三問AI手機(jī)：什么意圖？怎么識別？何種框架？

早在幾個月前，就有媒體同行問我：AI手機(jī)到底是什么？跟智能手機(jī)有什么本質(zhì)的不同？

試想一下，如果經(jīng)常跟科技企業(yè)、技術(shù)趨勢打交道的媒體人、分析師都對何謂AI手機(jī)云里霧里，更別提門店銷售和消費者了。

2024被認(rèn)為是AI手機(jī)元年，但今天走進(jìn)線下門店，會發(fā)現(xiàn)店員和用戶都對手機(jī)里的AI有啥不一樣，感知并不明顯。

移動互聯(lián)網(wǎng)時代，我們常說手機(jī)是人“肢體”的延伸，可以讓我們的“手”觸及更遠(yuǎn)的地方，“看”到更廣闊的事物。到了AI時代，手機(jī)是“大腦”的延伸，心念一動、言出法隨，手機(jī)會根據(jù)我們的使用習(xí)慣和意圖，主動提供有價值的服務(wù)。

所以，AI手機(jī)區(qū)別于智能機(jī)的一個更高階、更本質(zhì)的能力，就是“意圖識別”。

目前，蘋果陣營、華為鴻蒙陣營、榮耀OV安卓陣營，都將意圖識別作為重點。

蘋果CEO庫克在AI系統(tǒng)“Apple Intelligence”的發(fā)布會上重點強(qiáng)調(diào)，在“蘋果智能（Apple Intelligence）”的支持下，Siri具備了精準(zhǔn)識別用戶真正意圖的能力。

而安卓和鴻蒙用戶，恐怕對此并不陌生。

華榮OV等國產(chǎn)手機(jī)廠商早就上線了相應(yīng)能力。榮耀在2023開發(fā)者大會上帶來了行業(yè)首個基于AI意圖識別的人機(jī)交互（IUI）操作系統(tǒng)——MagicOS 8.0；華為在HDC 2024上提出Harmony Intelligence，使得小藝能力大幅提升，能夠理解并預(yù)測用戶需求，并通過意圖框架與合作伙伴應(yīng)用場景整合。

OV雖然沒有明確推出意圖框架等平臺，但也用行動參與其中。將大模型融入系統(tǒng)的底層設(shè)計中，升級OriginOS、BlueOS，來實現(xiàn)復(fù)雜的意圖識別和推理決策。

那么用戶又該迷惑了，各家都在說“意圖識別”，到底有啥不一樣呢？

“意圖”是人心中所想，帶有模糊和不確定性，“識別”結(jié)果也就有了很大的自由闡釋空間，廠商如何避免自說自話，把“手機(jī)懂你”這件事落在實處？

就要依靠一個操作系統(tǒng)級的全局意圖感知、理解、決策技術(shù)體系。

我們不妨把“意圖識別框架”這一新概念詳細(xì)拆分開，看看每一個環(huán)節(jié)的準(zhǔn)入門檻是什么。

意圖識別的第一步，當(dāng)然是搞清楚什么是用戶的“意圖”，也就是手機(jī)廠商所說的“懂你”。

但“意圖”并不是什么新概念。

早在互聯(lián)網(wǎng)時代，意圖識別就被應(yīng)用于搜索引擎、廣告推薦等場景。比如用戶在搜索框輸入“抓娃娃”，底層的檢索策略要識別到這是電影需求，再去電影的數(shù)據(jù)庫里檢索，如果電影意圖識別失敗，返回的搜索結(jié)果中，根本沒有《抓娃娃》電影相關(guān)內(nèi)容，或者要翻好幾頁才顯示，都會導(dǎo)致很糟糕的用戶體驗。所以，意圖識別很早是科技企業(yè)研究的對象。

那么，AI手機(jī)所謂的“意圖識別”，有啥特殊呢？

特殊在于，要游過深海。

今天手機(jī)所承載的“意圖”，有兩個特點：

一是范圍廣。一個動作或詞語可能對應(yīng)多個意圖。現(xiàn)代消費電子設(shè)備的激增，帶來了豐富多樣的功能和服務(wù)，幾乎涵蓋了我們生活的方方面面，終端設(shè)備的多元、服務(wù)的多樣，經(jīng)常會出現(xiàn)多種意圖，比如輸入“長城”，可能是景點、電影或者汽車，這就使手機(jī)的意圖識別更難做。

二是隱蔽性。傳統(tǒng)意圖識別可以根據(jù)用戶給出的query詞來進(jìn)行判斷，屬于相對明確的“顯性意圖”，但日常使用手機(jī)時，還有大量隱性意圖，比如眼睛注視手機(jī)屏幕，可能是想看時間、看新消息通知或日程計劃；遺忘了出行計劃，可實際上航班時間應(yīng)該重點關(guān)注……這些是用戶真實需要，但自己很少意識到或清晰表達(dá)出來的“隱性意圖”，由于無法被清晰表達(dá)，難以轉(zhuǎn)譯成計算機(jī)語言，自然也就難以滿足。

這些多且隱蔽的意圖，構(gòu)成了一片“意識深?！?，需要手機(jī)廠商跋涉而過，找到一條最短路徑。

由此，我們不難明確，AI手機(jī)意圖識別的意義：

首先是化繁為簡。通過洞察用戶真正的需求，簡化獲取服務(wù)的步驟。

比如榮耀的“任意門”功能，帶來了行業(yè)首個基于意圖識別的人機(jī)交互，只需一拖不到1秒即可完成以往8步10秒的操作流程。當(dāng)用戶收到一條信息，復(fù)制之后，系統(tǒng)會自動分析語義并提煉關(guān)鍵內(nèi)容，預(yù)判接下來的需求和操作，自動一步直達(dá)備忘錄、地圖等應(yīng)用。華為智慧搜索支持“一鍵場景直達(dá)”、OPPO的ColorOS 14系統(tǒng)中的“流體云”功能，能預(yù)測用戶行為，自動接入相應(yīng)的使用場景……這些都簡化了操作步驟。

其次，多想一步。通過隱性意圖的識別和滿足，帶來超出用戶期望的驚喜體驗，構(gòu)建差異化優(yōu)勢。

華為曾在一次分享會中提到，HarmonyOS意圖框架可以通過長時間的學(xué)習(xí)訓(xùn)練，把人們自己都感覺不到的規(guī)律串聯(lián)起來，并通過端側(cè)的本地學(xué)習(xí)完成本地學(xué)習(xí)推薦，從而完成“超預(yù)期”的智慧搜索服務(wù)體驗。

接下來，可以主動服務(wù)。比用戶多想一步，就能將服務(wù)化被動為主動，更快更恰當(dāng)?shù)厮偷接脩舻难矍爸讣狻?/p>

目前，鴻蒙系統(tǒng)的場景化入口，就可以根據(jù)意圖判斷，將不同服務(wù)融入實際場景中，比如搭乘飛機(jī)，航班信息會優(yōu)先顯示在實時狀態(tài)欄，榮耀Magic Live也有類似的主動服務(wù)，在觀影、聽歌、走進(jìn)地鐵站等場景中，提前將取票、聽歌偏好、地鐵碼等原子化服務(wù)進(jìn)行推送。

基于意圖識別的人機(jī)交互，讓你最需要的服務(wù)，涉過意識的深海。

洞察到了用戶的意圖，就能將服務(wù)精準(zhǔn)送達(dá)嗎？其實還要穿過一片AI的叢林。

有一個職場段子，老板讓秘書定一個航班，最低段位的秘書，就只會看那一班，而最高段位的，還會提供多個航班選擇，還考慮到出差需求，也把當(dāng)?shù)氐淖∷?、餐飲等都提前查好備選。

如果讓手機(jī)AI來應(yīng)聘做你的助理，你希望是哪一個段位呢？

最高段位的AI助理，要真正理解你說的話背后的真實意圖，并真正完成你想要的任務(wù)，其實要拆分為幾個步驟。

步驟一：充分感知。一個優(yōu)秀的助理，并非“胡子眉毛一把抓”，什么事情都要提前安排，而是結(jié)合上下文背景和情境，來對用戶的潛在意圖進(jìn)行判斷。所以，充分感知場景和情境，就非常必要了。

蘋果高級副總裁Craig曾表示，Apple Intelligence的真正獨特之處是能理解個人情境。能夠根據(jù)你的個人數(shù)據(jù)，你現(xiàn)在打開的頁面等背景，來理解需求。

比蘋果更早一些，榮耀在2016年第一代Magic上首發(fā)Magic Live智慧系統(tǒng)，就能夠自動感知判斷。

步驟二：分析判斷。

有了上下文背景，怎么推斷多個意圖的重要性和優(yōu)先級呢？這就涉及語義理解了。目前，檢索、問答等任務(wù)，由于用戶有明確的檢索詞，利用大模型的自然語言理解能力，已經(jīng)可以很好地推斷用戶到底想干什么。

其中比較具有代表性的是Apple Intelligence蘋果智能+ GPT-4o大模型的方案?；贏pple Intelligence，蘋果為Siri引入了多模態(tài)交互能力，可以從輸入的自然語言中精準(zhǔn)地進(jìn)行用戶意圖識別，將任務(wù)拆分為多個任務(wù)，作為生成回答的基石。

步驟三：精準(zhǔn)執(zhí)行。

我們可以把每一個服務(wù)和功能，想象成一個個智能體，每個智能體只有孤立的識別和輸出能力，要完成用戶需要的復(fù)雜任務(wù)，需要對這些智能體進(jìn)行精巧地、自動化地調(diào)取和編排，才能在意圖判斷之后，做出最恰當(dāng)?shù)膱?zhí)行反饋。

OPPO與IDC聯(lián)合發(fā)布的《AI手機(jī)白皮書》中提到，成熟的AI手機(jī)系統(tǒng)要內(nèi)嵌用戶定義的專屬智能體，不斷理解用戶習(xí)慣，自學(xué)習(xí)、直覺化。

在VDC開發(fā)者大會的一場技術(shù)論壇中，vivo的技術(shù)人員也透露，作為業(yè)內(nèi)首個推出手機(jī)大模型（藍(lán)心大模型）的廠商，他們很早就開始研究agent，對手機(jī)原生化服務(wù)組件的拆分很細(xì)、編排恰當(dāng)。

這樣看，從意圖到服務(wù)之間，還要經(jīng)過數(shù)據(jù)（感知）、算法（分析）、智能體（執(zhí)行）的一片AI森林，只有具備完整AI技術(shù)體系的廠商，才能順利跑通。

從上述意圖識別的拆解中不難感受到，AI手機(jī)想做的“以人為中心”的主動服務(wù)，跨設(shè)備的數(shù)據(jù)流轉(zhuǎn)（全場景感知），跨應(yīng)用的服務(wù)觸達(dá)，以及全局安全，是必不可少的。

如何將各層級、各終端、各系統(tǒng)、各應(yīng)用都整合在一起？

意圖框架，就是關(guān)鍵紐帶，具備操作系統(tǒng)平臺級的能力，可以讓AI貫穿從數(shù)據(jù)到服務(wù)的完整鏈路，帶來意圖識別的能力飛躍。

目前，榮耀、華為、蘋果都推出了自己的框架或平臺。

其中，Magic?Live智慧引擎是基于場景感知、用戶理解和意圖決策三大核心能力的平臺型AI解決方案，形成了一個能夠銜接各種軌跡和能力的“大腦”，實現(xiàn)了從單意圖到多意圖關(guān)聯(lián)的精準(zhǔn)意圖判斷。

蘋果也采用了“榮耀模式”，App Intent意圖框架包含了自學(xué)習(xí)引擎，實時學(xué)習(xí)用戶行為，并根據(jù)時間和空間信息，提供個性化服務(wù)。

華為HarmonyOS的意圖框架，則構(gòu)建全局意圖范式，基于鴻蒙系統(tǒng)的跨端互聯(lián)協(xié)作優(yōu)勢，實現(xiàn)多維系統(tǒng)感知，結(jié)合AI大模型、AI推理框架、端云協(xié)同等計算處理能力，將需求傳遞給服務(wù)方，拉起/執(zhí)行更恰當(dāng)?shù)姆?wù)。

總結(jié)一下榮耀、華為、蘋果的意圖框架，就是具備“地基”的能力。

為了更好的意圖理解，三家都進(jìn)行了深度的技術(shù)搭建，實現(xiàn)了操作系統(tǒng)級別、跨終端的意圖感知、理解，只有深入到系統(tǒng)層面，才能真正重構(gòu)手機(jī)AI體驗。

同時，意圖識別會涉及敏感數(shù)據(jù)的采集、共享和流動，在隱私安全方面，無論是一貫以隱私保護(hù)著稱的蘋果，還是榮耀的MagicGuard和MagicRing信任環(huán)，華為HarmonyOS NEXT的原生安全，都說明唯有平臺級的AI能力，能在釋放智慧的同時，守住安全的防線。

說到這里，你是不是有點疑惑，既然意圖識別這么難、需要改造和創(chuàng)新的地方這么多，效果也不是一時半會兒能體現(xiàn)出來的，主打一個“誰用誰知道”，要不還是先躺平算了。

確實，意圖識別的每一關(guān)都不好過，但這正是競爭白熱化、同質(zhì)化的手機(jī)市場，廠商突圍的關(guān)鍵。

更何況，AI手機(jī)應(yīng)該是消費電子市場最大的一個新蛋糕，華榮OV等一批國內(nèi)廠商又早已“上桌”，只要攻克一些技術(shù)難關(guān)，就能成功分到大蛋糕，何樂而不為呢？

意圖識別框架上，正在醞釀一場從“以手機(jī)為中心”到“以人為中心”的交互之變，AI手機(jī)才剛剛萌芽。

審核編輯 黃宇