作者 ｜ 周一笑
郵箱 ｜ zhouyixiao@pingwest.com

未來幾年，你的手機可能會同時被兩個人用。一個是你，點開應用、刷消息、回郵件；另一個是你的 AI 智能體，在后臺幫你盯日程、調工具、跑任務，有時還會替你操作同一臺設備。

過去兩年，大多數人對 AI 的想象還停留在一個聊天框里，打開網頁，敲下問題，等它回答。智能體把這件事掉了個頭，它不等你每次開口，自己就持續待命，拆任務、調工具、跑流程，辦完再回來找你確認。

AI 從“你去用它”走到“它替你做”，最先被改寫的可能就是計算本身，它在哪里運行、在哪里感知、在哪里做決定，又在哪里產生成本。這正是高通 CEO 安蒙在 6 月 1 日 Computex 2026 開幕主題演講上想回答的問題。他給的答案，是一條從耳機一直鋪到數據中心的“計算連續體”，讓計算分散到各處去發生。

1

AI 開始在你身邊常駐

要看懂這個連續體，得先弄清它要承載的是一種什么樣的 AI。

最近越來越多的人已經在提前體驗這件事。他們在家里放一臺從不關機的小電腦，整天跑著 OpenClaw 這類智能體，人在外面，用一個聊天框給它發指令，讓它查資料、寫代碼、把雜活辦完。安蒙在臺上也提到了這個現象。這還是偏極客的玩法，但它把一個普通人遲早會遇到的問題提前擺了出來，智能體要自己干活，就得有一個全天候待命的地方。

過去的軟件是你去用它，打開應用、敲下指令、等它回話，所有動作由人發起。智能體把這套邏輯改了。它全天候在線，持續記著上下文，能自己把一個目標拆成多步、在不同的系統和數據之間調度，在你沒盯著的時候把活干完，干完再回來跟你確認。

這就帶出一個容易被忽略的變化，同一臺設備會開始扮演兩個角色。一個是你在操作它，這是今天所有設備的設計前提，另一個是智能體在自主操作它，這會是明天的常態。兩件事壓在同一臺手機上同時發生，對硬件是實打實的新負擔。光是你自己用，續航撐一天都吃力，再疊上一個全天候跑的智能體，功耗和時延立刻成了繞不開的工程題。

而今天大多數設備，并不是為這種 AI 從頭設計的。硬件和系統都圍繞“用戶主動操作”搭起來，跟一個會自己動手的智能體并不對路。高通把這個轉變概括為，數字生活的中心正從手機挪到智能體身上。手機的角色也跟著變，它過去是所有數字體驗的唯一中心，如今降成智能體網絡里的一個節點，各類設備則圍繞智能體運轉，成為它觸達用戶和現實世界的端點。

也因此，一批更適合智能體的新設備正在長出來，比如貼著你眼睛、耳朵和嘴的智能眼鏡。把這些都算上，端點的規模相當可觀，全球幾十億部手機、二十億臺從可穿戴演進而來的個人 AI 終端、二十億臺 PC，再加上數億輛智能網聯汽車。這場硬件層面的改造，不是小修小補能應付的。

1

常駐的智能體，住不進單一的云

接下來的問題順理成章，這么一個常駐、高頻、還要跨服務跑的智能體，能不能干脆全塞進云端。云當然能扛，只是把什么都堆上去，在成本、時延、隱私和情境上都不見得最優。

先看成本。高通把 AI 的演進拆成三段來算這筆賬。最早的對話式 AI 是單輪問答，一次交互大約消耗一萬個 token，到了能多輪推理的階段，單個任務漲到十萬，再到能自主調用工具、連續執行多步的智能體，單任務沖上百萬量級。短短兩代，單任務的token消耗放大了約一百倍。再乘上全球設備全天候地跑，總量到 2030 年大到離譜，高通的說法是那時每十秒產生的 token 就要按萬億計，安蒙在臺上甚至調侃，這個數大得他都不知道該怎么念。

成本怎么省，高通用一個貼近開發者的例子擺了出來。跑一個真實的 Claude Code 編程任務，讓規劃器把一部分留在設備本地算、必要的部分才送上云，在結果一樣的前提下，省下約一百四十萬個 token，成本降了六成。也有分析機構測算過，純云端模式在十億級用戶規模上持續服務，成本和可擴展性都會觸到天花板。賬還不只在錢上，實時性、隱私，加上智能體必須讀懂的當下情境，你在哪、周圍有什么、傳感器讀到了什么，這些都更適合在離你最近的地方處理。

成本只是一半的故事。端側能接住這件事，其實是這兩年才成立的。放到 2023 年，端側模型的能力、NPU 的軟件棧、加上應用生態都還不成熟，把智能體放到設備上更多是設想。到 2026 年，小模型、多模態感知、本地推理和跨設備的智能體框架幾條線同時往前走，端側才從一個省錢的備選，變成一個真能改善體驗的選項。也是在這個節點，計算發生的位置開始松動重排，而這恰恰是高通的機會。

1

為什么是高通

這套連續體不是誰都能講。過去十幾年，高通是全球智能手機芯片和基帶的核心供應商，你用過的不少安卓旗艦，連接和算力的底層都來自它。只是 AI 時代的聚光燈大多打在英偉達和云端算力上，高通的名字沒那么響。

高通幾十年只做一件事，在被電池、體積、散熱、連接和實時性死死卡住的設備里，把算力一點點摳出來。這套手藝過去屬于移動時代，如今智能體要常駐到這些設備上，它忽然變得稀缺。端側也跟著換了身份，過去它的賣點是省電和便攜，現在它是智能體感知現場、觸發行動、就地完成閉環的第一層。

這也是高通最愛講“每瓦性能”的原因。移動行業幾十年其實一直在解同一道題，算力需求漲得比可用能源快。這道題過去出在手機電池上，如今原封不動搬進了數據中心的電力和散熱賬本，而高通幾十年來一直在解這道題，它這條計算帶的跨度也大得驚人，一端是功耗兩毫瓦的耳機，另一端是2000千瓦的數據中心機柜。

把低功耗計算、連接、龐大的終端出貨和跨品類生態重新組織一遍，就是高通這次主推的連續體。它想讓外界看到的，是自己正從賣一塊低功耗芯片，走向提供一整套跨層級的計算系統。

高通這次擺出來的產品，能看出這套打法的輪廓。PC 這端，驍龍 X2 Elite 第一次進了桌面，華碩基于它做了 mini PC“Ascent QN10”，更入門的驍龍 C 平臺把帶基礎 AI 能力的 Arm PC 下探到三百美元級，宏碁、惠普、聯想都跟了進來。機器人這端，高通發布了 Dragonwing（躍龍）IQ10 機器人參考設計，把最高 700 TOPS 的端側 AI 算力、18 個 Qualcomm Oryon CPU 核心、多核 NPU 和 GPU、專門的安全島，連同本地大模型推理和整套開發工具鏈打包在一起。它交付的不只是一顆芯片，還有一套拿來就能開發、面向量產的系統，這正是機器人這種重續航、重集成的品類最缺的東西。

往物理世界看，邏輯還是同一套。汽車被拆成兩層智能，座艙里以人為中心的個性化交互，和靠攝像頭、雷達、地圖做感知決策的駕駛 AI，兩層當成一個系統協同，高通把這個趨勢叫作走向 AI 定義的汽車。機器人則按即時反應、動作執行、邏輯推理分層處理算力。再往外，工業和城市場景也在被改寫，一顆 AI 攝像頭既能盯安全合規，也能數清路口的車流，看到了還能自己觸發下一步。設備千差萬別，算力的配比各不相同，底下卻是同一條連續的能力帶。

高通還想把這條帶子延伸到網絡本身。它此前在 MWC 上把 6G 定義為第一個為 AI 時代設計的無線技術，除了連接，還多了分布式計算和感知兩根支柱。感知這條尤其有想象空間，它讓無線網絡不只是傳輸數據，也能成為物理 AI 獲取環境信息的一環，給跑在各處的智能體補上現場情境。

軟件生態也已經先動了。主流的開源和閉源模型都能在驍龍平臺上跑，OpenClaw、Hermes 這類智能體規劃器、能本地運行的 Claude Desktop，以及高通合作伙伴 Humain 正在開發的智能體操作系統，都把驍龍當成了落腳點。把端側當成智能體的家，已經不是高通一家的判斷。

高通發布Dragonfly產品

1

高通的“計算連續體”

把鏡頭拉遠，高通這一連串動作，落點其實在它自己身上。

這條連續體的最遠端是數據中心，也是高通這次最受關注的一筆。它發布了數據中心新品牌 Dragonfly（飛龍），說已經在和超大規模云廠商合作推進部署，但這一次沒有公布具體規格和完整路線圖，更多信息要等到 6 月 24 日的投資者日。外界真正關心的，是它會怎么把 Oryon CPU、AI 推理和能效優勢，組織成一套云廠商愿意接受的數據中心方案。

高通并不是數據中心的新人。2017 年它的 Centriq 試過服務器芯片，沒能在當時還不成熟的 ARM 服務器生態里站住，2021 年它花約十四億美元收購 Nuvia 重新備料，這支團隊的核心成員當年就是打造蘋果高性能 CPU 的人，后來驍龍 X 系列在 PC 上的表現，靠的正是他們的底子。端側是它已經驗證過的那一端，數據中心是它還想補上的另一端。

把增長攤開，是這套敘事的現實一面。最新一個財季里，高通芯片業務中的汽車板塊創下季度收入紀錄，汽車和 IoT 合計同比增長 20%。這讓“計算連續體”不只是一個技術故事，也對應著高通正把增長來源從手機往更多設備上攤開的現實。

這場 Computex 還有另一條主線。云廠商和 GPU 陣營正從數據中心往邊緣走，高通則從端側往數據中心補，兩條路線相向而行，交匯點都落在智能體上。誰走得更順，要看接下來幾年生態怎么長，但雙方有一點判斷一致，智能體會帶來一輪覆蓋幾乎所有設備的硬件升級，規模可能是這個行業很多年里最大的一次。

所以高通想改寫的，與其說是某一類設備，更是它自己在 AI 產業鏈里的坐標。它過去賣的是終端里的那塊計算能力，現在要讓行業相信，智能體時代真正需要的，是一條能把耳機、手機、PC、汽車、機器人和數據中心串起來的計算帶。

對國內從業者來說，值得盯的也正是這件事。計算的位置一旦開始重新分配，設備怎么設計、芯片怎么排布、云和端的賬怎么算，都會跟著重寫一遍。

點個“愛心”，再走 吧