7月15日，国家网信办公布了7款手机端侧生成式AI服务备案信息——Apple智能、华为小艺、OPPO AndesGPT、vivo蓝心、小米澎湃AI、三星盖乐世AI、努比亚豆包手机大模型同日过审。
这是国内手机端侧AI领域规模最大的一次集体过审。
新闻读到这里，大多数人会得出一个结论：「国行苹果AI终于来了，晚了两年。」
这个结论没错，但它漏掉了更重要的信息。同日过审的七款服务里，藏着两条真正值得关注的交易：苹果选了阿里千问，三星选了面壁智能MiniCPM。
不是苹果AI迟到两年那么简单。这是端侧AI市场化分工的正式开场。
一、一个被信息瀑布掩盖的结构变化
备案公告本身只是个合规动作——所有在中国提供生成式AI服务的厂商都需要走这一关。真正有意思的，是名单里每一行字背后「谁给谁供模型」的排列组合。
华为小艺、OPPO AndesGPT、vivo蓝心、小米澎湃AI——这四家走的是自研路线，模型能力掌握在自己手里。努比亚用豆包（字节跳动），属于兄弟公司内部协同。
而Apple智能和三星盖乐世AI，是名单里唯二「手机厂商自己不训练大模型、但用别人模型通过备案」的案例。
苹果选的阿里千问、三星选的面壁MiniCPM——这两笔交易放在一起看，指向同一个趋势：手机厂商的AI能力，正在从「什么都要自己造」转向「专业化分工」。
这不是苹果三星「做不了」大模型。苹果的AFM 3家族已经在海外上线，与谷歌Gemini深度合作，参数规模从3B到Cloud Pro覆盖全线。三星Galaxy AI与谷歌Gemini的整合也在持续推进。
但在中国市场，两家都不约而同地选择了「不自己造」——苹果、三星都决定让外部模型公司来填补端侧AI的空白。这不是技术能力的缺陷，是战略选择。
选择背后的逻辑并不复杂：端侧AI是一个硬件、软件、芯片、功耗、散热、生态适配都要打通的系统工程。苹果和三星当然有能力自研，但在中国市场，投入产出比决定了「买比造划算」。
而这个决策，正在重新定义手机AI的产业分工。
二、端侧AI的「三个时代」
要理解这个变化的分量，需要把端侧AI的发展拆成三个阶段来看：
阶段一：云侧主导（2023-2024）
这一阶段的「手机AI」基本等于「手机App调用云端API」。用户打开一个AI App、输入文字、等待云端返回结果。端侧的作用只是「显示结果」。这个模式下，手机厂商的角色是渠道，模型的竞争力取决于云端的能力和API定价。
阶段二：自研端侧（2024-2025）
高通、联发科开始往芯片里塞NPU，苹果推出Apple Intelligence的端侧架构，华为小艺、vivo蓝心等自研模型陆续上手机。这个阶段的标志是「模型在本地跑」。用户开始体验到AI消除、实时摘要、端侧生图这些不依赖网络的功能。
但这个阶段的问题是：每个手机厂商都在重复造轮子。华为训练自己的模型，vivo训练自己的模型，OPPO也训练自己的模型——每家的硬件平台不同、芯片适配不同、数据分布不同，但做的功能高度相似。重复投入巨大，边际收益递减。
阶段三：市场化分工（2026-）
7月15日这个时间点，标志着第三阶段的开始。手机厂商不再需要自己训练模型。模型公司（阿里千问、面壁智能、字节豆包）成为专门的「端侧AI能力供应商」，手机厂商负责硬件集成和体验设计，模型公司负责模型效率和适配优化。
这不等于自研路线被淘汰。华为、vivo等有自研能力的厂商会继续迭代自己的模型——但市场上多了一个选择：你可以用外部模型，而且外部模型在快速变好。
三、「端侧供应链」的分工模型
手机AI的产业格局正在分化出三种模式，每一家都在用自己的方式定位：
模式A：全自研闭环。 代表：华为、vivo、OPPO、小米。自己训练模型、自己适配芯片、自己控制体验。优势是端到端可控，隐私和数据闭环在自己的体系内。代价是重投入、快迭代的外部模型可能比自研版本跑得更快。
模式B：核心自研 + 外部补充。 代表：苹果（海外自研AFM 3，中国用千问）、三星（全球用Gemini，中国用MiniCPM）。核心能力自研掌握，但针对特定市场或特定场景引入外部模型。这是一种务实的妥协——保持长期的议价能力和技术控制力，同时用外部能力补足短期的市场缺口。
模式C：纯外部采购。 代表：努比亚×豆包。手机厂商完全定位为硬件和渠道方，AI能力全部由模型公司提供。这是一种轻资产策略，适合追求快速上量的腰部厂商。
三种模式没有绝对的对错——它们取决于厂商的规模、技术储备和市场策略。但关键洞察是：第三种模式的出现，意味着端侧AI不再是大厂的专属游戏。任何一个手机厂商，甚至IoT设备厂商，理论上都可以通过采购端侧模型获得AI能力。
这才是「7家同日过审」背后的真正信号。
四、模型公司的「新战场」
如果说2024-2025年的大模型竞赛是「谁能在榜单上刷分」，那么2026年的新战场是「谁能上手机」。七款备案服务同日落地，意味着端侧AI不再是技术Demo，而是消费品。
面壁智能是这条逻辑的典型案例。2023年下半年当整个行业在卷云端大模型参数的时候，面壁选择全力押注端侧，当时被视为非主流。但两年后，它用MiniCPM系列证明了「做小」并不比「做大」容易——10亿参数的模型要在手机芯片上跑出可用的效果，涉及的是算法压缩、芯片适配、功耗优化、响应延迟等一整套工程能力。
2026年5月，MiniCPM5-1B在Artificial Analysis Intelligence Index中拿到17.9分，超过了参数规模更大的开源模型。更关键的是，它验证了面壁提出的「大模型密度定律」——同等智能所需的参数规模每3.5个月翻一番。如果这个曲线持续成立，端侧模型的能力天花板会快速上移。
阿里千问被苹果选中，则是一个更宏观的信号。阿里不是一家纯粹的大模型创业公司，它有云、有电商、有支付、有庞大的用户数据。苹果选择千问作为中国市场的AI底座，不仅仅是看模型效果——合作背后涉及数据合规、基础设施对接、服务稳定性等一系列工程决策。这是对千问作为「AI基础设施」级别能力的认可。
消息公布后阿里股价上涨超5%。资本市场给出的信号很清晰：拿下苹果这个客户，价值远不止于模型服务费本身——这是阿里AI在C端落地的「最贵的朋友圈认证」。
五、落到行动
这次备案是一个观察窗口，里面的信号对三类人有不同的指导意义：
如果你是手机厂商的产品负责人：不要再把「自研大模型」作为旗舰机的唯一卖点。用户不关心模型是谁训练的，关心的是AI功能好不好用。如果外部模型效果更好、适配更快、成本更低——为什么一定要自己造？认真做一次自研 vs 外采的ROI测算，包括研发投入、迭代速度、生态适配三个维度。
如果你是模型公司的技术负责人：榜单竞争还没结束，但终局胜负已经不完全由榜单决定。真正稀缺的能力是「把大模型塞进小设备还跑得流畅」——算法压缩、芯片适配、功耗优化、响应延迟，每一个环节都可能成为竞争壁垒。如果现在还没有手机厂商的合作关系，可能需要问自己一句：我的模型在哪个设备上能跑？
如果你是开发者/创业者：端侧AI从Demo走向消费品，意味着AI应用的新入口正在打开。2024年你在云端调API，2025年你在App里接AI功能，2026年你可以在手机系统层面调用AI能力——而用户甚至不需要知道模型是谁家的。这是一个比App Store更深的应用分发逻辑。
三年前的流行叙事是「每一个公司都值得被AI重做一遍」。三年后的真实答案是：每一个设备都值得被端侧AI重做一遍——而2026年7月15日，这个进程正式启动。
参考来源：36氪、爱范儿、智能涌现、网信办公告