资讯中心

  • 首页
  • 资讯中心
  • 鸿蒙7发布后,手机里的App进入智能体时代了

鸿蒙7发布后,手机里的App进入智能体时代了

2026-09-20

编辑|泽南 下班前半小时,你盯着手机上的信息,想起七点活动的目的地正堵在晚高峰腹地,顺口说了一句:「我得提前二十分钟到会场,帮我安排一下。」 一两年前,这句话意味着一连串肌肉记忆:退出当前应用,打开微信复制地址,切到高德地图看路况估算出发时间,再打开滴滴输入目的地,最后回到时钟里设一个提前量闹钟。四个应用,多次跳转,信息要你自己判断、自己搬运。 现在,如果是一台 HarmonyOS 7 的鸿蒙手机,你不用再挨个打开它们:系统会自己读完画面中的会议地点,让地图判断实时路况、让出行应用预约车辆,再设好提醒。你只说一句话,AI 就在后台把事情办完了。 9 月 7 日,HarmonyOS 7 在华为全场景新品发布会上正式登场,一同亮相的还有三折叠旗舰 Mate XT 2 非凡大师和阔直板 Pura X View。经过三年多生态建设,搭载 HarmonyOS 6 和 7 的终端设备已突破 8500 万台,应用市场可获取的应用与服务超过 40 万,鸿蒙原生应用突破 10 万。 如今,鸿蒙的应用体验已经迈入到成熟好用的新阶段。 操作系统的真正成熟,不仅取决于技术指标,更在于人们在实际使用中是否顺手、体验是否稳定。如果说前几代鸿蒙的关键词是补齐应用数量、设备品类和基础体验,那么鸿蒙 7 要回答的问题已经变了:这些应用和设备凑在一起,能不能真正好用,并且越用越好? 这一次,鸿蒙的答案覆盖五个维度: 超沉浸、超智能、超流畅、超安全、超便捷 。随着 AI 技术的快速发展,很多超复杂的操作正在变得自然而然。 现在,手机在替你干活 最近几个月,终端赛道的变化在快速发生:谷歌 8 月发布的 Pixel 11 全系围绕 Gemini 重构体验,深入安卓工作流并与谷歌全家桶深度整合;9 月发布的 iPhone 18 Pro 上,苹果直接把手机定位为掌握个人信息的智能中枢,全新的 Siri AI 能够理解上下文、感知屏幕、使用大量 App 完成任务;本周发布的第二代「豆包手机」把上代激进的实验性 Agent 做成了面向消费者的系统级智能体产品,可以拆解、规划复杂指令,执行持续数十分钟的长链路任务。 Agent 会自己调用工具,AI 助手也就从一个独立应用,变成了一个能玩手机、甚至连接手表和眼镜的无形整体,端侧 NPU 算力又让 AI 得以在本地运行,系统级智能由此成为行业共同选择。 在 HarmonyOS 7 上,系统级 AI 被收进「超智能」这条线里,与空间、流畅、安全、便捷并列。要看懂鸿蒙 7 为什么敢谈成熟好用,不妨一项一项拆开看。 首先变化的是应用被调用的方式。在 HarmonyOS 7 上,鸿蒙应用多了一个系统级的智能入口 —— 小艺成为了各类应用理解用户、服务用户的共同通道。对用户而言,应用正在变得「更懂你」也「更能干」。 过去,用户得先知道一个功能藏在哪个应用里,发一个指令应用只执行一个动作;而在 HarmonyOS 7 上,应用的能力以 Skill 或智能体的方式可供使用,用户只需说出目标,系统会理解意图、设计好解决方案,再调度最合适的应用把事办完。 这背后是一整套向应用开放的系统资源: 超过 200 项系统级感知数据、2100 多项鸿蒙系统能力,以及合作伙伴贡献的 500 多个精选 Skills 和 2000 多个鸿蒙智能体,随时可以被组合调用。 手机里的日历、文件、图库、位置、系统设置等,以前都是相对孤立的数据或功能,现在它们开始变成 Agent 可以组合调用的工具。 结合全天候智能感知引擎与上下文记忆,小艺能够理解设备状态、日程、位置和个人偏好,能接住那些过去机器听不懂的模糊表达:找之前聊过的那个东西、找物理实验资料、找个安静且能看海的地方。你只管表达,系统能判断出任务方向,打开闲鱼、WPS、花瓣地图等应用去对应。新增的小艺导航条还能识别淘宝、抖音、京东等十多种口令链接,以及航班号、快递单、地址等复制内容,一键打开对应服务。 真正体现能干的,是把多个应用串成一条任务链。 以一段旅行为例:对小艺说「下周末想带家人去西安玩两天,别太赶」,它会先结合假期和天气给出行程框架,再把携程提供的酒店、景点、车票服务接进同一段对话,敲定行程、订好高铁和酒店。到了景区,问一句「哪里更出片」,它能规划打卡路线、标出机位,用「小艺看世界」对着兵马俑抬手一问,古迹的来龙去脉就被讲了出来。 过去要提前做的攻略、现场租的讲解器、在几个应用间手动搬运的信息,被收进了一次对话。 这套体验的底层,是 HDC 2026 推出的鸿蒙智能体框架 HMAF 2.0,系统能力被全面 Skill 化,应用的功能也得以被系统识别、理解和按需调度。在新系统中,核心调度层在用户明确授权和沙盒机制前提下引入语义路由,把复杂需求拆成可执行的子任务链,再编排多个应用协作完成, 复杂任务完成率达

about image