2026年6月2日，COMPUTEX 2026正式拉開帷幕。昨日，高通公司總裁兼CEO安蒙于COMPUTEX 2026發布開幕主題演講，強調智能體正成為AI詞元（token）需求的核心來源，推動AI規模化落地，并將定義AI架構與經濟模式。未來的智能體將能夠主動代替用戶運行計算，任務自動分配，充分利用全場景算力。高通具備覆蓋端邊云的系統級計算解決方案構建能力，從最小型的可穿戴智能體終端，到高性能數據中心，高通的產品組合已覆蓋計算連續體的各個層級。此外，安蒙還在主題演講結束前透露了高通全新數據中心業務品牌Dragonfly（高通飛龍）的最新消息，他表示，高通將在本月底的投資者日上帶來更多相關信息。

以下為安蒙演講全文：

非常感謝大家。

各位好，非常高興來到COMPUTEX。我認為，對高通、對整個科技行業來說，這都是一個特殊的時刻。能在這里與各位交流，我倍感榮幸，謝謝大家的到來。我們高通對未來充滿期待，現場也有不少高通的同事，謝謝你們。

在我開始分享之前，我想說這場演講不僅僅關乎高通本身，技術的演進是眾多公司共同努力的結果，沒有任何一家公司可以獨當一面，合作才是關鍵。

今天的內容是關于在座的各位和整個出色的生態系統——正是緊密的合作驅動著科技行業不斷向前。如今的科技領軍企業，正是憑借這樣的合作生態才走到今天。再次感謝大會的邀請和各位的到場。

2026年進入智能體之年

我們無比興奮，因為我們此前一直暢談的諸多愿景正一步步成為現實、清晰可見。我今天只有一個任務，順便提一句，我今天不會聊數據中心，我會簡單提及，但詳細內容我會在本月底（6月24日高通投資者日）進行分享。我今天的核心任務是讓大家理解AI將如何在各類設備上演進，AI是一種全新的計算形態，正在走進每一臺設備。如果大家聽完這場演講，能夠明白邊緣側的設備將因AI發生什么改變，以及這對高通來說有多么激動人心，那我的任務就完成了。

接下來，我會盡全力描述我們所設想的未來。我們對行業的發展趨勢有著明確的判斷，也會用具體案例讓大家直觀感受。對于計算技術與我們日常正在或將來會使用的設備而言，現在正是一個變革的黃金時代。

大約兩年前，我們提出AI將重塑人機交互界面，進而改變所有個人計算設備的架構——在2026年，這一預測正在成為現實。這也是為什么高通將2026年稱為“智能體之年”。如今，AI正從簡單響應指令，輔助人機交互的工具，進化為能夠自主采取行動的系統。這是 AI 正在演進的方向，并將迎來前所未有的規模化普及。

我給大家舉幾個例子。想象一下你在家里看到的屏幕：你的智能體將持續為你提供各項活動與日程安排更新和提醒；工作中智能體也將伴隨你，幫助你梳理項目、規劃任務、提醒并且協助你進行決策；生活中，智能體會為你推送與你相關的信息，為你同步日程、排出事情的優先級。

這種感覺將會有所不同，它將更自主、更個性化，更像是一個真正的伴侶。而這一切都會主動地發生在用戶的所有設備上。要理解這一點，我們需要回到這一轉變發生的基本邏輯——我們之前也提到過，目前手機是用戶數字生活的中心。我記得在驍龍峰會上我也介紹過類似的內容，包括在之前的COMPUTEX，手機是數字生活的核心，因此一切都圍繞手機展開：我們與手機的交互方式，無論是通過操作系統、應用程序，甚至其他可穿戴設備，都包含在以手機為核心的生態中。

但現在，情況不同了。智能體正在成為用戶數字體驗的中心。因此，包括手機在內的各類設備，現在都圍繞著智能體運轉。這不再是手機的延伸，數字生態的核心，也不再是手機本身，或者操作系統和應用程序。而是發生了變化，這些設備將成為智能體的端點（endpoint）。而且，智能體也不會受限于任何設備或單一生態系統。所有能夠將用戶與智能體連接起來的一切，都將成為AI的端點。這是一個非常重要的轉變。一旦你理解了這個轉變，你就能理解整個移動產業將如何演變。今天我們習以為常的事情，明天都將大不相同。作為在高通工作了30年的人，我想告訴大家一件確定無疑的事：移動產業從不是靜止的，它始終在演進。

智能體驅動終端變革，高通構建計算連續體

那么，圍繞這些AI端點，我想和大家聊聊它們的覆蓋規模。這里要強調一下這些設備的體量究竟有多大：如今全球大約有60億部手機、20億臺個人AI終端——也就是可穿戴設備的演進形態。而如果你把這些設備都視為智能體的端點，這其實只是一個很小的數字。此外，還有20億臺個人電腦，以及5億輛智能網聯汽車，人們將在這些設備上體驗并與智能體進行交互。

正如我在開場所提到的，今天這場演講的核心目的，是幫助大家理解邊緣側設備在AI下一階段中所扮演的角色。高通早在AI普及之前就告訴大家，這些設備會運行AI，而如今這一點已經清晰可見。在理解了這些設備的覆蓋規模之后，我想傳遞給大家的一個重要信息是：今天的設備并非是為這些體驗而設計的。當智能體AI成為我們日常生活的首要AI功能，尤其是在個人計算領域，隨著我們越來越多地通過這些設備進行交互。

今天的這些設備，都是圍繞用戶發起的操作而打造的，而不是圍繞智能體。讓我來詳細解釋一下。智能體是不同的。它們全天候運行，持續延續情景信息向前推進。它們能夠可靠、安全地規劃多項任務，而且能夠自主執行，且無需持續的人類干預。僅憑這一點，就足以讓我們看到，這些設備將如何變革，以及其架構將如何隨之演進。從這一角度來看，智能體基于意圖來行動，也意味著AI正在人機交互中扮演全新的角色。

AI能夠理解人類意圖，并主動理解它需要與之交互的上下文。用戶設定一個目標，AI會將其拆解成多個步驟，并在不同的系統以及不同的數據集之間協調執行——包括設備上的個人數據集，個人知識圖譜數據，以及云端數據。它進行規劃、執行，然后由用戶來確認。用戶會與它保持互動，直到任務完成。而這就從根本上改變了硬件需求。我們需要不同類型的硬件來實現這一點，因為現在不再只是由用戶發起操作——智能體將自主運行。這也將改變操作系統和應用。我認為，這正是在整個設備計算領域中，我們所看到重要機遇——面向 AI 時代的全面升級。

這要求我們能夠跨所有計算領域實現緊密集成——尤其是在面臨嚴格的功耗和時延限制的情況下。我再怎么強調功耗的重要性也不為過。想想你的手機：如果光是你自己操作手機，讓它的續航撐一整天都已經很有挑戰了，那么當你和AI智能體同時操作它時又會怎樣？這在功耗和時延方面都是一個巨大的工程挑戰。這些設備需要能夠支持規劃、推理以及跨系統的協調。由此，你就可以開始理解計算將如何演進。你需要一個非常強大且高能效的CPU來負責任務的編排規劃。我認為，業界現在已經理解了CPU對于編排規劃的重要性，以及規劃器（Orchestrator）將運行在何處。你還需要極高能效、高計算密度的NPU和GPU來支持本地模型的運行

今天我還會做的一點，是清晰地展示AI將如何在云端和終端之間分布運行。我甚至覺得這一點將變得如此顯而易見，以至于我們將不需要再專門去討論它了。我們不會再單獨去談云端與邊緣，因為它們將融合成為一個統一的系統。而要實現這一點，你需要這些設備具備相應的算力，在NPU和GPU上完成相關計算。你還需要獲取傳感器數據。因為情境信息也至關重要。沒有情境信息，智能體就無法為你提供實用、主動的服務。當我們面向智能體 AI 設計下一代設備時，這些能力都將是必不可少的，而新一輪升級確實正在到來。

但并非每一種設備的需求都完全相同。我們作為高通深知這一點。在個人設備領域，這意味著需要全天候智能，能夠高度聚焦于對用戶而言非常重要的傳感器與情境信息，并且具備極致的能效表現, 因為你會隨身攜帶它們，它們本質上是移動設備。你還需要高速聯網能力。在汽車與機器人上，這意味著要在最嚴苛的環境下保持持續穩定的處理性能，同時在必要時能夠脫離網絡與云端獨立運行。而在數據中心領域，推理工作將需要極其龐大的規模，接下來在談到詞元（token）需求時，我會為大家詳細說明，并且在數據中心場景中，能效同樣至關重要。

我想和大家說的是，對于那些在移動行業深耕了數十年的企業來說，我們始終面對一個現實——計算能力的增長速度與可用能源的提升并不一致。因此，我們必須拿出解決方案，在有限的電量條件下，提供設備所需的全部算力，因為電池要支撐一整天的使用，而且體積受到嚴格限制。這樣的邏輯，在數據中心領域同樣成立。關于這部分的更多細節，我們將在本月底（6月24日高通投資者日）進一步公布。

這本身就是高通的優勢所在。 我們一直在深耕所有這些邊緣側設備領域，尤其是如今業務高度多元化的全新高通。我們已經能夠構建跨層級系統的能力，覆蓋從功耗兩毫瓦以下的耳機（配備微功耗Wi-Fi、可連接智能體的個人AI音頻設備），一直到需要千瓦級的數據中心。我認為，當所有設備都要為智能體AI的未來而變革時，這對于我們自身以及合作伙伴來說，都是一個巨大的機遇。為此，我們需要專用計算解決方案，能夠從毫瓦級設備一直擴展到2000千瓦的設備。

這正是我們面前的一個絕佳機遇：高通在智能手機、PC、車載計算和機器人領域有著領先的每瓦特性能表現，并正在將這一優勢延伸至數據中心。我認為這就是我們的使命，也是給予我們的機會。

智能體已經開啟終端上的商用落地

在我們繼續推進演講內容之前，我最后想說的是：目前正在發生的事情令人振奮，尤其是在PC端，各類智能體AI應用正在不斷落地。之后我會回過頭來談這個話題，也會再次聊到手機——因為我認為，手機領域的發展趨勢，將很好地預示PC及其他設備未來可能的發展方向。請先記住這一點，稍后我們再展開。

接下來，我將按不同的設備類別為大家逐一梳理，展示這些體驗正在如何演進。我希望讓這一切對大家來說不那么抽象，而是更加直觀，因為這已經是眼前正在發生的事情。我想從真正由驍龍平臺驅動的設備開始講起。大家將會看到，智能體正在手機、PC，以及個人AI設備這一全新品類上部署，并開始實現規模化落地。我想請大家觀看一段視頻。

這真的很令人興奮，而且這一切已經是正在發生的現實。可以看到，智能體并不與某一臺設備綁定，它跟隨用戶移動，始終陪伴在用戶身邊，不管你使用的是哪一臺設備。由此，大家就能開始理解這場變革：生態系統的核心——尤其是移動生態——不再是智能手機本身，而是智能體，智能體將貫穿所有的設備。

這非常不可思議。正如我所說的，現在大家應該都不難理解，為什么我們說2026年是智能體之年。智能體正在加速應用，可以看到它在商用設備上落地。OpenClaw、Hermes這樣的智能體規劃器，現在已經能在驍龍平臺上運行了；Claude Desktop這樣的智能體助手，也可以在驍龍PC上實現本地運行。而且你會發現這一趨勢只會越來越快：用戶將越來越多地使用自己的設備，設備也將更加自主地運行并執行任務。與此同時，像Perplexity Computer這樣的云端平臺，正在構建連接終端設備的規劃層；谷歌正借助Gemini將智能體AI直接引入Android，微軟也在做同樣的事；我們的合作伙伴Humain也在開發一套完整的、運行于驍龍平臺之上的智能體操作系統。

這確實令人難以置信。在分享接下來的內容之前，我想利用這個機會講一個關于手機的觀點，因為要理解這一點非常關鍵：目前全球有60億部手機，用戶體驗將如何被定義。OpenClaw這類規劃器是AI向智能體轉變過程中的重要里程碑。我記得，當這類規劃器問世時，大量消費者開始購買電腦，比如Mac Mini或其他設備，用來運行這些智能體處理任務，從而通過發消息與電腦進行交互。但這并不只是早期極客的專屬操作，而將成為未來大多數人使用電腦的方式。但如果你只有一部手機，你不可能另外再買一臺電腦、接上電池、塞進包里帶著走。你只會隨身攜帶一臺設備，而這些功能都將由手機來實現。

所以，這些設備將會擁有“雙重角色”。一個是由用戶操作設備，這也是當前所有設備的設計方式。但與此同時，智能體也會自主操作設備，而這就是未來設備的使用方式。這一切會發生在一臺設備上，同一臺設備承擔兩種功能，比如手機，這種模式也將影響PC、筆記本電腦的發展方向。

這些個人 AI 設備將實現規模化普及，因為它們對智能體來說是非常自然的載體。比如智能眼鏡，它靠近你的眼睛、嘴巴和耳朵，交互方式變得極為自然。這就是我們即將在計算領域看到的重要轉變。但這并非只發生在個人計算領域。

智能體 AI 從屏幕延伸至物理世界

當我們展望物理世界中的轉型時，同樣的變革也正在發生。物理世界是目前我們行業中最令人興奮的領域之一。汽車、機器人、工業系統也將成為智能體AI的重要端點。而這些系統還有著更多的要求：時延、安全性需要以毫秒、毫米為單位來衡量，每一瓦的功耗都至關重要。

接下來我要為大家展示一段演示，我先來介紹一下，在汽車里會如何運行。汽車將會擁有兩個智能層。首先在座艙內，AI 會為用戶提供個性化體驗 —— 這和我們剛才談到的邏輯一樣，智能體將會一直以用戶為中心，無論是在什么設備上。當你坐在駕駛座上，你的體驗會無縫延續，你會和智能體進行交互。無論是在汽車里、在個人 AI 設備上、在手機上，還是在 PC 上，都沒有區別，因為智能體是所有設備的中心，包括汽車在內。

但汽車除了和用戶交互之外，還有其他任務。它在基于車上情境信息和用戶交互的同時，還要在道路上，利用物理 AI通過攝像頭、雷達、傳感器和地圖進行感知、規劃、執行，為用戶完成導航。所以這是很有意思的地方：汽車擁有兩個不同的智能層。

一層是座艙內和用戶的個性化交互，是個性化、貼合車內場景的體驗；另一層是輔助用戶駕駛車輛的物理 AI，而這兩者需要作為一體化的系統協同運行。請看這段演示視頻，大家會明白這些系統是如何統一工作的。

這非常有意思，大家可以看到，汽車的攝像頭、雷達以及所有傳感器，共同在這一智能層之上實現駕駛輔助。同時這一智能層還有輸入與情景信息為用戶提供智能體體驗。而我們現在才剛剛處于這一變革的開端。在高通我們看到，軟件定義汽車的轉型正在進一步升級，向AI 定義汽車演進

我已經講了個人計算和汽車，現在我想談談物理 AI 的下一個重要領域，機器人。整個機器人行業正在經歷變革。這個領域非常有意思，因為它不斷挑戰計算技術的極限，并且融合了我們在個人計算領域看到的諸多技術 —— 包括感知、理解以及高集成度的傳感器系統等。

機器人就像你的眼鏡一樣，能見你所見、讀你所讀、理解所處的情境。與此同時，它還融合了來自汽車領域的多種技術要素：它需要精度、工業級標準、安全性、冗余備份能力。這正是技術轉型中非常令人興奮的部分，它兼具了消費電子與汽車兩大領域的優勢。想要在機器人領域取得成功，你必須懂得如何將其設計為一套分層式計算系統。

首先我們需要理解，機器人的計算分為三個層級。第一層是即時執行，就像我們伸手拿東西沒抓穩時，無需思考就會再次嘗試，直到拿住。這就是即時執行，我們維持身體平衡以及所有類似的下意識行為，都屬于這一層。第二層是動作執行，而后是動作與情境交互，第三層則是邏輯推理。

因此我們需要構建一個分層計算系統，同時還要采用分布式智能設計。研發機器人不只是研發它的“大腦”，還需要配備核心計算單元、運動控制模塊，以及各類驅動執行能力。其中環境感知與精細操作能力至關重要。因此，我們要充分融合移動技術與個人計算領域的優勢，以及我們在車載與導航領域所看到的技術能力，共同構成一個非常有價值的技術平臺。

我們正在構建的是一個覆蓋多形態產品的綜合性平臺，涵蓋自主移動機器人（AMR）、工業機械臂、四足機器人、人形機器人、無人機等各類設備。在我看來，當下工業領域正迎來巨大機遇。我們需要構建硬件、軟件，搭建AI運維體系，實現機群管控與數據管理，全方位助力合作伙伴從產品原型階段順利落地量產。

機器人也是一個典型案例，這類設備十分看重續航能力，同時要求計算單元與傳感器高度集成。想要讓機器人實現規模化普及并把售價控制在合理區間，就必須引入來自消費電子領域的能力，實現高度集成。這對我們以及合作伙伴而言，同樣是極具潛力的機遇。

仔細來看，相關領域的發展速度其實十分迅速。這是目前我們和VinMotion、紐鼐機器人等企業合作的兩個案例，后續我們也會分享與Figure AI的合作進展。不過，除機器人之外，物理AI在工業領域更是蘊藏著巨大機遇。我一直認為，工業市場并非受限于需求，而是受限于解決方案，取決于相關系統與技術的成熟度。

企業及工業場景下的市場需求本身是十分龐大的。例如在視覺領域，AI賦能的攝像頭既能監管安全合規情況，也可監測智慧城市的車流，還能自主觸發相應的動作，實現一定程度的自動化運行，相關應用場景還有很多。再看看企業場景的發展趨勢：企業日常已經在使用的物品都會迎來全新形態，從智能頭盔、防護眼鏡，到工牌等各類物品皆是如此。這其中蘊藏的機遇著實令人期待。

以計算機視覺為例就能發現，智能體AI正在重塑各行各業。計算機視覺既可在設備本地運行，也能依托云端部署；必要時還可靈活調用本地機房或云端的更強的大模型。它能夠完成視覺感知、理解分析、決策判斷并執行動作，真正將視覺信息轉化為實時智能。其應用前景極為廣闊，而這一切才剛剛起步。

來自視覺及各類傳感器的數據，與智能體AI結合，將從根本上改變許多系統與企業的運作模式。目前這一趨勢已然顯現：比如零售、倉儲領域，辦公與樓宇管理、石油和天然氣、能源領域同樣有所應用，此外還有智慧城市場景。

6G構建智能體AI未來基礎設施網絡

這對于智能體AI而言，是巨大的發展機遇。大家已經看到，智能體AI正在變革個人計算領域，也催生出各類新型個人終端，以及汽車、機器人和工業設備領域。而接下來，還有一項技術層將為整個行業帶來顛覆性改變，我個人對此非常期待，它就是新一代無線通信技術。今天我就來解釋一下，這項技術和我們剛才探討的內容究竟有怎樣的關聯。

在世界移動通信大會上，高通將6G定義為首個專為AI時代打造的無線通信技術6G包含三大核心支柱：連接、分布式計算以及感知能力。其中分布式計算與感知能力，是以往通信領域從未具備的全新能力。接下來，我會為大家逐一解讀這三大支柱。

我們從連接開始說起。基于演講開頭時講到的內容，我來簡單講講6G中連接的變化。如果你佩戴了智能眼鏡，它們要看到你所看到的，因此，這種連接需要支持非常快速的上行鏈路。我接下來要說的內容可能聽起來會比較有趣——6G將讓每個人都成為這個世界中“行走的攝像頭”，因為你所看到的一切都可以成為高清視頻，并可以將其發送給系統或上傳至云端。這正是為了支持終端、機器、智能體、汽車之間的持續情境信息交互而設計，并且通過AI原生空口實現的。

網絡能夠理解自適應無線環境。你會看到——我不會花太多時間討論這一點——但你會看到許多不同的技術：自主網絡、無線信號預測，即使在高速移動和弱信號場景下，仍然可以實現性能提升，并且在高密度場景中顯著提升速率。但歸根結底，關鍵在于能夠連接萬物，甚至支持“見你所見”這樣的用例。這就是連接性的部分。

第二部分是計算。這一點在我講到第三大支柱——感知時，就會變得清晰。但這正是無線通信領域自移動通信誕生以來，電信基礎設施所經歷的最大變革。整個網絡本身就是一個AI網絡，其分布式AI計算與推理能力從無線基站一直延伸到中心機房乃至數據中心。網絡本身將成為一個超大數據中心的一部分；中心機房類似本地企業級數據中心；而無線基站也具備實時計算能力，這不僅是對連接性至關重要，也將成整個系統的關鍵。

我剛才談到了自主網絡、資源自主分配、射頻信號預測，但正是由于感知能力，你才需要這些功能。感知是這個行業最大的變革，它將使電信行業真正成為一個完全不同的行業。感知的作用在于，我們將射頻信號作為物理AI的輸入，用于訓練那些基于性能建模和優化的模型。這會帶來什么效果？每一個無線連接都將像你在自動駕駛汽車上看到的雷達一樣，而且你將實時獲得數以億計這樣的連接。通過對所有這些數據進行三角定位，你能創建一個社區、一座城市，甚至整個國家的數字孿生。利用這個數字孿生能做什么？無人機探測就是一個例子。你可以探測到所有移動和飛行的物體，管理整個低空經濟。你可以在每一條道路上探測到每一輛汽車、每一輛自行車、每一輛卡車、每一個行人，并且能夠真的識別這些物體，并在圖像上對它們進行標注。

把我們剛才討論的計算機視覺與智能這個例子，帶入到這個龐大的數字孿生中，這將改變一切。而這個與我們正在討論的智能體AI又有什么聯系呢？所有這些，都將是為所有終端設備上運行的智能體所提供的實時情境信息。我認為，對于發生在邊緣側的這一切而言，這是一個令人興奮的未來，因為AI是一種全新的計算形態，它將成為讓計算無處不在的運行方式。

智能體定義AI架構與經濟模式

那么，現在我將進入演講的最后一部分。這是我今天演講目標的第二部分，即向大家解釋邊緣設備將如何隨著AI而改變。第二部分是試圖讓大家非常簡單地理解云和邊緣將如何協同工作。雖然現在這一點已經非常顯而易見，但我希望你們能得出與我們相同的結論。這個世界將如何演進？智能體正成為AI 詞元（token）需求增長的核心來源，推動AI規模化落地，并將定義AI架構與經濟模式

我們來回顧一下：今天的大多數軟件、操作系統、應用商店，都是為用戶操作而設計。比如，我們啟動應用、運行程序、瀏覽網頁等，所有交互都圍繞人來展開。而在智能體時代，一切都改變了。智能體自主運行，與軟件交互的速度遠超人類，并且可同時跨多個服務執行操作。這正是終端需要進行升級的原因。在所有工作流中，詞元（token）將以機器速度生成，而非人類速度。

舉個例子，無論是應用程序還是SaaS行業，相關軟件都是為用戶操作而設計，未來則不同。軟件和SaaS服務必須同時面向用戶與智能體進行設計，且智能體的交互速度更快。這將徹底改變詞元（token）的需求。由此不難看出這一轉變：詞元（token）消耗量正快速增長。盡管市場有多種預測，但當前整體趨勢會是這樣的：

第一階段是對話式AI，用戶采用單輪對話，輸入提示并獲得回復，單次交互約消耗1萬個詞元（token）。第二階段是推理式AI，支持多輪對話，可以看到詞元（token）用量大幅提升，每項任務約需10萬個詞元（token）。第三階段則是智能體AI，可自主執行多步驟操作、調用多個工具，單任務詞元（token）用量達到100萬且在持續增長。短短兩代演進，詞元（token） 消耗已實現約 100 倍的量級增長。

讓我們換個維度來解讀同一組數據：2026年，全球每10秒的詞元（token）需求約為317億；到2030年，同樣是每10秒，這一數值將達到1.27萬億，增幅高達40倍。而這一爆發式增長，正是由智能體AI生成的海量詞元（token）所驅動。

因此，再來看最新預測數據，2030年全球詞元（token）總需求將達到千萬億級，我確信這一數字后續還會變化。我甚至都不知道該怎么念這個數，就姑且稱之為海量級的詞元（token）需求。在這樣的體系中，詞元（token）就是AI時代的全新貨幣，接下來我要和大家說明，這一切將如何實現。或許會有不少人提出質疑，但無需爭論，因為這就是未來的必然走向，我們此前早已見證過類似趨勢。下面我舉幾個例子說明具體邏輯，先從編程開發說起 —— 編程工作負載正是當下最消耗詞元（token）的場景之一。

以一段真實的Claude Code運行場景為例，規劃器會對工作負載進行智能調度：將部分任務留在設備端本地計算，把必要內容上傳至云端。通過這種分布式智能體AI架構，充分利用跨計算連續體的所有算力資源，可節省約140萬詞元（token），在獲得相同結果的前提下減少成本60%。以上就是編程場景的實際效果。

再舉一個完全不同的例子。我接下來要展示的演示任務是創建一個驍龍網頁，提示詞中包含大量關于該網頁的具體設置和要求。左側是僅在云端運行、在云端生成詞元（token）的模式；右側是同樣的生成結果，但采用智能分布式架構。智能規劃器會根據設備端與云端的可用算力，對任務進行調度分配。最終可實現的效果完全一致，同時詞元（token）用量減少30%、成本降低4倍，這正是分布式AI的優勢所在。這就是未來的實際運行方式。我之所以舉這個例子，是因為業界一直在討論云端與邊緣計算，二者都至關重要，而現在大家可以清晰看到它們未來將如何真正發揮作用。

這并不是一個抽象的概念，具體來說，討論的重點從來都不是 “在云端運行的工作負載，也能在邊緣側運行”。需要運行在云端的就運行在云端，需要運行在邊緣的就運行在邊緣，這是兩種不同的情況。 這里有個類比，可能不完美，但有助于大家去理解。我相信在座的每一位的手機里可能都有超過200個應用app，如果讓大家針對每個app去判斷：什么是在手機上運行，什么是在云端運行。

這么做其實并沒有太大意義，你們一定明白云端的重要性。如果你把手機設置為飛行模式，它就幾乎沒有用處了，但你需要大量的算力，而這就是它的運行方式。AI，或者說智能體AI，是由智能體來替你操作計算系統。隨著工作負載開始轉移，你親自處理的工作，以及智能體將處理的工作，都將利用所有可用的計算資源，其運作方式將與今天完全一致。計算資源將被充分利用，AI將在所有設備上運行，并且這將貫穿整個計算連續體，我認為這對于高通而言正是激動人心的，因為這將催生無處不在的AI計算需求。在無處不在的計算中，面對智能體化的未來，計算引擎將變得重要且不可或缺。你將能夠自然而然地在最高效的地方處理工作負載，而這正是機遇所在，因為我們跨不同品類終端都具備獨特的優勢，并且從來不會采用“一刀切”的模式。

數據中心業務預告，發布全新業務品牌高通飛龍（Dragonfly）

正如前面所討論的，每種設備都需要合適的AI平臺，因為它們各不相同、用途上也存在差異。關鍵在于讓智能和能效在任何地方都實現最大化。因此，在演講結束前，我還有一個消息想和大家分享，讓我們觀看一段視頻。

今天在Computex，我們宣布推出高通數據中心產品的全新品牌。目前，我們已與超大規模云服務商及全球合作伙伴展開合作，共同推進實際部署工作。我們十分激動，這是高通業務多元化發展的新篇章。如今，憑借高通飛龍（Dragonfly）系列，我們的產品組合已覆蓋計算連續體中的各個層級——從可連接智能體的最小的可穿戴設備，到高性能的數據中心。在6月24日的投資者大會上，我將更詳細地介紹我們的產品路線圖，大家敬請期待。

總而言之，我想說的是，我們非常期待看到技術跨所有設備部署的未來。這是一次重大的變革。我們向各位展示了，智能體AI并非即將到來，而是已經到來。它正在重塑計算架構，將催生對新型設備和計算能力的巨大需求，而這一升級周期，有望成為行業有史以來規模最大的周期之一。我們將攜手打造定義這一全新時代的產品和技術。

感謝大家的聆聽。能在這里進行演講，我感到非常高興和榮幸，希望我的分享對大家有所幫助。我迫不及待地希望與全球合作伙伴攜手，共同開創嶄新的未來。再次感謝，祝大家獲得愉快的Computex之旅。（心月）