在博鳌论坛的演讲台上，vivo总裁胡柏山分享了一个令人动容的故事：失明九年的宝哥举起手机，耳机里传来AI的描述：“面前是你的朋友章喜德，他双臂交叉，面带微笑，穿着一件深色长袖。”这一刻，技术跨越了视觉的障碍，让宝哥“看见”了九年来第一个新朋友的面容。这个场景背后，折射出AI发展至今仍面临的深层挑战——如何让智能设备真正感知物理世界？
胡柏山在演讲中指出，当前AI的“盲区”不在于算力，而在于感知能力的缺失。尽管大模型能够处理海量数字数据，生成文字、图像甚至视频，但它无法实时感知用户身边的物理环境。这种感知不是通过云端上传照片后的被动识别，而是像人类视觉系统一样，实现端侧的实时、主动、持续感知。他比喻道：“没有感知能力的AI，就像困在黑屋子里的天才，算力再强也看不见咫尺之外的世界。”
基于这一判断，vivo在内部正式成立了“感知赛道”，将视觉、听觉、触觉等多模态感知通过传感器与感知大模型结合，转化为设备可理解的物理世界信号。胡柏山认为，未来大模型之间的差异可能逐渐缩小，但感知数据具有真实差异化——家庭机器人积累室内环境数据，手机影像积累用户真实生活场景的视觉信号，这些场景数据的丰富程度将直接决定智能体验的优劣。
影像技术被胡柏山视为AI的“眼睛”。vivo通过近十年的影像大模型算法研发，结合定制化硬件模组，实现了软硬协同的独特优势。他透露，即将发布的vivo X300 Ultra和X300s将搭载第一代“影像Agent”，能够根据拍摄对象、光线和距离自动优化成像效果，让普通用户也能轻松拍出专业级照片。这种能力不仅限于影像领域，vivo还计划将Agent技术扩展至办公、出行、游戏等场景，例如折叠旗舰X Fold系列可自动记录会议内容、规划行程，iQOO系列则能优化游戏性能并捕捉高光时刻。
在技术路径选择上，vivo坚持端侧优先的策略。端侧感知无需依赖网络往返，能够实时响应环境变化，同时保护用户隐私。为突破端侧算力限制，vivo两年前开始与合作伙伴定制专用算力芯片，计划在后续旗舰产品中部署。胡柏山强调，vivo的Agent设计遵循“懂用户、知人心，但不越边界”的原则，所有关键用户数据存储在本地，换机时可整体迁移，形成独特的“数字DNA”。
vivo的野心不止于手机领域。去年成立的机器人Lab，正探索将手机积累的感知能力延伸至机器人形态。胡柏山坦言，机器人不是手机的迭代，而是从零开始的全新挑战。2026年，vivo机器人Lab的首要任务是明确目标用户和核心场景，例如从宠物喂养、收纳整理等容错率高的场景切入，逐步积累场景数据和技术能力。他设想，手机与机器人可形成协同：机器人初期能力不足时，由手机远程补位；随着场景数据积累，机器人将逐步实现自主决策。
在混合现实（MR）领域，vivo已迈出探索步伐。2025年8月发布的vivo Vision探索版头显在国内28家体验店及东南亚市场同步亮相，累计体验人数超五万。胡柏山透露，下一代产品将瞄准商业化目标，计划在2027年下半年至2028年初推出。他强调，感知赛道的投入需要长期主义：“我们控制投入节奏，螺旋式上升，避免组织因过度扩张而受伤。”
回到宝哥的故事，胡柏山总结道：“科技的高度，终须回归人的尺度。”当算力逐渐同质化，模型参数不再成为竞争焦点，智能设备对物理世界的感知深度，以及关于用户个体的场景数据积累，将成为决定体验差异的关键因素。这场关于感知的竞赛，或许才刚刚开始。
