高通押注「个人AI」：从云端集中走向端边云分布式协同

高通正把「个人AI」视为终端市场下一个增长点。近期由高通委托、IDC 独立制作的产业白皮书《从AI设备到个人AI——智能体驱动的终端进化与产业重构》指出，全球智能终端市场正在经历一场「量减AI增」的错位：硬件出货下滑的同时，AI 在终端中的渗透率却在持续走高。

终端市场「量减AI增」的错位

数据显示，2026 年上半年全球智能手机出货量同比下滑 13.9%，但具备 AI 能力的手机比例已达 66.4%，相对增幅 21.8%。PC 和平板品类同样如此——出货量分别同比下滑 11.7% 和 8.6%，AI 渗透率却持续走高。

IDC 认为，过去靠「堆参数换销量」的逻辑已不再奏效。屏幕刷新率卷到 185Hz、摄像头冲到 2 亿像素、安兔兔跑分突破 400 万……这些曾经发布会上的核心卖点，越来越难直接转化为销量。硬件成本上涨、供应链波动、用户换机周期拉长，让单纯比拼硬件参数的商业模式遭遇瓶颈。这轮周期里，唯一能带来增长的亮点只剩下 AI。

「个人AI」范式：从对话到智能体的演进

白皮书认为，要系统性地解决硬件价值与用户付费意愿之间的错位，需要「个人AI」的产业范式转变。

所谓「个人AI」，即以智能体为核心运行载体、以用户为中心展开运行的个人智能系统，包含两层含义：

• 智能体本身是运行载体，手机、PC、眼镜等硬件只是承载智能体的端点；
• 智能体组织信息的方式围绕「人」展开，要「跟着人走」。

这意味着，手机、PC、眼镜将共用同一份对用户的理解，持续记忆用户偏好、感知用户所处环境，并在不同设备间无缝衔接。

端边云分布式：破解成本、体验、隐私三道瓶颈

从对话式 AI、推理式 AI 演进到智能体 AI，单次任务消耗的 Token 已上涨约 100 倍，且仍在持续增长。如果完全依赖云端，将面临三重瓶颈：

• 成本：用户尚未建立为 AI 服务付费的心智，厂商自行承担推理成本，造成成本与收益严重错配；
• 体验：全时感知和实时决策对响应速度要求极高，绕道云端的网络延迟难以满足；
• 隐私：全时感知需要持续记录用户环境、位置与习惯，数据汇聚后形成完整的用户画像，泄露后果严重。

白皮书给出的解法是从「云端集中」走向「端边云分布式」——打破端侧、边缘、云端各自独立的物理节点边界，让算力无缝流转、负载动态调度。高频轻量任务在端侧处理，中等复杂度任务由边缘节点承接，高复杂度推理任务按需调用云端算力。

高通的技术方案：多模块各司其职

白皮书为「个人AI」定义了五个特征：个性化服务、全时感知与自然交互、连续服务、可进化、安全可信。高通的技术方案逐一对应该链路：

• 个性化服务：在端侧构建个人知识图谱，数据不出设备即可记录用户偏好与习惯；
• 全时感知：传感器中枢脱离主系统独立运行，功耗压至数十甚至个位数毫安级别，实现全天候待机；
• 连续服务：手机、PC、眼镜共享同一份用户理解，底层连通的是每一个具体的人；
• 可进化：端侧个人知识图谱依靠本地算力持续迭代，使用越久判断越准；
• 安全可信：把隐私保护做成硬件级能力，端云分布式计算让个人数据处理留在端侧。

在高通看来，端侧 AI 真正的瓶颈并非算力，而是持续服务能力、多任务并行能力与功耗续航。为此，高通采用多种专用处理模块协同方案：

• CPU：负责全局调度，统筹复杂任务拆解；
• NPU：负责大模型的端侧推理；
• 传感器中枢：负责毫瓦级持续感知；
• GPU：负责并行计算与图形处理。

四个模块各司其职，支撑智能体全天候在线与多任务并行。

入口之争：高通选择「全都要」

对于下一代入口会落在哪种硬件这一问题，高通产品技术专家朱元堃认为，核心载体不必局限于某一种具体形态，手机、眼镜、PC 都将成为个人 AI 的入口，背后是同一个懂用户的智能体。

这一判断有数据支撑。高通 CEO 安蒙在 COMPUTEX 2026 主题演讲中给出全球设备规模：约 60 亿部手机、20 亿台个人 AI 终端、20 亿台 PC、5 亿辆智能网联汽车。在他看来，智能体要覆盖的是每个人身边所有能联网、带传感器的设备。

白皮书判断，到 2030 年以后，终端边界将逐步消解，以屏幕为核心的设备形态会弱化，感知、算力、执行单元将分布在用户身边各处。高通的产品已覆盖从两毫瓦耳机到千瓦级数据中心的全部计算层级，跳过单一入口之争，以全栈布局押注「个人AI」的长期演进。