中兴OEX超节点+全球首款AI智能体手机亮相WAIC 2026:端侧AI的范式转折
7月17日WAIC 2026开幕第一天中兴通讯的展台就被围了好几层。说实话在WAIC这种级别的展会上能吸引这么多人驻足光靠品牌是不够的——得拿出真东西。中兴这次确实拿出了两个OEX超节点新品和全球首款量产的AI智能体手机。更关键的是OEX超节点还拿下了本届WAIC的SAIL奖Super AI Leader卓越人工智能引领者奖。SAIL奖在AI行业的分量不用多说能拿到这个奖说明评审团对OEX的技术含量和产业价值是认可的。OEX超节点到底是什么OEX超节点全称是Open Elastic eXtreme 超节点听起来有点绕但核心逻辑其实不复杂。简单说它是一个面向政企市场的算力底座产品把计算、存储、网络、AI加速能力整合到一个高密度机柜里提供一站式的AI算力解决方案。OEX 超节点计算层网络层存储层AI加速层CPU 节点鲲鹏/Intel内存池化CXL 2.0400G RoCE无损网络DCQCN拥塞控制NVMe-oF分布式存储智能分层热温冷数据GPU/NPU异构计算dOCS 互联高带宽低延迟OEX超节点有几个技术亮点值得单独说说dOCS互联架构。这是中兴自研的片间互联技术类似英伟达的NVLink。在大模型训练中GPU之间的通信带宽是核心瓶颈之一。dOCS号称能做到单链路400GB/s的带宽如果这个数字属实那在国产方案里确实是第一梯队。存算分离 CXL 2.0。OEX支持内存池化通过CXL 2.0协议把多个节点的内存资源池化让CPU和AI加速器能共享一个大的内存池。这对大模型推理特别有用——KV Cache的显存占用是推理成本的大头有了内存池化可以把KV Cache的一部分放到扩展内存里减少对昂贵HBM的依赖。400G RoCE无损网络。万卡集群的通信是个大问题TCP/IP协议的延迟和丢包在大规模分布式训练里是灾难。RoCERDMA over Converged Ethernet把RDMA的零拷贝、低延迟特性带到了以太网上400G的带宽足够支撑千卡级别的训练任务。AI智能体手机端侧AI的范式转折比起OEX超节点我更感兴趣的是中兴这次展出的AI智能体手机。它是努比亚品牌下的产品号称全球首款量产的AI智能体手机。这个AI智能体手机和普通AI手机的区别在哪用过AI手机的都知道现在大部分手机的AI功能本质上是云端大模型手机端界面——你问一个问题手机把请求发到云端云端模型处理完再返回结果。手机本身只是个人机交互界面。但AI智能体手机的逻辑不一样。它的核心卖点是在端侧跑Agent不需要联网就能完成很多操作。AI智能体手机自然语言指令本地推理直接调用推理结果执行结果完成反馈用户手机端Agent引擎端侧小模型7B-13B参数手机功能相册/日历/设置传统AI手机语音/文字网络请求推理结果展示用户手机端UI层云端大模型举个具体的例子你说帮我把上周拍的风景照片整理成一个相册选最好的9张发到朋友圈。传统AI手机的处理方式是把你的语音转成文字发到云端云端模型理解你的意图然后返回一个好的请手动操作的建议。但AI智能体手机可以在本地理解你的意图然后直接调用相册API筛选照片、调用相册功能创建相册、调用微信API发朋友圈——整个链路在手机端完成不需要云端参与。要实现这个手机端需要跑一个7B-13B参数的模型。中兴这次用的是骁龙8 Gen 4的NPU来做推理加速配合模型量化技术把模型压缩到4-6GB左右能在手机的内存和功耗限制下流畅运行。端侧Agent的技术挑战想法很好但端侧Agent有几个绕不开的技术难点第一个是模型压缩。7B的模型在服务器上跑完全不是问题但在手机上跑功耗和发热是硬约束。常见的做法是4-bit量化Q4_K_M能把模型体积压缩到原来的四分之一但精度会有一定损失。中兴在这方面具体用了什么技术细节官方没有完全公开但从展台演示的流畅度来看至少常用场景的推理质量是过关的。第二个是工具调用。Agent的核心能力是调用工具——相册、日历、短信、微信等等。但这些App的API并不是标准化的每个App都有自己的接口规范。Agent怎么知道哪个App有哪些API这需要一套类似MCP的端侧工具注册机制。# 端侧 Agent 工具注册示例概念性代码fromdataclassesimportdataclassfromtypingimportCallabledataclassclassDeviceTool:端侧工具定义name:strdescription:strapp:strfunc:Callable requires_permission:list[str]classOnDeviceAgent:def__init__(self):self.tools:dict[str,DeviceTool]{}defregister_tool(self,tool:DeviceTool):注册一个端侧工具self.tools[tool.name]tooldefcall_tool(self,tool_name:str,**kwargs):调用工具前检查权限toolself.tools.get(tool_name)ifnottool:raiseValueError(f未知工具:{tool_name})# 权限检查forpermintool.requires_permission:ifnotself._check_permission(perm):raisePermissionError(f需要权限:{perm})returntool.func(**kwargs)def_check_permission(self,perm:str)-bool:# 实际的权限检查逻辑returnTrue# 注册示例agentOnDeviceAgent()agent.register_tool(DeviceTool(namecreate_album,description创建相册,appcom.android.gallery,funclambdaname,photos:print(f创建相册:{name}, 照片数:{len(photos)}),requires_permission[android.permission.WRITE_EXTERNAL_STORAGE]))第三个是隐私安全。端侧Agent的优势是数据不出手机隐私性好。但反过来Agent拥有调用各种App的能力如果被恶意利用后果也更严重。比如一个恶意Agent说帮我发一条短信给10086查询余额这看起来是正常的操作但Agent可能在完成任务后偷偷把短信记录上传到某个服务器。所以端侧Agent必须有一套严格的权限沙箱机制。为什么说这是范式转折回顾手机的发展历史交互方式的每一次变革都带来了巨大的产业机会功能机时代物理键盘交互方式是按键菜单智能机时代触摸屏交互方式是点击滑动现在AI智能体手机交互方式变成自然语言Agent自主执行说白了以前是你告诉手机做什么手机做现在是你告诉手机你想要什么结果手机自己想办法做。这个变化看起来只是少了怎么操作这一步但背后的技术复杂度差了不止一个数量级。中兴这次把AI智能体手机量产意味着端侧AI从Demo阶段进入了产品阶段。虽然第一代产品肯定还有很多不完善的地方但方向是对的——AI的终点不是云端而是端侧。写在最后OEX超节点和AI智能体手机一个面向政企算力市场一个面向消费者市场看起来是两条完全不搭边的产品线。但放在一起看你会发现中兴的AI战略其实很清晰算力底座端侧智能两头都要抓。OEX解决的是算力从哪来的问题AI智能体手机解决的是算力用在哪的问题。这种端-边-云一体化的布局在目前的国产厂商里确实不多见。SAIL奖的含金量不用多说但更重要的是OEX和AI智能体手机能不能真正被市场接受最终还是要看实际体验。技术路线选对了产品落地能跟上这才是真正的考验。标签中兴通讯、OEX超节点、AI智能体手机、WAIC 2026、端侧AI

相关新闻

GitHub 7月热榜深度解析:Agent基础设施大爆发,超过70%项目与MCP相关

GitHub 7月热榜深度解析:Agent基础设施大爆发,超过70%项目与MCP相关

最近翻了一下GitHub 7月份的月度热榜,发现一个很有意思的变化:上榜的项目中,超过70%与Agent基础设施、工具链或多Agent协同相关。往前倒三个月,这个比例还不到30%。 说实话,这个变化速度超出了我的预期。三个月前&…

2026/7/24 0:06:07阅读更多 →
MCP+A2A融合协议落地:Agent协议层标准化,信任层才是最大硬仗

MCP+A2A融合协议落地:Agent协议层标准化,信任层才是最大硬仗

2026年6月25日,Linux Foundation Agentic AI Foundation 正式发布了 MCP A2A 融合草案。说实话,这个时间点选得挺有意思——正好赶在 WAIC 2026 开幕前一个月,等于是给整个行业递了一张"标准化路线图"。 如果你一直在关注 AI Agen…

2026/7/24 0:06:07阅读更多 →
MSPM0 ADC与温度传感器:从原理到实践的深度解析

MSPM0 ADC与温度传感器:从原理到实践的深度解析

1. MSPM0 ADC与温度传感器:从原理到实践的深度解析在嵌入式系统开发中,将物理世界的连续模拟信号(比如温度、压力、光照)转换为微控制器能够处理的数字信号,是赋予设备“感知”能力的第一步。德州仪器(TI&a…

2026/7/24 0:04:07阅读更多 →
大模型训练与推理成本优化实战指南

大模型训练与推理成本优化实战指南

1. 大模型成本困境的本质分析训练一个百亿参数规模的大语言模型,硬件投入往往需要数百万美元起步。以GPT-3为例,单次训练成本就超过460万美元。但更令人头疼的是持续推理成本——当模型部署后,每个API调用都会产生计算开销。某头部AI公司内部…

2026/7/24 5:53:30阅读更多 →
深入理解C++ std::bind:从核心机制到实战应用

深入理解C++ std::bind:从核心机制到实战应用

1. 项目概述:为什么我们需要深入理解std::bind?如果你写过一段时间的C,尤其是接触过STL算法或者一些异步、回调驱动的框架,那么你大概率见过或者用过std::bind。它看起来像是一个“魔法胶水”,能把一个函数和它的参数提…

2026/7/24 5:53:30阅读更多 →
BQ41Z50 BMS芯片深度解析:保护机制与智能充电算法实战指南

BQ41Z50 BMS芯片深度解析:保护机制与智能充电算法实战指南

1. 项目概述:为什么BMS是电池的“大脑”与“守护神”在任何一个使用锂离子电池的设备里,无论是你手中的笔记本电脑、电动工具,还是街上的电动汽车,电池管理系统(BMS)都扮演着不可或缺的角色。你可以把它想象…

2026/7/24 5:53:30阅读更多 →
AI驱动的地理空间数据监测平台核心技术解析

AI驱动的地理空间数据监测平台核心技术解析

1. 项目背景与核心价值最近两年,地理空间数据监测领域正在经历一场技术范式转移。传统的人工判读规则引擎的分析模式,正在被AI驱动的智能监测平台快速取代。根据行业调研数据,到2026年采用AI技术的GEO监测平台将覆盖75%以上的商业应用场景&am…

2026/7/24 5:53:30阅读更多 →
大模型推理优化:关键技术、应用场景与行业实践

大模型推理优化:关键技术、应用场景与行业实践

1. 大模型推理优化的核心挑战与行业现状当前大模型在产业落地过程中面临三大核心矛盾:模型规模指数级增长与硬件算力线性提升之间的剪刀差、推理响应速度要求与计算复杂度之间的平衡难题、以及部署成本与商业回报之间的经济账。以1750亿参数的GPT-3为例,…

2026/7/24 5:53:30阅读更多 →
贾子理论:东方哲学赋能AI伦理与人机协作

贾子理论:东方哲学赋能AI伦理与人机协作

1. 项目背景与核心价值第一次听到"贾子理论"这个概念时,我正在参加一场关于人工智能伦理的学术研讨会。当时有位学者提到:"我们是否过于依赖西方思维框架来解决技术伦理问题?"这个问题像一记重锤敲在我心上。作为一个在科…

2026/7/24 5:51:30阅读更多 →
Go语言静态资源打包方案对比与实践指南

Go语言静态资源打包方案对比与实践指南

1. 项目背景与核心需求在Go语言开发中,我们经常需要处理静态资源文件的打包问题。无论是Web应用的模板文件、前端资源,还是配置文件、证书等,都需要随程序一起分发。传统做法是将这些文件与编译后的二进制文件放在同一目录下,但这…

2026/7/24 0:58:53阅读更多 →
Go语言实现高性能LDAP认证服务的架构与实践

Go语言实现高性能LDAP认证服务的架构与实践

1. 项目背景与核心价值LDAP(轻量级目录访问协议)作为企业级身份认证的黄金标准,已经服务了超过80%的财富500强公司。我在金融科技领域实施统一认证体系时,发现传统Java方案存在启动慢、内存占用高等痛点。而Go语言凭借其协程并发模…

2026/7/24 0:58:53阅读更多 →
【AI面试官实战指南】:用ChatGPT模拟10类高频技术岗面试,3天提升应答精准度92%

【AI面试官实战指南】:用ChatGPT模拟10类高频技术岗面试,3天提升应答精准度92%

更多请点击: https://intelliparadigm.com 第一章:AI面试官实战指南的核心价值与适用场景 AI面试官并非替代人类HR的“黑箱工具”,而是以可解释、可审计、可迭代的方式,赋能招聘全链路的关键基础设施。其核心价值在于将主观经验沉…

2026/7/24 0:58:53阅读更多 →
我的编程之路:第一篇博客

我的编程之路:第一篇博客

大家好,我是一名编程初学者,同时这也是我编程学习之路上的第一篇博客。在这里,我想要向大家介绍我的一些想法和规划。a.自我介绍我是一个刚刚接触编程的新手,目前在学习c语言,我对编程世界充满了强烈的好奇。当然&…

2026/7/24 0:00:06阅读更多 →
【LeetCode 54】螺旋矩阵

【LeetCode 54】螺旋矩阵

问题描述: 解法: 1、模拟(参考自【LeetCode 54】螺旋矩阵-CSDN博客) int *spiralOrder(int **matrix, int matrixSize, int *matrixColSize, int *returnSize) {static const int dirs[4][2] {{0, 1}, {1, 0}, {0, -1}, {-1, …

2026/7/24 0:00:06阅读更多 →
2026 WAIC:模型隐身、智能体疯野,厂商竞赛聚焦办公场景与商业闭环

2026 WAIC:模型隐身、智能体疯野,厂商竞赛聚焦办公场景与商业闭环

知春路不相信模型领先今年WAIC大会,昔日AI六小龙来了五家,分别是Kimi、阶跃星辰、Minimax、百川智能、零一万物。连放弃基模的百川和零一万物都来了,唯一缺席的竟是近几个月来风光无限的智谱。(DeepSeek一直不参加)WAI…

2026/7/24 0:00:06阅读更多 →
YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

如果你在部署 YOLOv8 时,发现推理速度只有可怜的 1-2 FPS,而别人的演示视频却能跑到 30 FPS 以上,那么问题很可能不在模型本身,而在于你的整个处理链路。很多开发者拿到一个训练好的 YOLOv8 模型后,会直接使用官方示例…

2026/7/23 22:58:43阅读更多 →
Coze与Dify对比指南:低代码AI应用开发从入门到实战

Coze与Dify对比指南:低代码AI应用开发从入门到实战

1. 从零到一:为什么你需要了解 Coze 和 Dify?如果你对 AI 应用开发感兴趣,但一看到“大模型”、“智能体”、“工作流”这些词就头疼,觉得门槛太高,那这篇文章就是为你准备的。很多开发者,包括我自己&#…

2026/7/23 18:58:18阅读更多 →
AI生图工具怎么选?2026年6月版实测对比

AI生图工具怎么选?2026年6月版实测对比

做自媒体的朋友应该都有体会:配图一直是个让人头疼的问题。2026年,AI生图工具已经非常成熟了,但工具太多反而不知道怎么选。以下是截至2026年6月我对主流AI生图工具的实测对比。Midjourney V8.1:速度之王2026年6月11日&#xff0c…

2026/7/23 18:58:18阅读更多 →