当 AI Agent 走向无处不在，MediaTek 想做的不只是手机芯片

如果说大模型最早带来的冲击，是让用户开始习惯和机器进行自然语言对话，那么 Agent 的下一步，则是让 AI 从「回答问题」走向「完成任务」。它不再只是一个聊天窗口，而是可以理解场景、拆解任务、调用应用、协同设备，并在更长周期里记住用户偏好的系统级能力。

对于许多人来说，AI 是一个 ChatBox，更是一个 AI Agent。

过去，手机、平板、PC、汽车、耳机、手表等设备，更多是在各自的硬件形态和操作系统里提供功能；而在 Agent 普及之后，终端之间的边界会被进一步打散。用户真正需要的，不一定是打开某个 App，完成某个孤立操作，而是在一个连续的生活场景里，让手机、汽车、IoT 设备和云端服务协同起来，主动给出更合适的服务。

过往二三十年的时间里，智能设备的芯片从决定最主要的运算任务，变为决定跑分、功耗、游戏和影像能力的底层硬件，现在，芯片也需要成为 AI 体验的入口、算力底座和生态接口。

这就是 MediaTek 在天玑开发者大会 MDDC 2026 上想要传递的核心信息：一方面通过手机、汽车、IoT 和 AI 基础设施等全栈产品组合，提供覆盖多场景的算力底座；另一方面，则通过天玑 AI 智能体化引擎、AI 开发套件、汽车平台和游戏技术，向开发者开放更多能力。

天玑 AI：从端侧算力，到系统级 Agent OS

在 AI Agent 的落地过程中，手机仍然是最关键的终端之一。

原因并不复杂。手机拥有最密集的用户数据、最高频的使用场景，以及最成熟的应用生态。它既是个人信息的入口，也是跨设备协同的枢纽。因此，当 Agent 从应用层走向系统层，手机很自然会成为智能体化体验的第一现场。

过去三年，天玑 AI 生态圈实现了明显增长：生态伙伴成长量提升至 240%，天玑 AI 开发套件下载量提升至 440%。MediaTek 也提到，智能体自主任务量已经从 2025 年每日 1.2 亿次，增长至 2026 年每日 8.7 亿次，一年增长 7 倍。这些数据至少说明，Agent 已经不再只是概念层面的未来叙事，而是开始进入开发者和用户体验的增长通道。

为了应对这一趋势，MediaTek 在大会上发布了天玑 AI 智能体化引擎 2.0。

相比 1.0 版本更多由用户指令驱动、通过 App 独立执行单一任务，2.0 版本的关键变化在于主动感知驱动。借助天玑 SensingClaw 技术，天玑平台可以提供低功耗的全时感知能力，让设备制造商打造具备主动感知和跨应用驱动能力的 Agent OS。

换句话说，未来的 AI 助手不只是「你说一句，它做一步」，而是能基于视觉、听觉、位置、环境状态等信息，提前理解用户所处的场景，并调动不同应用和设备完成更复杂的任务。

在大会现场，MediaTek 公布了与 OPPO、Xiaomi 和传音的合作案例。

天玑能力将赋能 OPPO 小布助手，打通系统级原生应用数据，并结合小布记忆建立用户专属记忆数据库。它可以完成体检报告解读、自动规划健身计划并导入日历等任务。小米这边，重点放在跨端智慧体验上，用户通过一句指令，即可调用全场景设备执行任务，实现任务在多设备之间的流转。传音则更强调 Always On 主动感知能力，比如 AI 助手可以在免唤醒、自运行的状态下，完成查物流、比价等复杂任务。

三家头部手机品牌的案例其实都在说一件事，AI Agent 不再只是手机里的一个应用，而是正在成为系统层能力的一部分。它既需要芯片端提供足够高的 AI 算力，也需要端侧持续感知能力，还需要隐私、安全和应用生态之间的协同。

开发套件 3.0：让端侧 AI 更容易落地

如果说 AI 智能体化引擎面向的是系统级体验，那么天玑 AI 开发套件 3.0 则是面向开发者的工具箱。芯片平台企业一直强调端侧 AI 的价值：响应速度更快、隐私保护更好、离线能力更强，也能降低对云端资源的依赖。

不过真正把模型放到手机、平板、车机等终端上，并不是简单的「搬运」，开发者往往要面对模型压缩、算子兼容、功耗控制、内存占用、部署效率等一系列工程问题。天玑 AI 开发套件 3.0 正是为此而来。

3.0 版本首先支持 LVM 模型可视化部署，从命令行升级到 GUI 模块化，参数设置可以实时生效，模型部署和调优效率提升 50%。对于很多应用开发者来说，这降低了从模型到终端运行之间的门槛。

新增的 Low Bit 压缩工具包，可以降低生成式 AI 模型压缩过程中的设备内存占用，在相同质量下模型压缩率提升可达 58%。这对于端侧大模型尤其关键，因为终端设备的内存、功耗和散热空间都更加有限。eNPU 开发工具包可以帮助开发者充分发挥天玑芯片中超能效 NPU 的优势，让常驻轻载 AI 模型功耗节省 42%。对于 Always On 感知、语音唤醒、环境识别等场景来说，低功耗比峰值算力更重要。AI 要真正做到随时在线，就必须先解决「一直运行」带来的能耗问题。

天玑 AI Partner 作为一站式模型端侧转换助手。它可以支持模型分析、调整、验证等流程自动化，帮助开发者将原本可能需要 5 天的模型转换工作压缩到半天左右，端侧 LLM 模型部署耗时节省可达 90%。

从这些升级可以看出，MediaTek 并不只是把 AI 算力作为芯片参数来展示，而是在试图补齐开发流程中的关键环节。对于开发者来说，端侧 AI 的真正门槛并不只有「芯片够不够强」，还包括「工具链够不够顺」「模型适配够不够快」「优化成本能不能降下来」。

汽车平台：从智能座舱，到 AI 定义汽车

过去几年，「软件定义汽车」已经成为行业共识。智能座舱、智能驾驶、整车 OTA 和车云服务，让汽车从一个以机械结构为核心的交通工具，变成了持续更新的智能终端。而随着大模型和 Agent 技术进入车内，行业又开始进入「AI 定义汽车」的新阶段。

在 MediaTek 的判断里，汽车正在从单纯的交通工具，进化为懂用户、预测用户需求、无缝融入生活的智慧第三空间。MediaTek 车用平台已经与全球 20 家以上头部车企开展深度合作，在手项目超过 190 个，累计出货量达到 3500 万套，近 5 年出货量增长接近 4 倍。这说明 MediaTek 进入汽车领域并不是从零开始。它把手机芯片平台中积累的性能、能效、连接、影像、AI 和生态经验，迁移到了更长生命周期、更高安全要求的汽车场景中。

在天玑智能座舱方案中，MediaTek 将未来座舱的能力分为几个关键方向：全模态交互、主动式服务、并发指令执行和端云协同。

这与传统车机语音助手有明显差别。过去的语音助手往往是被动响应，用户说一句，它执行一个固定任务；而未来的智能体座舱，需要能识别车内人员、理解环境状态、判断用户意图，并把导航、社交、地图、餐饮、支付等服务串联起来。

比如在大会案例中，工作日早上用户带孩子上车后，系统可以自动识别乘车人员，并主动询问是否需要先送孩子上学再去公司，甚至根据时间推荐顺路买咖啡。这类场景的价值，不在于单点功能有多新，而在于车机从「工具」变成了「上下文理解者」。

要实现这样的体验，底层平台必须解决三类问题。

第一是平台层。车端需要高效运行大参数 AI 模型，还要支持多模型、多任务并行。MediaTek 提到，天玑旗舰座舱平台可以提供最高 400 TOPS 的 AI 算力，并通过软硬协同架构，将 AI 平台需求压缩 90%。在五屏重度渲染场景下，仍可流畅运行双大模型，速度超过 50 token/s。

第二是模型层。汽车的生命周期往往长达 6 到 10 年，但 AI 模型的迭代周期可能只有几个月。如何让车辆在整个使用周期内持续用上新模型，是智能座舱必须解决的问题。天玑座舱 7 系列直接集成 NVIDIA GPU 资源库，支持基于 CUDA 开发的新模型和算法迁移到座舱平台；天玑座舱 S 系列则支持天玑 AI 开发套件，帮助主流模型及其衍生模型更快完成适配。

第三是应用层。天玑软件平台提供场景映射、智能模型加载、端云协同和系统调优等工具。比如端云协同可以在复杂任务需要云端处理时，由端侧先完成需求预处理和筛选，只上传关键 token，在保护隐私的同时降低云端成本。

汽车 AI 并不等于把手机助手搬进车机，车内是一个多用户、多模态、多屏幕、高安全要求的环境。它既要理解驾驶员，也要理解乘客；既要提供娱乐，也要避免干扰驾驶；既要依赖云端能力，也要保证本地响应和隐私安全。因此，汽车 AI 的挑战比手机更复杂，也更考验平台级能力。

游戏技术：移动端正在靠近主机级体验

在 AI 之外，游戏仍然是天玑平台展示性能和生态能力的重要场景。

移动游戏的体验升级，过去主要围绕高帧率、高画质和低功耗展开。现在，随着移动 GPU 能力提升，以及游戏内容向 3A 化发展，移动端开始追求更真实的光影、更精细的模型、更低延迟的音频和更长时间的稳定运行。

本次大会上，MediaTek 重点介绍了 Ray Tracing Pipeline，也就是 RTP 移动端光线追踪技术。与传统光追方案相比，RTP 的目标是跨端适配 PC 与 Mobile 的渲染管线，实时呈现复杂游戏光影效果，包括动态物体、骨骼动画，以及视野外环境和物体反射。

MediaTek 已经与腾讯《三角洲行动》项目组合作预研新的 RTP 技术方案。它的意义在于，如果 PC 端渲染管线可以更顺畅地迁移到移动平台，那么跨端 3A 游戏的开发周期和适配成本都有机会被降低。

另一个重点是虚拟几何体技术。MediaTek 天玑与团结引擎深度适配 Virtual Geometry，依托天玑移动平台 GPU 渲染能力，在移动端环境下实现超过 10 亿级三角面渲染，并在 1.5K 高分辨率下持续输出 1 小时满帧体验。这意味着手机游戏在模型精细度上的限制，有机会进一步被突破。

音频方面，天玑 LE Audio 低延时技术通过全链路优化，在天玑旗舰移动平台上带来 32 ms 的低延迟蓝牙立体声表现。该技术已经在《和平精英》测试服中落地，用于降低音频延迟。对于竞技游戏而言，音频延迟并不是感知层面的微小差异，而可能直接影响玩家对敌方位置和操作节奏的判断。

此外，天玑平台还展示了 GPU Dynamic Cache、天玑倍帧技术 3.0、自适应调控技术 5.0，以及面向安卓游戏开发者的一站式分析和调优工具 Dimensity Profiler 2.0。

GPU Dynamic Cache 架构允许 GPU 同时调度系统缓存和内存，让开发者可以通过系统缓存传输关键游戏数据，节省带宽并降低功耗。目前，该技术已与《逆战：未来》《暗区突围》等游戏合作。

天玑倍帧技术 3.0 则新增 Depth 等选项，可以更好预测并生成高质量虚拟帧，支持 165 帧和 144 帧，也支持 UE、Unity 等引擎插件接入，并覆盖手机、平板和座舱平台。《王者荣耀》可借此解锁 144 帧低功耗体验，《明日方舟：终末地》也获得更高流畅度和更低功耗表现。

自适应调控技术 5.0 新增智能帧控和场景预判功能，可以让芯片、游戏和屏幕之间的信息流动更细。以《鸣潮》为例，合作后 1% low 帧和功耗指标都有明显优化；《和平精英》等游戏也能在重载场景下实现 CPU 和 GPU 负载降低。

这些技术共同说明，移动游戏的优化已经不再是芯片厂商单方面拉高性能，也不是游戏厂商单方面压缩画质，而是软硬件协同越来越深入。芯片、引擎、游戏内容、调优工具和开发流程，都在被重新打通。

MediaTek 还将端侧 AI 引入游戏场景。大会现场公布了天玑 AI Play 与《三角洲行动》的合作成果，借助天玑移动平台的端侧 AI，让游戏内 CC 语音智能伴侣响应更快，相比云端延迟大幅降低 56.7%。这意味着，AI 在游戏中的角色，不只是 NPC 或剧情生成，也可以进入语音交互、实时陪伴、战术辅助等更即时的体验场景。

过去谈移动芯片，行业更习惯讨论 CPU、GPU、NPU、影像 ISP、制程工艺和功耗表现。但在 AI Agent 和多终端协同的趋势下，芯片平台的竞争正在变得更复杂。它既要有足够强的底层算力，也要有开发套件、模型工具、跨端能力、系统接口和合作伙伴网络。

这也是为什么 MediaTek 在大会上反复强调开发者与生态。

AI Agent 的落地不会只由芯片厂商完成，系统厂商需要把 Agent 变成原生能力，应用开发者需要把功能重新智能体化，终端厂商需要解决跨设备流转，汽车厂商需要把 AI 与车内传感器、座舱系统和云端服务结合起来，游戏厂商则需要在高画质、高帧率、低功耗之间找到新的平衡点。

未来用户评价一台手机、一辆车，甚至一个 IoT 设备时，可能不再只看硬件参数，也会看它能不能理解自己、能不能主动完成任务、能不能在不同场景之间自然流转。