vivo、荣耀接连入场，戳破了具身智能的AI叙事

手机厂商集体“长出身体”，AI叙事从云端落向地面

曾经，AI行业的热闹集中在算力堆叠、大模型参数竞赛和API调用次数上。但当vivo与荣耀接连宣布将战略重心转向机器人“大脑”与“眼睛”的研发时，一个更残酷的真相浮出水面：光有语言模型和API十万个，造不出一个能在真实世界拧螺丝、递水杯的机器人。vivo为此甚至暂停了对大模型研发的资金投入，转而接入DeepSeek，把资源砸向具身智能的核心——视觉感知与灵巧操作。这一转向，直接戳破了过去几年“AI万能叙事”的泡沫：没有物理载体，大模型不过是虚拟世界的智库；有了机器人的手脚，AI才真正进入“爆单”时代。

vivo起底“蓝心智能”，PhoneGPT暴露机器人大脑野心

vivo在最新发布的蓝心智能战略中，将大模型与手机操作系统深度融合，但真正引爆行业关注的是“PhoneGPT”——一个能识别屏幕、自主对话、代为订餐厅和咖啡的智能体。表面看这是手机自动化，实则暴露了vivo对“机器人大脑”的技术预演：端侧大模型（蓝心3B）实现越级推理，多模态能力支持图像、语音、触控的联合理解，而本地知识图谱则让设备学会记忆和预判用户意图。按照vivo的说法，他们要做“最懂中国的机器人大脑”，而这份理解力正通过蓝河操作系统2.0与自研VCAP推理计算平台，下沉到机器人、智能眼镜等物理设备中。

荣耀与天津黑马引爆“爆单潮”，纯人类视频预训练VLA成新武器

紧随vivo之后，荣耀的进场让具身智能赛道彻底白热化。行业消息显示，一家天津机器人黑马凭借“纯人类视频预训练VLA灵巧操作”技术，在短期内实现规模化落地，订单爆满。所谓VLA（视觉-语言-动作），是指直接用人类操作视频训练机器人模仿并泛化抓握、插拔、组装等精微动作，绕过了传统手动编程和仿真环境构建。这一路径被验证可行后，手机巨头纷纷意识到：自己多年积累的影像算法、端侧芯片功耗控制、用户行为数据，恰好是训练VLA的天然土壤。因此，vivo将“蓝图影像”技术栈跨界复用至机器人的“眼睛”，荣耀则迅速整合供应链，两家几乎同时卡位。

从参数竞赛到“接地气”，手机厂做具身智能有天然壁垒

与纯AI公司不同，手机厂商做具身智能拥有三重先天优势：其一，端侧芯片的能效比优化经验可直接移植到机器人主板，避免机器人变成“电老虎”；其二，百万级用户场景数据（如手势交互、环境感知）能低成本转化为训练素材；其三，供应链管理能力让它们能快速将机器人成本压低至消费级。vivo的蓝心3B端侧模型在保持80字/s生成速度的同时，功耗仅450mA、内存占用1.4GB，这种极致的工程压缩正是机器人大脑规模化落地的关键。相比之下，依赖云端API的纯大模型公司，在面对“实时抓取一杯水”的刚性需求时，连10毫秒的延迟都无法容忍。vivo与荣耀的入场，等于宣告：具身智能不再需要虚浮的AI故事，它需要的是能拧螺丝、能识别螺丝是十字还是六角的真实手脚。