對著手機說一句「我下午要去會展中心參加線下會議，需要提前 20 分鐘到，幫我看下什么時候出發(fā)，約好車提醒我」，接下來發(fā)生的事情很快：小藝查了日程里的會議時間和地點，調(diào)用地圖看實時路況算出發(fā)時間，預約好車并設了鬧鐘提醒。

一個任務，三個應用的多個服務，只用一句話調(diào)度。

——這是在華為開發(fā)者大會 HDC 2026 上展示的一個使用小藝的日常場景。

表面看起來是一次語音交互的升級，但底下的變化大有文章：這個任務跨了日程、地圖、時鐘多個獨立應用，過去用戶需要手動操作分別打開它們，挨個翻頁找到具體的服務；但現(xiàn)在小藝把整條鏈路串起來了，用戶只負責說出自己要什么就行了。

這一新的手機 AI Agent 交互體驗的背后，是 HarmonyOS 向 Agent 架構的一次整體演進。基于全新升級的鴻蒙智能體框架2.0，小藝跟鴻蒙系統(tǒng)深度融合，成為系統(tǒng)智慧大腦，變成長在操作系統(tǒng)里的智能體，向著最強系統(tǒng)智能體的方向演進。

新的時代，新的入口

過去二十年，移動互聯(lián)網(wǎng)的統(tǒng)一操作邏輯，建立在用戶→找應用→找服務的路徑上：不同應用提供不同服務，用戶主動打開需要的應用，再去應用里找某個具體的服務。

我們都對這條運轉(zhuǎn)良好的邏輯習以為常，但實際上我們的手機里平均安裝七八十個 App，日均使用只有 10 個左右。根據(jù)第三方分析平臺數(shù)據(jù)，對于一個典型的智能手機用戶，62% 的 App 一個月都不會打開一次。

這些應用不是不好用，是使用場景窄，用完就擱置了。它們的服務價值還在，但需要新的調(diào)用方式。

Agent 時代正在成形的路徑是「意圖即服務」：用戶提需求→ Agent 交付。具體來說，Agent 會判斷、調(diào)度、執(zhí)行，精準理解需求并分發(fā)服務。用戶不需要知道背后調(diào)用了哪些 Agent/Skill，只需要知道需求被滿足即可。

在新的移動/AI Agent 時代，入口的性質(zhì)也發(fā)生了改變。過去，應用爭奪的是「信息入口」，決定用戶看到什么；Agent 時代爭的是「行動入口」，決定替用戶做什么。

Agent 是比搜索框更深、更高頻的下一個默認入口，誰握住它，誰就掌握了下一代移動互聯(lián)網(wǎng)的分發(fā)權。這也是移動互聯(lián)網(wǎng)時代的平臺廠商們感到緊張又興奮的原因。

前不久，Google 將 Android 的定義從「操作系統(tǒng)」改成了「智慧系統(tǒng)」(intelligence system)。Gartner 預測到今年底 40% 的企業(yè)應用會嵌入 AI Agent，去年不到 5%。

起初，蘋果通過 App Intents 框架讓開發(fā)者給 Siri 暴露功能接口，不過被 Siri 自身能力所牽制。不過上周 WWDC 上蘋果也算是交出了新的答卷，Siri 現(xiàn)在終于有了獨立 App 形態(tài)，并且其理解用戶意圖、操作手機的能力，也有了很大提升。很明顯能看到的是，蘋果也在用一系列新的 Apple 智能以及 Siri AI 能力，吸引生態(tài)開發(fā)者。

Google 更激進：Gemini Intelligence 直接嵌入 Android 17 作為系統(tǒng)級 Agent，AppFunctions API 讓應用暴露功能接口，沒 API 時用 GUI 自動化兜底。不過目前接入的應用只有二三十個。

而在國內(nèi)，我們看到目前最為前沿的進展，并沒有意外，發(fā)生在華為的身上。

HarmonyOS 的「元服務」架構天然把服務拆成輕量、免安裝、跨設備可調(diào)用的模塊，Agent 浪潮則恰好提供了現(xiàn)成管道。華為在這條路上已經(jīng)走了三步：2024 年搭建鴻蒙 AI 基礎能力和框架，2025 年發(fā)布 HMAF 推動應用級 Agent 化，到今年的目標是整個操作系統(tǒng)的 Agent 化。

HDC 2026 上公布的三件事，就是這第三步的具體路徑。

第一件事：系統(tǒng)應用全面 Skill 化，讓系統(tǒng)成為小藝的感官與手腳

要能真正會干活，小藝首先需要調(diào)動更多系統(tǒng)能力。感知、數(shù)據(jù)、設備控制，這幾類能力過去鎖在系統(tǒng)底層。華為的做法直截了當：全部 Skill 化，交給小藝統(tǒng)一調(diào)度。

HDC 2026 公布的數(shù)字：系統(tǒng)應用全面Skill化，2100 多項系統(tǒng)能力可被小藝調(diào)用，200 多項系統(tǒng)級數(shù)據(jù)接入小藝的上下文。備忘錄、日歷、圖庫、藍牙、聯(lián)系人、文件管理等系統(tǒng)應用的能力全在里面。小藝因此能在用戶的授權下調(diào)用攝像頭、讀懂屏幕內(nèi)容、感知場景狀態(tài)、調(diào)度多設備協(xié)同。整個 HarmonyOS 的系統(tǒng)能力成了小藝隨手可用的工具箱，而且用戶也不需要告訴小藝「先打開這個再打開那個」。

有兩個場景很適合用來展現(xiàn)小藝獲得系統(tǒng)級能力加持后的 Agent 使用體驗：

• 對小藝說「我報名了楚雄半馬，幫我制定個恢復訓練計劃」。小藝的反應鏈條是這樣的：先拆解意圖，查詢比賽相關信息，判斷用戶處于停訓或恢復期，需要溫和的重啟方案；再調(diào)用日程、運動健康、睡眠等系統(tǒng)數(shù)據(jù)；然后協(xié)調(diào)網(wǎng)頁搜索、運動健康 Coach、運動健康 Health 等 Skills 協(xié)同工作；最后綜合評估，輸出定制訓練計劃并寫入日歷。

• 再來看跨端協(xié)同能力：比如你不在鴻蒙電腦前，但需要電腦上的一些關鍵文件，可以跟小藝說：「把電腦上跟傅里葉實驗有關的所有材料打包發(fā)到我手機上，并且準備一份材料清單。」即便電腦是合蓋待機狀態(tài)，甚至都不確定文件名稱具體叫什么，小藝也能幫你完成。具體步驟是：首先手機小藝就會聯(lián)動 PC 小藝把電腦上近期保存的相關資料找出來并把清單發(fā)給我們確認，確認哪些是我們所需的相關資料后，PC 小藝調(diào)用文檔管理 Skill 把文件打包成壓縮包發(fā)送到手機小藝上，完成后跨設備通知提醒。

而且，小藝使用過程中，正在調(diào)用哪個工具、執(zhí)行到哪一步，對于用戶都是透明的，可見可控。

這些場景，涉及到了當下非常熱門的行業(yè)概念：A2A 和 Skill。

A2A (agent-to-agent) 概念去年 4 月由 Google 和 IBM 首次提出，隨后交給 Linux 基金會形成社區(qū)驅(qū)動的開源國際標準，目前得到全球超過 150 個組織的參與支持。華為此前發(fā)布的 AI 終端白皮書、鴻蒙智能體框架白皮書中都強調(diào)過系統(tǒng)級端/云智能體協(xié)同協(xié)議，是較早把 A2A 協(xié)作落地為系統(tǒng)級協(xié)議的廠商之一。

在傳統(tǒng)的 AI 交互鏈條中，人對 AI 說話，AI 再去執(zhí)行。但 A2A 的不同之處，在于 Agent 之間可以直接對話協(xié)作，而這需要一個聰明的「管理者」「協(xié)調(diào)者」。

在剛才的半馬場景中，小藝拆解了任務，隨后調(diào)度「運動健康」「日程」「搜索」等多個子 Agent 和 Skills，讓它們通過鴻蒙智能體框架 (Harmony Agent Framework, HMAF) 協(xié)議自行協(xié)商和交換數(shù)據(jù)，并行推進任務。

除了自主規(guī)劃、協(xié)調(diào)各種系統(tǒng)能力或生態(tài)伙伴能力 Skills 和 A2A 去執(zhí)行任務外，小藝還能做一件更有意思的事：幫用戶「造工具」。

對小藝說「做個兒童學英語的小工具，支持拍物品學單詞，拍照識別物品后展示英文、音標、釋義和發(fā)音，卡片可以加到單詞本里」。小藝通過調(diào)用「碼上飛」的文生代碼能力以及結(jié)合系統(tǒng)的相機、TTS（文字轉(zhuǎn)語音）播報能力，可以快速生成一個可交互的學習工具，不用下載應用，更不用自己寫一行代碼，說完就能用。

這比讓小藝幫你訂機票或做訓練計劃更往前走了一步：用戶不再只是任務的發(fā)起者，更是工具的創(chuàng)造者。

第二件事：AI 能力開放，讓開發(fā)者靈活高效接入

系統(tǒng)應用 Skill 化和 A2A 的支持，給小藝打好了地基。但一個系統(tǒng)級 Agent 如果只調(diào)用自家服務，天花板很快就到了。第二件事要解決的問題是：把生態(tài)接進來。

HDC 2026 上，小藝開放平臺也進行了升級，開放了多種接入方式：Agent、Skill、MCP、意圖框架等，三方應用可以選最適合自己的深度接入小藝的調(diào)度體系。目前已有 500 多個精選伙伴Skills 上線，2000 多個鴻蒙智能體上架。例如，東方財富的妙想 Skill 已經(jīng)能聯(lián)動聯(lián)網(wǎng)搜索 Skill，用自然語言完成自定義條件選股。

在更底層，鴻蒙智能累計開放了 20 多項 AI 子系統(tǒng)能力，日調(diào)用量 36.8 億次。諸如信息摘要、卡證識別、活體檢測、圖像超分等能力，已被京東金融、鐵路 12306、知乎等應用接入，開發(fā)者不用自建模型，就可以在應用里調(diào)用系統(tǒng)級 AI。

為了讓接入足夠順暢，鴻蒙智能體框架做了幾件具體的事情：

A2A 協(xié)議升級后支持端側(cè)直連，頭部伙伴的 Agent 可以在設備本地完成協(xié)作，騰訊視頻已經(jīng)通過這種方式接入，用戶可以直接讓小藝設置倍速、問劇情，不用跳出當前界面；A2UI 協(xié)議讓 Skill 不用預先定義界面，Agent 根據(jù)用戶指令的復雜度動態(tài)生成 UI，同一個 Skill 在手機、平板、車機上都能渲染；Skill 上架打通了華為賬號鑒權，配合自然語言開發(fā)工具，讓規(guī)模、能力不同的開發(fā)者團隊都能快速接入。

對于用戶來說，只需說出需求就能得到結(jié)果，小藝可以調(diào)用各種 Skills/Agents 來為用戶提供更極致的智慧體驗。

這套邏輯叫「意圖即服務」。用戶說出需求，系統(tǒng)理解意圖后直接匹配能完成這件事的 Agent 或 Skill，跳過「打開 App-找服務」這個步驟。

比如周末三五好友來家里聚餐，對小藝說「今天來三個好哥們，幫我規(guī)劃個菜單」。小藝先根據(jù)人數(shù)和口味偏好生成菜單，列出每道菜需要的食材和分量，然后調(diào)用叮咚買菜的 Agent，把食材清單一鍵加入購物車，用戶確認后直接下單。

從「想吃什么」到「食材到家」，一句話串起了菜單規(guī)劃、食材匹配、生鮮電商三個環(huán)節(jié)。用戶沒有打開任何一個 App。

對開發(fā)者，分發(fā)邏輯從根本上變了，和過去的應用商城截然不同。過去是「用戶找 App」，數(shù)萬個應用爭排名、競價推薦位。

「意圖即服務」的邏輯是「用戶說需求，系統(tǒng)找服務」，只要服務做得好，在 Agent/Skill 化適配上足夠順暢，小藝會在用戶需求匹配的時候主動精準調(diào)用開發(fā)者的服務。

華為去年啟動的天工計劃投入 10 億元，目標是孵化超 10000 個 AI元服務、1000 多種意圖框架以及 MCP，和 5000 多個 Agent——本質(zhì)上是在幫開發(fā)者降低接入門檻。

幾種接入方式中，MCP (Model Context Protocol) 是 Anthropic 2024 年提出的 Agent 與工具通信標準，目前已是行業(yè)事實標準。鴻蒙兼容 MCP，等于給外部 AI 生態(tài)開了一扇門：不管開發(fā)者在哪個大模型生態(tài)里，只要遵守這個協(xié)議，就能進入小藝的調(diào)度體系。

最后，當 Agent 可以跨應用調(diào)度服務、讀取系統(tǒng)數(shù)據(jù)，安全就不再是附加題。

華為在 HDC 2026 同期發(fā)布了《鴻蒙智能安全白皮書》，把安全架構擺到了和 Agent 能力同等的位置。

小藝采用 HPIC（HarmonyOS 個人智能計算系統(tǒng)）架構，堅持本地優(yōu)先、數(shù)據(jù)最小化、用戶可控。需要云端算力時，AI 推理在用戶專屬的機密環(huán)境中運行，通過 OHTTP 協(xié)議和端云協(xié)同加密實現(xiàn)用戶身份三重匿名盲化，系統(tǒng)管理員也無法查看用戶明文數(shù)據(jù)。

在應用層面，涉及轉(zhuǎn)賬、支付等操作時，系統(tǒng)會阻斷自動化流程，必須由用戶手動完成；證件、工作文件等敏感資料在設備本地流轉(zhuǎn)，云端只接收處理后的結(jié)果。

HPIC 已通過中國泰爾實驗室三大安全檢驗，達到行業(yè)高標準的增強級要求。不僅如此，小藝 Claw 成為首個獲信通院國家級認證的終端廠商 Claw 類智能體。

第三件事：業(yè)界優(yōu)質(zhì)大模型引入，給小藝一個可升級的大腦

第三件事關乎小藝的「智力」來源。

小藝要聰明，需要聰明的大腦。有趣的是，華為果斷地選擇不押注單一模型。

大模型的世界變化太快，半年前的最優(yōu)解半年后可能就不是了。華為的判斷很務實：與其押注一個具體的模型，不如建一套「萬能插座」式的模型接入架構，讓 Pangu、DeepSeek 等大模型能靈活對接和調(diào)用。誰在哪個場景做得最好，小藝就用誰。

正因為這種靈活性，小藝的使用體驗變得愈發(fā)聰明。基于 Agentic 自演進架構，讓小藝可以自主思考、規(guī)劃、調(diào)度。效果就是，用戶往往不需要告訴小藝一個復雜任務該怎么做，小藝自己思考就可以做得很好。

在實際使用中，模型的靈活對接帶來的差異很明顯。當你對小藝說「幫我寫一封英文商務郵件」，小藝判斷這是多語言生成任務，路由到英文寫作能力更強的模型；當你說「分析一下我上個月的運動數(shù)據(jù)，給個改善建議」，任務涉及結(jié)構化數(shù)據(jù)理解和個性化推理，框架可能切換到另一個更擅長此類推理的模型。兩個請求，兩條路徑，用戶感知到的只有「小藝都辦好了」。

這個選擇和 Apple 在 Core AI 框架中的多模型策略有相似之處，但執(zhí)行深度有區(qū)別。蘋果在 Siri 層面開放了多模型后端，更多是提供了選擇權，并且直接交給開發(fā)者，但并無更多協(xié)調(diào)層面的已知工作。而華為的更多工作，是在操作系統(tǒng)底層建了一套模型調(diào)度框架，覆蓋從意圖理解到任務執(zhí)行的全鏈路，且模型的切換對用戶透明。

模型調(diào)度解決了「會不會做」，但還有一個同樣關鍵的問題：小藝記不記得你是誰。

就在兩周前，OpenAI 上線了 Dreaming V3，將 ChatGPT 的記憶架構整個重寫：系統(tǒng)在后臺自動跨所有歷史對話合成用戶畫像，不需要手動告訴它「請記住」，并且過時的信息還會自動更新。

行業(yè)方向越來越清楚：模型再強，如果每次對話都如初見，體驗的上限很低。

在 HDC 2026 早餐會的分享交流中，小藝相關負責人介紹了小藝針對「如何記住用戶」所做的努力。

小藝全新升級了記憶體系：瞬時記憶處理單次推理，短時記憶覆蓋單個對話窗口，長時記憶沉淀用戶的指令偏好和隱性習慣，全時記憶做伴隨態(tài)的持續(xù)積累，最終匯成全局動態(tài)畫像。

和純對話型 AI 不同，小藝的記憶源不只是聊天記錄——日歷、運動健康、消費記錄、圖庫這些系統(tǒng)級數(shù)據(jù)全在里面。華為的定位也很明確：這套記憶體系叫「鴻蒙記憶」，是 AI OS 的底座能力，不是小藝一個應用的私有功能。系統(tǒng)級數(shù)據(jù)、全場景設備、端側(cè)隱私處理，這個組合是鴻蒙在記憶這一層的差異化位置。

舉個例子：每年體檢后我們都習慣性地把報告下載下來存在本地，但要回溯之前的某項身體數(shù)據(jù)來對比就會比較麻煩。當小藝幫你記住后，喚起小藝問一句「我這三年甘油三酯什么趨勢」，小藝能跨時間調(diào)取數(shù)據(jù)，給出變化曲線，還能結(jié)合健康相關的智能體提供咨詢服務。

記憶不回到場景里，就只是存檔。回到服務里，才變成能力。

這一能力不局限于某個 App，而是跨應用的，系統(tǒng)根據(jù)記憶中沉淀的意圖模式來判斷什么時候彈出。這條「記憶沉淀→回到服務」的鏈路，把前面講的「意圖即服務」從被動響應推向了主動預判。

正如前面提到，一個體驗優(yōu)秀的 Agent 產(chǎn)品，需要兩樣東西成立：優(yōu)秀的模型和優(yōu)秀的腳手架。兩者互相成就。好的智能體框架能讓優(yōu)秀的 Agentic 模型被最大化利用，帶來更好的體驗。對用戶來說，小藝讓人覺得「聰明懂我」「辦成事」的秘訣，在于一套讓好模型為它所用、讓記憶越積越厚的工程體系。

當操作系統(tǒng)成為 Agent

2008 年 App Store 上線，沿著「用戶下載 App、App 提供服務」這條路徑，到今天已經(jīng) 18 年，生長出了萬億美元級的分發(fā)和商業(yè)生態(tài)。

但現(xiàn)在，所有平臺廠商都在做同一件事：把入口從 App 遷移到 Agent，帶給用戶更好的 AI 體驗，并給開發(fā)者帶來新的機會。遷移的速度，和生態(tài)擴張的速度，很可能比上一次更快。一個參照：MCP 從發(fā)布到成為行業(yè)事實標準用了半年，A2A 從提出到超過 150 個組織加入只用了一年多。移動互聯(lián)網(wǎng)早期，一個開發(fā)范式從提出到普及至少三五年。

華為在 HDC 2026 上讓小藝深度融入操作系統(tǒng)底層，也是沿著這條新路徑做的一次前瞻嘗試。

但更值得思考的，是這條路的終點指向哪里？當一個 Agent 沉淀了你的日程、健康數(shù)據(jù)、消費偏好、工作習慣，它和你的關系已經(jīng)不是「工具」可以概括的了。它在變成一個了解你的協(xié)作者，不需要每次從頭了解你是誰、偏好什么、上次做到了哪里，有什么問題需要改進——它都記得。

至于應用，當然不會就此消失，但新的入口已然顯現(xiàn)。