不止手机！高通AI全面进击，芯片到加速卡，万卫星解读关键布局

个人智能体今年的演进出现哪些趋势？在以OpenClaw（小龙虾）大热的当下，芯片厂商如何考虑智能体在终端的应用前景和机会？这些热点问题在3月27日的CFMS MemoryS 2026 峰会上，来自高通公司AI产品技术中国区负责人万卫星给出了前瞻的技术分析和AI全栈技术解决方案。

AI应用四大阶段演进，端侧AI部署面临三大挑战

万卫星指出，AI在行业应用经历三个重要阶段，从感知AI、生成式AI向智能体AI演进，未来将进入物理AI时代。

感知AI主要包括多媒体信号、语音信号的理解，对图像的分类识别和智能降噪等传统领域的用例；生成式AI的特点是，在基于大量数据预训练的情况下，AI可以在有监督的情况下去解决一些具体的问题，比如说OpenAI的ChatGPT模型，以及文生图模型等等。智能体AI与生成式AI的重要区别是，基本上可以在无监督的情况下，自主的去理解用户意图，进行行动和决策，帮我们解决稍微复杂的任务。第四阶段物理AI，AI可以真正去理解我们的物理世界，根据真实物理世界的物理规定，对输入进行反馈和输出。这一技术还在早期应用阶段。

目前行业关注的第二阶段和第三阶段，我们看到的明显趋势是：能够在端侧运行的生成式AI模型，它的智能正在快速的提升。首先，端侧设备能够支持的模型参数量正在变得越来越大，比如在手机上我们已经可以运行10亿到100亿参数级别的大模型，在PC上可以运行130亿到200亿参数量的大模型。在车上，我们可以支持的模型参数量可能会更大，达到200~600亿的级别。

在更小型的设备上，比如AR眼镜和低功耗设备，我们也实现了让参数规模在10亿-40亿之间的模型完全在端侧运行。万卫星强调，相较于云端大模型，端侧模型的参数量仍然相对较小，但行业内的各种技术正在推动端侧大模型支持体量的提升，比如内存带宽提升，量化位宽技术的优化可以进一步压缩模型尺寸，这都意味着终端设备可以承载更丰富的模型。

尤其值得关注的是，高通已经将具备推理能力的大模型部署到端侧。而且在端侧大模型对应的各种的各类场景中，其支持的上下文长度也在提升。3年前，端侧上下文长度普遍仅限于1k-2k，2年前，大部分场景的上下文已经扩展到2k-4k；而2025年，高通在与合作伙伴的场景探索中，这个区间已提升到4k-8k。在一些特定场景中，甚至已经可以支持32k-128k的上下文长度。

在面对支持更多上下文的端侧部署挑战时，高通认为有三点：一、端侧内存规模的限制。虽然我们有很多技术手段能够压缩模型体积，但有限的内存终究会对可运行的模型大小设置上限，而模型大小的上限也意味着端侧AI能力的上限。二、内存带宽有限制，有限的带宽会影响大模型输出token（词元）的速度，进而影响到具体场景里面的用户体验。三、终端设备部署大模型，能效比和散热的问题不可避免。在多终端设备中，能效非常重要。我们要避免AI推理在运行时触发温控限制，避免引起设备发热。

智能体演进三大趋势，从端侧AI芯片到AI推理芯片全面覆盖

万卫星指出，个人AI将始于端侧，我们正在迈向以AI和用户为中心的多终端体验，终端侧智能体将能够提供更低时延、更好的个性化以及持续无感的用户体验。

当下，智能体从端侧智能体、智能体专业化、高度个性化和多模态为主要发展趋势，终端侧智能体不再是以前那种简单的对话类语音助手，而是变成能够充分理解用户意图、理解上下文、理解用户感知信息的真正懂你的AI助手。

在过去，个人AI更多是以手机为中心，耳机、眼镜、手表等其他设备是作为附属与手机连接。未来，我们正在迈向以AI和用户为中心的多终端体验。也就是说AI不再绑定某一个具体的设备，如果是通过个人AI或者智能体去理解用户的意图，再去执行用户的任务。个人AI通过混合架构在终端侧进行部署。在终端侧、本地边缘、网络边缘和中央云协同工作。

高通在去年也发布了多款可以提供充分算力去支撑个人AI场景的产品，包括第五代骁龙8至尊版移动平台、骁龙X2 Elite计算平台等。在数据中心侧，高通在MWC2026上正式发布了基于Qualcomm® AI200和AI250芯片的加速卡和机架系统。我们以行业领先的总体拥有成本(TCO)为高速数据中心生成式AI推理提供机架级性能与卓越内存容量。

在演讲最后，万卫星强调：“高通AI全栈能力，从手机、耳机、可穿戴设备、PC等消费电子产品，再到汽车、机器人，甚至到下一代的数据中心，我们都在用统一的AI架构去赋能所有的产品，核心就在于我们能够通过统一的技术路线，提供高性能、高能效的软硬件技术底座，让高通的AI能力得以从单个产品或者单颗芯片扩展成为规模化的跨终端、跨场景的平台级能力。”