「谁在定义个人智能体」系列第三篇，聚焦终端厂商对个人智能体的定义。文章首先梳理三份底层文件：联想与IDC的个人AI白皮书、IDC与高通的行动式AI白皮书、以及国家级AI终端智能化分级标准。随后逐一分析联想天禧、华为小艺、荣耀YOYO Harness与AgenticOS、vivo蓝心Harness、OPPO个性化主动智能、小米家庭智能和三星多智能体生态的路线差异。下篇总结模型厂商与手机厂商的五种合作方式：外接模型、模型主导体验、模型自造手机、模型开源和全栈自研。最后提炼终端派的五个共同点：智能体是系统层而非App、核心是调度、强调主动、端侧优先保护数据主权、以Harness为核心框架。
Sigil Wen 宣传 Underdog 27B 端侧 AI 模型，声称其可在 Mac 和 iPhone 上运行并超越半年前的顶级模型 Claude Opus 4.6。文章提出核心观点：计算正从数据中心回归个人设备，未来大部分 AI token 将由个人设备生成。作者以'AI Y3K'概念警告云端数据安全风险——一切可被黑的系统终将被黑，唯一安全的数据是从未上传的数据。文章还指出日常任务不需要最大的模型，并通过自研 MSI 推理引擎提升消费级芯片性能。最终愿景是构建免费、私密、属于用户本人的 AI，对抗广告与数据收割的商业模式，让 AI 经济属于每个人。
文章通过开源机器鸭项目Microduck（售价399美元，基于RK3566芯片运行神经网络策略控制15个舵机）切入，指出瑞芯微正从消费电子SoC厂商转型为端侧AI部署平台。作者用GitHub数据分析：rknn-toolkit2、rknn_model_zoo、rknn-llm三大AI工具链仓库两年Star数增长约322%，远超传统项目；Hugging Face上RK3588相关模型96.9%创建于近两年。瑞芯微恰好位于MCU与英伟达Jetson之间的算力断层带，适合门禁、机器人、会议终端等海量中端设备。文章同时提醒Star不等于收入、RKNN3工具链不兼容等风险，认为瑞芯微无需击败英伟达，只需拿下低成本端侧智能市场。
本文探讨了2026年AI创业面临的挑战与机遇。作者认为，随着模型能力增强和成本下降，应用层最稀缺的不再是智能本身，而是验证结果、权限体系、业务闭环和责任承担。文章提出未来3-5年将出现五个结构性变化，包括Agent成为软件运行方式、SaaS分层、基础设施重要性提升等，并建议创业者在行动前回答七个关键问题。
本文发布于高通财报前夕，深入分析了端侧 AI 的技术拐点与商业逻辑。文章指出，端侧 AI 不是云端大模型的替代，而是解决隐私、延迟和带宽成本等痛点的必要补集。通过“豆包手机”被封堵等案例，论证了 Agent 操作本地化的必要性。同时，分析认为特斯拉关闭 Dojo 证明了垂直整合的高难度，而高通凭借在座舱芯片的统治地位和低功耗推理优势，有望成为端侧 AI 时代的核心受益者。
作者构建了名为 Ambrosia 的离线 AI 护肤日记应用，全过程在本地设备完成。文章探讨了端侧模型在硬件适应性、成本及隐私方面的优势，详细记录了基于 Qwen3-VL-2B 模型在本地 MacBook 上进行 LoRA 微调并在 iPhone 上部署的实践，强调了针对特定任务约束小模型比通用助手更高效，展望了边缘智能与算力结合的未来。
文章深入对比了2026年OpenAI与DeepSeek的发展路径。OpenAI采取高定价、重商业的精装商品房模式；而DeepSeek则坚持开源低价，依托中国电力基建和昇腾芯片，将AI变成水电煤般的免费基础设施。DeepSeek通过转型重资产、引入巨额融资以对抗人才流失，并推行端侧AI与开源生态，在乌干达等全球南方地区实现数字平权，打破了硅谷的算力垄断。
