第十届集微大会 | 高通李永钢：个人终端迎智能体时刻

2026年5月27日至29日，第十届集微大会在上海张江科学会堂隆重举行。 本届大会以 “AI重构未来、生态协同致远”为主题，由半导体投资联盟、浦东科创、ICT知识产权发展联盟和海望资本联合主办，爱集微承办，汇聚全球资源，共筑产业新生态。

高通公司技术市场总监李永钢在5月28日举办的端侧AI峰会上发表了《引领智能体AI创新，构建个⼈AI未来》的主题演讲。李永钢指出：“当前AI正在从‘屏幕里的功能’，走向‘围绕用户需求运行的智能系统’这一新阶段。所以今天我们不仅要讨论AI能力的提升，更重要的是，要讨论如何构建真正的个人AI。”

四阶段AI迭代，应用场景延伸

李永钢指出，从AI的应用角度来看，可以将其划分为四个阶段：感知AI、生成式AI、智能体AI和物理AI。其中，感知AI已经历了较长的发展阶段。目前个人终端设备上已经安装了很多集成感知AI的应用，如语音处理、影像处理（AI摄影）等。在这些场景中，AI功能被大量使用，但是，这些AI大多承担的是单一处理任务。

ChatGPT是进入生成式AI阶段的重要标志。随着这一阶段的开启，AI开始能够帮助人们完成更多复杂任务。高通也在这一阶段推动生成式AI模型在终端侧的落地。2023年初，高通率先在端侧演示了文本生成图像的生成式AI模型，证明了大模型在终端上运行的可行性。智能体AI是AI的又一个进阶，今年几乎所有焦点都集中在智能体AI上。

AI下一阶段发展的另一个重要方向是物理AI。从今年年初的国际消费电子展（CES）到世界移动通信大会（MWC），可以看到全球许多领先的科技企业都在讨论物理AI的概念。物理AI主要用于具身机器人、物联网设备等场景。这类系统具备感知外部物理世界信息并完成相应任务的能力。

李永钢强调指出，尽管人们可以看到一条较为清晰的AI演进路线，但各个阶段之间并不是替代关系。比如，感知AI至今依然在持续演进。以骁龙平台为例，在AI摄影方面，通过它已经实现了“无限语义分割”的能力——当用户拿起相机时，系统能够对画面中的各类拍摄对象进行更精确的识别与优化，从而尽可能保证每一张照片都能达到更好的效果。过去，人们更多关注的是静态照片的拍摄效果；现在，实时视频能力也在逐步增强。

因此，可以这样说，每一类AI应用都在不断向前发展，并呈现出较为明确的整体趋势。

洞悉智能体AI发展 打通设备和应用间壁垒成为关键

生成式AI和智能体AI当前行业发展重点，李永钢也对这部分的产业趋势进行了深入解读。首先李永钢强调，端侧AI作为智能体AI的重要领域之一，其意义不仅在于端侧可以运行的模型规模持续扩大，更在于其低时延、隐私保护和持续运行等核心能力。这些特性有助于真正推动AI的大规模普及落地，并结合AI本地推理能力，实现成本、效率和体验的平衡。

不同类型的端侧产品对体验与功耗的需求不同，运行的模型参数量也各有差异，但总体呈现增长趋势。比如，手机可以运行10亿至100亿参数的大模型，而PC由于尺寸更大、供电条件更加灵活，可运行的模型参数规模也更大。车端可以运行更大的模型，算力也在持续提升。一些传统来说对功耗特别挑剔的设备，比如AI眼镜，也开始具备运行大模型的能力，在某种程度上也能够为我们提供随身的AI处理能力。

从模型能力的角度来讲，过去几年中，包括高通在内行业的企业，一直在与大模型企业紧密协作，实现在更小参数规模下不断提升模型能力。以上下文为例，大约三年以前，能够支持的上下文大约为1K至2K；从今年起，部分场景下已经可以实现32K至128K的长上下文。

从智能体的趋势来讲，主要体现在三个方面。一是终端侧智能体能够提供更低的时延，更好的个性化体验和持续无感的服务。早在几年前，高通便开始持续推动端侧AI的发展。二是智能体走向专业化。部分通用模型开始逐渐走向专业化，从而为用户带来更多的差异化体验。第三，也是非常重要的一点，端侧产品中的智能体需要能够提供高度个性化的体验。

李永钢也指出了当前AI发展中存在的挑战。当前智能体AI的主要挑战不在于模型能力，而是缺乏系统级的编排，导致上下文在设备间反复丢失，这一现象非常普遍。例如，人们在查询手机、电脑、智能手表时都会得到很多信息，但目前这些设备之间，无法连贯处理和完成各项任务，这就会增加用户操作的复杂度。

只有打通各设备与应用之间的壁垒，才能更有效地促进智能体AI的进一步发展落地。智能体可以被理解为是一个包含感知、理解、推理、记忆、工具和执行模块的闭环系统。只有它能够理解用户意图、拆分任务、独立完成目标，并且具备持续感知、思考和行动能力的时候，人们才能真正体验到个人AI智能体带来的便利。

从发展趋势上看，高通认为AI就是新的UI。高通公司CEO安蒙大约两年前就提出这样的理念，如今其正逐步成为现实。过去，用户围绕着各类APP进行操作；未来，智能体会围绕着个人的目标和待办任务实现交互。

布局全品类终端 筑牢跨平台 AI 技术底座

在谈到AI未来发展趋势时，李永钢指出目前的智能体已跨越多种产品形态，包括手机、PC、可穿戴设备，汽车等，这些终端产品在算力和能效上有着诸多差异。未来智能化体验将不再局限于单一设备上，而是依托整个生态协同，形成统一的AI系统能力。AI模型生态呈现出多模型并存、多部署方式并行的格局。

从计算架构的角度来看，用户体验对架构设计提出了新的要求，尤其体现在端、边、云之间的协同上。AI已经不再是单一设备的功能，而是分布式持续运行的系统：对于低时延与隐私场景，可在端侧就近推理；对于相对复杂的任务，则将其放到云端处理。

从多端协同演进的角度来看，个人AI始于终端侧——终端侧离用户最近，拥有用户所有的信息，能够第一时间识别个人意图、上下文偏好等信息。因为终端只是一个载体，未来AI将朝着更加持续、无感的体验方向演进，转向以用户为中心。

正是基于对AI未来发展这样的认识，高通布局了边缘计算平台，通过跨产品品类提供高能效、可扩展的AI能力，并支持更多模型在端侧和云、边之间进行高效协同，加速AI规模化使用。

目前手机依然是个人AI的核心载体。此外，许多新品类的个人AI终端产品也在快速发展。以AI眼镜为例，根据Omdia的数据，2025年AI眼镜出货量是870万，同比增长高达322%，反映出市场对于具备AI能力的设备的需求非常强劲。

骁龙是少数能够在多终端形态上提供统一的系统级AI和连接能力的平台。异构计算架构采用“CPU+GPU+NPU”的方式，不仅实现了上述架构的全自研，也针对AI的发展进行了大量优化工作。从产品角度来看，高通以系统集成的方式，使以用户为中心的生态成为可持续的现实路径。高通提供的统一的软件栈和开发路径，可以降低开发者的门槛，加速模型的部署和生态的创新，让AI从专家工具走向规模化应用。高通的软件栈整合了非常多的软件产品，从而使得开发者在各类产品上都能比较容易地开发各类应用。

高通将用统一的AI架构赋能所有的产品，例如手机、耳机等智能可穿戴设备、PC、汽车、机器人、数据中心等。核心在于，通过统一的技术路线图可以提高软硬件底座的性能和能效，赋予AI从单个产品扩展到跨终端、跨场景的平台级的能力。展望未来，AI将成为围绕用户持续运行的智能系统，从以设备为中心转向以用户为中心，从功能的叠加转向系统的协同，从而实现“构建你的AI”的愿景。