Từ 'biết trả lời' đến 'biết hành động': Cách vivo giải bài toán smartphone AI

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

17-09-2026 20:03:24 Nguồn: QbitAI (Liangziwei)

Xây dựng trợ lý AI cá nhân hóa

Meng Yao, đưa tin từ Ao Feisi

QbitAI | Kênh chính thức QbitAI

Khi AI phát triển đến ngày nay, có một sự thật ngày càng trở nên nhức nhối —

Đối với thiết bị đầu cuối là điện thoại di động, năng lực AI mạnh hơn không đồng nghĩa với việc người dùng có "trải nghiệm tốt hơn".

Khi một thông báo hoãn chuyến bay hiện lên, AI tất nhiên có thể tóm tắt nội dung và trả lời câu hỏi chuyến bay trễ bao lâu.

Nhưng nếu thực sự muốn xử lý tiếp các bước sau đó, mọi chuyện lập tức trở nên phức tạp: có cần đổi chuyến bay không, khách sạn có bị ảnh hưởng không, cuộc họp sáng mai có kịp tham dự không... một loạt nhiệm vụ cần phải giải quyết.

Rắc rối hơn nữa là nó chưa chắc đã nhớ thói quen của bạn: bạn có muốn bay chuyến đêm không, có bận tâm việc tốn thêm vài trăm tệ không, hay cuộc họp ngày hôm sau rốt cuộc có thể đến muộn hay không.

Muốn "vibe" (kết nối/tích hợp) một ứng dụng trên điện thoại, còn phải cân nhắc đến các vấn đề như giao diện, MCP và nhiều yếu tố khác.

Vì vậy, chúng ta nhận thấy AI ngày nay dường như cái gì cũng biết một chút, nhưng khi thực sự gặp chuyện, cuối cùng thường vẫn phải tự tay mình làm.

△ Ảnh do AI tạo

Điều này cũng giải thích cho một khoảng cách ngày càng rõ rệt của điện thoại AI trong hai năm qua:

Năng lực mô hình liên tục tăng, các bài kiểm tra Benchmark (đánh giá) cạnh tranh khốc liệt, nhưng trải nghiệm trên điện thoại lại không tự động nâng cấp theo sự mạnh lên của mô hình.

Một chiếc điện thoại muốn thực sự thay người dùng gánh vác công việc, chỉ hiểu được một câu nói là chưa đủ.

Nó còn phải hiểu được chuyện gì đang xảy ra với bạn vào lúc này, nhớ được những gì đã xảy ra trước đó (trên cơ sở được người dùng cho phép và bảo mật quyền riêng tư), sau đó điều động mô hình, ngữ cảnh, ứng dụng và dịch vụ phù hợp để hoàn thành công việc từng bước một.

Đến bước này, thứ mà điện thoại đối mặt không chỉ là bài toán về năng lực mô hình, mà là bài toán hệ thống về nhận thức, ghi nhớ, điều phối, thực thi và phối hợp.

Tại phân hội thảo trí tuệ nhân tạo trong khuôn khổ Hội nghị nhà phát triển vivo 2026 (sau đây gọi là VDC) vừa kết thúc, lộ trình kỹ thuật mà vivo đưa ra đã đánh trúng vào mệnh đề cốt lõi của làn sóng ứng dụng trí tuệ cá nhân lần này:

Xây dựng nền tảng trí tuệ cá nhân hóa bằng "Mô hình lớn + Harness", tái cấu trúc trải nghiệm hệ điều hành (OS).

Giúp trợ lý AI cá nhân phục vụ con người tốt hơn, giúp hệ thống thông minh và dễ dùng hơn, đồng thời giúp điện thoại thực sự bắt đầu thấu hiểu chính người dùng.

Một ma trận mô hình thiết bị - đám mây, xây dựng trợ lý AI cá nhân hóa

Ngày nay khi nói về Agent (tác nhân AI), có một từ khóa gần như không thể bỏ qua: thiết bị đầu cuối (on-device).

Counterpoint Research dự báo, tỷ trọng xuất xưởng điện thoại AI tạo sinh năm nay sẽ đạt 45%, trong khi con số này năm ngoái là 36%.

Sau vài năm xoay vần, điện thoại lại một lần nữa đứng vào tâm bão của AI.

Lý do rất đơn giản và trực tiếp: trong tất cả các thiết bị đầu cuối, nó là thiết bị "gần" con người nhất và cũng nắm giữ "ngữ cảnh" cá nhân đầy đủ nhất.

Nội dung đang xem trên màn hình, thư viện ảnh, vị trí, thói quen sử dụng ứng dụng, thông tin cá nhân tích lũy lâu dài, tất cả đều tự nhiên xoay quanh màn hình vài inch này.

Nhưng trong lịch sử công nghệ có một quy luật rất phổ biến: một công nghệ càng gần với thế giới thực, thì các ràng buộc thường càng nhiều.

Khi AI thực sự đi vào thiết bị cá nhân, độ trễ, chi phí, quyền riêng tư và năng lực bắt đầu bị ép vào cùng một bài toán lựa chọn —

Suy luận phức tạp và các nhiệm vụ chuỗi dài cần mô hình mạnh hơn, nhưng lại đi kèm với chi phí và thời gian phản hồi cao hơn; mô hình nhỏ cục bộ đủ nhanh, đủ nhẹ, nhưng giới hạn năng lực lại xuất hiện sớm hơn, và rắc rối hơn là một nhiệm vụ thực tế thường xuyên vắt ngang cả hai phía.

Cách tiếp cận "một mô hình cân tất" như trước đây đã không còn hiệu quả.

△ Ảnh do AI tạo

Vấn đề tương tự thực ra ngành công nghiệp chip đã từng gặp phải từ lâu.

Sau khi các tác vụ tính toán ngày càng phức tạp, việc chỉ dựa vào CPU để gánh vác mọi công việc sẽ nhanh chóng chạm trần về tiêu thụ điện năng, hiệu suất và hiệu năng.

Câu trả lời cuối cùng tìm ra chính là tính toán không đồng nhất (heterogeneous computing).

CPU phụ trách điều khiển chung, GPU tiếp quản tính toán song song, NPU chuyên xử lý AI, ISP phụ trách hình ảnh; hệ thống dựa trên các tác vụ khác nhau để phân bổ tính toán một cách linh hoạt cho đơn vị phù hợp nhất.

Nghĩa là, không phải để đơn vị mạnh nhất làm mọi việc, mà là để đơn vị phù hợp nhất làm công việc phù hợp nhất.