高通加速AI全栈布局，万卫星深度剖析端侧智能体演进路径
感知论坛
高通加速AI全栈布局，万卫星深度剖析端侧智能体演进路径
在2026年3月27日举办的CFMS MemoryS峰会上，高通公司AI产品技术中国区负责人万卫星分享了其对终端侧AI发展趋势的深入洞察，并系统介绍了高通在AI全栈技术领域的战略布局。
AI行业应用历经多阶段演进，端侧部署面临现实挑战
据万卫星介绍，AI在行业中的应用已经经历了多个演进阶段。从早期的感知类AI，发展到如今的生成式AI和智能体AI，未来将进一步迈入物理AI的全新领域。
感知AI主要聚焦于多媒体信号处理、语音识别、图像分类及降噪等传统应用场景；生成式AI则依赖大规模预训练数据，能在监督条件下解决特定任务，例如ChatGPT和文生图模型等。而智能体AI更进一步，能够在无监督环境下自主理解用户意图，执行复杂任务。至于物理AI，它将具备对物理世界的深度理解能力，并根据物理规则进行反馈与决策，目前仍处于早期探索阶段。
当前，生成式AI与智能体AI的技术演进尤为显著，特别是在端侧部署方面。如今，端侧设备所支持的模型参数规模不断攀升。以智能手机为例，已可运行10亿至100亿参数级别的模型；在PC上，这一数字进一步提升至130亿至200亿参数。在车载场景中，模型参数量甚至可达200亿至600亿。
针对AR眼镜及低功耗设备等小型终端，端侧模型的规模也在持续扩展，10亿至40亿参数量级别的模型已可实现本地化运行。万卫星指出，尽管端侧模型的参数量仍低于云端模型，但内存带宽优化、量化技术的改进等手段正在推动终端设备承载更复杂的AI模型。
值得一提的是，高通已在端侧部署具备推理能力的大模型。同时，模型支持的上下文长度也显著提升。2023年，端侧上下文长度普遍在1k至2k之间；2024年已扩展至2k至4k；2025年，高通联合合作伙伴在部分场景中实现了4k至8k的上下文长度，某些情况下甚至可支持32k至128k的超长上下文。
然而，端侧部署仍面临三大现实挑战：第一，内存容量有限，模型尺寸受内存制约；第二，内存带宽瓶颈影响token输出速度，影响用户体验；第三，大模型运行带来更高的功耗和散热压力，特别是在多终端场景中，能效比成为关键。
个人AI向多终端演进，高通构建全栈AI技术体系
万卫星指出，个人AI的未来将从端侧智能体出发，构建以用户和AI为核心的多终端体验体系。终端侧AI将具备更低的延迟、更强的个性化能力，以及持续无感的交互体验。
当前，智能体的发展趋势聚焦于端侧智能体、专业化方向、高度个性化以及多模态能力。终端侧智能体不再局限于简单的语音助手，而是能够深入理解用户意图、上下文信息以及环境感知数据的高阶AI助手。
过去，个人AI以手机为中心，其他设备如耳机、智能眼镜和手表多作为手机的延伸。未来，AI将以用户为核心，在手机、耳机、手表、PC等多终端间自由流动，智能体能够自主解析用户需求，并在多个设备上协同执行任务。
为此，高通构建了覆盖终端侧、本地边缘、网络边缘与中心云的混合部署架构。在硬件层面，高通已推出第五代骁龙8至尊版移动平台和X2 Elite计算平台，以提供强大的算力支撑。
此外，在数据中心领域，高通于MWC2026发布了基于AI200和AI250芯片的加速卡及机架系统，提供领先的总体拥有成本(TCO)与高内存容量，助力生成式AI推理的高效运行。
万卫星总结表示：“高通的AI全栈能力已覆盖消费电子、汽车、机器人以及下一代数据中心。通过统一的技术架构，我们能够实现高性能与高能效的软硬件协同，将AI能力从单设备、单芯片扩展至跨终端、跨场景的平台级能力。”
查看全文
评论0条评论