7月27日，财新圆桌AI系列”智能体时代终端产业的下一站”研讨会在北京举办。本次会议汇聚了经济学界、行业研究机构及产业专家等多方代表，围绕当前智能体技术对于终端产业的系统性重构、个人AI终端市场前景等话题展开交流与探讨。与会嘉宾从产业发展、技术创新及生态协同等维度分享观察与思考，共同探讨了AI时代终端产业的发展新趋势、新机遇。
会上，由高通公司委托，全球著名信息技术与消费科技咨询顾问公司IDC独立开展研究的《从AI设备到个人AI：智能体驱动的终端进化与产业重构》白皮书正式发布。白皮书基于产业及技术演进趋势，系统梳理和分析了产业现状，探讨了“个人AI”的核心特征、价值潜力与实现路径，旨在为产业各方把握智能体时代的发展机遇、实现战略转型提供参考。
活动结束后，高通公司产品技术专家朱元堃与IDC中国副总裁王吉平共同接受了集微网等媒体采访，围绕AI终端的评价标准、端云协同、技术瓶颈、生态共建等行业关心的话题进行了深入分享。从算力之争到系统级竞争，从硬件架构到软件生态，勾勒出智能体时代端侧AI的图景。
智能体时代来了，端侧AI不是云端”缩小版"
2026年被业界普遍视为”智能体元年"。在今年的WAIC上，智能体相关产品和论坛占据了C位，热度空前。但热闹之下，一个根本性的问题仍待回答：当AI从生成式迈向智能体，端侧的角色到底是什么？
高通公司产品技术专家朱元堃
朱元堃在演讲中给出了一个鲜明的判断。他引用知名知识博主卡兹克的话说：“2026年，ChatGPT亲手终结了Chat时代。"
在他看来，虽然Chat依然存在，但它不再是使用AI的唯一方式。智能体时代的核心特点在于，AI具备了感知和决策能力，可以进行最终的任务执行。当智能体与个人进行耦合，未来的边缘端移动设备将承载大量智能体应用。
这一判断背后，是对端侧价值的重新定义。长期以来，业界有一种观点认为端侧AI只是云端的”缩小版"，把大模型剪一剪、量化一下塞到手机里就算完事。但在朱元堃看来，这种理解完全低估了端侧AI的独特价值。
“如果完全依赖云端，它或许能成为极其强大的生产力工具，但却很难成为一个有温度的、温情的、真正理解个人的个人AI智能体。"朱元堃表示。
为什么？因为云端天然不靠近用户，无法获取最实时的个人信息。而端侧设备恰恰掌握着用户最私密、最实时的感知数据——你的位置、你的运动状态、你的语音语调、你的使用习惯。这些数据构成了”个人AI"的灵魂。
基于此，高通对终端和云端进行了角色分配，但这并非强行切分，而是基于任务特性的自然分工和无缝流转。端侧AI具备感知能力，掌握着个人信息与记忆，并拥有对应的规划器与本地运行模型，它可以自然而然、无缝地调用云端能力。
“这并非‘你该做什么、我该做什么’的绝对功能划分，而是根据产业成熟度与用户需求演进，逐步形成的一种能力互补、协同运行的良性闭环。"朱元堃强调。
TOPS不是唯一标准！AI终端比拼的是综合实力
过去几年，提起端侧AI，最常被拿来比较的指标就是TOPS——每秒万亿次运算。厂商发布会动辄”算力翻倍”，消费者也习惯用数字大小判断强弱。但在智能体时代，这套评价体系正在失效。
在朱元堃看来，算力是基础，但不是唯一标准。他解释称，高通芯片的硬件架构，整体是以成熟IP组合的形式，通过适配不同行业或场景，形成不同的芯片解决方案。如果其中某一项算力指标特别突出，一定有其适配对应行业或场景的理由。
但朱元堃强调，相比单一的算力指标，高通更关注AI基准测试（AI Benchmark）的表现。首字速度、译码速度、内存占用、生成速度、精度……这些维度都会被纳入AI基准测试之中。它不再是简单比较CPU或者NPU峰值算力，而是从场景维度出发，形成一套系统性的评价体系。
“这也是行业基本形成的共识：AI基准测试不完全看算力，还是看综合表现。所以这也是我们既要关注硬件算力，还要讲究软件配合的原因——因为光有硬件算力，没有软件的协同，就无法达到理想的整体效果。"朱元堃说。
如果说算力不是最大的瓶颈，那AI终端真正的挑战在哪里？朱元堃认为是内存和功耗。
“对于端侧智能体而言，算力的主要问题其实还是内存和续航的限制，而非性能的限制。"他解释道，端侧部署智能体时，需要在不同指标之间进行权衡。内存问题首先体现在物理尺寸方面，内存配置受到成本的制约，这是整个行业共同面对的问题。此外，内存带宽也是一项重要瓶颈。
朱元堃强调，解决内存带宽问题并不完全是一个”堆料”的过程，技术上还有许多新的突破路径。高通也在积极探索3D内存堆叠等技术，以突破现有LPDDR的瓶颈。即便暂不考虑全新的内存技术，LPDDR自身的演进也会对行业产生明显促进作用——以LPDDR5X向LPDDR6的演进为例，仅硬件规格的提升，理论上就可以使内存带宽提升约50%。
“当系统中最明显的短板得到显著改善时，对整个行业的推动作用也会非常明显。"朱元堃表示。
重塑终端计算架构 骁龙已是AI原生平台！
谈及智能体时代的显著的变化，王吉平援引白皮书中的观点称，AI终端的算力分布正在从”全云端”向"端边云三级"的分布式架构演进，不同层级算力承担不同任务，在具体场景下实现体验与成本的最优解。
IDC中国副总裁王吉平
而与之相对应，高通也从底层重塑了终端计算架构，让骁龙平台”为AI原生打造"。
朱元堃在演讲中详细拆解了面向智能体AI的新一代设备架构。在他看来，边缘侧设备的核心计算单元SoC不仅是一颗芯片，而是一个完整的系统，可以细分为多个核心模块。
首先是传感器中枢（Sensing Hub）。为了应对数十毫安、甚至个位数毫安的应用场景，它从架构设计上专注于超长续航和超低能耗的技术特征，从而能够完成用户场景的有效感知和识别。
"高通传感器中枢具备低功耗的特性，有望成为未来个人AI最重要的信息入口之一。"朱元堃介绍，传感器中枢包括Micro NPU、始终感知的ISP、DSP、个人记录模块以及独立内存。这一架构可以让传感器中枢以相对独立的方式工作，在对周围环境进行感知的时候，不需要频繁唤醒CPU、系统内存或者总线等高功耗模块。
其次是CPU，整个系统的绝对核心，具备强大的计算能力和调度能力，承担起整个系统的”总指挥”。第三是NPU，这是智能体的"AI算力核心"，主要在端侧承担推理和思考任务。最后是调制解调器，也就是连接能力——6G等高速连接能力相当于外部连接，确保整个系统在端侧、边缘侧和云侧进行无缝的任务切换和流转。
NPU架构是高通在AI算力方面的核心能力。目前，无论是大语言模型、多模态模型，还是很多传统的影像类模型，都需要依靠NPU进行加速。高通的NPU不仅包含多个向量和矢量运算单元，还有更高性能的张量加速器，整个架构面向全新AI时代设计。过去几年，高通持续提升NPU性能，同时不断优化能效表现，实现了性能提升与功耗降低的同步演进。
上述这些模块共同构成了”高通AI引擎"。它们不仅各自具备AI计算能力，还非常适合在AI工作链路的底层进行快速数据流转，从而高效地完成并行负载任务。
“统一路线图”：一次开发，多端部署！
如果说硬件架构是高通的”硬实力"，那么统一的技术路线图和全栈软件能力，则是高通更深层次的护城河。
智能体时代的一个显著特征是终端形态的爆发式增长。手机、PC、智能眼镜、可穿戴设备、汽车、机器人……每一种终端都有自己的算力需求和功耗约束。如果每一种终端都要单独适配、单独开发，成本将高得惊人。
高通的解法是：统一技术路线图。
“高通提供的是一套完整的AI全栈解决方案，它可以广泛覆盖到各个终端品类，这是因为骁龙芯片在底层采用统一的底层技术架构。"朱元堃表示，正因如此，这套全栈能力覆盖高通广泛的终端布局，从手机到PC，从可穿戴到汽车，开发者一次开发，就能够面向多个终端平台进行规模化部署。
这对行业意义重大。对于任何一个行业的开发者而言，环境和平台的变化往往意味着额外的适配成本。但如果使用高通的平台，无论最初面向的是AI眼镜、手机、PC还是其他终端设备，都可以在统一的架构和开发框架下实现能力迁移和部署。
另一个优势来自高通在硬件层面的灵活性。在横向维度上，高通拥有通用处理器、图形、摄像头、连接等模块，可以面向不同的终端打造不同级别的SoC。面向不同的场景，考虑到性能和功耗的需求不同，也能提供多种选择。
“基于高通的统一技术路线图，既能支持复杂的汽车领域，也能适配覆盖眼镜、耳机等相对轻量化的终端设备。整体而言，我们的硬件具备强大的灵活性和丰富性，也可以随着行业的需求变化而快速调整。"朱元堃说。
从技术本质来看，将一个智能体拆解开，本质上它是由多个软件模块串联组成的。它在不同品类的终端上，基于统一的技术底座，本质上都可运行。某个模型只要已经在PC平台上部署，就同样可以迁移至眼镜或手机端。
当然，不同终端之间仍然存在差异。朱元堃也坦诚，不同硬件平台在算力规模、功耗水平、内存资源以及时延表现上都存在差异，PC上实现的场景和对应的KPI，并不一定能够原封不动地迁移到手机上，可能需要做出一定取舍。
“但这种取舍可以是产品定义的调整，因为每个智能体本质上都是一种产品定义。你可以调整产品的规格，也可以为了更快的响应调整模型的参数尺寸。在性能、功耗、时延以及体验上有很多可以调整的地方。所以归根结底，不同终端之间的能力是互通的。"
不只是卖芯片！高通的”不可替代性"在哪？
在芯片行业，”卖芯片"是最基础的商业模式。但在智能体时代，仅靠提供硬件已经远远不够。当被问及"高通有什么不可被替代的价值、绝对优势是什么"时，朱元堃的回答揭示了高通更深层次的布局。
他认为，打造完整的AI生态，仅依靠自身高性能的硬件远远不足，因此高通长期重点深耕AI软件层面，进行了完备和丰富的布局。
一方面，高通面向广大开发者开放高通AI工具链，同时配套完整的工具链指引说明。”事实上，并不是所有芯片厂商都会开放自有AI工具链。"朱元堃特意强调了这一点。
另一方面，针对行业里模型部署困难的普遍问题，高通推出了AI Hub平台。平台汇聚数百款行业主流AI模型，开发者仅需简单操作，即可筛选适配高通平台的模型并完成本地部署，同时还提供配套的开发文档和教程，助力生态伙伴基于硬件平台更快地实现产品落地。
而面向直接客户，高通的核心竞争力在于构建长期稳定、专业高效的合作支持体系。
“高通希望为行业客户提供的不只是单一的性能数据，而是一套更加全面、负责任的评估支持体系。"朱元堃介绍，高通会在非常早期就开始和客户深入沟通产品形态、预计使用的算法模型、KPI、期待激活的用户场景等等，并根据需求和客户进行共同开发。随着功能和项目逐步成熟，进入后续瀑布式下放的阶段，高通的参与会相应减少，更多资源会投入到前沿技术探索和新兴行业需求中。
“客户持续选择我们，一方面源于过硬的产品实力，另一方面得益于完善的配套工程服务。"朱元堃总结道。
这种深度合作模式，也催生了”由AI定义新终端"的可能。在朱元堃看来，产业各方最重要的协作方式，是共同把一个具体用例定义清楚。很多时候，一个AI应用或者智能体就可以催生一种全新的AI终端。
他举了一个例子：当产品定义足够清晰——需要解决什么问题？需要在多长时间内完成？需要控制在怎样的能效范围内？明确了这些问题，芯片选型逻辑、软件供应商的介入方式等也会随之明确，从而更快完成产品开发并上市。
智能体终端何时普及？产业共识已形成
WAIC 2026期间产业界释放出的信号显示，智能体终端已经开始加速商用部署进程，越来越多的AI原生设备已经出现。
王吉平指出，当前智能体手机正在以差异化路线并行探索，终端形态分化初现雏形。他特别提及了WAIC期间智能体手机三类探索方向，如定位跨应用任务执行的智能体手机努比亚NaviX Ultra、定位智能体原生操作系统手机的阶跃终端STEPX Neo以及定位具身智能交互型机器人手机的荣耀Robot Phone。
“以用户为中心、以智能体为核心运行载体的“个人AI”，作为全新AI时代的个人智能形态，将为厂商带来发展破局点，定义下一轮终端增长。”王吉平说。
据了解，目前荣耀Robot Phone全渠道预约量已突破20万台，超越品牌历代旗舰产品，体现出市场的超高关注度。
目前看，智能体AI的技术路线已较为清晰，那么，真正意义上的智能体终端时代，什么时候才能到来？
对此，王吉平给出了他的判断：目前我们正处于一个变革期。大家虽然不能100%看清未来的全貌，但是从国家到产业，再到厂商，大方向都较为一致。
“从国家层面来看，中国围绕AI终端的一系列政策也已经出台。产业层面，主流企业在推动AI发展的同时，对AI终端的定位也逐渐清晰，'智能体加终端'已成为共识性的产业方向，厂商在向相同的方向推进。可以说，从去年6月到今年的6月，宏观层面的产业共识已经形成，这是一股不可逆的发展潮流。"王吉平说。
当然，共识形成不等于即刻普及。王吉平坦言，用户侧思维模式的改变十分重要。大学生群体的思维转换很快，大多数事情已经都用AI工具处理，但对于四五十岁的职场人来说，转变需要一个过程。整体用户群习惯的迁移，不像使用一个新APP那么简单，它需要时间，行业也需要进一步观察和优化。
与此同时，终端形态的多元化也在加速演进。王吉平观察到，大量的设备”碎片化”以后，实际上需要重新定位手机、PC和平板等设备。比如员工卡也开始拥有摄像头、麦克风以及定位功能，不需要手机就能实现录音、轨迹分析等功能。
"以前这些功能可能大多由手机承担，但这种情况下手机就需要拓展新的场景，这也是终端行业不断演进和进步的过程。"王吉平表示，Mini PC的大规模出货就是一个典型例子，今年增长达到70%，它具备低功耗、长待机的特点，适合入门级用户和学生去学习AI编程等技术。
据王吉平介绍，智能眼镜是今年增长较快的品类，中国市场增长50%，全球增长30%，还有扫地机器人，同时看到大量原生AI终端、比如百元价位的翻译器、AI阅读器等。
而对于智能体手机的普及节奏，王吉平也给出了数据支撑：根据IDC数据，到明年，端侧带有NPU的Gen AI手机渗透率就要达到接近40%。当手机普遍有了NPU能力，就有了向智能体规模落地的硬件技术基础。
结语
从TOPS之争到系统级竞争，从单一设备到多终端协同，从硬件堆砌到生态共建——端侧AI正在经历一场深刻变革。
智能体时代，AI体验正在从“设备中心”向“用户中心”转变。这也意味着，终端需要具备更强的本地智能、持续感知和跨设备协同能力，才能真正支撑个人AI的发展。具备跨终端产品布局、统一计算架构和持续生态投入的平台型企业，正逐步成为个人AI时代的核心基础设施提供者。
正如白皮书中所指出，在这一趋势下，以高通为代表的极具代表性的实践者，其覆盖手机、PC、智能眼镜、可穿戴设备、数字座舱到数据中心的统一异构计算架构与AI软件栈，使不同形态终端可在同一套智能体系下分工协同，为个人AI生态的落地提供了坚实的硬件支撑。
但这场由智能体驱动的个人终端产业变革，单凭一家企业无法完成，需要依靠全产业协同共建。而高通要做的，就是开放全栈软硬件技术能力，持续携手产业各方合作伙伴，共同推动个人AI时代的全面到来。
智能体时代的大幕才刚刚拉开，端侧AI的故事，也才刚刚开篇。
