华为刘睿:AI 助手要告别聊天框,从「被动响应」走向「主动服务」

在商汤没能落地的技术，如今登上了华为Mate 80发布会的舞台——不是作为演示片段，而是真正装进千万用户手机里的AI助手功能。

这不是技术的简单迁移，而是一次范式跃迁：从‘等你提问’的聊天框，走向‘看见你就懂你需要什么’的主动服务。主角是刘睿，港中文博士、前商汤MIG核心研究员、现任华为小艺大模型应用实验室首任主任。他毕业那年被称作‘坏时候’：Stable Diffusion刚冒头，ChatGPT尚未引爆，深度学习红利见顶，商汤赖以生存的算法SDK生意正悄然松动。

从乙方困局到甲方破局

在商汤，刘睿团队为华为、小米、OPPO、vivo等厂商定制端侧AI算法——人脸识别、图像增强、OCR识别……合作对象甚至延伸至高通、联发科、索尼等上游芯片厂。他们提前拿到未发布的芯片样片，在上面打磨极致轻量、高性能的模型Demo，再打包成SDK授权销售。这曾是AI创业公司的黄金路径。

但2022年底起，风向变了。当GPT和Diffusion证明‘一个基础模型能泛化解决无数垂类任务’，定制化SDK的商业逻辑便开始瓦解：客户不再只想买模块，而是想共建基座、掌控智能入口。刘睿敏锐意识到——技术没变慢，只是赛道重写了规则。

那个被搁置的‘对话式修图’，终于活了

他在商汤时曾向小米提出一个构想：把修图放进对话框。用户说‘让天空更蓝一点，人物皮肤再亮些’，AI即刻理解并执行——无需打开图库、点击滤镜、滑动参数条。可惜当时终端厂商尚未形成共识，项目未能立项。

加入华为后，这个想法迅速落地。2025年华为Mate 80发布会上，‘对话式修图’成为小艺旗舰能力之一。它不再是工具，而是视觉理解+自然语言指令+实时渲染的闭环。同一时期，谷歌推出Nano Banana，印证了这一方向的行业共识。

技术背后，是架构级重构：放弃传统图像处理管线，将用户意图、原始图像、编辑历史全部编码进统一语义空间，由多模态大模型统筹调度。这意味着，修图不再是‘操作像素’，而是‘理解意图’。

Aura：让AI真正‘在场’

如果说对话式修图是‘单点突破’，那么Aura流式视频理解模型，则指向下一代智能助手的本质——持续感知、长期记忆、主动响应。

不同于以往‘上传一张图→提问→返回答案’的静态交互，Aura像一位始终在场的视觉伙伴：它持续接收手机摄像头的实时画面流，以约300毫秒为单位切片建模，边看边记、边记边想。视障用户过马路时，它能盯住红绿灯，在绿灯亮起瞬间语音提醒；做菜时，它观察你切菜、倒油、翻炒的动作节奏，适时提示‘该加盐了’或‘火候稍大’。

其核心技术在于‘流式多模态对齐’：视觉与音频编码器将连续信号压缩进隐空间，再与大语言模型的语义空间动态校准。这让模型不仅能回答问题，还能基于上下文主动发起交互——比如突然说：‘你看，窗外的晚霞正在变紫。’

目前，Aura已被OpenAI前CTO Mira Murati创立的Thinking Machines Lab引用，并评价为‘最接近我们理想中具身智能雏形的工作’。

编辑点评：刘睿的经历折射出中国AI从业者的典型进化路径——从追赶模型指标，到定义产品形态；从交付代码模块，到塑造人机关系。真正的技术壁垒，正从算力与参数，转向对真实场景中‘用户未言明需求’的预判力与执行力。