博客 报亭 音乐
我的阅读
    独家解读丨国产GPU四份半年报出炉,赚钱后才发现二级市场「难哄」


    早前,壁仞科技、天数智芯、沐曦股份和摩尔线程陆续交出上市后的首份或最新半年报。9月,燧原科技也正式启动申购,国产GPU正在以前所未有的密度进入资本市场。

    但当越来越多国产GPU公司开始接受公开市场检验,一个最直...


    早前,壁仞科技、天数智芯、沐曦股份和摩尔线程陆续交出上市后的首份或最新半年报。9月,燧原科技也正式启动申购,国产GPU正在以前所未有的密度进入资本市场。

    但当越来越多国产GPU公司开始接受公开市场检验,一个最直观的问题“谁先赚钱”,反而正在失去解释力。

    四份半年报给出了截然不同的利润表:壁仞营收增长近20倍,仍处亏损;天数智芯和沐曦已经实现账面盈利,但利润中均存在不能简单等同于主营经营改善的因素;摩尔线程距离账面盈亏平衡仅一步之遥,扣除非经常性损益后的净利润(即扣非)却仍然亏损。

    财报正在变得好看,但二级市场真正开始追问的,已经不是谁先跨过盈亏线,而是谁的增长能够持续兑现

    雷峰网与多位二级市场研究人士交流后发现,尽管他们对公司估值和股价的判断并不完全一致,却在一件事上高度接近:对于仍处于快速商业化阶段的国产GPU公司,当期净利润并不是最优先的定价变量

    收入能否持续增长、订单质量如何、供给能不能支撑交付,以及这些预期是否已经被股价提前交易,正在成为更重要的考题。

    随着可投资标的增加,市场开始从“有没有国产GPU可以买”,走向“谁的增长值得买”。


    01

    利润转正,不是财报的分水岭

    表面上看,四家公司已经分成不同梯队:有的仍在亏损,有的已经扭亏,还有的距离盈亏平衡只差一步。

    但进一步拆开利润表后,这种排序并不稳固。壁仞科技是最典型的例子,2026年上半财年,实现收入12.36亿元,但仍录得3.77亿元亏损。相比去年同期16.01亿元的亏损,亏损幅度已经收窄超过七成。

    这是一个看起来漂亮的数字,但如果还原上市前后的财务变化,真正可以比较的经营改善幅度并没有这么大。

    壁仞去年同期的亏损中,有约10.11亿元来自一项与上市前融资安排有关的财务损益,并非主营经营产生。随着公司今年1月上市,相关赎回权终止,上市后这项财务影响也不再继续产生。按照公司披露的非IFRS口径,调整后亏损由5.52亿元下降至3.37亿元,收窄约39%。

    换句话说,壁仞的亏损确实在改善,但“亏损减少76%”不能简单等同于经营状况改善了76%。上市前后的财务结构变化,放大了利润表上的改善幅度。

    我们不太看当期利润”二级市场分析师李然告诉雷峰网。对于仍处在快速商业化阶段的国产GPU公司,他更关注收入、毛利率以及资产负债表指标。

    另一边,天数智芯也已经跨过了账面盈利线,公司上半年录得1.06亿元净利润,同比扭亏。但细看财报则会发现,1.06亿元净利润背后,有一项远大于净利润本身的收益。

    上半年,天数智芯有7.60亿元收益来自所持上市公司股权升值,并不是GPU业务本身赚来的现金。公司也明确表示,此次扭亏主要受到这笔账面收益推动。

    从半年报来看,天数智芯上半年通用GPU收入已经明显放量。但至少从1.06亿元净利润这个数字本身,无法直接得出GPU主业已经实现盈利的结论。

    李然对天数智芯当前所处阶段的判断是:“处在主营业务放量的前夜。”

    沐曦的状况又有所不同,半年报中,沐曦的归母净利润达到6.12亿元,已经从去年同期亏损转为盈利,按扣非之后公司仍亏损4886万元。这也就是说,账面扭亏和扣非利润之间,尚存在一定距离。

    而摩尔线程则已经逼近账面盈亏平衡。上半年归母净亏损仅1156万元,但扣非后亏损仍达到1.51亿元。相比单纯讨论“距离盈利还差多少”,扣非后仍然亏损意味着公司的核心经营口径尚未同步转正。

    至此,四家公司出现了一个颇有意思的错位:壁仞的亏损看起来收窄得比可比口径更快;天数智芯和沐曦已经实现账面盈利,但利润表中又存在较大的非经常性或非主营因素;摩尔线程距离账面盈利只差一步,扣非后却仍然亏损。

    如果仅按照盈利、亏损给四家公司排序,很容易得到一个失真的答案。

    A股机构研究员周衡向雷峰网表示,对仍处于商业化扩张期的国产GPU公司而言,主营业务收入能否持续增长,比利润的偶发性转正更值得关注

    比如沐曦已经实现归母盈利、扣非后仍然亏损,他也认为这一差异并不会改变其判断:“看多和看空的人都不会看这个指标。”

    在周衡看来,背后的原因还在于国产GPU的估值逻辑正在变化。随着可投资标的增加,此前由稀缺性带来的定价溢价正在减弱,市场开始更多比较公司的成长性。“这个阶段,营业收入的可持续增长比利润的偶发性转正重要得多。”

    如果利润暂时不是分水岭,什么样的增长才值得相信?


    02

    营收增长能否持续,还要看订单和供给

    “我们一般会优先看当期收入,看看收入有没有掉链子。”李然告诉雷峰网。

    在他看来,对于仍处于商业化扩张阶段的国产GPU公司,市场更关注收入、需求和供给三个维度:收入代表已经兑现的业绩,订单反映未来需求,而供给则决定这些需求最终能否转化成交付。

    李然强调,真正需要验证的是收入增长能否持续。而订单恰恰是观察未来需求的重要指标,这些订单能否延续、来自什么样的客户,以及供给能否支撑后续交付,都会影响后续增长能否兑现。

    在他的判断中,进入头部互联网公司的采购体系,往往比运营商、地方智算中心等客户更具参考意义;供给端则需要进一步观察晶圆投片及产能保障、HBM采购和供应渠道等情况。

    这也意味着,在收入开始高速增长之后,市场关心的问题已经不只是“卖了多少”,而是这些增长由什么支撑,又能持续多久

    以天数智芯为例,2026上半财年,通用GPU产品收入达到9.16亿元。其中推理系列的收入同比上升了651.8%,达到了6.54亿元,公司将这一增长归因于AI推理市场需求上升,以及产品销量和售价提升。

    至于训练系列,虽然收入较去年同期增长38.0%,但由于收入增长速度远不及推理系列,其收入占比反而下降30.8个百分点,降至27.7%。

    天数智芯收入结构的变化,也直接影响了它的毛利率表现。公司通用GPU毛利率由50.3%下降至43.9%,财报明确将其归因于产品组合变化;与此同时,训练和推理两个产品系列各自的毛利率反而均有所提升。

    换言之,天数智芯整体GPU毛利率下降,并不意味着两个产品系列自身的毛利能力同步恶化,更主要是由收入结构向毛利率相对较低的推理产品倾斜所致。

    李然判断,天数智芯的主营业务已经临近更大规模放量,后续关键在于新产品能否进一步进入头部客户采购体系。

    壁仞的财报则提供了另一种观察未来的方式。

    收入端可能不差的情况下,我们优先看资产负债表当中,能够预示未来半年到一年业绩的一些具体财务指标。”李然说,这些指标包括预付款、合同负债以及存货。

    壁仞上半年用于存货及服务的预付款从去年底的4.65亿元升至15.34亿元,同比增长230%;这至少表明,公司用于存货及相关服务的前置投入明显增加。但预付款和备货本身并不能直接等同于已经拿到订单,更不能提前计作未来收入。

    也因此,国产GPU进入收入放量阶段之后,新的考题才刚刚开始:已经发生的收入需要订单持续性来验证,订单又需要供给和交付能力才能最终兑现。


    03

    财报只是结果,市场交易「预期」

    如上文所说,既然收入都在改善,为什么市场并没有为所有增长买单?

    对券商而言,这个问题似乎还有迹可循。

    当期收入有没有掉链子、手里的订单质量如何、供给能不能跟上,再结合预付款、合同负债和存货等资产负债表指标,分析师可以尝试推演未来几个季度的业绩。对于天数智芯,李然甚至直言,市场现在已经在按照2027年的收入进行定价。

    但到了真正做投资决策的一侧,事情却并没有那么简单。

    “那个是卖方的预期,买方其实自己也有预期。”投资机构研究员Ethan告诉雷峰网,作为买方,还需要判断这些增长预期有多少已经反映在当前股价中;财报只是结果,而市场交易的是预期

    另一位公募基金研究员也持类似看法,“市场实际交易的更多是后续订单和预期,当期收入本身未必是最主要的定价因素。”

    Ethan指出,虽然不同机构风险偏好不同,对一家公司的业绩预期也并不完全一致。但即便最终收入和利润超过了卖方预测,也不意味着它一定超过了市场真正交易的预期。

    两类机构看财报的重点并不完全相同。券商研究员更关心公司未来业绩能做到多少;真正做投资决策的买方机构,还要进一步判断,这些增长预期有多少已经被当前股价提前反映。

    市场不会跟着卖方的预期去走。”Ethan说。如果一家公司此前已经经历较大涨幅,即使财报最终超过卖方预测,只要没有超过买方此前已经形成的预期,股价依然可能下跌。

    这也意味着,市场常说的“超预期”,其实存在两套不同的参照系。一套是超过券商公开预测,另一套则是超过投资者此前已经反映在股价中的预期。

    对国产GPU公司而言,判断短期股价反应时,重要的不只是“有没有超过卖方预测”,还要看最终业绩有没有超过市场已经提前交易的预期。(对于国产GPU买卖方视角的更多解读,欢迎添加作者微信 treelog10 交流)

    换句话说,财报验证的是企业有没有兑现,股价交易的却是实际兑现与此前预期之间的“预期差”。这也解释了为什么,国产GPU公司的财报越来越重要,却又很难单独决定短期股价。

    李然试图从财报中寻找未来:收入、订单和供给能否继续支撑增长;Ethan则提醒,哪怕这些线索全部成立,也必须放回当前估值中重新计算。前者关注“未来能做到多少”,后者更关心“这个未来还有多少没有被价格提前买走”。

    到这里,再次观察这轮半年报,不难发现,市场已经不再只问“谁先盈利”,甚至也不只是问“谁增长最快”。

    真正开始被追问的,是谁能持续兑现,又有多少增长尚未被价格提前交易

    *文中李然、Ethan、周衡均为化名。



    推荐阅读

    一台GPU用了三年,为什么租金反而更贵了?

    2026-08-20

    GPU堆到万卡之后,最贵的问题变成了「空转」

    2026-08-10

    从百美元到数千美元,AI互联为什么越卖越贵?

    2026年的CIOE中国光博会,人潮如织。

    社交媒体上甚至有人开出2500元一场的讲解费,希望找到业内人士陪同参观。走进场馆后更直观的感受是,今年光博会几乎所有与AI相关的环节都在升温:从光模块、光器件,到高速...

    2026年的CIOE中国光博会,人潮如织。

    社交媒体上甚至有人开出2500元一场的讲解费,希望找到业内人士陪同参观。走进场馆后更直观的感受是,今年光博会几乎所有与AI相关的环节都在升温:从光模块、光器件,到高速互联和数据中心基础设施,AI需求正在把原本相对垂直的光通信产业链整体推向更高热度。

    Astera Labs也出现在今年光博会。这家2017年成立的美国半导体公司,最早从PCIe Retimer切入高速互联,如今产品已经延伸至铜互联、光互联和机架级连接;截至九月,这间公司市值已接近500亿美元。

    “算力需求越高,处理器之间的数据交换就越需要快速传输,互联这套‘神经系统’也必须跟上。”Astera Labs总裁兼COO Sanjay Gajendra对雷峰网表示。

    这股热度背后,是AI基础设施规模持续扩张带来的互联压力。当GPU从几颗扩展到几十颗甚至成百上千颗,处理器之间的数据传输效率,开始直接影响整套基础设施的性能。


    铜光之争,最后要算Token成本

    为什么早在2017年,大语言模型尚未得到广泛应用时,Astera就开始押注互联方向?

    “我们当时判断,那些为上一代处理器设计的连接架构,在单台服务器拥有10个乃至今天数十个处理单元时,将无法继续支撑系统需求。”Gajendra说。

    当时常规服务器通常围绕1至2颗CPU设计,存储、网络等设备更多作为外围I/O存在;但随着CPU、GPU、SmartNIC等越来越多处理器开始同时进入服务器,系统内部需要交换的数据量迅速上升。

    “就像一台机器里有了很多个‘大脑’,原本围绕少量处理器设计的互联架构,已经难以继续支撑它们之间的数据交换。”Gajendra解释。

    来到2026年,这一问题随着AI的发展进一步放大。Gajendra将今天互联架构面临的挑战概括为三个变量:速率、规模和功耗。Astera Labs成立前后,PCIe单通道速率还处在8 GT/s级别,如今已经提升到64 GT/s;AI系统也从早期4至8颗GPU,向数十、上百及更大规模扩展。

    为了跟上当前AI部署的步伐,数据传输速度每年都在翻倍。”Gajendra说。规模扩张带来的同时,通信延迟必须尽可能低,同时还要维持内存一致性和处理器之间的同步;系统规模扩大后,互联本身的功耗也产生了约束。

    这种扩展带来的压力,已经对铜光边界带来了改变,打破了短距离更多使用铜、长距离转向光互联的惯性思维,距离已经不再是决定使用光还是铜的主要变量。Gajendra认为,决定机架内部何时进一步从铜转向光,最核心的两个变量是传输速率和GPU规模

    对于200G/lane级别的连接,铜互联依然可以胜任;进一步走向400G/lane之后,光将更多进入机架内部,GPU数量增加带来的连接密度和散热压力,将进一步影响客户选择铜互连还是光互联。

    除了以上两点,让铜光边界变得更复杂的,还有成本。所有厂商最终都要算一笔账:不同连接方式,对应的整套系统Token成本究竟是多少。

    光博会现场,Astera Labs的工程师告诉雷峰网,下一代AI系统中,铜和光不会简单形成替代关系。大量短距离连接仍然适合使用成本更低、技术更成熟的铜;而当系统扩大到数千张GPU、跨越多个机架时,衡量连接方案的指标会进一步变成整套系统的单位Token成本。

    工程师进一步提到,以英伟达NVL72的72-GPU scale-up域为参照,当计算需求继续扩大后,更大的scale-up域可能减少数据频繁经过scale-out网络。后者通常还需要经过网卡、以太网或InfiniBand交换机等多个子系统,引入额外延迟和系统复杂度。借助光互联扩大scale-up规模,因此可能进一步优化单位Token成本

    在具体技术路径上,Gajendra判断,NPO(近封装光学)将在2027年前后开始进入scale-up部署;CPO(共封装光学)目前虽然已有小规模应用,但在scale-up域的更大规模的部署可能要到2029至2030年以后。

    从这个角度看,AI互联面对的问题已经不只是“数据怎么传得更快”,而是如何用不同的连接方式组织越来越多GPU,并让整套系统以更低成本输出更多Token。(关于scale-up域互联的更多信息,欢迎添加作者微信treelog10交流,互相学习)


    资本开支趋稳,价值量继续上移

    过去两年,AI基础设施最直接的增长逻辑,是超大规模云厂商持续提高资本开支。

    但很显然,这种投入不可能永远维持相同增速。当被问及未来一两年头部云厂商放缓AI数据中心建设,是否会影响Astera Labs这样的连接厂商时,Gajendra没有否认这种可能。

    他认为,AI目前仍处于基础设施集中建设阶段,仅美国超大规模云厂商已经公开承诺了超过1万亿美元的数据中心投资;但随着大规模建设逐渐完成,资本开支在未来几年终究会趋于稳定

    市场对这一增速能维持多久也越来越敏感。据公开信息,微软、Alphabet、亚马逊、Meta和Oracle五家AI超大规模厂商2026年的资本开支合计约7950亿美元,2027年将接近1.08万亿美元,市场在密切关注这轮支出是否会出现放缓迹象。

    对Astera而言,答案并不只是等待云厂商继续扩建更多数据中心,而是提高自己在每颗加速器周围能够获得的价值量。Gajendra给出了一组直观的数字:早期只有Aries PCIe Retimer时,Astera每颗加速器对应的产品价值量不到100美元;后来加入交换芯片和内存产品,这一数字上升到数百美元;到了scale-up交换阶段,每颗加速器对应的价值量已经达到数千美元。

    显然,scale-up是Astera正在加码的方向。Gajendra透露,公司原本预计Scorpio系列要到今年第四季度才会成为收入规模最大的产品线,但这一节点已经提前至第三季度。

    除了提高单颗加速器对应的产品价值量,Gajendra还把推理市场视为另一个增长来源。

    他认为,训练和推理虽然对互联都有高带宽、低延迟和低功耗的共同要求,但两类工作负载的侧重点并不完全相同。训练更依赖计算能力,推理则相对更看重内存和低延迟。

    与训练主要集中在大型数据中心不同,Gajendra认为推理市场的参与者和系统形态会更加分散。“尤其是在推理市场,会有更多客户进入。这是一个非常分散的市场,会有很多参与者、很多系统。”Gajendra说。

    未来的连接需求,未必只取决于少数头部云厂商继续建设多少超大规模训练集群。随着AI从训练进入大规模推理,连接需求可能进一步扩展到更多不同规模、不同部署形态的系统。

    当客户的规模和部署形态进一步增加,连接厂商面对的也不再是一套相对统一的需求。不同市场、不同类型客户对标准化程度、产品迭代速度和系统定制的要求正在逐渐拉开。

    这种差异,在中美两类AI基础设施市场中表现得尤其明显。


    系统越定制,连接方案越分化

    随着推理市场进一步分散,连接厂商面对的客户也会越来越多样。相比北美,中国AI基础设施市场已经呈现出明显不同的客户结构。

    Gajendra表示,北美市场目前主要由亚马逊、微软、Google和Meta四家超大规模云厂商主导,同时还有OpenAI、Anthropic等AI实验室;而在中国,除了字节跳动、阿里等大型互联网公司之外,还有大量不同规模的创业公司参与AI基础设施建设。

    “如果一定要总结一个区别,中国市场机会推进的速度非常快。”Gajendra说。相比北美,中国市场参与者更多,客户覆盖的应用场景也更加广泛,对供应商的响应和产品落地速度要求更高

    Astera工程师也向雷峰网提到,美国大型客户通常更强调标准化、供应链复用以及不同代际产品之间的兼容性;相比之下,中国客户更愿意尝试不同的技术方案,也更加看重产品能否快速落地。

    虽然客户内部的系统会越来越定制,但外部连接接口仍会保持标准化。“定制化会越来越多,这一趋势还会继续,但大家仍然会尽量采用开放标准。外部连接和接口会保持标准化,而处理器内部架构则会根据不同工作负载和性能指标进行定制。”Gajendra说。

    他以字节跳动和阿里为例:字节的基础设施更多服务自身业务,而阿里既需要支撑内部应用,也需要向外部客户提供云服务,因此两类公司的处理器和服务器设计不会完全相同。

    AI系统内部越来越定制,系统之间的连接接口反而更需要标准化。对于连接厂商而言,需要适配的已经不是一套统一的服务器架构,而是越来越多样的处理器、工作负载和部署形态。

    从铜光选择,到scale-up扩展,再到不同客户对定制化和标准化的不同要求,连接正在从一个相对独立的配套环节,变成AI基础设施设计的一部分。

    当连接方式开始同时影响GPU规模、系统延迟和Token成本时,它的价值也不再只是“把数据传过去”,而是决定更多算力能否真正转化成可用的系统性能。

    折叠屏还在比大小,努比亚已经在抢另一个入口

    今年9月,手机行业最显眼的变化之一仍然是折叠。

    华为继续做三折叠,苹果也终于拿出了自己的折叠屏手机。厂商还在研究一个熟悉的问题:怎样在有限的机身里,装进更大的屏幕。

    另一种变化,发生在屏幕里面。大模型开始离开聊天...

    今年9月,手机行业最显眼的变化之一仍然是折叠。

    华为继续做三折叠,苹果也终于拿出了自己的折叠屏手机。厂商还在研究一个熟悉的问题:怎样在有限的机身里,装进更大的屏幕。

    另一种变化,发生在屏幕里面。大模型开始离开聊天框,进入手机系统。

    过去,查资料、订票、安排日程,都要用户自己找App,一步步操作;现在,AI开始尝试接手其中一部分工作。

    折叠屏改变的是手机的形态,Agent改变的则可能是人使用手机的方式。

    过去的语音助手更像遥控器,比如“打开相机”,只对应一个动作。Agent面对的,是一连串动作,比如“安排下周的复盘会,把材料整理好,再发给参会的人”。AI需要自己判断先做什么、调用什么工具,中途出了问题还要知道怎么继续。

    9月14日亮相的搭载豆包手机助手消费者版的努比亚NaviX Ultra,尝试的就是这件事。它把AI放到更靠近系统的位置,希望用户以后拿起手机,不必亲自完成每一步操作。

    这听起来并不复杂。真正复杂的是,手机能不能真的把事情办完?

    01 模型越来越聪明,下一步是替人办事

    过去两年,模型公司正在寻找聊天框之外的去处。

    OpenAI以约65亿美元收购了Jony Ive参与创办的io团队,开始做自己的AI硬件;Google则在Android里继续推进Agent能力,并通过AppFunctions,让Agent可以调用应用里的具体功能。国内也在出现类似尝试,豆包手机助手选择与手机厂商合作,阶跃星辰则推出自己的AI终端体系。

    大家路线不同,碰到的问题倒很像:模型已经很会回答问题了,接下来能不能开始干活?

    比如订机票。

    AI告诉你怎么买票已经不难。真正把票订下来,完全是另一回事。它要知道日期、出发地、乘机人,还要在用户授权下,登录账号、选择航班、填写必要信息,最后再弹窗询问,由用户接管完成支付。

    这些都不在聊天框里,却几乎都在手机里。

    通讯、购物、地图、日历等大量个人数字服务都集中在手机上。AI要从给建议,走向办实事,手机自然成了下一站。

    手机厂商面临的是另一个问题。

    芯片更快一点、屏幕更亮一点、相机再进步一点,当然都有价值。但手机发展到今天,这些硬件参数升级,越来越难让每一次换代都有明显区别。

    AI提供了新的换机理由。比起“搭载大模型”,用户更容易理解的价值,是有些事情以后可以不用自己一步步操作。

    模型公司想让AI进入真实任务,手机公司想找到新的差异。于是,双方一拍即合,这样的深度合作,也能给用户带来更好的体验。

    努比亚和豆包手机助手的合作,也可以这么理解。

    努比亚负责整机、硬件,豆包手机助手提供模型理解和Agent能力。此前,这套方案已经在努比亚M153工程样机上进行过技术预览。

    只是,到了NaviX Ultra,检验标准变了。真正卖给消费者的手机,需要证明“好用,而且能经常用”。

    02 会操作手机不难,难的是让人敢放手

    可以想象一个很普通的场景。

    一场会议刚结束,你对手机说:“整理刚才的会议录音,生成一份文档,把下周三的复盘会加进日历,再发给参会的人。”

    这句话要真正执行下来,其实已经涉及一条不短的链路。

    首先,AI得听懂。

    NaviX Ultra配备独立AI按键,也支持语音、靠近说话和AI耳机等交互方式。连续对话、自然打断和方言识别这些功能,本质上解决的都是同一个问题:用户正常说话就行,不必先学会怎么跟机器说话。

    接下来,AI得开始干活。

    它要整理录音,生成文档,创建日程,找到联系人,再把文件发出去。不同步骤背后,是不同的系统能力和App。Agent真正重要的能力还在于,它不仅要会操作屏幕,遇到登录、弹窗、页面变化或者执行失败之后,也要能看懂当前发生了什么,并且知道下一步该怎么办。

    记忆解决的是另一个问题。

    一个助手如果每次见面都把你当陌生人,大概很难称得上“助手”。如果AI已经知道参会人是谁,也知道用户习惯把会议资料放在哪里,那下次就没必要重新问一遍。用户可以主动让手机记住屏幕上的、或者主动告诉他的信息,并形成记忆,供后续调用。

    但知道得越多,权限问题也越重要。

    整理一份会议纪要可以自动完成,把它发出去却未必应该自动完成。支付、删除文件、发送消息、读取信息也是一样。

    按照努比亚的方案,高风险操作需要用户确认,必要时由用户接管;独立AI按键加入指纹识别,也是为了把唤醒和身份验证放在一起。

    Agent手机最难拿捏的地方就在这里:既要足够主动,又不能主动过头。

    因此,评价这类产品,只看能做多少事情还不够。更重要的是任务成功率、人工接管次数,以及用户到底需要盯着它多久。

    假如AI完成一项任务用了90秒,人手动只需要60秒,AI也未必输了。只要这90秒里用户可以去做别的事,它依然省了人的精力。

    反过来,如果AI每走两步就卡住一次,需要用户不断确认、纠错甚至接管,哪怕它只用了40秒,我们也不过是从“手机操作员”变成了“AI监工”。

    Agent真正应该节省的,是用户为完成一件事投入的注意力。

    这也解释了NaviX Ultra的一些硬件设计。

    7100mAh电池对应持续待命,通信增强关系到与智能体交互时的稳定性和连续性,两亿像素传感器除了拍照,也可以成为AI获取视觉信息的入口;独立AI按键则提供更直接的唤醒和鉴权方式。

    这些硬件本身都谈不上新鲜。新的地方在于,它们开始围绕“让AI持续工作”这件事重新组合。

    至于续航够不够、弱网下稳不稳定、复杂任务的成功率有多高,最终还是得靠实际使用回答。

    03 从自己操作App,到让Agent帮忙操作

    Agent带来的另一个变化,是用户使用App的方式正在发生变化。

    过去,大多数手机任务都要从用户自己操作开始。有需求以后,先找到对应的App,再进入页面寻找功能,填写信息,一步步把事情完成。

    Agent出现以后,用户可以先表达自己想完成什么,再由AI帮助完成后面的操作。

    比如,“帮我买一张明天下午去上海的票”。

    这里用户并没有指定打开哪个App、进入哪个页面。Agent可以根据任务寻找相应服务,完成检索和信息填写,把需要用户决定或者确认的部分再交回来。

    机票仍然由航空公司和出行平台提供,外卖仍然来自餐厅和外卖平台,内容也仍然由各类应用承载。变化在于,过去需要用户亲自完成的一部分检索、比较、填写和页面操作,开始可以交给Agent处理。

    Google的AppFunctions就在尝试解决类似的问题:开发者可以把日历、笔记、任务管理等应用能力开放给Agent调用。

    因此,Agent手机正在重新定义人与手机之间的交互方式。

    以往,用户往往需要先想清楚“我需要做哪几步”;现在,可以先说“我要完成什么”,再由Agent帮助调用合适的应用和功能。

    Agent逐渐承担更多操作以后,会让手机竞争增加一个新的维度:当用户有一个需求时,会先把任务交给谁?

    因为谁先理解了任务,谁就更有机会帮助用户组织接下来的操作路径。

    这并不意味着Agent可以完全替用户做决定。

    Agent可以替人少做一些操作,但最终的选择权仍然应该留在用户手里。


    04 手机开始完成“任务”

    9月16日,努比亚NaviX Ultra正式开售。据努比亚官方数据,开售1秒销售额突破亿元。

    对搭载豆包手机助手消费者版的努比亚Navi X Ultra来说,真正的考验才刚刚开始。

    此前停留在工程样机上的“AI操作手机”,如今进入正式销售的旗舰设备,要面对网络波动、应用改版和各种不同的用户使用及场景需求。

    而对努比亚来说,更关键的问题,是能不能让用户逐渐习惯把一部分手机任务交给豆包手机助手。

    过去十多年,智能手机已经形成了一套非常成熟的使用方式,这套方式不会因为Agent出现就消失。

    在雷峰网看来,变化发生在操作它们的人。

    用户依然使用熟悉的应用和服务,只是越来越多时候,可以先告诉手机自己想做什么,再让AI帮助完成后面的步骤。

    从用户自己操作手机,到Agent帮助用户操作手机,接下来手机竞争的规则也在随之变化,还会多一层竞争:

    那就是当用户有一件事情要办时,愿不愿意先把这个任务交给你的Agent。

    即日起,努比亚NaviX Ultra将在中兴商城、京东、天猫、抖音、拼多多等各大渠道正式开售,12GB+512GB版本售价5999元,叠加国补后5499元起;16GB+512GB版本6499元,16GB+1TB版本7499元。首销开售7天内下单并完成支付,可享至高24期免息。