华为刘睿，AI助手告别聊天框，从被动响应转向主动服务

2025年华为Mate 80发布会上，一项名为“对话式修图”的功能引发关注：用户无需手动选择工具，仅通过自然语言指令如“把背景换成海边日落”，系统即可自动完成选区、调色、合成全流程。这项技术并非全新发明，却在华为实现了首次大规模落地——它的推动者是刘睿，现任华为小艺大模型应用实验室创始主任。

刘睿的职业轨迹颇具代表性。2022年6月，他从香港中文大学MMLab博士毕业，加入商汤科技移动智慧事业群（MIG），主要为华米OV等手机厂商定制端侧算法。彼时正值生成式AI爆发前夜：Stable Diffusion于同年8月发布，ChatGPT在11月横空出世。商汤原有以人脸识别、图像增强为核心的授权型业务模式迅速承压，基础大模型开始收编原本需独立研发的专用算法。

在商汤期间，刘睿曾主导一项“对话式修图”原型开发，目标是让用户以自然语言驱动图像编辑全流程。但由于当时端侧算力与模型能力限制，该项目未能立项量产。2023年底汤晓鸥去世后，公司战略调整加速;2024年，刘睿离开商汤加入华为，将这一构想重新激活。

“我们过去做AI，是等用户提问再响应；现在要做的是，在用户开口前就预判需求。”刘睿在近期访谈中表示。他所带领的小艺大模型应用实验室，研究范围覆盖大语言模型、多模态智能、Agent与具身智能，核心目标是构建能“管事”的个人AI助理。

这一转变背后，是技术范式的根本迁移。早期AI助手本质是检索增强生成（RAG）系统，依赖预设知识库回答问题；而新一代智能体需具备任务分解、工具调用、状态追踪与跨会话记忆能力。例如，用户说“帮我规划下周三出差行程”，系统不仅要查询航班、酒店，还需后续跟进：当航班延误时主动提醒、协调改签、同步更新会议安排。

行业趋势印证了这一方向。2026年10月，蚂蚁集团发布灵光2.0，明确将能力重心从单次任务执行转向“长程事务管理”。其关键升级包括：跨会话记忆、任务状态持久化、以及依托独立云主机实现用户退出对话后的持续运行。据《生成式人工智能应用发展报告（2026）》，截至2026年上半年，我国生成式AI用户规模已超7亿，AI综合助手使用频次同比增长超100%，用户对“持续性服务”的需求显著上升。

灵光2.0目前已打通支付宝账单、会员、出行数据，并接入钉钉、飞书、邮箱及米家设备，可执行“整理本月报销凭证→匹配发票→生成报销单→提交至财务系统”等链路任务。为保障安全，其采用APASS授权体系，通过密钥与Agent分离托管机制，确保智能体执行操作不超出用户授权边界。

全球范围内，类似路径正在收敛。Meta推出Muse，OpenAI测试Dots，阿里在2026云栖大会公布个人智能体计划——所有玩家都在试图跨越“对话框”这一物理与认知边界。

技术实现上，三大支撑要素日益清晰：

第一是长上下文与记忆建模。传统对话模型窗口有限（通常≤32K token），难以维持数日甚至数周的任务状态。新方案采用分层记忆架构：短期记忆存于本地缓存，中期记忆压缩后存入向量数据库，长期目标则以结构化任务树形式持久化。

第二是工具集成标准化。MCP（Model Control Protocol）与CLI接口成为跨平台协同基础。例如，小艺可调用相机API拍摄文档、触发WPS生成报告、再通过企业微信发送给协作方——整个流程无需用户介入中间步骤。

第三是决策权限分层机制。2026年5月，国家网信办等三部门印发《智能体规范应用与创新发展实施意见》，明确划分三类决策权限：仅限用户本人决策（如转账）、需用户授权决策（如自动续费）、智能体自主决策（如垃圾邮件过滤）。该文件为产品设计提供了合规框架。

值得注意的是，从“办事”到“管事”的跃迁，也带来新的挑战。首先是意图理解的鲁棒性：用户模糊表述如“处理一下那个邮件”需结合上下文精准定位；其次是状态同步延迟：当多个智能体并行操作同一资源（如日历事件），冲突检测与回滚机制至关重要；最后是用户控制感维持：过度自动化易引发“黑箱焦虑”，因此主流方案均提供任务追溯视图与一键中断功能。

刘睿团队在华为的实践显示，端侧与云侧协同是可行路径。Mate 80搭载的麒麟9010芯片支持16GB内存与NPU整图推理，可本地完成基础修图；复杂任务则由云端小艺大模型接管，并通过加密通道同步结果。这种混合架构既保障隐私，又提升响应效率。

回顾其职业选择，2022年被视作“坏时机”的节点，实则是技术代际更替的临界点。若刘睿当年延期毕业，可能错过生成式AI爆发初期的工程化窗口；而及时转向产业一线，使其得以在模型能力成熟时，直接参与定义人机交互新范式。

当前，AI助手正经历从“功能模块”到“数字分身”的质变。它不再仅是搜索替代品或内容生成器，而是具备目标导向、时间维度与环境感知能力的持续服务实体。华为小艺、蚂蚁灵光、苹果Apple Intelligence等产品的演进路线趋同：减少用户操作步骤，增加系统自主判断层级，最终实现“用户只说目标，其余交给AI”。

这一进程尚处早期。据IDC预测，到2027年，具备长程任务管理能力的个人AI助理渗透率将达35%，但真正实现“无感协同”的产品仍属凤毛麟角。刘睿的探索提供了一个观察样本：当技术从实验室走向千万级终端，决定成败的往往不是模型参数量，而是对真实场景中“用户要什么”与“模型能做什么”之间鸿沟的理解深度。