【上海，世界人工智能大会】 在荣耀WAIC主论坛的技术环节，荣耀AI首席科学家黄非博士发表了题为《面向终端智能的伙伴型Agentic OS的演进与实践》的主旨演讲，系统披露了荣耀Agentic OS的全栈技术架构、自研模型成果，以及与阿里巴巴、高通等产业伙伴的深度协作。随后，阿里巴巴朱艺博士和高通徐皓博士分别分享了在模型协同与芯片底层优化方面的联合创新。

从ENIAC到Agentic OS：人机关系天平的第三次颠覆

　　黄非博士以一段计算机史开场。八十年前，人类第 一台通用电子计算机ENIAC重达30吨、布满1.8万个真空管，六位女性数学家需要先在纸上人工模拟计算路径，再手动插拔成百上千根跳线——“这可能就是人类最早的编程”。

　　操作系统的诞生，把人类脑海中的意图需求转化成计算机能够理解的执行动作，成为一座支撑并连接人与设备的”天平”。黄非博士回顾了这座天平的两次重大失衡与平衡：

　　第 一次失衡：早期人类必须强迫自己去理解机器，把想法人工分解成成百上千条机器指令——“不是机器在服人，而是人在学习和迁就机器”。

　　第 一次再平衡：图形操作系统（GUI）诞生，命令行变成看得见、点得到的图标和菜单，让普通人能够自如驾驭计算机。但黄非博士指出了残余的失衡：“为了完成复杂任务，我们还是要在各种App之间来回复制粘贴，本质上系统依然无法直接理解我们的完整意图。”

　　第二次颠覆与重构：今天AI的感知、意图理解、记忆和执行能力涌现，将彻底打破维持四十年的人机交互天平。“当操作系统真正开始理解人的意图时，那些复杂的编排、重复的操作将全部推向幕后，还给人类的是注意力和精力被归还后的轻松。”

Agentic OS的本质：以任务为本重构操作系统

　　黄非博士给出了荣耀对Agentic OS的核心定义：“Agentic OS的本质不是在系统里加一个AI助手，而是以任务为本重构操作系统，让任务的最终完成取代功能的简单堆叠。”

　　在这一架构中，智能体不是孤立的助手或插件，而是与系统应用和服务深度融合的自主单元。每个智能体具备跨模态感知、任务规划、协同执行和自我学习的能力，可以基于用户意图主动解析目标、制定策略，并高效调用系统资源、应用服务及其他智能体协作完成复杂任务，实现从被动响应向主动协作的跃迁。

　　黄非博士用一张对比图说明了范式转变：意图进来，系统理解、调度、拆解、闭环，而应用、服务、数据、设备、Agent从”用户要面对的入口”转换为”系统要调用的资源”。“以意图为中心，而不是以应用为中心——这不再是人被动适应机器，而是机器主动理解人。”

四大技术特征：自然交互、主动智能、天生跨端、全栈重构

1. 自然交互：多通道叠加消除歧义

　　Agentic OS的交互以感官为入口，声音、手势、眼神、动作都是输入。“语言讲逻辑，目光落处就有了所指，转身与驻足是意图的前奏，时间和环境是我们无需开口的默契。”关键在于融合——单一通道往往含糊，而多通道叠加趋于确定，用互补信息消除歧义，合成准确意图。

2. 主动智能：预测容易，克制最难

　　“被动和主动的区别，听起来是产品体验，本质上是一个决策问题——决策发生在指令之前还是指令之后？”黄非博士坦承，主动智能难的不是预测，而是克制：“预测错了轻则打扰，重则事故。所以每一次主动背后都是一次置信度和代价的判断——想清楚了才规划，时机对了才出现，拿到授权才执行。”他总结：“主动智能的本质是替你进行目标，并且永远把最后的决定权留在你手里。”

3. 天生跨端：智能从硬件里拆出来

　　传统架构中，操作系统的边界就是硬件的边界，智能被锁死在每一台设备里。Agentic OS通过三个机制打破孤岛： - 统一记忆：上下文归属于你，而不是某一台机器； - 能力分布：每台设备各有所长，屏幕、传感器、算力都可被OS调度； - 任务迁移：活分派给最合适的节点，失败后还能换端重试。

　　“从手机、PC到眼镜、车机再到机器人，这些终端共同构成一台属于你个人的分布式智能系统。设备会越来越多，但思考决策的大脑只有一个。”

4. 全栈重构：六层技术栈作为整体重构

　　荣耀没有在传统的OS上给AI”打补丁”，而是从硬件抽象到生态把六层技术栈当作一个整体重构了一遍。调度的对象从进程、线程变成意图与任务，内核管理的资源从内存、算力扩展到了模型和智能体。“这是AI原生操作系统与装了AI的操作系统的分水岭。”

智能体运行时：程序是一条线，智能是一个环

　　黄非博士用一句话点出了智能与程序的本质区别：“程序是一条线，智能是一个环。”

　　程序输入进来、输出数据、跑完就结束了，它不知道自己做得对还是不对。而智能体从感知到规划到推理到执行到反馈，首尾相连。“关键在于反馈——我们把反馈闭环做成智能体的原生运行时，这个loop不是某个功能的流程图，而是每一个智能体的心跳。”

　　在任务调度方面，荣耀抛弃了业界常见的固定拓扑结构（A做完给B，B做完给C），提出了动态生成的协作组织： - 简单顺序任务走流水线，开销最小； - 高风险需合规任务走强管控的程序树，指挥链清晰、可审计可回滚； - 复杂开放性任务走分布式去中心化，通过智能体点对点协商、并行探索、结果共识收敛。

　　“任务长什么样，智能体协作的组织就应该长什么样。”

记忆的关键不是存储，而是”越用越准”

　　对于智能体记忆，黄非博士指出了行业普遍误区：“把用户十年的数据全部存下来很容易，但那不叫记忆，叫日志。日志只会越堆越沉，而记忆必须越用越准。”

　　荣耀将记忆做成一个活的四步过程： 1. 记：通过全生态主动感知，重要内容主动留下、琐碎内容主动放过——“记忆会遗忘，恰恰是会记忆的前提”； 2. 学：通过多模型对原始经验做推理挖掘，把”发生过什么”提炼为”这个人是谁、他喜欢什么、他在乎什么”； 3. 用：在任务里强化召回检索，给每个智能体提供全局上下文； 4. 护：理解在端侧沉淀，敏感数据不驻云——“隐私不是记忆的边界条件，而是记忆的核心护栏”。

模型矩阵：不是一个大模型做所有事

　　行业惯性追求一个越来越大的通用模型，但从操作系统视角恰恰相反。“系统里真实的智能负载是极度异构的：唤醒要长驻省电，对话需要低延迟高情商，规划要实时速率，生成要高质量。用一个巨型模型响应所有请求，就像让诺奖得主值守所有前台——又贵又慢，大材小用。”

　　荣耀的答案是模型矩阵，深层逻辑是分工： - 智能体大模型：负责想，复杂意图规划执行、工具调用完整闭环； - 感知大模型：负责看和记； - 交互大模型：负责听和说； - 视觉生成大模型：负责创作。

　　“就像生命体的器官和系统，没有哪个器官最强，但每个器官都长在最合适的位置。”

　　大量能力被刻意做小、压进端侧——模型尺寸按任务的延迟、功耗和隐私要求量体裁衣，而非按参数静态排行榜。“一个模型是能力，模型矩阵由系统统一调度各司其职，这才是操作系统级的智能供给。”

荣耀自研模型成绩：多项榜单登顶

　　黄非博士公布了荣耀在自研模型方面的一系列硬核成绩：

　　　技术突破方面，黄非博士重点介绍了两大创新： - PJO技术：将模型一半参数存放在低成本固态内存，按需动态调用，突破端侧动态内存瓶颈； - 视觉图像压缩技术：在大模型内部无需额外训练即可提取图片信息流，减少四分之三视觉处理量，显著降低功耗与发热。

　　今年3月发布的初代智能体模型以13B参数规模登顶多个开源评测基准中100B以下参数规模榜单。与上一代相比，参数规模减少88%，整体性能提升11%，实现了轻量化与高性能的双重突破。

　　此外，荣耀联合上海交大构建了行业首个横跨全场景设备的智能体评测基准，覆盖手机、电脑、智能家电，涉及七种跨设备协同范式、6000多种可执行任务，解决了现有评测大多局限于单一平台的问题。

产业共创：阿里×荣耀、高通×荣耀的深度协同

阿里-荣耀：模型与终端的协同设计

　　行业通行做法是模型厂商训好通用模型、终端厂商拿来适配，但”模型不懂终端约束，终端欠缺模型特性，中间隔了一道适配鸿沟”。荣耀与阿里采取了“协同设计”的新模式： - 明确端侧功耗、内存、时间的红线，决定模型参数尺寸和能力边界； - 按智能体认知回路切分角色：Pro（平稳深沉，负责复杂推理）和Fast（动若脱兔，负责GUI自动操作）； - 五颗模型对应一条完整的”感知-思考-行动”链路； - 面向终端的模型在终端场景中锤炼，利用终端场景数据环境成长出终端所需能力。

　　阿里巴巴朱艺博士随后分享了手机Agent解决长程复杂任务的四大能力维度： 1. 更懂你：模糊意图理解，结合任务状态补全未明确表达的信息； 2. 更能干：组合不同技能、调度子智能体，完成跨应用跨模态复杂任务； 3. 更可靠：遇到网络或执行异常时及时调整、重新规划； 4. 越用越聪明：从成功经验和失败轨迹中持续学习进化。

　　朱艺博士展示了一个典型长程任务案例：用户说”帮我预定下周三上海参加制造大会的行程”。Agent需要补全交通方式、酒店偏好等缺失信息，查询比较订票，处理座位售罄异常，扫描日程表照片报名——“这不是简单调用几个工具，而是要充分利用上下文和记忆，组合工具和子智能体，根据实际情况不断调整，直到任务真正完成。”

　　评测结果显示，相比千问基座模型，千问手机Agent方案在通用手机场景和荣耀手机场景中均有显著提升，证明模型与定制化Harness的协同进化能有效提升手机任务能力并具备通用泛化能力。

高通-荣耀：从芯片底层支撑Agentic OS

　　高通徐皓博士分享了与荣耀在硬件底层的多项创新实践。Agentic OS的AI内核需要像Linux内核调度逻辑计算任务一样，统筹调度AI计算任务，结合场景精准高效利用不同算力单元和内存资源，兼顾功耗平衡。

　　具体技术方向包括： - 内核调度：针对端侧大小模型提供统一接入框架，感知业务场景确保高优先级及时响应，实时感知负载和发热动态调整GPU/NPU任务策略，未来建立跨算力单元异构调度； - 内存管理：模型加载集中管理、不受进程存活状态影响，感知场景分段按需加载，KV缓存精细化复用，实时感知内存压力采用预分配、压缩存储、积极回收等策略； - 环境安全：基于PKI体系和端侧双TEE安全机制，保障模型安全分发、推理执行过程进程空间多重隔离，全链路行为可审计可追溯。

　　徐皓博士还展示了高通与荣耀合作的端侧AI推理优化成果，通过深度学习等技术让大模型在端侧高效运行，为Agentic OS提供坚实的算力底座。

荣耀Agentic OS：从理念到落地

　　黄非博士在演讲结尾强调，Agentic OS的先进性不在于某一层，而在于系统重构——“我们没有在传统OS上给AI打个补丁，而是从硬件抽象到生态把六层技术栈当作一个整体重构了一遍。”

　　这张架构图的背后有一条清晰的技术主线：智能=感知+规划+行动闭环+结合上下文和记忆的反馈。 大模型时代的React推理、反思迭代、工具增强、分层记忆，这些业界反复验证的核心能力，荣耀第 一次把它们做成了操作系统的原生能力。

　　“操作系统将从运行智能的平台，变成生长智能的土壤。”

　　从ENIAC的跳线到Agentic OS的意图驱动，从人类迁就机器到机器理解人类，荣耀在这场演讲中展示的不仅是一套技术架构，更是一次人机关系的范式革命——让专业的人更专注于创造，让普通人轻松跨越技术门槛，让人的创造力与判断力因为AI的存在迎来前所未有的爆发。