高通CEO安蒙：AI走向规模化，离不开边缘AI、物理世界和更高效的计算

当地时间1月20日，在2026达沃斯世界经济论坛期间的一场分享中，高通公司总裁兼CEO安蒙围绕人工智能的未来走向，谈到了个人AI设备、边缘计算、机器人以及数据中心等话题。他表示，人工智能正逐步从云端走向边缘设备和物理世界，其长期潜力或被低估，但AI的发展过程不会一蹴而就。

安蒙提到，随着AI技术成熟、智能体变得更加专业化，它们开始能够理解人们“说了什么、写了什么、看到了什么”。这使得AI不再局限于数据中心，而是开始进入人们随身携带、佩戴和日常使用的设备之中。手机和PC之外，眼镜等新形态设备已经出现，并开始具备一定规模基础。

在谈到个人AI设备时，安蒙表示，智能眼镜这一品类的出货量已经超过千万台。当不同类型的个人AI设备叠加在一起，其整体规模在未来几年可能进一步扩大。他认为，这一市场尚未饱和，新的增长节奏可能出现在2026年到2027年之间。与此同时，在企业和工业领域，边缘设备上的AI也在发生不同层级的变化。

为什么AI需要走向边缘？安蒙给出的判断标准是是否需要即时响应。他表示，凡是需要立刻发生反应的场景，例如支付、识别或实时翻译，如果依赖云端，就会失去实际意义。当用户希望数据和上下文信息留在本地时，计算也必须在设备端完成。基于这些原因，一些原本放在云端处理的能力，正在向边缘侧迁移。

安蒙还提到，从更宏观的角度看，计算的发展历史从未让人失望，软件最终总会找到最有效率的计算方式。在他看来，当新的计算能力在设备端出现并形成规模后，相关应用也会随之展开。随着AI进一步专业化，安蒙认为，未来不会是“云或端”的二选一，而是走向混合形态：快速响应在端侧完成，更复杂的推理与云端协同。这一变化，甚至可能在2026年就开始显现。

在物理AI场景中，安蒙将机器人与汽车行业的发展路径进行了类比。他回顾了高通进入汽车领域的经历，并指出，在汽车中不可能放置高功耗服务器，因此必须依赖更加高效的计算方式。在他看来，这一逻辑同样适用于机器人领域。

安蒙表示，如果希望将机器人续航从2小时提升到6或8小时，或者将成本从2万美元降低到5000美元，就需要在有限条件下解决摄像头、传感器和连接能力的整合问题。他认为，物理AI在机器人领域具备广阔的发展空间，而训练本身相对明确，需要针对具体任务对机器人进行训练。这在他看来是一个边界清晰的问题，并且具备现实的商业价值。

安蒙还谈到了数据中心的发展。他表示，目前关于AI数据中心建设规模的预测，与能源消耗相关的预测并不完全匹配，这将促使行业寻找新的解决方案，并推动数据中心架构的进一步演进。

对于外界讨论的“AI泡沫”，安蒙将当前的AI类比为2000年前后的互联网，指出今天的互联网规模远超当年的预期，但并不是在短时间内一次性完成的。在他看来，AI的发展同样需要时间，其未来的展开节奏仍存在不确定性。