辅助级认证来了 智能手机“变天”？

//世界移动通信大会上，人们参观机器人手机。（新华社记者 程敏 摄）

今年5月，工业和信息化部、商务部、市场监管总局等部门联合启动实施《人工智能终端智能化分级》（GB/Z 177—2026）系列国家标准，明确了智能化的概念、等级划分和测试方法，告诉大家“什么是人工智能终端、怎么分级、怎么判定”，是所有品类标准的基础。终端智能化的分级体系，从L1响应级、L2工具级、L3辅助级到L4协同级，智能化水平依次提高，终端更“聪明”。2026年7月17日以来，华为、摩托罗拉、荣耀、vivo、OPPO、小米和阶跃星辰等品牌纷纷宣布，通过了国家人工智能L3级认证。

新的标准将“场景任务闭环”作为核心评价维度，从“单点能力”转向“端到端的任务闭环”对厂商的产品设计思路会带来怎样的改变？当前只有部分新品达到L3级，产业距离L4还有多远？AI手机与AI智能体手机的真正分界线是什么？连日来，记者采访了多位专家对此进行解读。

记者：为什么手机厂商会在此时集中官宣L3？AI手机与AI智能体手机的真正分界线是什么？

工业和信息化部信息通信经济专家委员会委员盘和林：现阶段消费者并不了解AI智能体手机，不知道有什么有吸引力的功能，消费者在选择AI智能体手机的时候，会去看各种排名。如果手机厂商能够获得“首批L3认证”，那么在销售上就有了先发优势。消费者不清楚功能，但一定知道有L3认证的比没有L3认证的手机更加先进，就会偏向于购买有认证的手机。其实，还是为了获得更高的AI智能体手机的市场份额。

传统手机和AI智能体手机的分界线很多，其中最重要的区别，是自主性。传统AI手机没有自主性，所有的APP都需要用户自己打开和使用，而AI智能体手机有自主性，要获得自主性，除了需要AI智能体工具功能之外，还需要解决一个重要的问题：AI智能体需要获得APP调用权限，并在调用的时候保障安全。这一点，其实挺难实现的，因为很多APP都在担心，AI智能体手机获得调用权限可能会导致新的安全风险，也会导致开发者失去对APP的控制权限。

综合开发研究院（中国·深圳）产业经济研究中心主任研究员陈雯璐：L3跟L1、L2重要的区别就是对待指令上，从时间上、空间上是否能够联系上下文进行理解，拆分指令并一一对应的执行。可以理解为L3是一个有记忆、有逻辑的助理。而L1更像是我们设定的闹钟，只要定了那个时间，除非没电，就能一直执行，不会因为环境变化而变化，L2更像给我们有限菜单的饭店，选择是有的，但不多，模式化特点显著。

记者：此前市场上大量“AI手机”存在功能碎片化、宣传虚标等“伪智能”问题，L3国标认证能否从根源上规范行业乱象？

陈雯璐：一般技术发展都走在政策发展的前面，行业一般都会从无序竞争走向有序的良性发展。国际认证是该技术发展到一定阶段的必然产物，认证也能从制度底层大幅约束乱象。过去厂商靠 “接入云端 API、套个大模型壳、外挂独立AI APP”就宣称AI旗舰；国标把感知、认知、工具调用、记忆、多模态生成拆成14项可量化测试指标，必须通过工信部或信通院公开实测发证才算L3，纯云端套壳产品直接被排除，堵住“伪 AI”最大漏洞。

记者：L3级AI认证落地后，会对智能手机行业的产品迭代逻辑产生哪些颠覆性影响？2026年被称为AI Agent手机元年，L3国标认证的落地，是否标志着智能手机正式进入“智能体时代”？

盘和林：新的手机迭代逻辑是以智能体为核心重构系统架构。未来手机的操作系统要围绕智能体来改变，操作系统的底层需要嵌入AI智能体，才能顺利地接管手机的各项APP功能，这必然会带来两个迭代逻辑：一个是智能体和手机系统的嵌合度，生态的融合度，能不能调用更多APP，是智能体要解决的技术课题。另一个是智能体调用APP带来的安全风险，能不能解决这些安全风险，关乎未来AI智能体手机是否能够实现可持续发展。

L3认证，是智能体手机的一个开始，并不能认为等同于智能体时代到来，因为智能体的安全性、使用顺畅度，都需要市场验证，也需要手机APP开发者验证。

记者：目前头部品牌已率先拿下L3认证，这套国标门槛是否会形成行业准入壁垒？会如何影响中小手机厂商的生存空间，行业市场格局是否会进一步走向集中？

陈雯璐：确实会影响中小手机厂商的生存空间。智能手机行业马太效应加剧，排名前五位的品牌国内市场占有率大概率进一步提升，行业进入门槛将越来越高。

记者：L3作为当前落地最高等级，后续L4协同级标准已在规划中，从L3到L4的技术跨越核心是什么？终端AI的终极演进形态会是怎样的？

盘和林：L3辅助级的核心定位是“聪明的私人助理”——能围绕一台终端、一个用户目标，自主拆解任务、调用工具、记住偏好。而L4协同级的关键词是“协同”，问题会自然扩展到多个智能体、多个设备和多个服务主体。L3到L4的关键跨越点，是规则协同，这就又要提到AI智能体获得APP底层调用权限存在的客观挑战和问题。终端AI的终极形态，是独立完成几乎所有的任务，人类告诉手机要什么结果，中间过程都由智能体完成。

陈雯璐：技术跨越点更倾向于聚焦主动预判式自主决策，不用发出指令，该智能体能通过使用者的习惯、思考的逻辑，“想”在人前，自动决策，最终成为一个真正的“智能”助手。

记者：智能体手机距离稳定完成跨应用任务还有多远？

中国信息通信研究院南方分院院长助理、创新发展研究部主任张昊：预计还需要1至2年，也就是到2027年至2028年初，跨应用任务才有可能从“演示可用”走向高并发、高鲁棒性的日常稳定使用。截至2026年年中，行业正处于从受限沙盒测试向泛化日常场景迈进的关键阶段。要真正稳定完成跨应用任务，仍需克服三方面技术障碍。

首先是GUI视觉智能体对APP动态界面的适配能力。当智能体利用视觉大模型识别屏幕，并模拟人类点击界面时，APP频繁更新、弹窗广告、页面改版以及验证码等因素，都可能导致任务执行中断或出现误操作。目前，系统底层仍缺少足够强大的实时容错机制。

其次是长链路任务中的错误累积。一项涉及比价、订票、写入日历和通知打车的复合任务，可能包含十余个操作步骤。如果每一步的成功率均为90%，全流程成功率将下降至35%左右。长上下文推理发生偏移，以及对任务状态的追踪能力不足，是当前需要解决的核心问题。

第三是端侧时延与功耗的制约。复杂的意图拆解和视觉识别需要消耗大量算力。如果一次跨应用任务需要等待10秒至15秒，同时导致手机明显发热，其使用体验将大打折扣。

艾媒咨询CEO兼首席分析师张毅：目前，还没有看到能够较好完成跨应用任务的成熟产品。整体而言，这类产品仍处于实验室研发、原型机验证或小范围测试阶段。要实现规模化商业应用，个人认为至少还需要一年半。

现阶段的主流方案，主要还是依靠读取屏幕信息和模拟点击完成操作，多任务协同能力相对较弱。同时，智能体还面临应用风控拦截、端侧算力与功耗限制，以及意图识别、系统权限和安全等多方面问题。

未来一段时间内，部分产品有机会率先在高频、简单的跨应用场景中实现稳定可用。但手机涉及大量应用和个人信息，尤其可能触及支付等敏感操作，因此不可能一步到位。在现阶段，许多关键环节仍需要用户进行确认。短期内，要实现全场景下稳定、自主的跨应用任务执行，难度仍然较大。

记者：应用生态不开放，会不会成为智能体落地的最大障碍？

张昊：会。商业利益和应用生态形成的壁垒，是现阶段智能体落地面临的深层结构性障碍。不过，这一矛盾也在推动行业探索新的技术和商业路径。

传统移动互联网生态建立在流量和广告模式之上。社交、电商、出行等领域的超级APP拥有各自的数据和服务体系，也会警惕手机厂商的智能体将其“管道化”或“去入口化”。如果用户不再直接打开APP、浏览首页，其原有的广告展示和流量变现模式便会受到影响。因此，部分平台可能通过反爬虫、封禁自动化脚本等方式，限制智能体的自动操作。

张毅：从目前来看，应用生态不开放，确实是制约智能体大规模落地的核心问题之一。超级APP掌握着流量、交易和服务入口。智能体如果绕过应用的原生界面直接调用服务，将对平台的流量分配、广告收入、商业化模式以及数据控制权带来较大挑战。

另一个问题是，目前行业尚未建立统一的互通协议，APP厂商也缺乏分别为各家手机系统单独适配接口的动力。短期来看，通过系统权限、GUI视觉识别和模拟操作等方式，可以在一定程度上实现过渡；但从长期看，行业仍需建立开放、统一的调用标准，同时明确各方的责任边界和利益分配机制。

记者：未来一年，判断智能体手机是否真正落地，应看哪些指标？

张昊：未来一年，判断AI智能体手机是概念炒作还是实现了商业闭环，可以重点关注四项量化指标。

第一是跨应用任务的一次性成功率。在没有提前预演，并存在弹窗、动态界面变化和网络波动等真实干扰的复杂场景中，智能体完成跨应用任务的全流程一次成功率能否达到90%以上，是判断其是否具备日常使用价值的重要指标。目前，行业平均水平约为65%至75%。

第二是系统级智能体的日均调用频次和30天用户留存率。衡量智能体能否从尝鲜功能转变为高频刚需，关键要看用户每天主动调用智能体完成跨应用任务的次数，能否达到日均3次以上，以及用户开启智能体功能后的30天留存率。

第三是安全确权和误操作赔付兜底机制能否建立。一方面，要看涉及支付和隐私信息调用的安全校验机制是否成熟，例如能否采用硬件级双重生物识别；另一方面，当智能体出现错误下单、订错机票等问题时，手机厂商与应用平台能否明确责任归属，并建立相应的商业保险或赔付机制。

第四是端侧能耗和响应时延。复合跨应用任务的平均端到端响应时间能否缩短至3秒以内，以及系统级智能体在后台常驻和执行任务时，手机日均续航衰减能否控制在5%以内，将直接决定相关功能能否进入高频使用场景。

总体而言，L3级测试集中官宣只是AI智能体手机赛道的一声“发令枪”，下一阶段决定竞争结果的，将不再只是模型参数大小，而是谁能率先在体验稳定性、应用生态协同以及安全信任机制方面取得实质性突破。

张毅：在我看来，重点是要关注四方面指标。

首先是跨应用任务端到端的完成率，即智能体究竟能够独立完成多少任务，而不只是实现页面或应用之间的简单跳转。这是衡量其实际能力最直观的指标之一。

其次是头部APP主动开放标准接口的程度。如果主要应用平台愿意开放接口，将直接影响智能体跨应用调用服务的稳定性和覆盖范围。

第三是智能体功能能否形成稳定的日活跃使用量，尤其是能否出现用户可感知、高频且具有刚性需求的应用场景，并进一步成为推动消费者换机的因素。

最后还要关注安全体验和相关指标，包括操作过程能否完整留痕、权限能否一键撤回，以及出现误操作后能否及时停止或纠正等。智能体只有做到安全、透明、可控，才具备真正大规模落地的基础。（深圳商报首席记者 陈小慧 袁静娴）