端侧智能体真正的门槛，不是能否调用大模型，而是能否在系统边界内安全地“看见、理解并行动”。它需要的权限，不能简单等同于传统应用权限的叠加，而应被设计成面向任务的、可撤销的授权体系：智能体可以感知环境、理解用户意图，并在必要范围内调用设备能力，但不能因此获得无限制的系统控制权。
权限应覆盖哪些能力
第一类是感知权限，包括摄像头、麦克风以及与设备状态相关的传感器。机器人手机展示了可运动的摄像头，这意味着智能体不仅可能读取图像，还可能影响摄像头朝向、拍摄时机和跟随方式。读取数据与控制硬件应当分开授权，不能因为允许拍摄，就默认允许设备持续转动或主动采集。
第二类是上下文权限，包括通知、位置、日历、联系人和本地文件等信息。这些数据能帮助智能体理解任务，但敏感程度并不相同。系统应支持按场景、按时间和按数据类型授权，而不是设置一个长期有效的“全部允许”。
第三类是执行权限，包括打开应用、填写内容、发送信息、修改设置以及控制外部设备。查询、整理等低风险操作可以在授权后自动完成；涉及支付、合同、对外发送、账号变更或关键设备控制的动作，则必须保留明确确认。自然语言中的“帮我处理一下”，不能被系统解释为无限授权。
权限设计的核心不是“给不给”
端侧智能体需要的是分级权限，而非超级权限。较稳妥的模型至少应包含最小权限、短期授权、动作前确认、全过程记录和随时撤销五个机制。每次执行都应能说明：使用了哪些数据、调用了什么能力、将产生什么结果，以及失败后如何恢复。
还要区分“理解任务”和“执行任务”。智能体可以在本地分析一张图片或一段语音，但这不意味着它可以自动上传、转发或调用其他应用。端云协同越深入，数据流向越需要透明，敏感信息应尽量在设备侧完成初步处理。
因此，端侧智能体的竞争重点并非获得最多系统权限，而是建立可解释、可审计、可撤销的授权边界。只有当用户能够放心地把部分任务交给设备，手机才可能从信息入口真正转变为可靠的执行节点。