IT之家采访联发科：智能体无缝跨端协同，从这三个层面入手

IT之家 5 月 15 日消息，5 月 13 日，联发科在上海举办了以“全域芯智能，体验新无界”为主题的天玑开发者大会 2026（MDDC 2026），在大会上，联发科正式发布天玑 AI 智能体化引擎 2.0，推出升级后的天玑 AI 开发套件 3.0，同时公布了与 OPPO、小米、传音等厂商合作的系统原生 Claw 成果。

IT之家作为受邀媒体也参加了本次 MDDC 2026，并在会后参与了联发科高管的群访活动。在采访中，联发科高管们针对行业普遍关注的跨端智能体协同、AI 定义汽车等核心问题，与大家进行了交流。

在采访过程中，IT之家向联发科高管提问，当前行业正处于 AI 智能体大规模落地的关键节点，跨设备全域协同已成为公认的发展趋势，联发科如何通过移动平台、座舱平台等多产品线的协同，打通手机、汽车、边缘计算设备的智能体能力，又将如何解决跨端流转中延迟高、算力调度不均、生态不通等痛点。

对此，联发科高管回应称，公司从三个层面系统性推进跨域协同布局，首先在 IP 设计源头就充分考虑不同产品线的复用性，统一 NPU 架构的软硬件标准，确保同一 IP 能够适配从手机到汽车的不同功耗和算力需求，大幅降低技术迁移成本。

其次在软件层，联发科打造了统一的 NeuroPilot 开发平台，只要基于天玑品牌开发的应用，在手机端完成调试后即可快速移植到汽车、平板等其他终端，实现“一次开发，多端部署”。

而针对最复杂的生态层问题，联发科表示，不同终端的生态体系差异确实是当前最大的挑战，这需要整个行业共同努力。大模型的泛用性为解决这一问题提供了新思路，通过统一的自然语言指令集，不同系统间的交互壁垒正在被打破，就像近期火热的“龙虾”框架，其核心价值之一就是实现了跨系统的指令互通。

联发科正通过开发者大会持续推动生态伙伴共建统一标准，未来支付、导航、社交等基础服务将能够无缝接入天玑全产品线。

同时，针对不同终端的特性，联发科也设计了差异化的协同模式，比如 AI 眼镜主要承担感知功能，复杂运算交由手机完成；而汽车与手机则更多是资讯和习惯的流转，用户上车后，手机会自动将行程、音乐偏好等数据同步给车机，车机则基于这些信息提供个性化服务。

除了IT之家的提问，其他媒体也围绕 AI、车载平台以及移动游戏领域的话题进行了提问。这里IT之家选择其中比较重点的问题和大家分享。

比如有媒体谈到了联发科座舱平台的问题，目前行业从“软件定义汽车”演进到“AI 定义汽车”，但汽车作为传统工业产品，在快速迭代中面临着质量与安全的双重挑战，AI 能否在安全性上带来更大提升？同时，联发科从移动终端切入汽车市场，相较于其他芯片厂商有哪些核心优势，又有哪些能力需要重新打造。

联发科高管表示，需要明确区分车内不同模块的安全属性，智驾和车辆控制模块与行车安全强相关，必须经过完整严格的验证流程，开发周期不会因为 AI 的引入而大幅缩短。而座舱智能体应用与安全的关联度较低，更多是为用户提供行程规划、信息查询、娱乐服务等功能，帮助驾驶员减少分心操作，间接提升行车安全。

这一领域的创新速度会非常快，尤其是国内新能源厂商，已经在积极探索各类座舱智能体应用，预计很快就会有大量落地成果。

关于联发科的核心优势，高管强调，手机行业是端侧 AI 技术发展最快的领域，每年都会有新的旗舰平台推出，对算力、能效、带宽的要求不断提升，这些技术积累可以直接迁移到汽车领域。

比如天玑旗舰座舱平台 CX-1 的 400TOPS 算力，以及低比特压缩、内存优化等技术，都源自手机端的成熟方案。而需要重新打造的主要是应用层的跨端协同体验，手机和汽车的使用场景差异巨大，如何让智能体在不同场景下都能提供自然流畅的服务，需要与车企、应用开发者共同探索，这也是联发科未来重点投入的方向。

关于联发科率先提出的 Agentic AI 技术路线，有媒体询问其在这一领域的关键技术布局和生态优势。

联发科表示，AI 技术的核心价值在于落地到真实用户场景，而当前行业面临的主要挑战不是算力不足，而是如何将算力转化为用户可感知的体验。联发科重点布局了 Always-On 感知技术，让设备能够低功耗地持续感知周围环境和用户行为，同时优化系统架构，解决多应用同时调用 NPU 时的资源争抢问题。

在生态建设方面，联发科构建了从硬件到软件的完整体系，硬件层面提供适配智能体场景的双 NPU 和内存技术，工具链层面帮助开发者快速将大模型移植到端侧，系统层面推出天玑 AI 智能体化引擎 2.0，为终端厂商提供统一的智能体开发基础。

针对近期内存涨价对 AI 行业的影响，联发科高管坦言，内存和带宽已经成为端侧 AI 发展的主要瓶颈，当前手机端算力已经能够满足大部分应用需求，但大模型运行对内存的占用和带宽的消耗非常大。

为应对这一挑战，联发科推出了 Low Bit 压缩工具包，相同质量模型的压缩率提升可达 58%，同时结合内存硬件压缩、动态模型加载等技术，有效降低内存占用和带宽消耗。

虽然内存涨价给终端厂商带来了成本压力，但这只是暂时现象，当用户真正体验到 AI 智能体带来的价值后，会愿意为更好的体验买单。

同时，内存涨价也促使行业更理性地思考端云边界，避免盲目追求端侧大模型，而是根据产品定位合理分配端云算力。

此外，还有媒体关注到大模型在 AI 手机中的角色，以及近期火热的“龙虾”框架对联发科技术路线的影响。

联发科认为，大模型在 AI 手机中有两种主要发展方向，一种是谷歌等 OS 厂商从系统层面向上整合，另一种是豆包等应用厂商从应用层面向下渗透，两种方向都有广阔的发展空间，联发科与双方都保持着积极合作。

“龙虾”框架的出现加速了个人专属 AI 的落地进程，其将 Harness 与大模型分离的设计，让手机可以先利用强大的 CPU 跑好 Harness 部分，实现个人记忆、场景感知等核心功能，无需等待端侧大模型完全成熟。

这也影响了联发科的芯片规划，未来的天玑平台将更加注重 CPU 与 NPU 的协同调度，提升系统整体能效。