vivo发布蓝心大模型端云矩阵与个人智能底座
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载端云模型各司其职
vivo在开发者大会人工智能分会场提出的做法，是把模型能力拆成一套端云矩阵，而不是继续押注单一通用大模型。按任务类型分工：端到端语音大模型BlueLM-Realtime负责从声音识别到语义、语气与意图理解；端侧大模型BlueLM-Nano常驻设备，承担感知与记忆；云侧模型BlueLM-Flash处理信息查询、日程管理、跨应用操作等高频任务；复杂推理与长程规划交给BlueLM-Pro；进入专业领域后，系统还能调动外部模型补位。这一分工的逻辑与芯片行业的异构计算相似：不让最强的单元包揽全部工作，而是让合适的单元承担合适的任务。对用户而言，模型从需要主动挑选的产品，退到后台成为被系统自动调度的基础能力。
感知与记忆的授权边界
长期驻留个人设备的智能体面临第二道难题：人本身是不断变化的上下文，AI要理解的不只是一条孤立指令，还包括用户此刻的状态与此前的轨迹。感知范围越广、记忆时间越长，涉及的个人信息越多，权限与隐私压力同步上升。vivo把落点放在感知与记忆两个环节，并强调在用户授权与隐私保护前提下进行。感知侧，BlueLM-Nano借助轻量视觉编码器与UI专用Token理解屏幕、图像、视频和文本；记忆侧，通过SwiftKV、混合稀疏注意力与PLE逐层嵌入，把端侧上下文扩展至32K。零散的端侧交互由此逐步沉淀为对个人的长期理解，记忆再反过来让下一次服务更贴合个体需求。
Harness补齐工程闭环
模型能力回答的是会不会，智能体进入系统后还要回答能不能把任务做完。材料给出的路径是以大模型加Harness构建个人化智能底座，并重构操作系统体验。其目标是在用户授权与隐私保护下，让系统看懂用户此刻发生什么、记得此前发生过什么，再调动合适的模型、上下文、应用与服务，把后续环节接连完成。这已不是单纯的模型能力题，而是涉及感知、记忆、调度、执行与协同的系统题。对读者的意义在于：手机端体验不会随模型变强自动升级，衡量AI手机的标准正从会回答转向会办事。
为什么值得看
手机端侧AI从单一模型走向异构矩阵，解决了隐私与性能的平衡难题。
信源1 家
关键事实
相关 · 产品
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。