OPPO 安第斯：模型不单独收费，赌的是换机

三档模型按场景调度，端侧扛日常、云端扛重活

AndesGPT 分 Tiny、Turbo、Titan 三档，参数从十亿级到千亿级。OPPO 称三档模型按场景智能调度。公开资料未披露各档模型与端侧、云端的逐一对应关系；本案例的推断是：端侧承载轻量任务以保证响应和隐私，云端承载复杂请求。这一分工属于推断，而非 OPPO 披露的事实。

端侧落地的关键数字是70亿参数模型经4bit量化、蒸馏、剪枝后，实际占用存储与内存最小约3.9GB。这让 Find X7 标准版能以3999元起售价承载端侧大模型。模型能力本身不单独售卖，而是作为 ColorOS 的系统级功能交付。

2025年 OPPO 进一步提出“新计算、新感知、新生态”，引入 PersonaX 记忆引擎和 Agent Matrix 框架，说明其产品方向从单次问答转向跨应用的任务执行。这对端侧算力和内存的占用会进一步上升，中端机的承载能力是接下来的观察点。

1+N 智能体生态：用开发平台换第三方场景，但入口仍在自己手里

2024年2月 OPPO 发布 1+N 智能体生态战略，由 AI 超级智能体与 AI Pro 开发平台组成。逻辑是：OPPO 控制系统级入口（超级智能体），第三方开发者在平台上做垂直场景智能体。对开发者来说，这是触达 ColorOS 用户的通道；对 OPPO 来说，这是用外部开发力量填补场景，而不必全部自研。

但账本里没有披露该平台的分发规则、分成比例或开发者规模。已知的是 OPPO 称与32万开发者、75万创作者合作，服务全球6亿 OPPO 用户。这个数字是整体生态口径，不是 AI Pro 平台的单独数据。

判断：智能体生态是防御性布局，防止系统级 AI 入口被第三方应用绕过。但它不直接产生模型收入，价值仍然回流到手机体验和换机意愿上。

模型不单独收费，钱随手机硬件走

AndesGPT 没有独立的订阅费或 API 调用费。用户付钱买的是手机，模型能力作为 ColorOS 的一部分交付。Find X7 标准版12GB+256GB 售价3999元，16GB+1TB 售价4999元，这是硬件定价，不是模型定价。

这种模式的直接后果是：模型研发和算力成本无法单独核算回报，只能摊进手机毛利。据 R11 报道（单一二手来源，置信度中等），Find X7 标准版起售价较上一代 Find X6 下降500元。这可能反映大模型能力在定价上没有形成溢价，但该判断仅基于单一来源的降价事实，需更多定价数据佐证，不宜直接当作因果结论。

因此，AndesGPT 的商业逻辑不是“卖模型”，而是“用模型制造换机理由”。收入线只有一条：手机销量。模型是成本项和卖点项，不是收入项。

中端 Reno 承载模型下放，但价格带压缩投入回收空间

OPPO 计划在定位中端的 Reno 系列落地大模型能力。这意味着同一套模型能力要从3999元起的 Find X7 下放到更低价格带。对销量的意义是覆盖更多换机人群，对成本的意义是单机分摊的研发和算力成本被进一步摊薄，但单机毛利也更薄。

账本没有披露 Reno 系列的具体定价和模型配置。可确认的是端侧70亿参数模型经优化后最小约3.9GB 占用，这是中端机能否承载的关键约束。若中端机内存和算力不足，模型体验会打折，换机理由随之减弱。

判断：中端下放是规模化的必要动作，但它把“模型溢价”压得更低。OPPO 赌的是规模摊薄成本，而不是靠模型收溢价。

付费客户是换机用户，开发者是生态客户但不直接付钱

真正付钱的是买手机的人。截至2023年11月，ColorOS 全球月活跃用户超过6亿，这是 OPPO 的存量换机池。AndesGPT 的任务是让这批用户在下次换机时选择 OPPO，而不是流向竞品。

开发者是另一类客户，但不直接付钱。OPPO 称与32万开发者、75万创作者合作，服务全球6亿 OPPO 用户（R3）。开发者通过 AI Pro 平台接入，看中的是 ColorOS 的分发能力，而不是为模型付费。

OPPO 称 AndesGPT 服务全球数十亿用户，这个口径明显大于 ColorOS 的6亿月活，可能是把多类智能设备都算进去了。公开资料没有拆解这个数字的构成，不宜直接当作付费用户数使用。

靠系统更新推送触达存量，靠新机首发制造声量

OPPO 的模型分发不走独立应用，走 ColorOS 系统更新。2024年2月9日，OPPO 向超千万用户推送 ColorOS AI 新春版，这是典型的存量触达：不需要用户主动下载，系统更新直接把 AI 能力推到设备上。

新机首发是另一条通道。Find X7 于2024年1月8日发布，OPPO 称其为全球首款端侧应用70亿参数大模型的手机，这为 AndesGPT 提供了硬件锚点。模型能力和新机绑定，形成“买新机才有完整体验”的分发逻辑。

两条通道的共同点是：OPPO 控制入口。不需要应用商店分成，不需要第三方渠道，触达效率取决于系统更新覆盖速度和老机型的算力承载能力。

钱花在自建数据中心和端侧推理优化，两头都是重投入

云端一侧，OPPO 自建 AI 滨海湾数据中心（位于东莞），部署 Titan、Turbo、Tiny 三级模型实现端云协同。OPPO 称未来将在云端算力上持续投入。这是固定成本，不随单次调用波动，但需要足够的用户调用量来摊薄。

端侧一侧，据 R11 报道，OPPO 自研 AI Boost 推理引擎与 Transformer 加速库，使端侧大模型功耗降低一半（单一二手来源，置信度中等）。这是研发人力投入，换取的是端侧体验的可用性。没有这个优化，70亿参数模型在手机上跑不动。

更早的口径是2019年12月 OPPO CEO 陈明永宣布未来三年研发总投入达500亿元人民币。这是全公司研发口径，不是 AndesGPT 的单独投入。公开资料没有披露 AndesGPT 的具体研发和算力支出。

靠手机业务现金流养模型，没有独立融资

OPPO 没有为 AndesGPT 设立独立融资主体，公开资料未披露该业务的融资或估值。模型的资金来自手机业务的经营现金流。这意味着 AndesGPT 不需要向外部投资人证明收入模型，但需要在手机销量上间接证明价值。

2019年宣布的三年500亿元研发投入是集团口径，覆盖范围远大于 AndesGPT。AI 滨海湾数据中心的建设成本、云端算力扩容、端侧推理研发，都从这个大盘子里出。

这种结构的优点是耐心：不需要短期变现。缺点是缺乏独立反馈信号：模型做得好不好，只能从手机销量和换机周期里间接推断，难以单独评估投入产出。

护城河在端侧推理优化和存量设备池，不在模型榜单

OPPO 称 AndesGPT 在 SuperCLUE 知识与百科榜仅次于 GPT-4，领先其他国内大模型。另有百度百科词条（置信度较低）称 2024年9月发布的 AndesGPT-2.0 在 SuperCLUE 总榜位列国内大模型第二。这些是榜单成绩，不是商业壁垒。榜单会变，模型能力也会被追平。

更实的壁垒是端侧：70亿参数模型经4bit量化、蒸馏、剪枝后最小约3.9GB 占用，据 R11 报道配合自研 AI Boost 推理引擎使功耗降低一半（单一二手来源，置信度中等）。这套工程能力决定了模型能不能在手机上跑得动、跑得久，是软硬件协同的产物，不是单点模型能力。

另一层壁垒是6亿 ColorOS 月活用户构成的存量池。模型能力通过系统更新触达这批用户，换机时形成路径依赖。但这个壁垒属于 OPPO 整体，不属于 AndesGPT 单独所有。

模型体验拉不开差距，算力投入变成沉默成本

AndesGPT 不单独收费，其商业价值完全依附于手机销量。如果模型体验与竞品拉不开可感知的差距，用户不会因为 AI 提前换机，自建数据中心和端侧研发的投入就无法通过销量回收。

榜单成绩不能解决这个问题。SuperCLUE 排名是实验室口径，用户感知的是日常任务中的响应速度、准确率和隐私。据 R11 报道（单一二手来源，置信度中等），Find X7 标准版起售价较上一代下降500元。这可能反映大模型能力在定价上没有形成溢价，但该判断仅基于单一来源的降价事实，需更多定价数据佐证。若后续定价数据印证这一趋势，说明模型目前更接近防守项，而非进攻项。

中端机承载模型，体验和成本两头挤压

OPPO 计划在 Reno 系列落地大模型能力。中端机的内存、算力和散热都弱于旗舰，端侧70亿参数模型最小约3.9GB 占用，在中端机上能否流畅运行是未知数。若体验打折，中端用户不会为 AI 买单。

同时，中端机价格带更低，单机毛利更薄，分摊模型研发和算力成本的空间更小。OPPO 赌的是规模摊薄，但如果中端机销量不足以覆盖增量成本，模型下放就变成负贡献。

公开资料没有披露 Reno 系列大模型的具体配置和定价，这是判断该风险的关键缺口。