数字经济与实体经济加速融合的背景下，人工智能的发展正遇到对物理世界理解不足的瓶颈；vivo公司高层在博鳌亚洲论坛表示，许多AI系统存在“物理盲区”，难以像人类一样理解三维空间中的动态关系。该短板直接影响服务机器人、智能家居等场景的落地效果。究其原因，传统AI训练主要依赖结构化数据标注，难以覆盖现实世界连续变化的动态信息。胡柏山在主题演讲中打了个比方：“教孩子认识世界，不能只靠文字说明书，还要通过视觉观察不断积累经验。”市场研究机构数据显示，具备空间感知能力的AI系统，场景适应效率可提升300%以上。 面对这一问题，vivo提出“影像筑基”的技术路径。其十年来在移动影像上的积累，包括多镜头协同、场景语义分割等能力，可为AI系统提供更接近真实世界的“模拟器”。值得关注的是，vivo日均处理的用户影像数据超过20亿张，这些来自真实场景的数据在一定程度上弥补了实验室数据的局限。在隐私保护上，vivo采用“端侧计算+统一协议”的双重机制，强调保障用户数据所有权。 行业层面，这一路线正在影响智能终端的竞争方向。国际数据公司预测，到2026年，具备高级视觉认知能力的设备将占智能终端市场的65%。vivo也在将影像能力延伸至MR设备、服务机器人等领域，其最新立项的家用机器人项目采用了视觉与听觉融合的多模态方案。 从产业前景看，影像技术的进展有望推动“感知智能”向“认知智能”升级。专家认为，随着5G-A和6G演进，具备实时环境理解能力的终端设备将在智慧零售、远程医疗等领域带来千亿级市场空间。vivo提出的“场景数据差异化”战略，可能成为中国科技企业参与全球竞争的一项优势。
从博鳌释放的信号来看，智能化竞争正在进入“从能力到体验、从模型到治理、从单机到生态”的新阶段。影像作为连接现实世界与智能系统的关键桥梁，价值不止于记录，更在于理解与服务。端侧能力的提升、隐私保护与开放边界的完善、多模态能力的工程化落地，将影响智能终端能否真正走出概念热潮，进入更广泛的日常应用场景。