Qwen Intelligence

Qwen Intelligence 是什么

Qwen Intelligence 是阿里巴巴通义千问团队在 2026 年 9 月 22 日云栖大会（杭州）现场发布、面向手机厂商的 AI 手机全栈解决方案。它并不自己下场生产硬件，而是把阿里在大模型领域长期积累的能力，打包成一套可以装载进手机系统的「智能底座」，帮助终端厂商快速把一部普通手机升级为具备自主规划、自主操作与内容创作能力的 Agent Phone（智能体手机）。整套方案的初心很明确：开放合作、赋能产业，而不是与手机品牌商抢硬件的生意。

在发布会的表述里，阿里巴巴 ATH 事业群副总裁、Token Foundry Qwen 手机智能负责人许主洪（Steven Hoi）反复强调一个判断——手机占据了用户 90% 的使用时长，也承载了用户 90% 的上下文信息，是离人最近、最懂人的计算终端。在他看来，手机正在从「被动响应指令的工具」向「主动理解意图、提前安排事务的 Agent Phone」演进，而这正是通往下一代个人 ASI（人工超级智能）的必经之路。Qwen Intelligence 要做的，就是为这条演进路径提供一套开放、可定制的全栈能力，让厂商不必从零造轮子，也能让自己的手机长出「主动性」。

换句话说，Qwen Intelligence 的野心不在「再做一个语音助手」，而在重新定义手机与人之间的关系：从人指挥机器，转向机器主动为人分忧。这种范式转变，需要的不只是某一个聪明的模型，而是一整套能在手机这种资源受限设备上稳定运行、且能被厂商灵活裁剪的工程体系——这正是它被叫做「全栈解决方案」的原因。对用户而言，它意味着手机不再只是「你让它做什么它才做什么」的终端，而是会逐渐变成「知道你大概要什么、并提前把麻烦事办了」的搭档。当一部手机既能听懂你的话，又能替你动手、还能记住你的偏好，它便从工具升级为某种意义上的「数字分身」。

把时间线拉长看，2026 年之所以被认为是 Agent Phone 的拐点，是因为三件事同时成熟：端侧与云端协同的模型足够聪明、手机系统层愿意为智能体开放接口、用户对「自动化办事」的接受度显著提高。Qwen Intelligence 正是在这个窗口上，选择以「全栈底座」而非「单点 App」的姿态入场，试图定义行业接下来的协作范式。它的成败，某种程度上也会成为「开放赋能」能否跑通手机 AI 这条赛道的试金石——如果一家不造手机的公司，能靠底座能力把整个行业带上 Agent Phone，那这条路的想象空间将远大于任何单款旗舰。

下面这张图展示了 qwenintelligence.com 官网首页的整体调性：以「为手机而生的智能」为核心主张，面向厂商而非消费者给出能力矩阵。

图注：Qwen Intelligence 官方网站首页，主张「为手机而生的全栈智能」

Qwen Intelligence 的三层价值与全栈架构

与很多只卖单个模型或者单个 App 的思路不同，Qwen Intelligence 把自己定位成一个「三层价值叠加」的全栈平台。最底层是面向手机场景深度优化的模型，它不是把云端大模型简单裁剪后塞进手机，而是针对手机特有的功耗、内存、延迟和交互习惯做了大量适配，让模型在端侧也能保持可用性与连贯性；中间层是模块化、可定制的全栈平台，厂商可以按需组合模型、技能、记忆与运维能力，像搭积木一样拼出自己的 Agent 体验；最上层是面向真实场景的精品 Agent，也就是直接解决用户问题的三大智能体。三层叠加之后，手机厂商拿到的不再是一个 Demo，而是一套可以量产落地的系统工程。

这种分层设计的聪明之处在于「各取所需」：小型厂商可以只接入某一层的某一项能力，快速试水；大型厂商则可以把三层全部打通，做出差异化的系统级智能。对阿里而言，把能力做成平台而非成品，也意味着它的商业边界是「赋能千机」，而不是「独霸一款设备」，这与它对外强调的开放合作姿态是一致的。更重要的一点是，分层让「升级」变得可持续——模型换代时不必重写整套运行框架，框架优化时也不必更换底层模型，厂商的集成投入因此得到了保护。在手机这种换机周期长、系统服役久的设备上，可持续升级能力本身就是一种竞争力，也让「买了不落伍」对用户成为一个可兑现的承诺。

Qwen Intelligence 的主要功能

从能力清单来看，Qwen Intelligence 的核心交付物可以归纳为以下四块，前三项对应首发的三大 Agent，第四项是支撑它们的平台能力：

1. Mobile Planner Agent（规划中枢）：负责理解用户需求、把模糊意图拆解为可执行任务、编排调用各类工具，并在执行过程中动态调整计划。
2. Mobile-Use Agent（操作执行）：负责真正去「动手」操作手机，跨应用完成订票、填表、比价、转发等繁琐动作，并以「API 优先、GUI 兜底」的方式保证覆盖率。
3. Mobile Creative Agent（影像创作）：面向拍照与图像生成场景，让用户用一句自然语言描述就能产出成片，把创意门槛降到最低。
4. 全栈平台与双层记忆：提供模型部署、技能统一治理、一站式运维与自动化评测，并配套工作记忆与长期记忆，让手机「越用越懂你」。

Mobile Planner Agent：把意图变成行动的任务规划中枢

Mobile Planner Agent 解决的是「想清楚要做什么」的问题。当用户说出一句像「帮我把下周去上海出差的行程安排好，预算别太高」这样的需求时，它并不会直接莽撞地去点 App，而是先做语义理解：识别出「出差、上海、下周、控预算、行程安排」这几个关键约束，再把目标拆成「查机票—订酒店—排会议—整理日程」等子任务，并决定调用哪些工具（日历、出行、支付、地图）以及它们的先后依赖关系。

它的两项核心技术尤其值得展开。其一是「模型 × Harness 协同演进」：模型侧负责理解、规划与决策，也就是「动脑」；Harness（智能体运行框架）侧负责状态管理、记忆维护与技能调度，也就是「管身体」。二者解耦后，可以各自迭代——模型升级不必重写整套运行逻辑，Harness 优化也不依赖模型换版，工程上更稳健。其二是「双层记忆」：工作记忆随单个任务的推进实时演化，记住当前卡在哪一步、还差什么；长期记忆则把一次次短期经验沉淀为稳定的用户画像与认知（比如你常飞虹桥而非浦东、你偏好靠窗座位），让下一次规划更贴合个人习惯。

可以用一个更生活化的例子体会它的工作方式：当你说「帮我安排这周末的家庭聚餐」，Planner 会先确认人数、预算与口味偏好，再决定是先订餐厅还是先问家人时间，并把「订位—通知—设提醒」串成有依赖关系的任务链；如果某位家人临时去不了，它会基于已有信息重新平衡座位与份量，而不是从头再来。在真实使用里，规划的价值往往体现在「容错与续跑」上：当一个子任务失败（比如某家酒店满房），Planner 不会整体崩溃，而是基于工作记忆回退到上一个稳定节点，换一个方案继续；当它发现你过去三次出差都选了同一家连锁酒店，长期记忆会建议直接复用，减少反复确认。这种「会思考、会纠错、会记忆」的特质，正是 Agent Phone 区别于传统自动化脚本的根本，也是它能在复杂、开放的真实场景里跑通的前提。

Mobile-Use Agent：API 优先、GUI 兜底的手机操作手

Mobile-Use Agent 解决的是「真正把事办成」的问题。它设计了一套很务实的执行路径：当目标 App 提供了标准接口时，优先走 MCP / API / DeepLink 直接调用，速度快、成功率高、信息结构化；当遇到没有开放接口的「孤岛 App」时，则切换到视觉理解 + GUI 操作的兜底方案，像人一样「看屏幕、点按钮、填输入框」，把流程走完。这种制让它在覆盖广度上明显优于只做 API 或者只做自动化的方案，因为现实中的手机生态恰恰是「少部分 App 开放、大量 App 封闭」。

在隐私与安全上，Mobile-Use 内置了三层隐私安全防护。最基础的一层是数据最小化与本地化处理，能不离开设备的就不上传；中间层是对操作行为的可解释与可控，用户随时能看到它正在做什么、点了哪一个按钮；最关键的是，对于支付、删除、授权等敏感操作，系统会主动设置高安全护栏，并把控制权交还用户接管，而不是擅自替用户按下「确认」。这种「敏感动作必须人拍板」的设计，是 Agent 手机能否被信任的关键，也回应了公众对「手机自己乱花钱、乱删东西」的天然担忧。

从工程角度看，GUI 兜底并不简单：它要求模型具备「看懂界面语义」的视觉能力，能把屏幕上的图标、文字、控件映射成可操作对象，并在步骤之间维持状态。官方披露的 GUI 操作速度仅 3.6 秒一步，说明这套视觉—动作闭环已经被优化到接近人手的节奏，而不是停留在缓慢的概念验证阶段。对厂商来说，这意味着即便面对尚未开放接口的旧应用，Agent 也能通过「看屏幕」的方式把事办成，覆盖度因此大幅提升。一个典型场景是跨 App 比价：Agent 打开电商 A 搜商品、记下价格，再切到电商 B 搜同款、对比后回到购物车下单，全程无需你盯着屏幕一步步点。这种「看得懂界面、也动得了手」的组合，正是它敢宣称覆盖长尾应用底气所在。

Mobile Creative Agent：一句话出片的影像创作

Mobile Creative Agent 把创作门槛压到了最低。用户不需要懂光圈、构图、图层，只要用日常口语描述想要的效果——「帮我把这张夕阳照调成电影感，加上一点赛博朋克的光」——系统就能自动拆解工作流、调用合适的生成与编辑能力，产出可以直接分享的成品图。根据官方披露的数据，这类场景里首张图生成大约只需 3 秒，几乎是「话音刚落、成片已来」的体验。

能做到这么快，背后是扎实的工程技术：Mobile Creative 基于轻量模型蒸馏 + 强化学习进行优化，把原本需要约 100 步的扩散生成过程，压缩到了仅 8 步。步数大幅下降意味着单次推理的计算量骤减，既保住了手机上的实时体验，也为功耗和发热留出了余量。对普通用户而言，这意味着修图、出海报、做社媒配图这类事，从此可以交给手机在几秒内自发完成；对创作者而言，它更像一位随叫随到的「即时美术」，把灵感到成图的链路压缩到一次对话之内。比如你想发一条旅行动态，只要说「用这张湖景生成一张 ins 风封面，配一句文艺文案」，它就能一口气产出图与文案，省去在多个 App 间反复横跳的麻烦。

把创作搬到手机端，意义不只是「快」，更在于「随手」。过去这类能力往往藏在网页端或专业软件里，灵感来了还得开电脑、登录、上传、等待；而现在它就在你手心，拍完即生成、说完即出图，创作与记录发生在同一时空里。对内容创作者与小微商家而言，这等于把原本需要外包或学习的视觉生产，压缩成一次对话，营销素材、活动海报、商品图的制作成本因此被显著摊薄，也让「人人都能做视觉内容」从口号变成日常。

双层记忆与「模型 × Harness 协同演进」

把记忆与协同机制单拎出来说，是因为它决定了 Qwen Intelligence 是不是「越用越好用」。工作记忆处理单次任务内的短期状态：当前做到哪一步、哪些工具返回了什么、下一步依赖什么。长期记忆则跨任务沉淀：你的口味、习惯、常用联系人、工作节律，逐渐形成一个稳定且私密的「用户认知」。当长期记忆足够丰富，Planner 在规划阶段就能少问、多猜、猜得准，体验从「助手」滑向「懂你的搭档」。这种随使用而增值的特性，也是它区别于一次性工具的核心壁垒——用得越久，它越像为你量身打造的私人助理，而不是一个千篇一律的通用模型。

而「模型 × Harness 协同演进」保证了这套系统在快速迭代中不至于崩。模型负责越来越聪明的决策，Harness 负责越来越稳的运行与治理，二者像齿轮一样咬合前进。对手机厂商来说，这意味着他们可以在不整体架构的前提下，持续把更先进的模型接进来，保护已有的集成投入。这也解释了为什么 Qwen Intelligence 敢于以「全栈平台」自居——它卖的不是一个冻结的能力点，而是一条可以持续升级的演进通道，厂商今天接入的投入，明天不会因为一次模型换代而作废。对用户而言，这意味着手里的手机会随平台演进而「悄悄变强」，而非买定离手。

为什么是手机：Agent Phone 通向个人 ASI

要理解 Qwen Intelligence 的出发点，得回到许主洪那句判断：手机占据用户 90% 的使用时长、承载 90% 的上下文。相比 PC 或智能音箱，手机几乎时刻贴身，掌握着一个人的社交、出行、消费、健康与工作内容，是天然的「个人上下文枢纽」。当一个智能体能够安全、顺滑地调度这部枢纽，它就第一次有了持续理解「你是谁、你想什么」的物质基础。

这也是为什么团队把目标定义为 Agent Phone 而非某个单点功能：真正的价值不在于某一次惊艳的对话，而在于把规划、操作、创作三类能力常年驻留在手机里，日积月累地沉淀用户认知，逐步从「你说一步它做一步」走向「它预判你的需要并提前准备」。在官方的叙事里，这条从 Agent Phone 到个人 ASI 的路径，被认为是大模型落地到「每个人的日常」最现实的入口，而 Qwen Intelligence 选择以开放底座的方式参与，而不是自己造一部手机去独占这条入口。把这条路径想清楚，也就不难理解它为什么坚持「不生产硬件、只做全栈赋能」——因为只有开放，才能让足够多的厂商把能力铺到足够多的设备上，进而积累足够广的上下文，最终逼近那个「个人 ASI」的终点。值得注意的是，这条路径并不要求用户主动学习新交互：它寄生在用户已经离不开的手机里，用最自然的语言与最熟悉的界面完成进化，因此比任何设备都更容易跨越「冷启动」门槛。这也解释了为什么手机比任何新形态硬件都更可能率先把个人 ASI 从愿景拉进日常。

换个角度想，Agent Phone 之所以比别的形态更有想象空间，是因为它不要求用变既有习惯。PC 需要正襟危坐，智能音箱缺少屏幕与可视上下文， wearable 视野太窄， AI 硬件又得额外携带、另行教育市场；唯有手机同时满足「随身、有屏、有相机、有麦克风、有成熟账号体系」五个条件，是少数能不打断生活节奏就接管琐碎事务的终端。Qwen Intelligence 把智能体寄生在这台人人都离不开的设备里，意味着它的演进不需要用户「专门花时间学一个新东西」，而是随着日常使用自然发生——这种低摩擦的渗透，恰恰是消费级 AI 过去几年一直没跑通、而 Agent Phone 可能首次跑通的关键。对阿里而言，押注手机而非新硬件，也是押注了一个已经存在、规模最大的计算入口，而不是去凭空教育市场接受一个尚不存在的设备形态，这一步在商业上比「做一款酷炫但孤独的硬件」要稳健得多。

如何使用 Qwen Intelligence

Qwen Intelligence 不是消费者直接下载安装的 App，而是一套面向手机厂商与开发者的 B2B 全栈能力。它的使用路径大致分成三类角色，每一类都能在体系里找到自己的位置：

如何使用 Qwen Intelligence

1. 手机厂商 / 方案集成方：基于 Qwen Intelligence + 自家的操作系统（例如荣耀 MagicOS）共建垂域模型，把三大 Agent 与双层记忆能力集成进系统层，出厂即带 Agent Phone 体验。荣耀 Magic9（9 月 28 日发布）就是首款正式搭载该方案的机型，荣耀 Robot Phone 也同步支持。
2. 应用开发者：通过开放接口把自家服务的 MCP / API / DeepLink 接进来，让 Mobile-Use 能在你的应用里被安全调用，享受「被 Agent 调度」带来的新流量入口；同时可借助技能治理把复杂能力封装成可复用模块。
3. 终端用户：无需关心底层，直接通过搭载该方案的手机（或前往千问 AI 平台的 Qwen Intelligence 体验入口）用自然语言下达指令，让规划、操作、创作三类 Agent 替自己跑腿。

Qwen Intelligence 的使用场景

因为能力横跨规划、操作与创作，它的落地点非常分散，下面按人群列举几个最有代表性的场景，并尽量给出可感知的细节。这些场景看似零散，实则共享同一个内核：把人从「在多个 App 之间当搬运工」的角色里解放出来，让意图到结果之间的距离被智能体压缩到最短，人只需做真正需要判断的决定。需要强调的是，这些场景的价值并不来自单点功能多强，而来自三类 Agent 之间的配合——规划决定做什么，操作负责落地，创作补齐表达，三者缺一就无法构成完整的 Agent Phone 体验。

1. 差旅与日程管理：说一句「安排下周上海出差」，它便自动查机票、订酒店、排会议、生成日程，并在预算约束下反复权衡，相当于一位常驻的「差旅管家」。若航班延误，它还能联动日历自动顺延后续安排，把连锁影响一并处理掉，而不是只改一个时间卡给你。
2. 跨 App 信息搬运：把里零散的地址、时间、待办自动抓取并填入对应表单或日历，省去人工复制粘贴，是一位不知疲倦的「跨 App 助手」，尤其适合把微信里的约饭信息一键变成日历、把邮件里的行程一键写进导航。
3. 长程复杂任务：需要连续点击上百步才能完成的流程（如批量整理报销、跨平台比价下单），它可以推进，官方披露的复杂长程任务操作步数可超过 100 步，把人从机械劳动里解放出来，让人专注在真正需要判断的环节。
4. 影像与内容创作：用一句话生成海报、修图、做社媒配图，首图约 3 秒出炉，把创作从专业技能变成日常表达，降低了普通人做视觉内容的门槛，也让小团队得以用更低成本产出像样的素材。
5. 企业与行业垂域：银行、政务、零售等行业可基于该方案打造自己的垂域 Agent，把通用能力收敛到特定业务语言与流程中，例如营业厅里的自助办理、门店里的智能导购、工厂里的巡检助手，本质都是「通用底座 + 行业知识」的组合。

开发者如何接入 Qwen Intelligence

对开发者而言，Qwen Intelligence 提供的不是「黑盒能力」，而是一组可被集成的接口与治理机制。最直接的方式是把自家服务通过 MCP / API / DeepLink 注册进系统，让 Mobile-Use 在需要时精准调用，而不是通过脆弱的界面模拟去「盲点」；对于更复杂的业务能力，则可以用技能治理把它封装成带描述、带约束、带版本的可复用模块，供 Planner 在规划阶段按需编排。这样的设计让「被 Agent 调度」成为一种新的分发形态：谁的技能被更多手机、更多场景调用，谁就握住了下一代交互入口的流量。对中小开发者来说，这降低了「做一个完整 App」的门槛，只需把最擅长的一小块能力做好，就有机会被智能体在正确的时机调用。

与荣耀 MagicOS 的落地实践与关键指标

目前 Qwen Intelligence 最值得关注的落地，是与荣耀的深度合作：双方基于 Qwen Intelligence + 荣耀 MagicOS 共同打造垂域模型，并把它做进量产机型。官方给出的实测数据颇具说服力——综合任务准确率 91.8%、GUI 操作速度仅 3.6 秒、复杂长程任务操作步数可超过 100 步、端到端服务闭环率 90%。这些数字说明它不只是在发布会视频里好看，而是在真机上跑得通、闭环得了。换句话说，一个普通用户让它订票、填表、修图，大概率能拿到可用结果，而不是卡在某一步等人工救场，这正是 Agent Phone 能否被大众接受的分水岭。

荣耀 Magic9 定于 9 月 28 日发布，是首款正式搭载该方案的机型；荣耀 Robot Phone 也同步提供支持。对行业而言，这是一个信号：Agent Phone 不再停留在概念，而开始以真实硬件形态走进消费者口袋。这种「旗舰机型首发搭载」的落地方式，也反过来验证了 Qwen Intelligence 作为全栈方案在性能、功耗与稳定性上的成熟度。对普通消费者来说，这种落地的直接体感是：买一部荣耀 Magic9，开机就自带一套能规划、能操作、能创作的智能体，而不必等待后续 OTA 慢慢补齐；对行业来说，头部厂商的背书也意味着 Agent Phone 从「概念营销」进入「硬件标配」阶段，竞品很难再只用 PPT 讲故事。对于同样在做多模态生成与智能体生态的伙伴，可以参考 通义万相（Qwen-Image）、通义万相 AI 视频、通义 CosyVoice 等通义家族能力，它们与 Qwen Intelligence 在创作与交互层形成互补，共同撑起「理解—生成—执行」的完整链路。

图注：千问 AI 平台上的 Qwen Intelligence 体验入口，普通用户也可在此试用三大 Agent

开放评测体系：四套基准集

为了让厂商和研究者能客观衡量能力，Qwen Intelligence 同步开放了 4 套评测集，覆盖从日常任务到安全红线的全谱系：

1. MobilePA-Bench：覆盖 1000+ 真实场景任务、200+ 常用手机工具，是衡量 Agent 手机「能不能办事」的主基准，强调真实使用而非玩具任务。
2. MobileWorld：云端长程、跨 App 的评测环境，专门考察多步骤、跨应用的连贯执行，检验 Agent 在「任务链条很长」时的稳定性。
3. MobileWorld-Real：真机评测版本，把能力放到物理设备上检验延迟、稳定性与真实交互，弥补纯云端仿真的差距。
4. MobileWorld-Safety：安全专项基准，重点压测支付、删除、授权等敏感操作的护栏是否可靠，确保「敢放手、也守得住」。

这四套基准合在一起，构成了一套「能力 + 安全」双轮驱动的评估闭环，也体现了团队「开放赋能」的态度——不只把能力给你，还把尺子也给你。对行业来说，可复现、可对比的评测，远比厂商自说自话的演示更有参考价值，也便于不同厂商在同一把尺子下比拼真实水平。对研究者而言，公开基准意味着可以基于统一标准做二次创新，而不是在黑盒外盲目猜测。这种「把评测也开源」的做法，客观上也会加速整个 Agent Phone 赛道的能力水位上浮。

Qwen Intelligence 的后续规划

在发布之外，团队也给出了三条清晰的演进方向，勾勒出 Qwen Intelligence 接下来的重心：

1. 个性化记忆 + 主动服务：在双层记忆的基础上，让手机从「你问它才答」走向「它预判你需要、并提前把事办了」，例如在你知道忙碌前就整理好当天要点、在你常点的餐厅上新时主动提醒。
2. 多模态交互：进一步融合语音、视觉、手势乃至屏幕上下文，让交互不再局限于打字或单轮语音，而是围绕「你正在看什么、正在做什么」展开自然协作。
3. 生态伙伴共建垂域 Agent：与更多行业的伙伴一起，基于开放平台孵化面向金融、政务、零售、出行等场景的专属 Agent，把通用能力收敛到行业语言与流程里。

这三条主线其实是一个递进：先把「懂你」做扎实，再把「交互」做自然，最后把「能力」开放给整个生态。对手机厂商而言，这意味着接入 Qwen Intelligence 不是一次性的功能叠加，而是能随平台演进持续获得新能力的长期合作。对开发者而言，垂域 Agent 的共建也意味着新的分发与变现机会——谁的 Agent 被更多手机调度，谁就握住了下一代流量入口。当底座、系统、应用、开发者形成正向循环，Agent Phone 才可能从旗舰卖点变成行业基础设施，这也正是开放路线想要兑现的长期红利。

Qwen Intelligence 与同类手机 AI 方案的对比

在 Agent Phone 这一赛道上，各家思路并不相同。一些厂商选择把能力封闭在自己的硬件与生态内、走软硬一体绑定路线；Qwen Intelligence 则明确选择开放的 B2B 全栈赋能路线——它不生产手机，而是把模型、平台与精品 Agent 输出给合作伙伴，由厂商在自己的系统里完成最后一公里适配。这种「做底座、不抢整机」的定位，降低了行业整体的创新门槛，也让不同品牌都能在统一能力之上做出各自特色。

开放与封闭，本质上是两种权衡：封闭路线能最大化把控体验一致性与数据闭环，但会把能力锁在单一品牌里；开放路线牺牲了一部分掌控力，却换来了规模化的生态扩散。Qwen Intelligence 显然押注后者，认为只有足够多的设备装载、足够多的开发者共建，才能把「手机智能」从少数旗舰的卖点，变成整个行业的默认能力。这种取舍也决定了它更像「安卓式」的赋能者角色，而非「iOS 式」的闭环掌控者。

如果把视野拉到模型层，Qwen Intelligence 也不同于单纯「堆一个更大模型」的思路。它更强调模型与运行框架的分工协作，让「聪明」与「稳重」可以分别进化；这在一定程度上缓解了「模型一升级、整套系统就要重做」的焦虑。对于资源有限的中小厂商，这种可渐进升级的架构，比一次性押注某个超大模型更可控，也更容易在量产节奏里持续交付改进，而不是被一次次大模型换代拖着重构。把「聪明」与「稳重」解耦的思路，也呼应了它整体分层架构的哲学：让每一层都能进化，系统整体反而更耐迭代。

相较而言，通义家族的其他能力也在各自维度上补位：通义灵眸 侧重视觉理解、通义千问 API 提供通用模型调用、通义灵码 IDE 与 智能编码助手通义灵码 覆盖开发侧、通义听悟 与 通义视频 强化音视频处理。把这些能力串起来看，Qwen Intelligence 扮演的是「手机端的智能总调度」，而它们则是可被调度的「专业工种」，彼此之间是可组合、可替换的关系，而非彼此替代。

在大模型底座层面，百灵大模型、AI 大模型聚合平台、中宏全球大模型 AI 接口、Laya 决策模型 以及 星图大模型平台 等，代表了行业里不同的模型供给与编排思路，也共同构成了 Agent Phone 得以生长的土壤。理解这些相邻能力，有助于判断 Qwen Intelligence 在整张产业地图上的坐标，以及它「开放底座」定位的稀缺性。当这些底座、平台、Agent 与硬件彼此咬合，手机 AI 才真正有可能从单点炫技，演进为一套人人可用、处处能跑的系统能力。

图注：Qwen Intelligence 以「模型—平台—Agent」三层结构支撑 Agent Phone 体验

Qwen Intelligence 常见问题解答

Qwen Intelligence 是手机品牌吗，会自己出手机吗？

不是。它是阿里巴巴通义千问团队面向手机厂商发布的 AI 全栈解决方案，定位是「赋能者」而非「硬件商」，不生产手机，也不与厂商抢整机生意，而是把模型、平台和 Agent 能力开放出来供厂商集成，最终由厂商在自己的设备上交付给消费者。

普通用户怎么用上 Qwen Intelligence？

主要通过搭载该方案的机型（如荣耀 Magic9 与荣耀 Robot Phone）在系统层直接使用；也可以前往千问 AI 平台的 Qwen Intelligence 体验入口，用自然语言让三大 Agent 帮忙规划、操作和创作，无需任何开发背景。

它操作手机时安全吗，会不会乱点支付？

Mobile-Use Agent 采用「API 优先、GUI 兜底」的执行路径，并内置三层隐私安全防护；对于支付、删除、授权等敏感动作，系统会设置高安全护栏并把控制权交还用户接管，不会擅自替用户确认，从机制上降低误操作与越权风险。

Qwen Intelligence 官网网址

项目官方网站：https://qwenintelligence.com；千问 AI 平台上的体验入口：https://www.qianwenai.com/agents/qwenintelligence。如果从模型底座的角度补全认知，也可顺带看看 Yan 模型，它代表了另一种底座技术路线，便于横向比较。

OpenI AI时代点评

Qwen Intelligence 的出现，把「手机智能」的竞争从单点功能（更好用的语音助手、更聪明的相机）推向了系统级的 Agent Phone 范式：规划、操作、创作三类 Agent 协同，配合双层记忆与「模型 × Harness 协同演进」，让手机第一次具备了「理解意图—拆解任务—动手执行—沉淀认知」的闭环。它选择不造手机、只做开放全栈底座，是一种清醒的产业链定位，也为行业留下了更大的协作空间。

从我们的视角看，91.8% 的综合任务准确率、3.6 秒的 GUI 操作速度、超过 100 步的长程任务能力，以及 90% 的端到端闭环率，已经足以支撑起真实的日常使用；而开放 MobilePA-Bench 等四套基准，则显示出团队希望用「尺子」而非「口号」来对话行业。把 Qwen Intelligence 放进更大的工具生态里看，像 腾讯云代码助手 这类面向开发者的智能体工具，也在从不同侧面把「Agent 替人跑腿」的能力下沉到具体工作流。总体而言，Qwen Intelligence 是 2026 年 Agent Phone 浪潮里最具系统感、也最强调开放的一次发布，值得持续跟踪其后续在个性化记忆、多模态交互与生态共建上的进展。对手机厂商来说，它提供的是一条「不押注单一模型、可随平台持续升级」的稳妥路径；对用户来说，它意味着手机正在从记录生活的相册，慢慢变成打理生活的搭档。

从产业意义看，Qwen Intelligence 把「开放底座」这个故事讲得相当完整：不造手机、只赋能，意味着它把潜在的竞争对手（手机厂商）变成了客户，这种定位在商业上比亲自下场更可持续。对中小厂商尤其友好——它们往往既没有预算训练旗舰大模型，也没有人力维护整套 Agent 运行框架，而 Qwen Intelligence 把这两件事打包交付，等于把「做一部智能手机」的门槛从「建一支 AI 团队」降到了「做一轮系统适配」。硬币的另一面是：当多家厂商共用同一套底座，最终体验的差异化会更依赖各自的数据积累与系统调校，而非底层模型本身，这也会让竞争重心从「谁的模型更强」悄悄转移到「谁更懂自己的用户」。我们建议读者重点关注它首批量产机型的真实口碑，以及后续在个性化记忆与安全护栏上的迭代速度，那才是检验这套开放叙事能否落地的真正试金石。

当然，开放赋能的叙事也带来新的考验：当能力被多家厂商复用，体验差异会更多体现在各家的系统调校与数据积累上，而非底层模型本身；谁能把长期记忆与安全护栏做得更让人放心，谁才能在这场长跑里留住用户。我们也会持续观察 Qwen Intelligence 在真实机型上的口碑与迭代节奏，看它能否把「发布时的惊艳」稳稳变成「日常里的可靠」。从更长的尺度看，Agent Phone 之争最后比的不是某一次演示多炫，而是谁的底座更开放、谁的记忆更懂人、谁的安全护栏更让人放心——这三点恰好是 Qwen Intelligence 这次发布反复强调的重心，也是它最值得被持续追踪的理由。更多一手信息请以官网 https://qwenintelligence.com 为准。