至 4B 端侧轻量模型保证高敏数据不出设备。 从 Agent 记忆转向用户记忆 大模型在长文本和连续交互中易出现遗忘，而通用参数规模与单次问答难以支撑完整用户画像。姜昱辰加入 OPPO 后，将系统研发重心从以 Agent 为中心转向以用户为中心（User memory），构建原始数据管理、记忆体和检索三层架构。系统引入模拟人类的时间轴与遗忘机制，动态辨析当前有效行程与历史记录，让人类的主动操作比例逐步降低，使记忆成为系统级主动智能的前置工程。 产品演进：从'一键闪记'到主动式服务 团队采取'沿途下蛋'的 MVP 迭代思路，最初以小布记忆的'一键闪记'作为抓手，在识别屏幕信息、生成摘要的基础上逐步拓展记账、取餐码等高频功能。随着对用户行为信号的积累，内测项目小布 Next 与 ColorOS 17 进一步实现'万事通'与'即将发生'等主动功能，覆盖桌面、负一屏及输入法等多个场景，依据确定性与容错度对主动推送的频次与策略进行动态分层和收缩。 A2A 生态协同与落地进展 面对打车、订票等外部三方服务，OPPO 放弃模拟点击的 GUI 路线，押注智能体协同的 A2A 模式。通过与腾讯地图合作重构智能体架构，推出系统级全场景旅行智能体，将用户操作简化至一句话生成攻略；同时支付宝也已落地接入超 200 项服务。姜昱辰指出，虽然 A2A 生态建设相对较慢，但更符合底层运行规律与长期服务稳定性。 端云协同、隐私边界与硬件约束 全天候主动感知引发了功耗与数据安全挑战。OPPO 采用'明厨亮灶'策略，设定相册整理、闹钟等涉密任务完全留在本地，仅将无隐私风险且高计算要求的任务上云。端侧部署 2B 至 4B 模型，通过 Linear Attention 优化降低内存占用 25% 至 35%、降低能耗 25% 至 50%，配合推理框架错峰，确保端侧在有限资源下稳定支持垂域 Agent 运转。

2024 年 2 月 18 日，OPPO 创始人陈明永发出内部信，提出 2024 年会是 AI 手机元年。四个月后，苹果发布 Apple Intelligence。手机厂商开始重新讨论，AI 会怎样改变这台每天被用户反复拿起的设备。 OPPO 从手机的本质出发，认为 AI 不只是提供几个功能，而是要长期服务一个具体的人。2024 年初，OPPO 还发布了《AI 手机白皮书》，这家企业希望打造 “随心和专属的智慧 OS”。实现这个目标的前提，是记住用户、理解用户。 2024 年 10 月，长期以大模型记忆与长文本为研究路线的姜昱辰，从创业者转变为 OPPO 公司的一员。她的加入，让 OPPO 此前围绕 “记忆” 展开的 AI 系统探索逐渐进入更系统的产品化阶段。 2026 年 9 月 17 日，OPPO 在珠海发布了 ColorOS 17。这是行业首个主动式服务的 AIOS，每一位用户都能构建属于自己的个性化手机智能体，获得独一份的主动服务。 今年 8 月，我采访了姜昱辰及 OPPO AI 背后的团队，试图理解这家公司如何从记忆出发，把对用户的理解变成系统级的主动服务，以及这些选择如何一步步形成。 研究记忆的人，为人建立记忆 2024 年 2 月 18 日，春节假期后的第一个工作日，陈明永在内部信中提出，未来五年 AI 对手机行业的影响可以比肩智能手机替代功能机。OPPO 随后对外宣布成立 AI 中心，将资源向 AI 集中。 将时间指针往回拨，会发现 OPPO 对 AI 手机的判断，绝不是一次 “顺应行业” 的临时起意，其内部 AI 的研究起步远比外界看到的更早。 在正式提出 “AI 手机元年” 之前，OPPO 已经开始投入 AI 的研发，这一阶段更多是基础研究的积累，包括基础模型、AI 安全、智能体等。 但关于 AI 究竟该以什么形式在手机上存在，行业此前一直未得出一致的答案。 早期的 AI 手机，常以照片消除、长文摘要等单项功能呈现。OPPO 想要实现的，并不是 “增加几个 AI 功能”。 2020 年 INNO DAY，陈明永在演讲中提出 “科技为人、以善天下”，强调企业创新应当从人出发。这个命题在 AI 手机时代被进一步具体化：如果系统真的要围绕一个人长期提供服务，就必须首先建立对这个人的持续理解。 2024 年 1 月，姜昱辰团队在杭州发布了自研的无限长文本中文创作大模型 Weaver。在演示环节，基于 Weaver 的 “蛙蛙写作 1.0” 当场续写了电视剧《繁花》。 这次演示背后，是姜昱辰团队此前一直研究的记忆问题：怎样让 AI 在写下一段时，仍记得前面发生过什么。同一个月，Weaver 被拿来和 GPT-4 对比，行业关注的是参数、是通用能力，“记忆” 两个字没有人重点提过。但对姜昱辰来说，记忆并非附属功能，而是智能能否持续的前提。 在她看来，记忆从大模型发展之初就是一个尚未解决的问题，今天仍是智能发展的瓶颈。而当 AI 开始从 “回答问题” 走向 “长期服务”，这个问题只会变得更加重要。 2024 年 10 月，姜昱辰与刘作虎见了一面，下旬便加入 OPPO 担任 ColorOS 智慧产品研发总监。“大家聊得比较投机，很多时候 ‘味道对’ 是比较重要的……我们叫本分，抓本质、想长远。” 姜昱辰回忆道，“我认为在 AI 时代会有新的人机交互方式，手机的本质是人机的第一 IO（Input&Output）接口，其形态在这个时代会有很大的改变。因此能一起合作做 AI 手机，是足够有吸引力的事。” 做 AI 手机，改变了她研究记忆的重心。与 Agent 不同，手机的服务对象是具体的人。 姜昱辰带领团队当时 OPPO 形成了做出了第一个关键判断。姜昱辰表示：AI 手机需要围绕用户建立长期、连续的上下文。团队需要从聚焦于 Agent memory，转向围绕用户建立记忆（User memory）。 “从以 Agent 为中心到以 User 为中心，这是一个比较大的不同。” 姜昱辰说。过去写小说，记忆要维持情节和人物的一致性；到了手机上，系统需要理解同一个人在工作、出行和家庭生活中的不同需求。她认为，这与许多围绕 Agent 构建记忆的公司形成了区别。 这也成为 OPPO 后来构建个人化 AIOS 的一条重要技术路线：不是让 Agent 记住更多，而是让 AI 真正记住 “人”。 最初，OPPO AI 以小布记忆的 “一键闪记” 为切入口。 “当用户按下记忆按钮时，系统会记住这个强信号。通过小布助手，用户可以问得出来记忆里的内容，包括去成都的机票几点钟、住在哪、票号是多少。” 随后，系统开始主动参与。随着记忆动作频繁，系统也在变强，更理解用户。“系统开始可以在有很多噪音的情况下精准捕捉用户的意图。” 姜昱辰说。例如在高频场景里，意图最容易判断。收藏一个帖子、记一笔账都算。这些场景成为切入口之后，系统开始捕捉更被动的感知信号，比如你平时几点钟连上哪一个 Wi-Fi，这些信号最终都会被用来构建用户。 如此一来，人的动作在循环里的占比会慢慢下降，主动服务的占比逐步上升。姜昱辰的描述是 “从 human loop 里 human 占 90%，慢慢降到 50%，再到 10%，甚至 0%”。ColorOS 17 里小布助手有一个全新功能 “万事通”，一定程度上实现了 “全机自动挖掘”，用户记在便签里的待办事项、随手截图的地点，都会被智能识别和聚合。 在整个 AI 系统里，记忆不再是一个功能点，它成了主动智能的前置工程。但前置工程，远不止记忆的存储。 姜昱辰举了一个机票的例子：“比如你有很多去成都的机票，我问今天去成都机票是什么时候，正常情况下十几张都会出来。你也不能说它错了，（从机器机制上来说）它就是对的。但不符合用户的真实诉求，因为没有遗忘机制。” 她所说的遗忘机制与人类类似，时间久远的会遗忘，越近的记忆越深，而用户问机票，通常都问的是时间最近的那一张。记忆体要有理解，要有遗忘，要能从 “记忆宫殿” 里取出正确的那一件，才能真正 “懂得” 用户，甚至帮用户办事。 因此，团队把记忆分成原始数据管理、记忆体和检索三层。更新、纠错和遗忘发生在记忆体这一层；工程上还会把历史事件串成时间轴，帮助模型判断眼前的问题对应哪一次出行。这里需要识别的是当前有效的行程，不能只按哪条记录更新来排序。 行业还在追逐参数规模和上下文窗口，她盯住了另一个容易被忽略的变量：连续性。她进一步向我解释：“固定 context window 的 model 只能获得你的人生很小的片段。只有持续获得对这个人的理解，才有可能建立更完整的用户模型，才可能真正精准地理解他的意图。” 姜昱辰对 AI 下一阶段技术路线的判断是：模型能力会趋同，真正稀缺的是围绕用户连续记忆的系统能力。从 RecurrentGPT 到波形智能，再到 OPPO，她一直认准一件事——长文本会遗忘，Agent 会遗忘，只有具备长期连续的记忆才能支撑真正的智能。 在这套循环里，人的主动操作越来越少，AI 承担的理解和服务越来越多。 OPPO 内部用三个指标观察这套系统是否真正运转起来：人均交互次数、人均记忆条数，以及主动服务点击率。 这套链路，才是 OPPO 从记忆走向主动智能的技术底座。 把记忆做成产品，沿途下蛋 回过头来看，“一键闪记” 也是对 “主动智能” 终极目标的阶段性产品验证。 姜昱辰给 OPPO 带来了一套互联网公司的产品方法论，叫 “沿途下蛋”。她的目标是做到个性化的主动智能、个性化的个人助手。 “终点很远，但在落地的过程中，每一代产品都必须沿着主航道构建一个具体的用户利益点，想不清楚的蛋不下，下了就要小而准。” 姜昱辰举了一个例子：如果你想造一辆汽车，你不能先造一个底板，或者一双轮子，而应该至少是一辆滑板车，这个滑板车可以再拆、再迭代。 2025 年 4 月，苹果 personal context 还在跳票。OPPO 宣布推出小布记忆，沿途下蛋的路径开始了。“一键闪记” 是其中一个关键功能，它能识别并分析屏幕上的内容，存到记忆系统里，提取关键信息并生成摘要。 姜昱辰自己并不回避初版的粗糙：“当时功能还挺简陋，它只是能记下来，摘要也比较差，甚至都没有合集，不能聚类整理，也不能问答。” 一键闪记功能上线后的第一次 “小布股东大会”——团队管内测用户叫 “股东用户”——就有人说，这个功能还挺好用的。随后立刻提了一堆需求。有人拿它整理发票，希望系统自动记账；有人希望保存取餐码；有人希望把视频里的信息也记下来。于是一键闪记后期增加了记账单、取餐码、视频记忆等等，用户还能基于记忆向小布提问。 姜昱辰把这种状态视为 PMF（Product-Market Fit，产品市场契合度）出现的信号。 “当你发现一个产品有 PMF，往往就是用户开始对你有要求的时候；如果用户对你没有要求，证明你的产品没有满足用户任何痛点和诉求。” “我们会有很多内部的讨论：上线以后，卖点是什么，用户为什么要用这个东西，是不是一句话就能给用户讲清楚的东西。” 姜昱辰说，“我们说的 80 分上线，不是容忍粗糙，指的是功能范围要去收缩，收缩到至少满足用户一个非常小的痛点。这才是一个可以上线的 MVP 产品。” 记住，懂得，主动服务 记忆的地基铺好之后，OPPO 团队形成了第二个关键判断——AIOS 的下一步并不单拼执行程度，而在于更主动、更个性的服务。 2025 年 12 月，豆包手机展示主动的跨应用操作。“端侧 Agent、手机办事” 一度成为行业热点。但问题随之浮出水面：如果 AI 连你是谁、你在哪、你要干什么都不知道，谈何替你办事。 “我们一直认为记忆是 AIOS 的灵魂。” 姜昱辰说，“我们做的就是从记忆到主动智能，personal to proactive。” 事实上，在 ODC 2025 的时候姜昱辰就提出过三大演进方向，其中一个是 “大模型 /Agent 个性化”。姜昱辰用文字向我回顾了这一判断：“除了将记忆做成本地知识库加 RAG 的方案之外，还在探寻更优的个性化的解法——一种是在模型生成答案时把用户画像平移（shift）进去，让输出向着这个人偏移；一种是让大模型根据用户的长期行为历史自我进化（self-evolving）。” 去年的方向，正是 OPPO 今年交卷的 “个性化主动智能”。 在摸索如何建立主动服务的过程中，姜昱辰强调四个原则：构建连续上下文、重视评测体系、在 AI 的幻觉中建立 “兜底方案”，以及时刻警醒 “Token 审计”。这些原则在很大程度上推动、纠正着团队的探索方向。 主动服务看起来像 “多推一条消息”，背后却是一系列判断。 以 “搜得准” 为例，她要求团队进一步区分：返回了多少有用结果，遗漏了多少相关信息，用户是否采纳，以及响应是否足够快。推荐是否有用，也需要接受类似的检验。 小布 Next 是部署在手机端侧的 Multi-Agent 系统，是 OPPO AI 探索把 AI 助手从 “你问我答” 推向主动服务的内测项目。 小布 Next 产品负责人朱海舟面对的产品问题，是让系统在回答之外进一步判断，下一步还能为用户做什么。系统应该准确感知并判断什么时候、推什么、给谁推，这就是主动式服务的真正能力分界。 王剑锋把这件事拆成一个个 “场”。主动服务最早只有桌面上一张卡片这一个阵地，它靠规则驱动，虽然推得准，但范围窄。现在大模型来了，场地要扩到负一屏、对话框、输入法，每个场对应的算法也不同。桌面场以确定性服务为主，规则和小模型打主力，大模型辅助；输入法场对时延要求很高，因此做法变成线下用大模型训练、线上跑模型生成的规则。 至于场景怎么选，姜昱辰的办法是两边碰：一边是用户调研里的痛点，一边是模型技术边界内有概率做好的那些事。 判断和场景之后便是系统执行。 姜昱辰给我演示过一组意图推荐的案例：当你记下一个大众点评的页面，系统就会问是不是要先打车；如果下雨它会自动把堵车时间算进去。甚至连走错机场的案例也会有，例如系统记得你去浦东，发现你打车去了虹桥，会主动打电话提醒你可能去错机场了。 主动服务的分寸涉及到准确性、主动性和打扰频率三者之间的取舍。“你连车都坐错了，我必须要提醒你了”，朱海舟说这是主动服务里最高的一层，即避免用户做出错误决定。再往下是明天要下雨要不要带伞，最底下是领咖啡券这类生活服务。 主动，不等于多。 如何决定主动服务的频率？这便是姜昱辰强调的四个原则里的 “重视评测体系”。朱海舟介绍，内测比较了高频提醒和只在必要时提醒的不同方案，观察用户如何回应，还提供了一个 “滑动开关” 去调整频率。 对用户来说，“主动” 是一个动态范围。“我们希望用户在认知里，小布 Next 是那种 ‘如果我有它我会很方便，幸好有它救了我一命’ 这种感觉的产品。” 朱海舟为小布 Next 设定了一个愿景。 有时候主动服务也会出错，王剑锋分享了一个值机的 bad case：原本值机的策略是三天前弱提醒，值机开放时强提醒，当天持续提醒。“以前经常出现的问题是前两天、前一天都还挺好的，突然到了当天它不推了。” 王剑锋说，这种问题在线上概率很小，但只要用户量上来，总有人碰到。起初，他们定位不出是哪个环节出了问题，团队就一点一点啃。 主动推荐的错配需要团队不断调试，一开始团队追求惊喜感，追求模型的泛化。“模型的泛化能力会给出很多惊喜，但同时它有可能给出一些是错误的，就变成惊吓。” 王剑锋接着说，“推准了用户不会来反馈，但你推错了，用户投诉的概率是很大的。” 他们从点击率、推荐准确率的数据下手，最后靠用户调研、访谈、满意度一点点磨，策略也收缩到确定性服务。例如到机场告诉你登机口在哪、托运柜台在哪，把推荐做准确，就更好用了。 准确与范围之间还需要动态调整。按姜昱辰的说法，以前是纯规则，执行度最高，范围非常窄；现在要在更多生活场景里做主动服务，就要拓展范围，相应地降低执行度。 “现在的小布建议还是非常准的，但我们在尽力让它变得更具泛化性。” 姜昱辰说。 随着交互积累，内测中的主动服务开始呈现个人差异。 在 ColorOS 17 里，这一步被做成了 “即将发生”。它把用户接下来需要处理的事情集中起来，并在合适的时间，推送到用户看得到的地方：会议快开始时，入会入口自动出现；到了还款日，系统会提醒信用卡还款。 在姜昱辰看来，ColorOS 17 所提供的主动服务超越了传统意义上的信息流，它核心是一个围绕用户个体组织起来的 “个人仪表盘”——用户不用找服务，服务会在需要的时候主动出现。 朱海舟用了 “涌现” 这个词来形容个性化主动服务的成果，他介绍道，团队一位同事的爱人正在怀孕，她买了一款饮料，被小布记忆记下，主动服务很快提醒她，这种成分孕妇不宜多喝。朱海舟还说自己的 Agent“已经开始有点文艺倾向了”，他常跟它聊脱口秀和深圳的音乐会，每到周五，它会主动搜一批深圳周末的活动推给他，“这个现象没有出现在别人身上”。 A2A：选择不做什么，比做什么更难 主动服务的边界不止于系统内部。订机票、打车、点咖啡这类帮用户 “办事” 的服务，大多掌握在互联网公司手里。AI 手机要替用户办事，就必须和这些服务连接起来。 姜昱辰的第三个判断，是通过 A2A，也就是智能体之间的协作，把手机与外部服务连接起来，最终将 AI 做成系统级的服务。 “我们很早就认定 A2A（Agent to Agent）是正确的路线。GUI 肯定是一个 workaround（权宜之计），行业一定会往 A2A 的方向发展。” 姜昱辰的这一路线选择建立在两个对本质的判断上：从技术上，“GUI 是模拟让人点 App 的形态去设计的。但 Agent 其实不需要 GUI，它连眼睛都没有。” 从生态上，“如果 AI 绕过服务方，直接模拟用户操作应用，也很难形成长期稳定的合作关系。” 2024 年 11 月，Anthropic 开源 MCP 协议，统一了模型调用工具的接口；2025 年 4 月 9 日，Google 在 Cloud Next 大会上发布 A2A 协议，Atlassian、Salesforce、SAP、PayPal 等 50 多家公司在发布当天签了名，行业的路线图就此成型。 市面上超级应用很多，但各自独立。若能将它们的能力串联进手机系统，便能实现 1+1>2 的效果。 但协议存在，并不意味着生态自然会长出来。服务怎么定义、用户授权到什么程度、执行过程中如何反馈、出了问题谁负责，都需要手机厂商和合作伙伴重新设计。 A2A 协议虽然是现成的，仍需要 OPPO 做引导，才能为主动智能适配。 腾讯地图是 OPPO A2A 深度合作伙伴，双方共创了 “行业首个系统级可记忆的全场景旅行智能体”，基于用户偏好和习惯做个性化规划，主动为用户提供出行服务。 腾讯地图产品运营总监王玥告诉《晚点 LatePost》，接入小布 Next 前腾讯地图已有独立智能体 AI 叮当，腾讯地图为此重构了智能体架构、全链路个性化能力、服务安全稳定性等五大模块，涉及前后端、算法、底图、开放平台等 6 个团队。最终从 “以用户为本” 的大前提出发，共同敲定方案。“上线后，用户从 9 步繁琐操作变为 1 步一句话生成个性化出行攻略，点击率和留存都超出预期，关注用户长留高于大盘 15%。” OPPO 与支付宝的 A2A 合作也已落地，支付宝可提供 200 多个服务。姜昱辰向我透露，去年 A2A 生态大概只有 1% 的成熟度，但今年大概已经到 10% 了。“已经开始出现真正能够闭环用户需求的 Agent。” A2A 连接起来是一个生态，需要接入后才能服务，过程注定会慢很多。但无论是 OPPO 还是姜昱辰，都接受这种 “慢”。“AI 手机不是一次技术 demo，是长期运行在数亿用户手里的系统。” 姜昱辰说道。 主动服务还带来两个更底层的问题：功耗和隐私。 系统如果全天候感知、判断、待命，功耗一定会上升。王剑锋和团队一方面与芯片厂商寻找更低功耗的并发方式，另一方面通过推理框架错峰，避免瞬时计算量过大。 隐私则决定哪些能力应该留在端侧。 OPPO 的思路是端云协同：照片搜索、相册整理、设闹钟等涉及个人数据、且端侧模型能够完成的任务，尽量留在手机本地；只有对质量要求高、适合云端处理且不涉及敏感信息的任务，才调用云端能力。 朱海舟把这套原则概括为 “明厨亮灶”：哪些数据出端、为什么出端、去了哪里，应该可解释、可控制。 “适合上云的任务有三重限定：输出质量要求非常高、办公类型、不涉及隐私。剩下的例如搜照片、整理相册、设一个闹钟等等任务，端侧模型是够用的，数据不出手机。” 王剑锋对隐私问题有更详细的补充，他曾在演讲时分享过 OPPO AI 的端云协同策略，通过这种方式，能够更好地利用端云两侧的资源，从而实现效率最大化，同时保证数据隐私。 OPPO 提供的资料显示，OPPO 手机端侧模型以 2B 到 4B 为主，经 Linear Attention 优化，内存占用可降低 25% 到 35%，能耗可降低 25% 到 50%，上下文长度 16K。 OPPO 并不把 “做最大的云端模型” 当作战略重点。“公司的重点是端侧模型、记忆系统，为垂域 Agent 和小布 Next 这样的智能体应用提供支持。” 王剑锋说。 这也解释了为什么过去两年里，行业风口不断切换——Deep Research、Agent、GUI 自动化——OPPO 最终仍然选择把记忆、端侧智能和系统级服务作为主线。 采访王剑锋之前，我在 OPPO 内部区间看到玻璃门上的磨砂 UV 贴写着 “本分、以用户为导向、追求极致”。落座之后聊起 AI 路线，他最后也是回到同样的问题：“我们为什么最终选择了记忆作为最重要的核心？还是得回到本质，从用户出发。” “OPPO 就是以用户核心场景为导向去做产品的。” 要保持这条路线，选择不做什么其实比做什么更困难。 从 “致善式创新” 到 AIOS 主动智能，OPPO 的 AI 路线遵循从用户出发再倒推技术的逻辑。记忆是为了理解人，主动服务是为了服务人，A2A 生态是为了联合产业为用户提供更全面的服务。 让 AI 回到人 回到开头那个 “创新应当从人出发” 的命题，它在 OPPO 的 AIOS 里有三层具体含义：记忆围绕每个人的生活建立，服务随之个性化；主动建议有分寸，保留用户的决定权；不同智能体主动感知意图、主动在背后协作，降低用户学习和操作新工具的门槛。 OPPO 之所以愿意持续投入 “记忆”，原因就在 ColorOS 17 里。 一次问答只能了解用户的一部分，而记忆系统能够把分散在不同时间、不同场景的信息连接起来，成为下一次服务的依据。从一键闪记到主动服务，前一步积累的信息与反馈，可以继续用于改进后一步的体验。而手机，恰恰是用户每天都会交互上百次的设备，对一家手机公司来说，这样的积累有机会延伸到用户生活中的方方面面。 三年前，姜昱辰的 Weaver 被拿来与 GPT-4 比较的时候，可能没人想到记忆会成为此后 AI 手机的技术底座。三年过去，行业绕了一圈，又回到姜昱辰出发的地方：豆包开始谈企业的上下文，苹果的 personal context 逐渐兑现。关于 “记忆” 的判断，从她创业时的技术路线，走到了 OPPO 的 AI 主线，没有变过。 功能机让位给智能机的年月，没有人知道第一台真正的智能机应该长什么样。陈明永那封内部信，把 AI 手机与智能手机替代功能机相提并论。尽管这个判断还远没有走到终点，但已有了初步答案：不只是更强的 Agent，而是从记忆到理解用户，从单个 Agent 到 A2A 生态，再加上对用户意图的感知与判断，一块块搭建起的主动式服务 AIOS。 AI 手机的最终形态长什么样，仍然未知。有一件事情是可以确定的：让 AI 回到人，让 AI 记住人。 题图来源：OPPO