在博鰲論壇的演講臺上，vivo總裁胡柏山分享了一個令人動容的故事：失明九年的寶哥舉起手機，耳機里傳來AI的描述：“面前是你的朋友章喜德，他雙臂交叉，面帶微笑，穿著一件深色長袖。”這一刻，技術跨越了視覺的障礙，讓寶哥“看見”了九年來第一個新朋友的面容。這個場景背后，折射出AI發展至今仍面臨的深層挑戰——如何讓智能設備真正感知物理世界？

胡柏山在演講中指出，當前AI的“盲區”不在于算力，而在于感知能力的缺失。盡管大模型能夠處理海量數字數據，生成文字、圖像甚至視頻，但它無法實時感知用戶身邊的物理環境。這種感知不是通過云端上傳照片后的被動識別，而是像人類視覺系統一樣，實現端側的實時、主動、持續感知。他比喻道：“沒有感知能力的AI，就像困在黑屋子里的天才，算力再強也看不見咫尺之外的世界。”

基于這一判斷，vivo在內部正式成立了“感知賽道”，將視覺、聽覺、觸覺等多模態感知通過傳感器與感知大模型結合，轉化為設備可理解的物理世界信號。胡柏山認為，未來大模型之間的差異可能逐漸縮小，但感知數據具有真實差異化——家庭機器人積累室內環境數據，手機影像積累用戶真實生活場景的視覺信號，這些場景數據的豐富程度將直接決定智能體驗的優劣。

影像技術被胡柏山視為AI的“眼睛”。vivo通過近十年的影像大模型算法研發，結合定制化硬件模組，實現了軟硬協同的獨特優勢。他透露，即將發布的vivo X300 Ultra和X300s將搭載第一代“影像Agent”，能夠根據拍攝對象、光線和距離自動優化成像效果，讓普通用戶也能輕松拍出專業級照片。這種能力不僅限于影像領域，vivo還計劃將Agent技術擴展至辦公、出行、游戲等場景，例如折疊旗艦X Fold系列可自動記錄會議內容、規劃行程，iQOO系列則能優化游戲性能并捕捉高光時刻。

在技術路徑選擇上，vivo堅持端側優先的策略。端側感知無需依賴網絡往返，能夠實時響應環境變化，同時保護用戶隱私。為突破端側算力限制，vivo兩年前開始與合作伙伴定制專用算力芯片，計劃在后續旗艦產品中部署。胡柏山強調，vivo的Agent設計遵循“懂用戶、知人心，但不越邊界”的原則，所有關鍵用戶數據存儲在本地，換機時可整體遷移，形成獨特的“數字DNA”。

vivo的野心不止于手機領域。去年成立的機器人Lab，正探索將手機積累的感知能力延伸至機器人形態。胡柏山坦言，機器人不是手機的迭代，而是從零開始的全新挑戰。2026年，vivo機器人Lab的首要任務是明確目標用戶和核心場景，例如從寵物喂養、收納整理等容錯率高的場景切入，逐步積累場景數據和技術能力。他設想，手機與機器人可形成協同：機器人初期能力不足時，由手機遠程補位；隨著場景數據積累，機器人將逐步實現自主決策。

在混合現實（MR）領域，vivo已邁出探索步伐。2025年8月發布的vivo Vision探索版頭顯在國內28家體驗店及東南亞市場同步亮相，累計體驗人數超五萬。胡柏山透露，下一代產品將瞄準商業化目標，計劃在2027年下半年至2028年初推出。他強調，感知賽道的投入需要長期主義：“我們控制投入節奏，螺旋式上升，避免組織因過度擴張而受傷。”

回到寶哥的故事，胡柏山總結道：“科技的高度，終須回歸人的尺度。”當算力逐漸同質化，模型參數不再成為競爭焦點，智能設備對物理世界的感知深度，以及關于用戶個體的場景數據積累，將成為決定體驗差異的關鍵因素。這場關于感知的競賽，或許才剛剛開始。