A certificate, which will not affect your device replacement schedule for now.

文章作者、來源：極客公園

時間回到 7 月下旬，如果你關注智能手機領域的話，應該會記得大量手機廠商開始官宣自己的手機通過了國家人工智能 L3 級認證。

這輪集體官宣的起點，是 2026 年 7 月 17 日公布的首批人工智慧終端智慧化等級測試結果。

根據首批測試名單，移動終端中共有 11 款產品達到 L3，包括 9 部手機和 2 台平板。手機部分覆蓋華為、摩托羅拉、榮耀、vivo、OPPO、小米和階躍星辰等品牌。

名單發布後，廠商很快將一份技術測試結果翻譯成適合社交媒體傳播的語言。華為強調「首證」，小米強調「國家級」，vivo 則直接將 L3 稱為當前最高智能化評級。華為和小米於 7 月 18 日官宣，OriginOS 於次日跟進，幾張相似的 L3 海報構成了一場少見的集體預熱。

雖然口徑上存在一些細微差異，但可以看出這些宣傳背後指向的是同一個認證測試，即工信部在今年 5 月發布的《人工智慧終端智慧化分級》。

這個 L3 能力究竟代表什麼？我們什麼時候才能用上這些 L3 手機？以及如果按照汽車的標準來理解的話，更長遠的 L4 級是否就是代表完全無需人工干預的 AI Agent 的設備形態？

L3 不代表「自动驾驶」

在介紹整個認證規範前，其實有兩個容易陷入的理解誤區。

第一，對應的 GB/Z 177—2026《人工智能終端智能化分級》是一套國家標準化指導性技術文件，不是強制性國標。

它提供的是業界共同使用的能力標尺，不是一條決定手機能否上市的準入紅線。這也是標題裡給「國標」加上引號的原因：它確實屬於國家標準體系，但現階段主要承擔指導和評價作用。

第二，L3 評估的是特定終端及其軟硬體版本，而非為整個品牌授予等級。某型號通過 L3，並不意味著同品牌所有手機自動升級；未出現在首批名單中，也不代表測試失敗，因為首批結果來自廠商主動送測，而非市場隨機抽樣。這顯然也未涵蓋市面上所有 AI Agent 手機產品：同樣於 7 月底官宣預熱並進入內測階段的 OPPO AI Agent 手機項目小布 NEXT，也未出現在此名單中。

換句話說，L3 可以成為產品賣點，但它還不是手機行業的總排名。

如何將 L1 升級至 L3

此外，你可能也注意到了：這套標準其實並不是針對模型能力的測試。它將終端能力拆分成感知、認知、執行、記憶和學習五個維度，下面再細分為用戶感知、任務規劃、工具調用、長短期記憶和情境適應等 14 項能力。

把這些術語放進一個日常場景，會更容易理解。假設用戶對手機說：「幫我安排一次週末去杭州的旅行。」

L1 是「響應級」。手機能聽懂一條簡單而明確的指令，調用確定的工具，完成一步任務。比如打開日曆，或者設置週六早上的提醒。它更像一根被語音觸發的手指：你讓它點哪裡，它就點哪裡。

L2 是「工具級」。手機能夠理解簡單意圖，進行有限推理，調用預設工具完成一步或路徑明確的多步任務。它可以查詢杭州天氣、生成一份行程建議，再把結果留在當前對話裡；但流程基本是產品預先鋪好的，記憶也以短期上下文為主；其實已經接近手機上安裝一個豆包 APP 的效果。

而手機廠商普遍提及的 L3，則是目前真正要達到的目標「輔助級」：手機要理解更完整的目標，在資訊不足時主動追問，將任務拆解，再根據情況選擇和編排工具。它還需具備短期與長期記憶，讓「不坐早班車」「酒店盡量靠近西湖」這類偏好在下一次任務中繼續生效。

同一句「安排杭州旅行」，到了 L3，可能被拆成確認日期和預算、查詢交通與天氣、篩選酒店、生成日程、寫入日曆。涉及付款、敏感資料或不可逆操作時，再把確認權交還給用戶。

The difference between L1 and L3 is not that AI's responses become more human-like, but that the phone takes on increasingly complete tasks.

移動終端的測試也比一張演示海報更具體。終端需在至少 3 個典型場景中接受測試，達到目標難度的工具調用任務比例不得低於 80%。單項任務默認需在 5 分鐘內完成，最多有 3 次機會；端側能力在離線環境中測試，端雲協同能力則在聯網環境中測試。

此外，L3 的長期記憶至少需涵蓋 3 種類型的資訊，例如用戶基本資訊、工具偏好、對話歷史、常去地點、日程待辦或使用習慣。但複雜推理與規劃可於雲端完成，標準也未要求 L3 必須具備持續進化學習能力。

這解釋了模型與等級之間的關係。大模型負責理解語言、識別圖像和規劃任務，是手機的核心能力來源；但模型再強，如果只能困在聊天框裡回答問題，依然不足以讓整台手機成為 L3。反過來，一個參數並不誇張的模型，如果能和操作系統、工具接口、用戶記憶及雲端能力配合，也可能完成 L3 任務。

此外，7 月 15 日公布的手機端模型備案名單與 L3 測試並非同一回事。備案解決的是生成式 AI 服務能否合規提供的問題；L3 測試評估的是模型裝入具體手機後，能否與系統和應用共同完成任務。前者是服務的合規底線，後者是終端的能力刻度。

真正參加考試的不是一個模型，而是由模型、系統、應用和權限機制組成的整支隊伍。

此外，你可能注意到一個與汽車智駕標準不同的細節是，手機廠商普遍將 L3 稱作「當前最高等級」。

但這其實也是一種文字遊戲：L3 確實是目前已明確提出要求、可進行測試的最高等級，但並非此認證體系中的最高等級：在標準細則中，L4 的名稱為「協同級」，具體要求卻直接標註為「待定」。針對手機和平板的 GB/Z 177.3—2026，目前也僅規定了 L1、L2 和 L3 的測試方法。

換句話說，L3 級別的 AI Agent 手機仍是一名助手：它能拆分任務、調用工具、記住偏好，但主要圍繞一台終端和一個用戶目標運作。到了「協同」階段，問題會自然擴展至多個智能體、多個設備和多個服務主體。

手機能否將訂票交給旅行智能體，將預算交給支付服務，再讓車機、耳機和日曆共同調整計畫？任務執行錯誤時由誰負責？一個 Agent 獲得的權限，能否傳遞給另一個 Agent？這些問題沒有穩定答案，L4 就很難擁有可重複的測試題。

L4 空著，暴露的不是模型能力不足，而是協同規則、責任邊界和安全機制還未成熟。

手機的 L1—L4 也不能套用自動駕駛的責任邏輯。自動駕駛等級圍繞車輛接管動態駕駛任務以及事故責任劃分；AI 終端等級衡量的是任務複雜度與系統能力。數字看起來一樣，考試科目完全不同。

因此，現在任何將一部 L3 手機包裝成「全自動駕駛級 AI」的說法，其實你都可以理解為是「傳播話術」。至於真正的 L4 手機，至少要等標準先回答什麼是協同——以及協同失敗時誰來踩剎車。

還需要換手機嗎？

對於一般消費者來說，我聽到最多關於這套標準的問題是：隨著這套分級標準逐漸落實，為了使用更強大的 AI Agent 功能，我們需要更換新手機嗎？

如果嚴格按照國標來問，L3 手機什麼時候上市，答案是：已經上市了。

因為首批名單並非全是尚未發布的手機新品：華為 Pura X Max 已於 4 月發布，3 款聯想 moto 手機也在 5 月亮相。當然，名單中同樣存在尚處發布窗口的產品，例如榮耀 Robot Phone。此外，更為人熟知的「豆包手機」二代，也不在相關的名單中。

但消費者真正關心的通常不是證書意義上的 L3，而是另一件事：什麼時候可以買到一部能穩定理解目標、跨應用辦事，並且不在最後一步掉鏈子的手機？

榮耀已提供一份較明確的時間表：Robot Phone 將於 2026 年 8 月首發 AgenticOS 核心，Magic9 系列計劃於第四季度提供試用版。

原生 Android 這邊也在推進 AppFunctions 和介面自動化框架，讓應用將功能開放給智能體，並計劃在 2026 年晚些時候公布更多細節。

據此判斷，2026 年下半年將是「消費級 L3 體驗」集中出現的第一輪窗口；但如果期待它像今天的相機、支付一樣成為主流手機的穩定能力，更現實的觀察點是 2027 年。

根據 Counterpoint 的預計，到 2027 年，生成式 AI 手機將佔全球出貨量的 52%，智能體能力也會繼續向旗艦產品擴展。

但这仍無法直接換算為國標 L3 的市場佔比，兩套定義並不相同。但它提供了一個我們可以期待的手機換代節奏：2026 年觀察旗艦機試水，2027 年觀察應用生態和中端機能否跟上。

因此，如果現有手機的性能和續航都沒有明顯問題，就不必為了取得一張 L3 證書而提前更換手機。

標準允許複雜推理借助雲端完成，許多能力也可能透過系統更新到達現有旗艦；真正決定體驗的，是廠商是否持續維護系統，以及常用應用願不願意開放工具接口。

如果本來就到了更換設備的週期，L3 可以成為新的篩選條件，但至少還要看三件事：真實任務成功率、常用應用覆蓋範圍，以及每一步操作是否可見、可暫停、可撤銷。

證書證明手機跨過了一條線，卻不能證明它已經值得接管你的數位生活。

真正值得等待的，是有一天我們不再關心它屬於哪個等級，只記得那句「幫我辦了」之後，事情確實被穩穩辦完。