AIOS 的下一步，不止是更强的 Agent。
文丨唐健博
2024 年 2 月 18 日，OPPO 创始人陈明永发出内部信，提出 2024 年会是 AI 手机元年。四个月后，苹果发布 Apple Intelligence。手机厂商开始重新讨论，AI 会怎样改变这台每天被用户反复拿起的设备。
OPPO 从手机的本质出发，认为 AI 不只是提供几个功能，而是要长期服务一个具体的人。2024 年初，OPPO 还发布了《AI 手机白皮书》，这家企业希望打造 “随心和专属的智慧 OS”。实现这个目标的前提，是记住用户、理解用户。
2024 年 10 月，长期以大模型记忆与长文本为研究路线的姜昱辰，从创业者转变为 OPPO 公司的一员。她的加入，让 OPPO 此前围绕 “记忆” 展开的 AI 系统探索逐渐进入更系统的产品化阶段。
2026 年 9 月 17 日，OPPO 在珠海发布了 ColorOS 17。这是行业首个主动式服务的 AIOS，每一位用户都能构建属于自己的个性化手机智能体，获得独一份的主动服务。
今年 8 月，我采访了姜昱辰及 OPPO AI 背后的团队，试图理解这家公司如何从记忆出发，把对用户的理解变成系统级的主动服务，以及这些选择如何一步步形成。
研究记忆的人，为人建立记忆
2024 年 2 月 18 日，春节假期后的第一个工作日，陈明永在内部信中提出，未来五年 AI 对手机行业的影响可以比肩智能手机替代功能机。OPPO 随后对外宣布成立 AI 中心，将资源向 AI 集中。
将时间指针往回拨，会发现 OPPO 对 AI 手机的判断，绝不是一次 “顺应行业” 的临时起意，其内部 AI 的研究起步远比外界看到的更早。
在正式提出 “AI 手机元年” 之前，OPPO 已经开始投入 AI 的研发，这一阶段更多是基础研究的积累，包括基础模型、AI 安全、智能体等。
但关于 AI 究竟该以什么形式在手机上存在，行业此前一直未得出一致的答案。
早期的 AI 手机，常以照片消除、长文摘要等单项功能呈现。OPPO 想要实现的，并不是 “增加几个 AI 功能”。
2020 年 INNO DAY，陈明永在演讲中提出 “科技为人、以善天下”，强调企业创新应当从人出发。这个命题在 AI 手机时代被进一步具体化：如果系统真的要围绕一个人长期提供服务，就必须首先建立对这个人的持续理解。
2024 年 1 月，姜昱辰团队在杭州发布了自研的无限长文本中文创作大模型 Weaver。在演示环节，基于 Weaver 的 “蛙蛙写作 1.0” 当场续写了电视剧《繁花》。
这次演示背后，是姜昱辰团队此前一直研究的记忆问题：怎样让 AI 在写下一段时，仍记得前面发生过什么。同一个月，Weaver 被拿来和 GPT-4 对比，行业关注的是参数、是通用能力，“记忆” 两个字没有人重点提过。但对姜昱辰来说，记忆并非附属功能，而是智能能否持续的前提。
在她看来，记忆从大模型发展之初就是一个尚未解决的问题，今天仍是智能发展的瓶颈。而当 AI 开始从 “回答问题” 走向 “长期服务”，这个问题只会变得更加重要。
2024 年 10 月，姜昱辰与刘作虎见了一面，下旬便加入 OPPO 担任 ColorOS 智慧产品研发总监。“大家聊得比较投机，很多时候 ‘味道对’ 是比较重要的……我们叫本分，抓本质、想长远。” 姜昱辰回忆道，“我认为在 AI 时代会有新的人机交互方式，手机的本质是人机的第一 IO（Input&Output）接口，其形态在这个时代会有很大的改变。因此能一起合作做 AI 手机，是足够有吸引力的事。”
做 AI 手机，改变了她研究记忆的重心。与 Agent 不同，手机的服务对象是具体的人。
姜昱辰带领团队当时 OPPO 形成了做出了第一个关键判断。姜昱辰表示：AI 手机需要围绕用户建立长期、连续的上下文。团队需要从聚焦于 Agent memory，转向围绕用户建立记忆（User memory）。
“从以 Agent 为中心到以 User 为中心，这是一个比较大的不同。” 姜昱辰说。过去写小说，记忆要维持情节和人物的一致性；到了手机上，系统需要理解同一个人在工作、出行和家庭生活中的不同需求。她认为，这与许多围绕 Agent 构建记忆的公司形成了区别。
这也成为 OPPO 后来构建个人化 AIOS 的一条重要技术路线：不是让 Agent 记住更多，而是让 AI 真正记住 “人”。
最初，OPPO AI 以小布记忆的 “一键闪记” 为切入口。
“当用户按下记忆按钮时，系统会记住这个强信号。通过小布助手，用户可以问得出来记忆里的内容，包括去成都的机票几点钟、住在哪、票号是多少。”
随后，系统开始主动参与。随着记忆动作频繁，系统也在变强，更理解用户。“系统开始可以在有很多噪音的情况下精准捕捉用户的意图。” 姜昱辰说。例如在高频场景里，意图最容易判断。收藏一个帖子、记一笔账都算。这些场景成为切入口之后，系统开始捕捉更被动的感知信号，比如你平时几点钟连上哪一个 Wi-Fi，这些信号最终都会被用来构建用户。
如此一来，人的动作在循环里的占比会慢慢下降，主动服务的占比逐步上升。姜昱辰的描述是 “从 human loop 里 human 占 90%，慢慢降到 50%，再到 10%，甚至 0%”。ColorOS 17 里小布助手有一个全新功能 “万事通”，一定程度上实现了 “全机自动挖掘”，用户记在便签里的待办事项、随手截图的地点，都会被智能识别和聚合。
在整个 AI 系统里，记忆不再是一个功能点，它成了主动智能的前置工程。但前置工程，远不止记忆的存储。
姜昱辰举了一个机票的例子：“比如你有很多去成都的机票，我问今天去成都机票是什么时候，正常情况下十几张都会出来。你也不能说它错了，（从机器机制上来说）它就是对的。但不符合用户的真实诉求，因为没有遗忘机制。”
她所说的遗忘机制与人类类似，时间久远的会遗忘，越近的记忆越深，而用户问机票，通常都问的是时间最近的那一张。记忆体要有理解，要有遗忘，要能从 “记忆宫殿” 里取出正确的那一件，才能真正 “懂得” 用户，甚至帮用户办事。
因此，团队把记忆分成原始数据管理、记忆体和检索三层。更新、纠错和遗忘发生在记忆体这一层；工程上还会把历史事件串成时间轴，帮助模型判断眼前的问题对应哪一次出行。这里需要识别的是当前有效的行程，不能只按哪条记录更新来排序。
行业还在追逐参数规模和上下文窗口，她盯住了另一个容易被忽略的变量：连续性。她进一步向我解释：“固定 context window 的 model 只能获得你的人生很小的片段。只有持续获得对这个人的理解，才有可能建立更完整的用户模型，才可能真正精准地理解他的意图。”
姜昱辰对 AI 下一阶段技术路线的判断是：模型能力会趋同，真正稀缺的是围绕用户连续记忆的系统能力。从 RecurrentGPT 到波形智能，再到 OPPO，她一直认准一件事——长文本会遗忘，Agent 会遗忘，只有具备长期连续的记忆才能支撑真正的智能。
在这套循环里，人的主动操作越来越少，AI 承担的理解和服务越来越多。
OPPO 内部用三个指标观察这套系统是否真正运转起来：人均交互次数、人均记忆条数，以及主动服务点击率。
这套链路，才是 OPPO 从记忆走向主动智能的技术底座。
把记忆做成产品，沿途下蛋
回过头来看，“一键闪记” 也是对 “主动智能” 终极目标的阶段性产品验证。
姜昱辰给 OPPO 带来了一套互联网公司的产品方法论，叫 “沿途下蛋”。她的目标是做到个性化的主动智能、个性化的个人助手。
“终点很远，但在落地的过程中，每一代产品都必须沿着主航道构建一个具体的用户利益点，想不清楚的蛋不下，下了就要小而准。”
姜昱辰举了一个例子：如果你想造一辆汽车，你不能先造一个底板，或者一双轮子，而应该至少是一辆滑板车，这个滑板车可以再拆、再迭代。
2025 年 4 月，苹果 personal context 还在跳票。OPPO 宣布推出小布记忆，沿途下蛋的路径开始了。“一键闪记” 是其中一个关键功能，它能识别并分析屏幕上的内容，存到记忆系统里，提取关键信息并生成摘要。
姜昱辰自己并不回避初版的粗糙：“当时功能还挺简陋，它只是能记下来，摘要也比较差，甚至都没有合集，不能聚类整理，也不能问答。”
一键闪记功能上线后的第一次 “小布股东大会”——团队管内测用户叫 “股东用户”——就有人说，这个功能还挺好用的。随后立刻提了一堆需求。有人拿它整理发票，希望系统自动记账；有人希望保存取餐码；有人希望把视频里的信息也记下来。于是一键闪记后期增加了记账单、取餐码、视频记忆等等，用户还能基于记忆向小布提问。
姜昱辰把这种状态视为 PMF（Product-Market Fit，产品市场契合度）出现的信号。
“当你发现一个产品有 PMF，往往就是用户开始对你有要求的时候；如果用户对你没有要求，证明你的产品没有满足用户任何痛点和诉求。”
“我们会有很多内部的讨论：上线以后，卖点是什么，用户为什么要用这个东西，是不是一句话就能给用户讲清楚的东西。” 姜昱辰说，“我们说的 80 分上线，不是容忍粗糙，指的是功能范围要去收缩，收缩到至少满足用户一个非常小的痛点。这才是一个可以上线的 MVP 产品。”
记住，懂得，主动服务
记忆的地基铺好之后，OPPO 团队形成了第二个关键判断——AIOS 的下一步并不单拼执行程度，而在于更主动、更个性的服务。
2025 年 12 月，豆包手机展示主动的跨应用操作。“端侧 Agent、手机办事” 一度成为行业热点。但问题随之浮出水面：如果 AI 连你是谁、你在哪、你要干什么都不知道，谈何替你办事。
“我们一直认为记忆是 AIOS 的灵魂。” 姜昱辰说，“我们做的就是从记忆到主动智能，personal to proactive。”
事实上，在 ODC 2025 的时候姜昱辰就提出过三大演进方向，其中一个是 “大模型 /Agent 个性化”。姜昱辰用文字向我回顾了这一判断：“除了将记忆做成本地知识库加 RAG 的方案之外，还在探寻更优的个性化的解法——一种是在模型生成答案时把用户画像平移（shift）进去，让输出向着这个人偏移；一种是让大模型根据用户的长期行为历史自我进化（self-evolving）。”
去年的方向，正是 OPPO 今年交卷的 “个性化主动智能”。
在摸索如何建立主动服务的过程中，姜昱辰强调四个原则：构建连续上下文、重视评测体系、在 AI 的幻觉中建立 “兜底方案”，以及时刻警醒 “Token 审计”。这些原则在很大程度上推动、纠正着团队的探索方向。
主动服务看起来像 “多推一条消息”，背后却是一系列判断。
以 “搜得准” 为例，她要求团队进一步区分：返回了多少有用结果，遗漏了多少相关信息，用户是否采纳，以及响应是否足够快。推荐是否有用，也需要接受类似的检验。
小布 Next 是部署在手机端侧的 Multi-Agent 系统，是 OPPO AI 探索把 AI 助手从 “你问我答” 推向主动服务的内测项目。
小布 Next 产品负责人朱海舟面对的产品问题，是让系统在回答之外进一步判断，下一步还能为用户做什么。系统应该准确感知并判断什么时候、推什么、给谁推，这就是主动式服务的真正能力分界。
王剑锋把这件事拆成一个个 “场”。主动服务最早只有桌面上一张卡片这一个阵地，它靠规则驱动，虽然推得准，但范围窄。现在大模型来了，场地要扩到负一屏、对话框、输入法，每个场对应的算法也不同。桌面场以确定性服务为主，规则和小模型打主力，大模型辅助；输入法场对时延要求很高，因此做法变成线下用大模型训练、线上跑模型生成的规则。
至于场景怎么选，姜昱辰的办法是两边碰：一边是用户调研里的痛点，一边是模型技术边界内有概率做好的那些事。
判断和场景之后便是系统执行。
姜昱辰给我演示过一组意图推荐的案例：当你记下一个大众点评的页面，系统就会问是不是要先打车；如果下雨它会自动把堵车时间算进去。甚至连走错机场的案例也会有，例如系统记得你去浦东，发现你打车去了虹桥，会主动打电话提醒你可能去错机场了。
主动服务的分寸涉及到准确性、主动性和打扰频率三者之间的取舍。“你连车都坐错了，我必须要提醒你了”，朱海舟说这是主动服务里最高的一层，即避免用户做出错误决定。再往下是明天要下雨要不要带伞，最底下是领咖啡券这类生活服务。
主动，不等于多。
如何决定主动服务的频率？这便是姜昱辰强调的四个原则里的 “重视评测体系”。朱海舟介绍，内测比较了高频提醒和只在必要时提醒的不同方案，观察用户如何回应，还提供了一个 “滑动开关” 去调整频率。
对用户来说，“主动” 是一个动态范围。“我们希望用户在认知里，小布 Next 是那种 ‘如果我有它我会很方便，幸好有它救了我一命’ 这种感觉的产品。” 朱海舟为小布 Next 设定了一个愿景。
有时候主动服务也会出错，王剑锋分享了一个值机的 bad case：原本值机的策略是三天前弱提醒，值机开放时强提醒，当天持续提醒。“以前经常出现的问题是前两天、前一天都还挺好的，突然到了当天它不推了。” 王剑锋说，这种问题在线上概率很小，但只要用户量上来，总有人碰到。起初，他们定位不出是哪个环节出了问题，团队就一点一点啃。
主动推荐的错配需要团队不断调试，一开始团队追求惊喜感，追求模型的泛化。“模型的泛化能力会给出很多惊喜，但同时它有可能给出一些是错误的，就变成惊吓。” 王剑锋接着说，“推准了用户不会来反馈，但你推错了，用户投诉的概率是很大的。” 他们从点击率、推荐准确率的数据下手，最后靠用户调研、访谈、满意度一点点磨，策略也收缩到确定性服务。例如到机场告诉你登机口在哪、托运柜台在哪，把推荐做准确，就更好用了。
准确与范围之间还需要动态调整。按姜昱辰的说法，以前是纯规则，执行度最高，范围非常窄；现在要在更多生活场景里做主动服务，就要拓展范围，相应地降低执行度。
“现在的小布建议还是非常准的，但我们在尽力让它变得更具泛化性。” 姜昱辰说。
随着交互积累，内测中的主动服务开始呈现个人差异。
在 ColorOS 17 里，这一步被做成了 “即将发生”。它把用户接下来需要处理的事情集中起来，并在合适的时间，推送到用户看得到的地方：会议快开始时，入会入口自动出现；到了还款日，系统会提醒信用卡还款。
在姜昱辰看来，ColorOS 17 所提供的主动服务超越了传统意义上的信息流，它核心是一个围绕用户个体组织起来的 “个人仪表盘”——用户不用找服务，服务会在需要的时候主动出现。
朱海舟用了 “涌现” 这个词来形容个性化主动服务的成果，他介绍道，团队一位同事的爱人正在怀孕，她买了一款饮料，被小布记忆记下，主动服务很快提醒她，这种成分孕妇不宜多喝。朱海舟还说自己的 Agent“已经开始有点文艺倾向了”，他常跟它聊脱口秀和深圳的音乐会，每到周五，它会主动搜一批深圳周末的活动推给他，“这个现象没有出现在别人身上”。
A2A：选择不做什么，比做什么更难
主动服务的边界不止于系统内部。订机票、打车、点咖啡这类帮用户 “办事” 的服务，大多掌握在互联网公司手里。AI 手机要替用户办事，就必须和这些服务连接起来。
姜昱辰的第三个判断，是通过 A2A，也就是智能体之间的协作，把手机与外部服务连接起来，最终将 AI 做成系统级的服务。
“我们很早就认定 A2A（Agent to Agent）是正确的路线。GUI 肯定是一个 workaround（权宜之计），行业一定会往 A2A 的方向发展。” 姜昱辰的这一路线选择建立在两个对本质的判断上：从技术上，“GUI 是模拟让人点 App 的形态去设计的。但 Agent 其实不需要 GUI，它连眼睛都没有。” 从生态上，“如果 AI 绕过服务方，直接模拟用户操作应用，也很难形成长期稳定的合作关系。”
2024 年 11 月，Anthropic 开源 MCP 协议，统一了模型调用工具的接口；2025 年 4 月 9 日，Google 在 Cloud Next 大会上发布 A2A 协议，Atlassian、Salesforce、SAP、PayPal 等 50 多家公司在发布当天签了名，行业的路线图就此成型。
市面上超级应用很多，但各自独立。若能将它们的能力串联进手机系统，便能实现 1+1>2 的效果。
但协议存在，并不意味着生态自然会长出来。服务怎么定义、用户授权到什么程度、执行过程中如何反馈、出了问题谁负责，都需要手机厂商和合作伙伴重新设计。
A2A 协议虽然是现成的，仍需要 OPPO 做引导，才能为主动智能适配。
腾讯地图是 OPPO A2A 深度合作伙伴，双方共创了 “行业首个系统级可记忆的全场景旅行智能体”，基于用户偏好和习惯做个性化规划，主动为用户提供出行服务。
腾讯地图产品运营总监王玥告诉《晚点 LatePost》，接入小布 Next 前腾讯地图已有独立智能体 AI 叮当，腾讯地图为此重构了智能体架构、全链路个性化能力、服务安全稳定性等五大模块，涉及前后端、算法、底图、开放平台等 6 个团队。最终从 “以用户为本” 的大前提出发，共同敲定方案。“上线后，用户从 9 步繁琐操作变为 1 步一句话生成个性化出行攻略，点击率和留存都超出预期，关注用户长留高于大盘 15%。”
OPPO 与支付宝的 A2A 合作也已落地，支付宝可提供 200 多个服务。姜昱辰向我透露，去年 A2A 生态大概只有 1% 的成熟度，但今年大概已经到 10% 了。“已经开始出现真正能够闭环用户需求的 Agent。”
A2A 连接起来是一个生态，需要接入后才能服务，过程注定会慢很多。但无论是 OPPO 还是姜昱辰，都接受这种 “慢”。“AI 手机不是一次技术 demo，是长期运行在数亿用户手里的系统。” 姜昱辰说道。
主动服务还带来两个更底层的问题：功耗和隐私。
系统如果全天候感知、判断、待命，功耗一定会上升。王剑锋和团队一方面与芯片厂商寻找更低功耗的并发方式，另一方面通过推理框架错峰，避免瞬时计算量过大。
隐私则决定哪些能力应该留在端侧。
OPPO 的思路是端云协同：照片搜索、相册整理、设闹钟等涉及个人数据、且端侧模型能够完成的任务，尽量留在手机本地；只有对质量要求高、适合云端处理且不涉及敏感信息的任务，才调用云端能力。
朱海舟把这套原则概括为 “明厨亮灶”：哪些数据出端、为什么出端、去了哪里，应该可解释、可控制。
“适合上云的任务有三重限定：输出质量要求非常高、办公类型、不涉及隐私。剩下的例如搜照片、整理相册、设一个闹钟等等任务，端侧模型是够用的，数据不出手机。” 王剑锋对隐私问题有更详细的补充，他曾在演讲时分享过 OPPO AI 的端云协同策略，通过这种方式，能够更好地利用端云两侧的资源，从而实现效率最大化，同时保证数据隐私。
OPPO 提供的资料显示，OPPO 手机端侧模型以 2B 到 4B 为主，经 Linear Attention 优化，内存占用可降低 25% 到 35%，能耗可降低 25% 到 50%，上下文长度 16K。
OPPO 并不把 “做最大的云端模型” 当作战略重点。“公司的重点是端侧模型、记忆系统，为垂域 Agent 和小布 Next 这样的智能体应用提供支持。” 王剑锋说。
这也解释了为什么过去两年里，行业风口不断切换——Deep Research、Agent、GUI 自动化——OPPO 最终仍然选择把记忆、端侧智能和系统级服务作为主线。
采访王剑锋之前，我在 OPPO 内部区间看到玻璃门上的磨砂 UV 贴写着 “本分、以用户为导向、追求极致”。落座之后聊起 AI 路线，他最后也是回到同样的问题：“我们为什么最终选择了记忆作为最重要的核心？还是得回到本质，从用户出发。”
“OPPO 就是以用户核心场景为导向去做产品的。” 要保持这条路线，选择不做什么其实比做什么更困难。
从 “致善式创新” 到 AIOS 主动智能，OPPO 的 AI 路线遵循从用户出发再倒推技术的逻辑。记忆是为了理解人，主动服务是为了服务人，A2A 生态是为了联合产业为用户提供更全面的服务。
让 AI 回到人
回到开头那个 “创新应当从人出发” 的命题，它在 OPPO 的 AIOS 里有三层具体含义：记忆围绕每个人的生活建立，服务随之个性化；主动建议有分寸，保留用户的决定权；不同智能体主动感知意图、主动在背后协作，降低用户学习和操作新工具的门槛。
OPPO 之所以愿意持续投入 “记忆”，原因就在 ColorOS 17 里。
一次问答只能了解用户的一部分，而记忆系统能够把分散在不同时间、不同场景的信息连接起来，成为下一次服务的依据。从一键闪记到主动服务，前一步积累的信息与反馈，可以继续用于改进后一步的体验。而手机，恰恰是用户每天都会交互上百次的设备，对一家手机公司来说，这样的积累有机会延伸到用户生活中的方方面面。
三年前，姜昱辰的 Weaver 被拿来与 GPT-4 比较的时候，可能没人想到记忆会成为此后 AI 手机的技术底座。三年过去，行业绕了一圈，又回到姜昱辰出发的地方：豆包开始谈企业的上下文，苹果的 personal context 逐渐兑现。关于 “记忆” 的判断，从她创业时的技术路线，走到了 OPPO 的 AI 主线，没有变过。
功能机让位给智能机的年月，没有人知道第一台真正的智能机应该长什么样。陈明永那封内部信，把 AI 手机与智能手机替代功能机相提并论。尽管这个判断还远没有走到终点，但已有了初步答案：不只是更强的 Agent，而是从记忆到理解用户，从单个 Agent 到 A2A 生态，再加上对用户意图的感知与判断，一块块搭建起的主动式服务 AIOS。
AI 手机的最终形态长什么样，仍然未知。有一件事情是可以确定的：让 AI 回到人，让 AI 记住人。
题图来源：OPPO
热门跟贴