AI手机实现系统级智能助手有两条技术路线——意图框架与纯视觉方案，各有利弊。兴业证券研究报告指出，意图框架方案成功率可达90%以上（需第三方App授权），纯视觉方案成功率尚在55-94%区间（无需授权但技术待突破）。华为意图框架已接入300+服务，荣耀、vivo则选择纯视觉方案探索差异化。两条路线竞速中，胜负尚未分晓。
意图框架：技术成熟、准确率高，但需生态共建
意图框架方案在手机后台调用应用API（须App授权）实现任务。以苹果为例，Apple Intelligence分三步：Ferret-UI屏幕上下文理解→语义信息检索→借助App Intents实现跨APP功能调用。苹果AppIntent对开发者友好，在应用程序中导入AppIntents功能较为简单，苹果封闭系统带来容易适配、开发门槛低等便利。谷歌也有类似意图框架方案App Actions（2019年首次亮相）。
意图框架方案的优势在于算力需求与准确度——任务执行调用App API所需算力较小，准确度有保障。华为意图框架已支持23类场景记忆感知，任务成功率90%，知识量突破万亿tokens，与300多种服务深度集成。vivo意图框架通过小V建议、原子岛、蓝心小V等多入口分发。缺点是需要第三方App厂商配合接入，如何说服第三方App加入生态是手机厂商需要解决的难题。安卓系统厂商众多，适配难度相对更大，谷歌与手机厂商之间存在直接利益博弈。
图表：意图框架vs纯视觉方案工作原理对比
表2：两条技术路线核心对比| 维度 | 意图框架 | 纯视觉方案 |
|---|
| 实现方式 | 调用App API（须授权） | 模拟人类操作（无需授权） |
| 算力需求 | 低（任务执行阶段） | 高（云端算力为主） |
| 准确率 | 90%+（华为） | 55-94%（视模型/场景） |
| 执行速度 | 较快 | 每步约2秒（vivo） |
| 生态依赖 | 需第三方App接入 | 无需适配 |
纯视觉方案：无需授权但技术有待突破
纯视觉方案以Mobile-Agent-v2为代表（北京交通大学和阿里巴巴合作研发），采用纯视觉方案实现自动化手机操作。该架构由规划代理、决策代理和反思代理三个代理组成，无需额外训练和探索，借助中枢模型操作能力可实现即安装即使用。智谱AI近期发布的AutoGLM（2024.10）通过“基础智能体解耦中间界面”设计解决精准操作难题，并引入“自进化在线课程强化学习框架”提升任务规划能力。
纯视觉方案的优点在于“第三方零适配”，可以直接模拟人类操作，一旦模型能力突破，可扩展性更大。但其劣势也很明显：响应速度取决于模型运行速度，目前仍需依赖云端算力；由于模型幻觉问题，准确率目前低于意图框架。智谱AI的AutoGLM在常见简单任务中，大众点评、小红书成功率100%，淘宝93%、微信92%、美团70%、高德92%、12306 80%。vivo PhoneGPT自动完成每一步任务精确度约94%，每步需约2秒。纯视觉方案需突破“成功率”与“速度”两大关键。
厂商路线选择分化：意图框架主导，纯视觉探索差异化
华为大力推广意图框架，第三方合作进度较快（钉钉、同程旅行、新浪新闻、国泰君安、去哪儿、小红书等已接入）。荣耀另辟蹊径，主打纯视觉方案（“YOYO自动驾驶”，正与智谱AI合作），已整合600项意图理解、950项个人记忆、270项复杂任务规划、900项任务自动执行，实现“三方零适配，自主执行”。vivo同时尝试两种方案：意图框架体系为主，PhoneGPT手机智能体（纯视觉）为辅，纯视觉精确度约94%，每步约2秒，目前通过云端算力运行。苹果意图形虚位以待（第三方App联动需等到2025年）。厂商路线选择分化反映行业对两条路线前景判断不一，短期内意图框架占优，长期纯视觉若突破成功率瓶颈可能带来格局变化。
