AI助手新范式：从聊天框到服务中枢

引言

2022 年，刘睿从港中文毕业，走入了一个“坏时候”：深度学习高光仿佛见顶，行业谨慎收缩；两个月后，Stable Diffusion 横空出世，又过三个月，ChatGPT 改写范式。传统为手机厂商定制算法的商业模式迅速松动，越来越多单点技术被基础模型收编。到 2023 年底，商汤巨变，更让许多人重新思考路径。对刘睿而言，从电子科大转向机器学习，再到 MMLab 专攻生成式模型，几乎踩在浪潮的节点上。如今，他在华为发布会上提出一个鲜明观点：AI 助手要告别“聊天框”，从被动响应走向主动服务。

这不是界面的小修小补，而是交互范式与系统工程的重启：AI 不再等用户“提问”，而是理解上下文、调用工具、执行任务、闭环交付。这一方向背后，既有技术条件成熟，也有产品形态和生态协作的必然演进。

从聊天框到服务中枢：范式迁移

聊天框是大模型的“练功房”，不是落地场。其局限在于：
- 信息被动输入，缺少对场景的持续感知；
- 交互停留在“问—答”，难以穿透到“做—成”；
- 无法跨应用编排流程，用户仍需在不同 App 间手动搬运。

面向主动服务的助手，应具备三种能力：
- 持续感知：捕捉时间、地点、设备状态、历史行为与文档上下文；
- 意图预测：基于弱信号推断即将发生的需求，提前准备；
- 行动执行：调用工具链完成实际操作，并能自检结果。

典型场景不再是“让我订机票”，而是“识别到下周有出差会议，结合偏好和预算给出三套行程草案；同步调整日程、预留机场时间、生成报销单草稿”。用户只需要确认，而不是从头指挥。

主动服务的三块基石：感知、记忆与行动

要让助手走出对话框，底层技术栈必须重构。

• 多模态与情境感知
• 文档、邮件、日历、位置、设备传感器共同构成“场景向量”；
• 从孤立的对话历史，迈向跨应用的时空连续性建模；

• 以事件驱动替代轮询式查询，降低能耗并保证实时性。

• 长时记忆与个体化画像

• 建立稳定的“个人知识库”：偏好、常用联系人、工作流模板；
• 记忆不等于“记住所有”，而是可检索、可更新、可遗忘；

• 隐私护栏内置：本地优先、最小化上传、可解释的权限边界。

• 工具调用与流程编排

• 从“单工具调用”升级为“多步计划—工具组合—结果校验”；
• 将应用能力抽象为可声明权限的 API/Schema，支持回滚与审计；
• 以小模型做控制器，大模型做理解与生成，云端与端侧协同，兼顾延迟与成本。

这里的难点不是单点模型精度，而是系统工程：如何定义标准化能力接口，如何在不同设备与应用之间保障一致性与安全性，如何让计划、执行、验证形成闭环。

可用性与可信度：不只是更聪明

主动意味着更高的价值，也意味着更高的责任。

• 可靠性：每一次自动执行都应有可验证的约束条件与退出机制，重要操作二次确认，结果可重放与追溯。
• 评估体系：从“回答是否合理”转为“任务是否完成、成本是否可控、延迟是否可接受”。需要端到端的任务成功率、计划步数、工具失败恢复率等新指标。
• 体验边界：主动不等于打扰。应基于注意力预算设计触达策略，默认静默准备、关键节点提示、用户一键确认。
• 资源与隐私：在端侧放更多能力，用更小更快的模型解决多数常规任务，把复杂理解与生成留给云端，确保可见、可撤、可控。

影响与展望

当助手从聊天框“毕业”，手机与操作系统的中心将从“应用栈”转向“服务栈”。谁能掌握跨应用编排、上下文整合与可信执行，谁就能在下一代人机交互中占据上风。对开发者而言，能力开放与标准接口将成为新流量入口；对用户而言，可控的个性化与隐私保护将成为选择的重要权衡。

从商汤未竟的技术探索，到华为舞台上的系统化落地，一条清晰路线逐步成形：基础模型提供通用智能，端云协同承载性能与隐私，标准化工具接口打通生态，最终把“问答的聪明”转化为“办事的本事”。接下来 2-3 年，真正的竞争不在参数数量，而在谁先把“主动服务”的闭环跑通、谁先把可信度做到可量化、可验证、可复用。那将是下一代 AI 助手的分水岭。

标签： AI助手 智能体 人机交互 系统工程 隐私与安全