问题——从“会说”到“会做”，终端智能体迈入应用深水区。 今年以来，围绕“能在终端上替人办事”的智能体应用不断升温。全国两会上，工业和信息化部负责人表示，要推动人工智能与制造业双向赋能，推动人工智能电脑、人工智能手机、智能家居等更好满足群众需求。业内普遍认为，终端智能体将成为智能终端体验跃迁的重要抓手，但其从演示走向规模化仍需跨越可靠性与安全两道关口。 原因——开放场景复杂、生态割裂与算力约束叠加。 王帅认为，实验室评测与真实手机环境之间存在显著“落差”。在终端侧，应用界面变化频繁、系统弹窗与权限管理复杂、用户指令往往不完整甚至含混，智能体一旦出现误判，可能带来误操作、隐私泄露、支付风险等后果。同时，终端受电量、散热、成本限制，难以长期承载大规模模型推理；而云端调用虽能补足能力，却引入数据跨域、传输暴露和合规治理等新变量。生态层面，应用之间接口开放程度不一，也使智能体在跨应用执行任务时更易“卡壳”。 影响——产业创新空间扩大，但安全底线与规则体系成为核心竞争力。 受访专家指出，智能体的意义在于为大模型补齐“手脚”，将内容生成延伸到流程执行，进而改变办公协作、生活服务和制造业运维等场景的效率结构。与此同时，智能体进入个人设备后，触达通讯录、相册、定位、支付与企业业务系统，风险外溢面显著扩大。一旦缺乏统一规则与审计约束，轻则造成用户信任受损，重则引发数据安全与网络安全事件，影响行业生态与产业国际竞争力。由此看，安全能力不再只是“附加项”，而将成为终端智能体产品能否规模化落地的前置门槛。 对策——坚持端侧优先与端云清晰边界，建设“规则+设施”的系统防护。 针对算力与工程落地，王帅提出“端侧优先、云端用完即删”的技术原则：能在本地完成的任务尽量本地闭环处理，通过模型压缩、量化与蒸馏等工程手段实现“模型极致瘦身”，把关键能力部署到终端；确需云端协同的环节，应明确数据最小化、最短留存与可追溯机制，减少敏感数据在云端沉淀。 在技术路线选择上，他认为API与GUI等路径并非简单对立：API效率高、结构化强，但依赖平台开放，易形成生态壁垒；GUI门槛相对较低，有助于跨越“应用孤岛”，让智能体先在更广泛的长尾场景跑起来。关键不在于押注单一路线，而在于提升各路线的“安全水位线”。 在安全治理上，王帅强调，不能过度依赖智能体自我纠错，更应构建类似“交规与红绿灯”的外围架构：包括权限分级、关键操作二次确认、敏感行为拦截、可解释日志、风险回滚与应急处置等系统机制，以规则约束与设施化防护降低误操作概率。他同时呼吁，将独立第三方安全审计机制标准化，形成可落地、可复核的强制要求，作为智能体产品接入网络与进入市场的重要门槛之一，以提升全行业的治理一致性。 前景——未来两三年将从能力竞赛转向“可靠可控”竞赛。 业内判断，随着端侧算力提升与工程化工具成熟，终端智能体在信息检索、日程管理、跨应用办事、设备联动等领域将加快渗透。更值得关注的是，行业竞争焦点或将从“能做什么”转向“做得是否可靠、是否可控、是否可审计”。在政策引导、标准完善与产业协同下，端云分工更清晰、数据流更可控、审计与责任更明确的产品形态有望率先获得市场信任，并推动终端智能体走向规模化应用。
终端智能体的发展标志着人工智能正从工具向生产力转变。在追求技术进步的同时，如何平衡创新与安全、效率与可靠将是长期课题。只有建立完善的技术规范和保障体系才能让这项技术真正造福社会推动数字经济发展。