当鸿蒙遇上具身智能:华为 HDC 与理想 AI 发布会,端侧 AI 的两条路径正在合流

6 月 12–14 日，华为开发者大会（HDC）聚焦端侧 AI、鸿蒙 OS、算力网络与 CPO/AI PC；6 月 15 日，理想汽车 AI 发布会，李想提出"汽车形态具身智能"。两场大会前后脚，一条主线浮出水面——AI 正在从云端走向终端，从软件走向物理世界。

1. 华为 HDC：端侧 AI 的"操作系统级"突围

1.1 鸿蒙 NEXT——AI 原生操作系统的关键一步

鸿蒙 NEXT（"纯血鸿蒙"）在 2024 年迈出脱安卓的关键一步后，HDC 2025 的核心命题变成了：一个没有安卓遗产的操作系统，如何以 AI 为第一性原理重新构建？

这不是在操作系统上"加 AI 功能"，而是把 AI 纳入系统内核层——

• 小艺智能体升级：从语音助手走向系统级 Agent，可跨应用执行复杂任务链（如"帮我找出上周所有会议纪要中提到行动项，生成待办清单并同步到日历"）。
• 端侧推理框架开放：华为将盘古大模型的端侧推理能力通过 SDK 暴露给第三方开发者，降低 AI 应用开发门槛。这意味着鸿蒙生态中的应用不再需要各自对接云端大模型，系统层统一供给。
• 隐私架构的隐性竞争力：端侧推理 = 数据不出设备。在数据监管趋严的大背景下，这是华为与谷歌、苹果竞争的一张差异化底牌。

关键判断：鸿蒙 NEXT 的 AI 原生化，如果成功，将定义一种新范式——操作系统不再只是资源调度器，而是 AI 能力的分发层。谁能把端侧 AI 的开发者体验做到最好，谁就掌握了下一个十年的应用生态入口。

1.2 端侧 AI——盘古的"下沉"与"上浮"

盘古大模型在 HDC 2025 上呈现双线演进：

端侧 AI 不是要取代云端，而是重新划定分工边界。类比电网：端侧是分布式光伏（便宜、就近），云端是集中式电站（强大、远距离），两者需要一张"智能调度网"来协调。这就是鸿蒙 AI 架构正在做的事。

1.3 算力网络 + CPO——为 AI 基础设施"修路"

如果说端侧 AI 是"用电侧"的故事，那算力网络和 CPO 就是"发电和输电侧"的故事。

算力网络的本质是把算力变成像水电一样可调度的公共资源：

• 华为在"东数西算"国家枢纽节点的参与，使其成为算力网络基础设施的核心供应商。
• 异构算力统一调度平台，意味着昇腾 GPU、鲲鹏 CPU、甚至第三方算力可以在同一框架下被编排——这降低了训练大模型的算力门槛。
• 对开发者而言，算力网络的终极体验是：不用关心模型跑在哪个数据中心，只要调用接口，算力自动调度。

CPO（共封装光学）则是解决算力网络中"路不够宽"的问题：

• 传统数据中心内部用铜线连接交换芯片和光模块，带宽已逼近物理极限。CPO 把光模块直接封装到交换芯片旁边，用光互连替代铜互连。
• AI 大模型训练需要万卡甚至十万卡级 GPU 集群，节点间通信带宽直接决定训练效率。CPO 提供的高带宽、低延迟、低功耗互连，是支撑超大规模集群训练的关键技术。
• 华为在光通信领域有深厚积累（海思光芯片、华为光网络），CPO 是其技术储备自然延伸的方向。

投资视角：CPO 产业链（硅光芯片 → 光引擎 → 共封装 → 整机组装）正处于从实验室走向量产的临界点。华为的入局可能加速这一进程，相关标的包括中际旭创、新易盛、天孚通信等。

1.4 AI PC——鸿蒙生态的"第五屏"

华为 MateBook 系列正在从一个"装了 Windows 的笔记本"走向"装了鸿蒙的 AI 终端"：

• 端侧大模型运行：基于昇腾芯片/NPU，在本地运行轻量级盘古模型，实现实时语音转写、智能摘要、AI 辅助创作等功能。
• 鸿蒙 PC 版：如果鸿蒙 NEXT 在手机上验证了 AI 原生体验，PC 版将把同样的体验迁移到生产力场景——多窗口协同、跨设备文件流转、AI 辅助编程和写作。
• 与 Windows/AI PC 竞争的逻辑：苹果的 Apple Intelligence、高通的 X Elite 都在推 AI PC，但华为的差异化在于鸿蒙全场景协同——手机、平板、手表、车机、PC 共用一套 AI 架构，体验一致性优于"PC 上单独装一个 AI 助手"。

判断：AI PC 不等于"PC + AI 按钮"，而应该是"AI 是操作系统的原生能力"。华为如果能在鸿蒙 PC 上实现这一点，将打破 PC 市场长期被 Wintel 体系主导的格局。

2. 理想汽车：当汽车变成"具身智能"

2.1 "汽车形态具身智能"——一个新物种的定义

李想在 6 月 15 日 AI 发布会预热中提出"汽车形态具身智能"，这不是营销话术，而是一个品类定义的动作：

传统定义：汽车 = 交通工具 + 智能化（智能驾驶是高级功能）

李想的定义：汽车 = 具身智能的一种物理形态（智能是本体，交通是能力）

这个翻转的意味在于——

• 人形机器人不是具身智能的唯一形态。特斯拉做 Optimus、波士顿动力做 Atlas，都是在"人形"上做文章。但汽车可能是更早实现大规模商业化的具身智能形态：它不需要解决双足行走的工程难题，却在感知、决策、执行三个维度上都已具备成熟硬件。
• "空间智能"比"运动智能"更早落地。汽车的核心场景是封闭空间内的智能交互（座舱 AI、智能驾驶），而不是开放世界的运动控制。这意味着技术栈更短、验证更快、商业化路径更清晰。

2.2 为什么是理想？

在"汽车 + AI"的叙事上，理想有几个独特禀赋：

2.3 从"智能驾驶"到"智能体"的跃迁

理想 AI 发布会的真正看点，不是又发布了什么新功能，而是叙事的升维：

• L2 → L3 → L4是智能驾驶的渐进路线，但天花板是"车自己开"。
• "汽车形态具身智能"是一条不同的路线——车不只是自己开，它还能理解你的意图、主动提供服务、与其他智能体协作。

类比：智能手机的演进不是"功能机 → 更好的功能机"，而是"功能机 → 移动互联网终端"。理想在做的事情，本质上是把汽车从"智能驾驶工具"推向"AI 空间终端"。

这意味着：

1. 车内交互范式重构：从"指令式"（你说它做）到"主动式"（它预判你需要的），AI 成为车内交互的第一入口，而非语音助手的升级版。
2. 应用生态迁移：如果汽车是 AI 空间，那手机上的应用生态需要重新适配——不是简单投屏，而是 AI 原生的车内应用。
3. 商业模式扩展：卖车是一次性收入，卖 AI 订阅服务是持续收入。具身智能的叙事为软件订阅制打开了想象空间。

3. 合流：华为 × 理想，端侧 AI 的统一叙事

把两场大会放在一起看，一条暗线浮出水面：

3.1 AI 的"最后一公里"是终端

无论是华为的端侧 AI（手机、PC、手表），还是理想的端侧 AI（汽车），都在回答同一个问题：大模型的能力如何从云端走向用户手边？

云端大模型的战争已经进入"性价比"阶段（GPT-4o-mini、Haiku、Flash），真正的差异化战场在端侧——谁能把 AI 做成操作系统的一部分、做成硬件的一部分，谁就占据了用户心智和交互入口。

3.2 华为 + 理想 = 全场景端侧 AI？

华为与理想已有深度合作：鸿蒙座舱搭载理想车型。如果华为提供"AI 基础设施"（盘古模型、鸿蒙 AI 框架、算力网络），理想负责"AI 场景定义"（车内交互、智能驾驶、空间智能），二者可能形成端侧 AI 的全场景闭环：

手机（华为）── 平板（华为）── PC（华为）── 手表（华为）── 车机（理想 × 华为）
         └────────────── 鸿蒙 AI 框架 + 盘古端侧模型 ──────────────┘

这不是简单的"1+1"——当 AI 上下文可以跨设备无缝流转（你在车里说的、手机上搜的、电脑上写的，构成同一个用户画像），体验将远超任何单一设备的 AI 能力。

3.3 CPO / 算力网络是端侧 AI 的"水电煤"

端侧 AI 的繁荣需要基础设施支撑：

• 训练侧：盘古大模型的迭代需要昇腾集群 → CPO 提供集群内高速互连 → 算力网络提供跨区域调度。
• 推理侧：端云协同需要低延迟网络 → 算力网络确保就近调度 → CPO 降低数据中心内部延迟。

CPO 和算力网络看似"后台故事"，实则是端侧 AI 能否大规模落地的决定性前提。没有足够的算力和带宽，端侧 AI 只能做轻量级推理；有了 CPO + 算力网络，端云协同的边界可以被推得更远，端侧 AI 的能力上限随之提升。

4. 投资线索：三层蛋糕

核心逻辑链：

端侧 AI 爆发 → 算力需求激增 → 数据中心扩容 → CPO 互连升级 → 算力网络调度优化

这条链上，CPO 是当前弹性最大的环节——技术从 0 到 1 的阶段，量产节奏的每一次超预期都是股价催化剂。

5. AI 正在"落地"，但不是你想的那种"落地"

过去两年，AI 的叙事是"大模型越来越强"——参数量、基准分数、能力边界不断刷新。

但 2025 年 6 月的这两场大会告诉我们，AI 的下一个叙事是**"大模型正在消失"**——

• 不是模型不存在了，而是它变成基础设施，像电力一样融入每一台设备、每一个场景。
• 你不会"使用 AI"，就像你不会"使用电力"一样——你使用的是由 AI 驱动的手机、电脑、汽车。

华为 HDC 在做的是：让 AI 成为操作系统的原生能力。

理想在做的是：让 AI 成为汽车的本质属性。

两条路径，同一个终点——AI 不再是功能，而是形态。