Android, iOS, HarmonyOS, dan Windows Memasuki Era Agen dengan Integrasi AI Tingkat OS

Tulisan | Yunyong AI, Penulis | Huang Yunhao

Pada 12 Mei 2026, Google mengadakan acara peluncuran Android Show｜I/O Edition, acara khusus Android sebelum I/O Conference pada 19 Mei. Presiden ekosistem Android, Sameer Samat, menetapkan nada acara ini: Android harus berubah dari sistem operasi menjadi satu sistem cerdas. Menyambung garis utama ini adalah Gemini Intelligence—kemampuan AI proaktif di lapisan sistem Android.

Poster acara 2026 Android Show | I/O Edition
Sumber: Android Heeadlines

Dibandingkan dengan kombinasi Gemini Nano + AICore tahun lalu, kali ini Google semakin mengintegrasikan kemampuan Agent untuk melintasi aplikasi dan konteks ke lapisan OS: otomatisasi tugas lintas aplikasi (pemesanan makanan, pembelian, pemesanan), pengisian formulir otomatis, ringkasan web, dan widget khusus, yang secara berurutan dimasukkan ke dalam daftar kemampuan tingkat sistem. Google juga menjadikan kontrol pengguna eksplisit (explicit user control), perlindungan data komprehensif (comprehensive data protection), dan transparansi operasional (operational transparency) sebagai tiga prinsip produk.

Pada pidato tema I/O pada 19 Mei, satu minggu dari sekarang, CEO Google Sundar Pichai membuka dengan garis besar ini:

Selamat datang di era Gemini agen

Terlibat dalam gelombang OS sisi edge menjadi agent, Google tidak termasuk yang memulai lebih awal.

Microsoft meluncurkan Copilot+ PC di Build 2024 pada Mei 2024 (kategorinya adalah perangkat Windows 11 generasi baru dengan NPU 40+ TOPS), yang mengintegrasikan kemampuan Agent ke dalam sistem operasi melalui tiga fitur: model kecil sisi perangkat Phi Silica, kemampuan layar Agent Click to Do, dan ingatan aktivitas tingkat sistem Recall.

Pada WWDC24 pada Juni 2024, Apple secara resmi mengumumkan "Apple Intelligence", yang pada saat itu didefinisikan sebagai "sistem kecerdasan pribadi", dan kemudian secara bertahap meluncurkan beberapa fitur bantuan AI. Namun, karena keterlambatan pengembangan model besar milik sendiri dan masalah Siri yang "bodoh", kemampuan Agent inti Apple Intelligence belum pernah dirilis.

Huawei akan meluncurkan HarmonyOS 6 dan鸿蒙智能体框架 (HMAF) pada HDC 2025 pada Juni 2025, setelah itu Plaza Xiao Yi Agent meluncurkan lebih dari 80 agen.

Tren besar penggunaan OS sisi perangkat telah muncul secara bersamaan pada sistem operasi utama seperti Android, iOS, HarmonyOS, dan Windows.

Yang ditampilkan dalam acara peluncuran hanyalah fitur-fiturnya; yang benar-benar menjadi daya saing pabrikan OS adalah tiga lapisan kemampuan dasar yang mendukung operasi andal OS Agent dan menyelesaikan masalah secara nyata: System-level AI Runtime, chip yang dapat dikendalikan, dan matriks model ujung-awan.

System-level AI Runtime: Pusat pengaturan kecerdasan sisi perangkat

Runtime adalah mesin inferensi dan layanan sistem yang menjalankan model sisi perangkat di sistem operasi. Di tingkat bawah, ia langsung terhubung ke NPU dan pengelolaan sumber daya sistem; di tingkat atas, ia mengekspos kemampuan inferensi ke semua aplikasi melalui API yang stabil. Ia mengubah model sisi perangkat menjadi "kecerdasan bersama di tingkat OS": berbagi bobot model lintas aplikasi, mengoordinasikan daya komputasi dan memori secara terpadu, mendukung pemanggilan alat yang dibutuhkan Agent, memandu generasi, serta mengintegrasikan konteks dan izin. Ia menentukan apakah OS Agent hanyalah tombol obrolan di dalam aplikasi, atau layanan latar belakang yang dapat menjalankan operasi tingkat sistem di sistem operasi.

Contoh paling lengkap dalam ekosistem Android adalah Google AICore. Pada Desember 2023, AICore diluncurkan sebagai layanan sistem (system service) di Android 14; pada Agustus 2025, Gemini Nano dibuka untuk pengembang melalui ML Kit GenAI APIs. Dari dasar layanan sistem hingga API stabil yang ditujukan untuk App, AICore membutuhkan waktu hampir dua tahun untuk terus disempurnakan.

Pabrikan OS lain mengikuti jalur yang sama, hanya dengan kecepatan yang berbeda. Apple membuka kerangka Foundation Models kepada pengembang di WWDC25, dengan kerangka ini menyertakan dekorator @Generable, pemanggilan alat, generasi terbimbing (guided generation), dan sesi berstatus (stateful session), yang didukung oleh model dasar sisi perangkat dengan sekitar 3 miliar parameter, ditambah dukungan cloud dari komputasi cloud pribadi. Microsoft memasukkan kerangka AI sisi perangkat Foundry on Windows dan Phi Silica ke dalam Windows 11, dengan Windows ML sebagai backend inferensi dasar. Huawei merilis Agent Framework Kit (kerangka agen HarmonyOS, HMAF) di HDC 2025, membuka sistem niat dan protokol kolaborasi agen secara bersamaan.

Android AICore sebagai layanan sistem menjadwalkan inferensi Gemini Nano pada akselerator perangkat keras
Sumber: Android Developers

Chip yang dapat dikendalikan: Titik tumpu sinergi perangkat lunak dan perangkat keras

Google menetapkan ambang perangkat keras yang jelas untuk Gemini Intelligence di Android Show｜I/O Edition: fitur lengkap pertama kali hanya tersedia untuk seri Pixel 10 dan Galaxy S26, serta beberapa flagship terbaru lainnya; semua model tahun lalu tidak termasuk. Ini menunjukkan fakta sederhana: model AI masih berkembang pesat, dan perangkat lunak terus menuntut persyaratan baru dari perangkat keras. Chip yang dapat dikendalikan adalah dasar yang menopang tuntutan-tuntutan ini, dan tingkat kendali menentukan ruang yang tersedia bagi pabrikan OS untuk melakukan penyesuaian perangkat lunak dan keras bagi OS Agent sisi perangkat.

Apple adalah contoh klasik dari pendekatan terintegrasi perangkat keras dan perangkat lunak. iOS dan macOS telah berkembang bersamaan sejak awal dengan chip seri A dan seri M, sementara Core ML mengemas pengaturan CPU, GPU, dan ANE ke dalam lapisan kerangka kerja. Pendekatan ini terus berlanjut di era LLM. Apple Machine Learning Research memberikan sejumlah pengukuran nyata: dengan mengikuti jalur optimasi Core ML untuk menerapkan Llama 3.1 8B Instruct pada M1 Max, kecepatan dekoding lokal dapat mencapai sekitar 33 token/detik. Laporan teknis《Apple Intelligence Foundation Language Models》juga mengungkap bahwa Apple melakukan optimasi arsitektural seperti berbagi KV cache dan pelatihan yang menyadari kuantisasi 2-bit khusus untuk chip miliknya, sehingga berhasil membuka model dasar sisi perangkat sekitar 3B kepada pengembang melalui kerangka kerja Foundation Models. Kedalaman semacam ini hanya dapat dicapai jika perusahaan mengendalikan chipnya sendiri—inilah nilai dari chip yang dapat dikendalikan bagi produsen OS: ia menentukan kedalaman kolaborasi perangkat lunak-perangkat keras, sekaligus meningkatkan batas atas pengalaman OS Agent sisi perangkat.

Memasuki era AI, Google juga melakukan hal yang sama—mulai dari Pixel 6, mereka mengambil jalur SoC Tensor buatan sendiri, dan Tensor G5 terbaru meningkatkan kinerja TPU hingga 60% dan CPU rata-rata 34%, sebagai SoC pertama yang menjalankan Gemini Nano generasi terbaru secara penuh di Pixel 10. Tentu saja, Tensor G5 juga memiliki kelemahan: pengujian oleh Android Central menunjukkan bahwa konfigurasi memori (kapasitas RAM) masih menjadi bottleneck kinerja AI, dan skor Geekbench AI kalah dari Snapdragon 8 Elite; dalam pengujian Geekbench 6 oleh Macworld, skor single-core dan multi-core G5 lebih rendah daripada A18 Pro. Google masih mengejar, tetapi jalur kolaborasi antara Tensor buatan sendiri dan Gemini di perangkat tepi sudah terbentuk.

Huawei Kirin dikombinasikan dengan NPU Da Vinci dan model sisi endpoint Pangu, merupakan jalur chip yang dapat dikendalikan yang sejajar dengan Apple dan Google. Xiaomi telah meluncurkan Xuanjie O1, sebagai pemain baru yang bergerak menuju arah chip yang dapat dikendalikan.

Matrix model tepi-awan: Sumber kecerdasan Agent

Matriks model tepi-awan adalah sumber "kecerdasan" perangkat tepi: model awan menopang batas kemampuan untuk tugas-tugas kompleks, sementara model tepi menopang ambang bawah untuk operasi sehari-hari—latensi, daya tahan baterai, privasi, dan stabilitas semuanya dipikul oleh sisi tepi. Kedua sisi tak bisa dipisahkan, perbedaannya terletak pada kedalaman keterkaitan dengan OS. Model tepi harus diintegrasikan ke dalam OS setiap perangkat tepi dan berkolaborasi mendalam dengan NPU lokal, memikul dua peran dalam OS: ke bawah, ia berperan sebagai backend inferensi lokal untuk Runtime; ke atas, ia membuka diri ke aplikasi melalui kerangka dan SDK Runtime sebagai API tingkat sistem.

Pengembangan mandiri bermakna baik di cloud maupun di perangkat tepi, namun manfaat di perangkat tepi lebih nyata. Model cloud yang diambil dari pihak ketiga juga dapat menopang batas kemampuan, sedangkan keunggulan pengembangan mandiri terutama terlihat pada kendali routing, ketentuan bisnis, dan ritme iterasi model. Berbeda halnya dengan perangkat tepi. Model perangkat tepi tertanam dalam OS dan NPU setiap perangkat, sehingga manfaat pengembangan mandiri langsung tercermin dalam kinerja produk: berbagi KV cache, pelatihan kuantisasi 2-bit yang dirancang khusus untuk chip generasi tertentu, Per-Layer Embedding (berasal dari Gemma 3n, memuat parameter embedding secara inkremental dari penyimpanan cepat per lapisan), dan sebagainya—semua ini hanya dapat diwujudkan dengan mudah jika model dan perangkat keras dirancang secara bersamaan; selain itu, sinkronisasi ritme tidak boleh lagi bergantung pada pihak ketiga produsen perangkat keras.

Daya komputasi TPU Tensor G5 meningkat hingga 60% dibandingkan generasi sebelumnya G4, tetapi peningkatan Gemini Nano pada G5 jauh melampaui itu—menurut data resmi Google dan Jon Peddie Research, kecepatan pemrosesan lokal mencapai 2,6 kali lipat generasi sebelumnya, konsumsi daya berkurang setengahnya, dan jendela token diperluas dari 12.000 menjadi 32.000 (setara dengan memproses sekitar seratus tangkapan layar sekaligus). Peningkatan kinerja yang signifikan ini berasal dari arsitektur Matryoshka Transformer fleksibel yang digunakan Gemini Nano v3, ditambah optimasi sinergis dengan TPU Tensor G5.

Peningkatan kinerja Gemini Nano pada Tensor G5 dibandingkan generasi sebelumnya
Sumber: Google/Jon Peddie Research, ilustrasi AI oleh Cloud Surge

Pada lapisan model sisi perangkat, setiap produsen OS utama memiliki model milik sendiri: Gemini Nano milik Google, model dasar sisi perangkat Apple dengan sekitar 3 miliar parameter, Phi Silica milik Microsoft, dan model sisi perangkat Pangu milik Huawei. Pengembangan mandiri adalah pilihan default pada lapisan ini.

Tiga lapisan kemampuan dasar terhubung dari bawah ke atas: chip yang dapat dikendalikan → model sisi perangkat/awan → Runtime → Agent. Chip yang dapat dikendalikan menentukan efisiensi inferensi dan konsumsi daya yang dapat dicapai oleh model sisi perangkat, model sisi perangkat menentukan kecerdasan lokal yang dapat dijadwalkan oleh Runtime, dan Runtime menentukan keandalan Agent sebagai layanan sistem yang berjalan lintas aplikasi. Semakin dalam kolaborasi ketiganya, semakin besar diferensiasi pengalaman produk pabrikan OS pada Agent sisi perangkat, serta semakin tebal palisade perlindungannya.

Semakin dalam tiga lapisan saling terintegrasi dalam satu set perangkat lunak dan perangkat keras yang sama, kemampuan produk OS Agent akan muncul sebagai perbedaan yang tidak dapat dicapai oleh lapisan tunggal.

• Latensi respons dan konsumsi daya. Kecepatan pemrosesan 2,6 kali lebih cepat dan pengurangan konsumsi daya setengah yang diraih Gemini Nano di Tensor G5 didasarkan pada penyesuaian timbal balik antara arsitektur model, desain chip, dan penjadwalan Runtime dalam desain perangkat lunak dan keras generasi yang sama, sehingga perbaikan sebesar ini dapat muncul.
• Privasi dan kepercayaan. Tugas-tugas umum yang melibatkan data pribadi diselesaikan secara lokal oleh model sisi perangkat, sementara permintaan kompleks dialihkan ke cloud—ini adalah sikap default yang masuk akal bagi OS Agent terhadap data pengguna pada tahap saat ini. Tiga lapisan ketergantungan menentukan apakah pendekatan “prioritas sisi perangkat, cloud sebagai cadangan” dapat benar-benar diwujudkan: NPU dan model sisi perangkat yang disesuaikan secara mendalam adalah jalur kunci bagi model sisi perangkat yang masih dalam tahap pengembangan untuk memikul tugas inferensi frekuensi tinggi sehari-hari; model melakukan kuantisasi dan kompresi serta berbagi KV cache untuk NPU; Runtime merutekan tugas berdasarkan tingkat kompleksitasnya antara sisi perangkat dan cloud. Jika salah satu dari ketiga lapisan ini tidak terpenuhi, “prioritas sisi perangkat” hanya akan menjadi slogan pemasaran.
• Konteks tingkat sistem. Produsen OS merekonstruksi data pengguna lintas aplikasi dan lapisan OS (indeks semantik, kesadaran layar, memori jangka panjang) menjadi konteks pribadi tingkat sistem yang diberikan kepada Agent, yang merupakan prasyarat agar Agent benar-benar "memahami pengguna", sekaligus ciri khas utama OS Agent dibandingkan dengan Agent tingkat aplikasi tunggal. Implementasi bergantung pada tiga lapisan yang saling terkait: Runtime memegang indeks lintas aplikasi dan izin, model sisi perangkat tetap aktif untuk pemahaman dan penalaran, serta NPU menyediakan daya komputasi lokal yang efisien. Core Spotlight milik Apple membangun indeks semantik di perangkat akhir, sementara aplikasi mengintegrasikan tindakan dan data ke dalam sistem melalui App Intents; Agent akan mendapatkan konteks melalui Personal Context (Apple telah mengumumkan bahwa kemampuan ini akan tersedia melalui pembaruan perangkat lunak mendatang); di sisi Android, AppFunctions mengikuti jalur yang sama.
• Sebagai keandalan layanan sistem. OS Agent harus dapat dipanggil sebagai layanan tingkat sistem, sehingga tetap tersedia dalam skenario nyata seperti tidak terhubung ke internet, baterai rendah, dan penurunan suhu panas. Model sisi perangkat tetap berjalan di perangkat, memungkinkan Agent berfungsi tanpa koneksi jaringan; NPU yang dioptimalkan secara intensif secara perangkat lunak dan perangkat keras menangani inferensi berdaya rendah; Runtime mengatur ulang prioritas berdasarkan ketersediaan sumber daya perangkat (beralih ke model yang lebih ringan, atau mengarahkan permintaan ke cloud). Jika salah satu dari tiga lapisan ini hilang, OS Agent tidak dapat mendukung bentuk layanan sistem, dan hanya dapat kembali menjadi tombol obrolan tingkat aplikasi.

Apple Intelligence menyajikan paradigma kolaborasi lengkap: Apple Silicon, model dasar sisi perangkat sekitar 3B, dan kerangka Foundation Models yang saling terkait dari bawah ke atas, menangani skenario umum di sisi perangkat, sementara permintaan kompleks dialihkan ke komputasi cloud pribadi. Google memiliki bentuk yang berbeda. Tensor G5, sebagai SoC pertama yang menjalankan Gemini Nano generasi terbaru secara penuh, hadir di Pixel 10, dengan pengaturan terpusat oleh AICore, memungkinkan fitur sistem seperti Magic Cue dan Pixel Screenshots untuk secara default diaktifkan tanpa bergantung pada cloud. Huawei adalah contoh khas dalam membangun kolaborasi tiga lapisan di dalam negeri: Kirin, NPU Da Vinci, Pangu sisi perangkat, dan HMAF semuanya dimiliki sendiri, terintegrasi secara terpadu dari bawah ke atas menjadi dasar tiga lapisan yang lengkap.

Mekanisme keterkaitan tiga lapisan OS Agent sisi perangkat
Sumber: Yunyong AI

Inti dari tiga lapisan kolaborasi yang membangun parit pertahanan. Di atas dasar tersebut, ada banyak variabel yang memengaruhi daya saing produk di era OS Agent, termasuk kemampuan interaksi Agent dengan App, perlindungan privasi, dll.

Interaksi antara OS Agent dan App berada di garis depan persaingan antara produsen OS dan produsen App. Saat ini, dua jalur berjalan paralel. Satu jalur adalah pengenalan layar dan otomatisasi, termasuk berbagi layar Gemini Live, Apple Visual Intelligence, Circle to Search, dll. OS Agent mengintervensi App dengan membaca layar dan menekan tombol, yang dapat berfungsi untuk tugas tunggal, tetapi setiap panggilan tidak menyediakan informasi terstruktur, sehingga sulit membangun alur kerja multi-langkah secara stabil. Jalur lainnya adalah integrasi API mendalam, termasuk Google AppFunctions, Apple App Intents, Huawei Intents Kit, dll. App membuka tindakan intinya melalui antarmuka terstruktur ke sistem, memungkinkan Agent memanggilnya secara stabil dan membangun alur kerja multi-langkah. Kunci keberhasilan jalur API bukan terletak pada produsen OS, tetapi pada produsen App. Menyerahkan fungsi inti kepada Agent untuk dipanggil berarti pengguna mungkin tidak lagi membuka App secara langsung, sehingga berisiko kehilangan eksposur merek, ruang iklan, data perilaku, dan saluran pembayaran kepada OS. Ini akan menjadi titik pertarungan utama dalam penguasaan alokasi lalu lintas perangkat akhir dari sisi pengguna.

Perlindungan privasi adalah nilai kunci dan batas dasar dari sistem sisi perangkat. Produsen OS memiliki otoritas sistem paling dalam dan data pengguna paling sensitif di sisi perangkat; privasi adalah posisi inti sekaligus syarat awal untuk kemajuan jangka panjang dua hal sebelumnya. Apple membangun sistem perlindungan privasi berbasis terminal melalui chip keamanan independen Secure Enclave di sisi perangkat dan node komputasi awan pribadi PCC yang berbagi desain keamanan tingkat perangkat keras yang sama, strategi produk ini menjadikan "Privacy. That’s Apple." sebagai label merek inti Apple di pasar高端 global, sehingga memperoleh kepercayaan pengguna.

Label "Privasi. Itu Apple." dari Apple
Sumber: Situs web Apple

Tiga lapisan kolaborasi membentuk inti parit pertahanan, sementara variabel jangka panjang di atas dasar ini memengaruhi seberapa dalam ia dapat diperkuat.

Di bawah tren pengubahan OS sisi perangkat menjadi agen, semakin kuat tiga lapisan dasar—Runtime AI tingkat sistem, chip yang dapat dikendalikan, dan matriks model sisi perangkat dan cloud—semakin tinggi batas bawah produk dan semakin besar ruang diferensiasi bagi pabrikan OS dalam pertarungan ini. Hanya pabrikan OS yang memanfaatkan tren ini yang memiliki peluang untuk mendorong penataan ulang hak distribusi lalu lintas entry point sisi perangkat dan memperoleh posisi kompetitif yang lebih kuat.

Tren ini tidak berhenti pada ponsel dan PC. Kemampuan dasar OS Agent menyebar ke lebih banyak perangkat melalui ekosistem multi-perangkat yang telah dibangun oleh berbagai perusahaan, terutama di bidang IoT. Chip yang dapat dikendalikan semakin diterapkan ke skenario seperti SoC mobil; Huawei telah mengembangkan chip Kirin berstandar otomotif, sementara Xiaomi HyperOS mulai diintegrasikan ke model mobil miliknya; model sisi perangkat berpindah ke perangkat baru seperti kacamata dengan pendekatan yang lebih ringan, dan kacamata pintar Android XR yang dikembangkan bersama oleh Google, Samsung, Gentle Monster, dan Warby Parker akan dirilis pada musim gugur 2026; sinergi Runtime dan Agent diperluas ke kelompok perangkat melalui kerangka “super terminal/distribusi” yang telah diimplementasikan oleh masing-masing perusahaan, misalnya 1+8+N dan saluran perangkat lunak distribusi HarmonyOS milik Huawei, “ekosistem lengkap orang-mobil-rumah” dan HyperConnect milik Xiaomi, Continuity milik Apple, serta Cross device SDK dan layanan lintas perangkat milik Google. Pertarungan OS Agent jauh melampaui kemenangan atau kekalahan di ponsel dan PC.

AICore telah disempurnakan selama hampir dua tahun; sistem operasi Apple dan rangkaian chip Apple Silicon telah disesuaikan selama belasan tahun; Tensor terus diperbarui hingga G5, baru pada Pixel 10 mampu memikul beban Gemini Nano v3. Keunggulan pertarungan ini tidak pernah ditentukan dalam satu atau dua jam di acara peluncuran, tetapi dihasilkan melalui generasi demi generasi chip, model, dan Runtime.

Referensi:

• Gemini Intelligence membawa AI proaktif ke Android｜Blog Google
• I/O 2026: Selamat datang di era agen Gemini｜Blog Google
• Phi Silica, SLM perangkat kecil namun kuat｜Windows Experience Blog
• Apple Menunda Peningkatan Siri Secara Tidak Terbatas｜Bloomberg
• Peluncuran HarmonyOS 6 Developer Beta (HDC 2025) | Huawei
• Gemini Nano terbaru dengan API ML Kit GenAI di perangkat｜Blog Android Developers
• Dokumentasi kerangka kerja Foundation Models｜Apple Developer
• Whitepaper on the HarmonyOS Intelligent Agent Framework | Huawei Developer
• Llama 3.1 di Perangkat dengan Core ML｜Penelitian Mesin Apple
• Laporan Teknis Model Bahasa Dasar Apple Intelligence 2025｜Penelitian Mesin Pembelajaran Apple
• Google Tensor G5: Hasil benchmark dan semua yang perlu Anda ketahui｜Android Central
• SoC M5 baru dari Google (Tensor G5 Dijelaskan · Matryoshka Transformer)｜Jon Peddie Research
• Compute Cloud Pribadi: Perbatasan baru untuk privasi AI di cloud｜Apple Security Engineering
• Ikhtisar AppFunctions｜Pengembang Android
• App Intents｜Apple Developer
• Pengenalan Intents Kit (HarmonyOS) | Pengembang Huawei
• Chip Tensor G5 pada Google Pixel 10 Pro sangat mengesankan—jika Anda membandingkannya dengan iPhone 14｜Macworld
• Ringkasan model Gemma 3n｜Google AI untuk Pengembang