用端云協(xié)同，讓手機智能體更聰明、更可控。

2026 年都到 2 月了，你要是還沒聽說過 Agentic AI，大概率不只是斷網(wǎng)這么簡單——更像是手機都丟了。

我自己算是從頭看著這波浪潮起來的。OpenClaw（當時還叫 ClawdBot）火出圈那陣子，很多人第一次真正「看懂」了一件事：我們想象中的 AI Agent 時代，關鍵從來不在它能不能聊得更像人，而在它能不能把事辦完。

它能開瀏覽器、能點按鈕、能把一個原本需要你反復切 App 的任務拆成步驟，一路執(zhí)行到結束。你甚至會在某個瞬間產(chǎn)生錯覺：屏幕那頭像真的坐著一個很熟練的實習助理。

與此同時，自動化操作這股風，早就吹到手機上了。無論是豆包手機這類軟硬件形態(tài)，還是各家手機大廠在系統(tǒng)助手上的「行動化」嘗試，本質上都在做同一件事——把 AI 從對話框里拽出來，塞進系統(tǒng)和 App 的縫里，讓它去完成那些「明明很簡單但就是很煩」的操作鏈路：打車、下單咖啡、生成文檔。

然而，單純的云側智能或單純的端側執(zhí)行，都有著各自難以逾越的「天花板」。

云側的 OpenClaw 擁有強大的推理能力，但它看不見你手機當下的屏幕，不知道你此刻的地理位置，更不敢直接操作你本地的微信去發(fā)個紅包；而市面上常見的純端側助手，雖然能調用本地的數(shù)據(jù)和應用，卻往往因為硬件算力限制，在面對高復雜、長流程任務時顯得「智商不夠用」。

移動端 AI Agent 的勝負手，早就不是「做云還是做端」的選擇題，而是如何把兩者的優(yōu)勢真正打通。近期，一家清華系團隊「萬象智維」選擇用「小萬」切入市場，押注的正是這樣一套打通端云的能力體系：讓云端做「大腦」，負責復雜邏輯與規(guī)劃；讓端側做「手腳」，負責感知與最后一公里執(zhí)行。

01

不僅是「能動手」，

更是「分工明確」

在 AI Agent 的應用場景中，設備的定位差異始終是制約體驗升級的關鍵。電腦與云服務器是天生的效率工具，憑借 7×24 小時不間斷運行的優(yōu)勢，擅長承載復雜計算與長期執(zhí)行類任務。而手機則是核心生活工具，沉淀著最細碎、最個人化的行為習慣和上下文數(shù)據(jù)。

傳統(tǒng)的思路是：要么把所有數(shù)據(jù)傳上云，但這面臨隱私和延遲的挑戰(zhàn)；要么在端側硬跑大模型，但這會燒穿手機的電池和算力。

「萬象智維」的解法是「端側 GUI + 云側 CLI」的技術分工。

在「小萬」的產(chǎn)品架構中，手機被定位為上下文的主要入口與執(zhí)行終端。它天然知道你是誰、你現(xiàn)在在什么時間和地點、你正在用哪些應用。而云端的 OpenClaw 則發(fā)揮其復雜推理與多任務調度能力，負責長期運行任務、系統(tǒng)級 API 操作等核心工作。

我們可以通過兩個真實的場景，來看看這種「端云協(xié)同」是如何比單一端側更聰明的：

場景一：復雜文檔的「端-云-端」接力

當你收到一份幾十頁的技術文檔時，單純的端側模型往往讀不懂深層邏輯，而單純的云端模型又無法直接操作你的本地 App。

在「小萬」的流程里，端側 Agent首先接管，利用本地算力提取文檔的關鍵信息；隨后，任務流轉至云端，由 OpenClaw 進行深度的邏輯梳理和摘要生成——這是手機本地算力難以企及的。最后，處理好的結論回傳至手機，由端側 Agent再次接手，詢問你是否需要「發(fā)送給同事」或「保存到筆記」，并直接調用微信完成發(fā)送。

用戶感知到的是一次流暢的服務，但后臺其實發(fā)生了兩次「端-云-端」的職能交接。

場景二：基于感知的智能通勤

早晨醒來，端側 Agent基于本地傳感器感知到「外面下雨了」，并讀取了你本地日程中「早晨 9 點有會」的信息。

這些上下文被脫敏后發(fā)送給云端，云端大腦迅速規(guī)劃出一條避開擁堵的打車方案，并決策出「需要提前出發(fā)」。

當方案確定后，指令回到端側。此時，「小萬」直接在手機本地喚起打車 App，自動填寫目的地、選擇車型，并停在支付確認頁面等待你點擊。

這種「端側感知、云側決策、端側執(zhí)行」的高效協(xié)同模式，既規(guī)避了純端側智能能力不足的短板，也解決了純云端智能缺乏場景感知和隱私顧慮的痛點。

02

真正解決的難點：

算力、成本與隱私

從 Demo 走向實用，一定會遇到一堆硬問題。先說最現(xiàn)實的：成本與效率。

把智能體裝進手機聽起來很容易，但現(xiàn)成方案沒法直接照搬。高頻調用的日常場景里，Token 成本繞不過去；手機端還要算清楚內存、功耗、溫度、延遲。你可以在云端把模型堆得很大，手機端必須把每一次 Token、每一次訪存、每一次調度都算明白。

哪怕是 OpenClaw，也會瘋狂消耗大模型服務的 Tokens。不少網(wǎng)友在社交媒體吐槽賬單太夸張，很多專業(yè)用戶一天就能跑出數(shù)百美元。如果讓手機里的每一個小動作都去問一遍云端大模型，這在商業(yè)上是跑不通的。

「萬象智維」給出的路徑，是算法與系統(tǒng)的深度協(xié)同優(yōu)化，重點做了兩件關鍵技術工作。

首先，是對端側推理框架的「極限壓榨」。

既然是協(xié)同，端側就不能太弱?！溉f象智維」開發(fā)了一套名為「OmniInfer-VLM」的框架，旨在榨干手機 NPU 的性能。數(shù)據(jù)顯示，在不犧牲精度的前提下，該框架能讓多模態(tài)推理速度相對傳統(tǒng) CPU 方案提升接近 20 倍。

這意味著，像屏幕識別、OCR 提取、簡單的意圖判斷這些高頻操作，完全可以在本地毫秒級完成，無需聯(lián)網(wǎng)，既快又省。

在此之上，是以「行為」為核心的記憶系統(tǒng)。

并不是所有任務都需要「思考」?，F(xiàn)實中，我們每天的點咖啡、打卡路徑是高度重復的。每次都從零推理不僅慢，也更容易出錯。

團隊引入了一套記憶系統(tǒng)，將用戶的高頻操作路徑抽象成數(shù)學模型記錄在本地。當你第十次點同一種咖啡時，系統(tǒng)不再需要云端的大腦重新推理「怎么點」，而是直接調用本地的行為記憶，進行自動化執(zhí)行。

這不僅讓執(zhí)行速度更快，更重要的是，它大幅減少了對昂貴云端算力的調用次數(shù)——據(jù)測算，這種機制能讓平均推理延遲降低約 1.49 倍。

此外，還有隱私的「護城河」。

在 Agent 時代，隱私不僅是數(shù)據(jù)，更是行為。相比于部分方案將每一幀截屏都上傳云端進行分析，端云協(xié)同架構提供了一種折衷的安全性：敏感的上下文（如微信聊天記錄、支付密碼頁面）始終保留在端側處理；只有經(jīng)過脫敏、任務需要的抽象指令才會發(fā)往云端。這雖然無法做到 100% 的物理隔絕，但相比純云端接管，它在架構上為用戶保留了數(shù)據(jù)的「所有權」。

03

落地與生態(tài)：

清華系團隊的工程化答卷

AI 硬件需要的是一種低算力、但在高頻場景下仍然足夠順的解決方案。想走到日常使用，總要面對一個現(xiàn)實：算力不可能無限，體驗卻必須夠穩(wěn)。

目前，這套方案已經(jīng)不僅僅停留在 PPT 上。根據(jù)產(chǎn)品信息，「小萬」目前已實現(xiàn)了端側持久化的上下文記憶，在完全依靠端側自身算力配合云端調度的條件下，支持約 40 款主流應用，覆蓋約 150 個場景任務。無論是打車、消費、支付等日常任務，還是規(guī)劃相關日程，都可以通過「小萬」來完成。

這組數(shù)字雖然不能等同于「全能 Agent」，但卻勾畫了一張清晰的工程化路線圖：先把高頻、可驗證的任務做扎實，再把覆蓋面鋪開。

而在部署上，「萬象智維」同樣把「本地化」當成核心能力設計：「小萬」的端側任務主要利用手機本地算力完成；云側會為每位用戶開設獨立的虛擬云服務。對有本地部署需求的企業(yè)用戶，他們還提供了本地化部署 OpenClaw 的方案，通過 API 無縫接入「小萬」，進一步降低隱私顧慮。

這套成熟的工程化打法背后，是雄厚的技術積累。「萬象智維」依托清華大學端智能研究團隊孵化成立，核心團隊在清華大學計算機系任炬副教授與清華大學智能產(chǎn)業(yè)研究院李元春助理教授的長期指導下，在端側模型輕量化與高效推理領域有著扎實積累。公司成立后首輪融資便獲得來自星連資本領投的數(shù)千萬元天使輪投資，也側面印證了行業(yè)對其技術路線的認可。

04

未來：從人機交互到

Agent-to-Agent

如果說 OpenClaw 讓我們看到「Agent 可以動手」的可能性，那么「小萬」更像在回答另一個問題：當動手發(fā)生在更多形態(tài)的端側設備上，智能體還能不能把事辦完，并且辦得讓人放心？

未來的端側 AI，或許不會局限在手機這一個形態(tài)上。眼鏡、手表、甚至是未來的新型終端，它們本質上都是一個個「端側 Agent」。它們各自擁有不同的傳感器和執(zhí)行能力（有的能看，有的能跑），而云端則是一個通用的「超級大腦」。

「萬象智維」正在構建的，正是連接這兩者的中間層——Agent-to-Agent 的交互網(wǎng)絡。

在這套網(wǎng)絡中，任務不再被綁定在某一臺設備上，而是由云端統(tǒng)一規(guī)劃，分發(fā)給最合適的端側設備去執(zhí)行。移動端 AI 的「動手時代」已經(jīng)開場。真正的分水嶺，或許不在于誰的模型參數(shù)更大，而在于誰能用最工程化的手段，把聰明（云）和靠譜（端）真正結合在一起，解決那些用戶每天都要做、又最怕出錯的瑣事。

*頭圖來源：萬象智維

本文為極客公園原創(chuàng)文章，轉載請聯(lián)系極客君微信 geekparkGO

極客一問

你如何看待未來的端側 AI？

Sam Altman：Moltbook 或為一時狂熱，但 OpenClaw 絕對不是。

點贊關注極客公園視頻號，