作者: Ivan Lam, Shiwen Ma, Liz Lee, Karn Chauhan
前言
智能手机凭借高频使用与强个人属性，天然成为 AI 落地的核心终端入口。如今，手机中的 AI 正从独立功能演进为系统级交互入口，用户需求也从单轮问答转向跨应用、多步骤的任务执行。交互逻辑不再只是依赖应用层手动执行，而是直接调用 AI 完成任务。
这一变化对屏幕提出了更高的要求：复杂任务需要同时查看原始内容、比对 AI 生成结果并确认下一步操作，频繁切换应用会严重拖累效率。书本式折叠屏（以下亦称大折叠）手机凭借更大的内屏和更强的多任务承载能力，恰好满足这一需求，能够让复杂工作流持续可视化，信息并行、一步到位，从而充分释放 AI 生产力。其价值已不再仅是提供更大的显示空间，而是成为更高效的 AI 任务执行平台。AI 不催生折叠屏的需求，但让大折叠的价值成倍放大。
章节一：交互范式升级 —— 从单一 APP 对话到多 Agent 任务执行
智能手机正在经历一次根本性的使用方式变革，这种变化并非源于某个新功能，而是交互基本单元的改变。过去，用户在手机上完成任务，通常意味着打开某个应用并手动操作；而如今，这一模式正逐渐被新的交互方式取代——用户只需表达意图，设备便可通过一个或多个 AI Agent 自动完成任务。
Counterpoint 的数据跟踪和研究表明，在各类消费电子设备中，智能手机最有可能成为 AI 大规模普及的核心平台，主要有以下三方面原因：
- 高频使用：智能手机是用户日常生活中使用频率最高的计算设备，贯穿工作、出行、娱乐及家庭等几乎所有生活场景。没有其他设备能够像智能手机一样，为 AI 提供如此高密度、持续性的真实交互环境。
- 深度个性化：智能手机长期积累着用户最完整、最连续的个人数据，包括通信记录、日程安排、位置轨迹、兴趣偏好以及行为习惯等信息。这些数据为 AI 理解用户意图、感知场景上下文并提供个性化服务创造了条件。
- 成熟的生态体系：与仍处于早期探索阶段的 AI 原生硬件相比，智能手机拥有成熟且全球化的产业生态，包括先进芯片、操作系统、应用商店、开发工具以及覆盖数十亿用户的分发渠道。这意味着新的 AI 能力可以直接部署在现有平台之上。
端侧 AI 能力栈持续演进：算力、推理与模型效率协同提升
芯片算力、端侧推理能力以及模型效率优化这三个支撑端侧 AI 落地的基础能力正同步增强，不仅降低了生成式 AI 在智能手机上的部署门槛，更显著提升了 AI 应用的响应速度、运行成本和实际可用性。
- 芯片算力：神经网络处理器（NPU）等专用 AI 计算引擎已成为移动芯片的标准配置，并针对生成式 AI 模型进行了专门优化。可扩展的 NPU 架构推动其性能代际提升，而当前一代的 NPU 已能够支持参数规模超过 100 亿（10B）的大模型运行。
- 端侧推理能力：随着芯片能力不断成熟，越来越多的推理任务从云端迁移至设备本地执行。高频、轻量且涉及个人数据的任务在本地完成，以提升响应速度与隐私保护；而更复杂的请求则被分发至云端处理。以 Apple Intelligence 为例，其采用动态调度机制，将约 30 亿参数规模的端侧模型与云端算力结合，用于处理不同复杂度的任务。整体趋势已经十分清晰，AI 能力正逐步从依赖云端转向更多地部署在芯片端，以实现更低时延、更强隐私保护以及更好的离线可用性。
- 模型效率：模型能力的提升与硬件发展同步推进。根据 Counterpoint Research 的 AI 360 数据报告显示，2024 至 2025 年间，共有 436 个新的主流大语言模型发布，其中约三分之一的参数规模低于 100 亿，反映出行业正加速向适合端侧部署的轻量化模型发展。当前，占用空间不足 1GB 的轻量模型，已能够在设备端实现智能回复、内容摘要以及离线助手等能力。
从 AI 功能到 Agent 执行：智能手机交互范式的重构
传统智能手机中的 AI 更多以一系列相互独立的功能形态存在，各项能力局限于特定应用或界面之中。如今，AI 从单点功能演进为系统级交互入口，成为贯穿整个设备操作的统一层。智能手机的人机交互模式也随之从应用优先转向意图优先：过去，各类应用直接争夺用户注意力；未来，AI 服务提供商将作为覆盖在操作系统之上的编排层，负责理解用户意图并协调系统资源，使智能手机从被动响应用户指令的应用启动器，演变为能够主动预测需求的智能伙伴。这一趋势已在主流 OEM 中逐渐显现。多数安卓厂商均已推出自有的一体化 AI 套件，而行业领先平台正向一组通用的核心能力收敛，包括：
- 持续记忆：跨会话的上下文延续能力，使系统记住用户的偏好、正在进行的任务以及历史指令，而非在每次交互后重置。
- 情境理解：基于时间、位置、屏幕内容及近期行为等信息，对用户当前状态进行感知，从而更准确地理解与执行请求。
- 多模态交互：统一处理语音、文本、图像及屏幕内容，实现更自然的人机交互。
随着这一入口层的成熟，交互的基本单元也随之改变。过去的模型是单轮问答：用户提出问题，系统返回答案，剩余执行由用户完成；而新的模型则转向目标导向的任务执行：用户只需表达结果目标，系统便会自动规划路径。
以 AI 会议助手为例，在传统手机交互模式下，用户通常需要在多个应用之间频繁切换，才能完成会议记录整理、待办事项提取、任务分发以及后续跟进等一系列工作流程。随着端侧 AI 能力的增强，用户只需提出“整理刚刚的产品评审会，并安排后续跟进”，一个复杂请求可被自动拆解为多层协作的智能体体系，包括会议理解代理、任务管理代理、日程协调代理、沟通分发代理等。这正是多智能体任务执行的意义：不是一个助手按步骤完成所有任务，而是多个专职智能体在编排层的统一调度下并行协作，共同完成目标。
与此同时，跨设备协同能力的成熟正在进一步扩展AI的执行边界，使其能够打通手机、平板、PC、可穿戴设备乃至车机等多终端之间的数据与任务链路。例如，会议内容可在手机端完成录制与理解，在 PC 端自动生成结构化报告并继续编辑，在平板端进行批注协作，车机或穿戴设备上同步提醒后续日程。通过统一的跨端调度，AI 得以将原本分散在不同设备与系统中的操作流程整合为连续的任务流，降低切换成本，进一步强化以任务为中心的执行体验。
长远来看，Agent 能力的发展有望进一步改变智能手机的人机交互模式。智能手机的角色也将从移动互联网时代的“应用容器”逐步演变为 AI 时代的“服务入口”。随着端侧算力、模型能力和生态协同持续提升，AI 不仅能够运行在更多设备上，还将以更加多元、流畅和主动的方式融入用户日常生活，而 Agent Phone 所代表的智能终端形态，也将释放出远超传统智能手机的想象空间。
章节二：书本式折叠屏手机是 AI 生产力的重要载体
市场动能正转向大屏生产力型产品
随着智能手机中的 AI 从简单辅助逐步演进到任务执行，书本式折叠屏正成为下一阶段移动生产力中最重要的高端形态之一。AI 已不再局限于回答问题、翻译句子或编辑照片，而是开始承担更复杂的工作流，这一变化也重新定义了用户对屏幕的需求。在许多 AI 辅助任务中，用户不仅需要一个答案，还需要同时查看原始内容、验证 AI 生成结果，并据此决定下一步操作。此时，书本式折叠屏的大尺寸内屏展现出明显优势 —— 它让更多任务流程实现持续可视化。折叠屏的角色也正从单纯的硬件形态，转向承载复杂任务执行的“工作流画布”。
反观直板手机，凭借不断增大的屏幕尺寸、高频使用和成熟的应用生态，在基础 AI 应用中仍扮演重要角色。但随着 AI 工作流日趋复杂，小屏幕在生产力和效率上的局限性也愈发明显。用户很难同时查看多个信息源、持续跟踪 AI 生成内容，并完成后续操作。尽管智能分屏、悬浮窗等设计能缓解部分问题，但在涉及多步骤、跨应用的复杂任务时，频繁切换界面和反复回溯上下文仍会削弱 AI 带来的效率提升。
翻盖式折叠屏则更偏向便携与轻交互场景，其优势主要体现在外屏个性化交互、相机预览、快速回复以及碎片化场景下的 AI 辅助。但即使展开，其可用显示空间只是更接近传统直板手机，因此在多应用、多文档和 AI 内容并行展示方面依旧存在限制。
相比之下，书本式折叠屏设备在智能手机的便携性和大屏生产力之间找到了更优的结合点。它并非要取代所有 AI 手机场景，而是在需要更强可视化控制、更丰富上下文信息以及更低操作切换成本的工作流中，展现出越来越重要的价值。
根据 Counterpoint Research 最新的折叠手机预测数据，预计到 2026 年年底，全球折叠屏智能手机出货量将同比增长 20%，其中书本式折叠屏手机有望成为该品类的主要增长动力。在产品更新换代更加频繁以及苹果预计将推出首款折叠屏手机的推动下，书本式折叠屏手机在可折叠手机市场的份额预计将从 2025 年年底的 51.5% 增长到 2026 年年底的 75.7%，反映了用户对更大尺寸内屏的需求日益增长。书本式折叠屏手机将保持增长势头，预计到 2030 年将占折叠手机总出货量的 85.3%。
AI 复杂工作流放大书本式折叠屏的价值
在 AI 辅助生产力场景中，持续可视化的重要性不断提升。无论是办公、金融、出行还是身份认证，用户在接受 AI 生成结果或授权其执行下一步操作前，往往需要同时核对多个信息源并完成确认。大折叠能够减少页面切换，更适合承载这类复杂任务。
在书本式折叠屏领域，不同屏幕比例也逐渐形成差异化定位。传统比例的大折叠强调移动生产力与便携性的平衡，在分屏、多窗口和任务切换优化下，更适用于文档审阅、即时通讯、笔记摘要、文件传输以及 AI 辅助编辑等生产力场景。相比之下，阔折叠则更侧重内容体验。更宽的显示区域带来更接近平板电脑的视觉感受，让视频观看、阅读、网页浏览以及文档预览等更加舒适沉浸。虽然同样具备生产力潜力，但实际体验更依赖应用适配和多任务管理能力。因此，传统比例与宽比例的书本式折叠屏并非简单的优劣之分，而是同一产品形态下的两种不同优化方向：前者侧重均衡的移动生产力体验，后者则突出沉浸式内容消费。
与此同时，能效与散热能力的重要性也在进一步提升。AI 功能的日趋复杂将显著增加终端计算负载，而在书本式折叠屏设备上，这些任务往往需要结合大屏和多窗口同时运行，对系统资源提出更高要求。因此，电池容量、芯片能效、散热架构以及操作系统层面的功耗管理，不应仅被视为传统硬件参数，而是 AI 生产力堆栈的核心组成部分。最终决定用户体验的，不只是 AI 能不能用，而是在复杂任务、多任务并行及长时间使用下，AI 能否始终保持流畅、稳定且低功耗运行。只有在性能、续航与稳定性之间实现平衡，折叠屏才能真正成为 AI 时代的轻办公平台。
根据 Counterpoint 的预测，书本式折叠屏手机占高端智能手机市场的份额将从 2024 年的 2.7%，飙升四倍以上，至 2030 年的 11.4%。随着 AI 辅助工作流对高端用户的重要性持续提升，书本式折叠屏作为折叠屏中最注重生产力与多任务能力的形态，其在高端智能手机市场中的重要性也有望进一步增强。
全球平台竞争正从硬件差异化转向 AI 与操作系统执行能力
主流智能手机平台正在从不同的起点推动折叠屏体验优化。未来折叠屏市场的竞争，将不再主要取决于屏幕尺寸本身，更多取决于硬件能力、自适应 UI 设计、AI 工作流整合以及生态服务协同之间的配合程度。更大的屏幕只有在操作系统和软件层能够将其转化为高效工作空间时，才能真正释放价值。
谷歌主要推动 Android 与 AI 平台层面的能力演进。在 Google I/O 2026 上，谷歌重点提出“原生自适应（Adaptive by Default）”的发展方向，推动操作系统在智能手机、折叠屏、平板电脑以及其他互联终端之间实现更加一致且流畅的体验。
苹果的发展路径则更加依赖其垂直整合优势。预计推出的折叠屏产品将把用户熟悉且信任的 iPhone 体验延伸至更大的 AI 辅助工作空间，其中生态系统集合、隐私保护、身份认证、支付能力、健康数据以及安全的个人工作流将占据核心地位。与更强调开放式跨应用自动化不同，苹果更可能优先聚焦于可控且可信的场景，使用户能在更大的视觉空间中审阅敏感信息、确认操作并管理后续步骤。苹果同样可借鉴在 iPadOS 上已经构建的大屏工作流能力，包括窗口化应用、多窗口使用、应用连续性以及面向生产力优化的布局设计。同时，苹果在芯片设计、操作系统与功耗管理方面的高度协同优化能力，也有助于支持更持续的端侧 AI 使用体验。
综上，AI 并不催生折叠屏的需求，但让大折叠屏手机的价值成倍放大。随着信息摘要、内容比对、跨应用协同等任务日益普遍，小尺寸屏幕逐渐成为生产力体验的瓶颈，而书本式折叠屏恰好填补了这一空缺，既保留了手机的移动性，又提供足够的交互空间来承载结构化、多步骤的复杂工作流。大折叠屏的价值命题已从“高端形态创新”演变为“AI 任务的更优执行载体” —— 这一重新定位，是驱动其在高端市场份额持续提升的底层逻辑。
章节三：AI 时代下，中国厂商重构大屏交互体验
经过国产手机品牌多年的持续创新与迭代，中国已成为全球规模最大、竞争最激烈的折叠屏手机市场。同时，中国消费者对新产品和新形态的接受度较高。在厂商持续的市场投入和密集新品发布推动下，用户对于折叠屏手机的认知与接受程度已显著提升。尽管折叠屏目前仍属于利基市场，但在中国，其用户基础和市场心智已较早建立，为 AI 与折叠屏融合的发展奠定了重要基础。
过去几年，中国手机厂商围绕折叠屏的核心痛点 —— 厚重、折痕、续航以及耐用性 —— 进行了持续优化。如今，机身越来越轻薄，部分大折叠的重量已逐渐接近传统直板旗舰机；铰链结构不断优化，折痕控制显著改善；电池、散热与可靠性持续提升；防水、防摔等体验升级。随着硬件成熟度提升，折叠屏正逐渐从尝鲜型产品转向更适合长期主力使用的高端设备。
与此同时，折叠屏形态仍在不断创新。从早期外折与内折方案的探索，到后来的小折叠、三折叠、阔折叠和护照式折叠，行业始终在探索不同场景下的最优交互方式。经过多轮市场竞争与用户验证后，书本式折叠逐渐展现出最强的生产力价值，使其越来越受到商务人士和高端用户青睐。在此基础上，厂商进一步探索 AI 与折叠屏的融合路径，借助大屏、多窗口交互和更强的任务承载能力，折叠屏手机从大屏设备向 AI 生产力终端演进。
- 华为：鸿蒙 AI 生产力中枢，强化跨设备协同与任务连续流转的折叠屏
华为正在将折叠屏手机打造为鸿蒙生态中的移动生产力中枢。相比单纯强调大屏体验，华为更重视 AI 能力与操作系统层的深度融合、跨设备协同以及办公场景的系统级重构。更进一步来看，其 AI 战略的核心并非将大模型作为独立应用或功能模块叠加在系统之上，而是推动其向操作系统底层能力收敛，使 AI 成为鸿蒙系统的基础能力与统一交互入口。在这一框架下，小艺从被动执行者转型为任务链路的主动参与者，更深入参与任务链路编排和执行。
与此同时，鸿蒙的分布式能力为 AI 系统化提供了承载基础，使任务在手机、平板与 PC 之间实现连续流转。用户在折叠屏上发起的任务，可以无缝延伸至大屏设备完成编辑与协作，再回流至移动端进行确认与分发，从而形成“设备无感切换”的工作流体验。因此，华为折叠屏的核心价值正在从多任务大屏终端进一步演进为 AI 驱动的分布式生产力节点。
- vivo：专为折叠屏深度开发 OS，AI 与多任务并行组合重构工作流
vivo 在新一代大折叠 vivo X Fold6 中，搭载了专为折叠大屏产品深度开发、符合折叠大屏独特形态、及生产力场景下的交互逻辑需求的 OS。该 OS 不仅充分适配折叠大屏的独特物理形态，更基于 AI 时代个人终端的发展趋势，围绕高生产力场景的交互需求，进行了系统性架构设计与功能优化。其核心创新之一，是率先在折叠屏产品中引入可以支持并行多 Agent 人机交互，让手机内屏演进为多智能体协同的原生工作台。
vivo 聚焦用户体验原点，围绕真实任务流而非单点功能进行设计。其原子工作台提供「串行」和「并行」两种模式，以适配不同复杂度的 AI 使用场景。「串行」模式更接近传统认知中的任务流处理方式，可满足用户频繁切换、同时关注多窗口的需求，适用于一个主页面加多个辅页面的场景；「并行」模式则进一步放大了折叠大屏的空间优势，可一屏四用，用户无需切换，多个应用同时显示运行、互不遮挡，应用显示面积可灵活调节，支持多个 AI 同屏并行生成结果，便于交叉验证，任务处理更加高效便捷。此外，vivo 内置的 Agent，聚焦用户高频场景和痛点，让 AI 更实用，例如文件管理 Agent 提供“存-找-用”全链路解决方案，AI 会议助手支持分角色转写智能总结等。同时，vivo 还强化了折叠屏手机跨生态跨设备的互联能力，让 AI 能力覆盖更多场景。
图：vivo 原子工作台「并行」模式
结论
OEM 厂商正持续加大对 AI 的投入，推动智能手机迈向系统级智能。尤其是国内厂商，无论是华为依托全栈自研的鸿蒙系统，通过 AI 驱动的分布式生产力节点实现跨设备、跨应用的任务流转；还是 vivo 创新推出的多智能体协同架构，围绕真实任务流提供“串行”和“并行”两种模式，以适配不同复杂度的 AI 应用场景，二者都不约而同地从提升用户体验出发，对手机“AI 化”给出了各自的诠释。随着用户交互方式逐步从手动操作应用转向直接向 AI 下达任务，书本式折叠屏凭借更大的显示空间和更强的多任务能力，正成为承载复杂 AI 工作流的理想形态。其价值从高端形态创新延伸至生产力提升，在移动办公、内容创作等场景中优势愈发明显。
然而，AI 与折叠屏的深度融合并非一蹴而就，其竞争也不局限于单点功能创新，而更考验厂商长期的技术积累、系统能力与生态协同。未来，厂商将围绕各自优势完善软硬件一体化，推动折叠屏演进为真正的个人 AI 生产力平台，让用户在每一次人机交互中感受到与高端定位相匹配的效率与体验升级。