骁龙峰会上，个人AI开席，高通攒起Agent局

摩根士丹利发布的最新AlphaWise调研显示，今年3月至6月，智能体工具使用率从11%升至44%，端侧/手机AI使用率也从52%升至80%。

在中国，消费者个人AI周使用率已经达到80%，约三分之一受访者每天都在使用AI。

数字变化背后，是AI与个人终端的关系正在进入新的阶段。

过去十余年，手机使用主要围绕APP展开：用户打开App、选择功能，再一步步完成任务。

智能体开始进入日常之后，变化的不只是AI从手机走向耳机、眼镜、PC、汽车等更多入口，更重要的是用户与设备的交互方式开始改变：过去是用户寻找功能、操作App，未来更多是用户表达需求，由智能体理解、规划并执行，最后用户保留关键判断。

与此同时，智能体还要带着用户的情境和任务，在手机、PC、耳机、眼镜等不同终端之间持续工作。

高通CEO安蒙将这一变化概括为计算从“应用”转向“意图”，服务也开始从绑定单一设备转向以用户为中心的跨终端流动。

这意味着，智能体时代需要的是一套能够同时服务人和智能体、并让智能跨终端延续的计算体系。

当智能体开始进入各种个人终端，究竟需要什么样的处理器和设备？

在刚刚召开的骁龙峰会上，高通推出了其第六代骁龙8至尊版、第六代骁龙8超级至尊版，以及第二代骁龙音频平台至尊版，像是其对智能体时代个人AI生态的一次集中回答：手机依然承担个人AI最核心的计算和调度，PC向复杂任务延伸，耳机等可穿戴设备成为更贴近用户的感知与交互入口，再通过终端、模型和服务伙伴把这些能力变成真正可用的服务。

从手机到PC，再到环绕用户的更多设备，高通试图回答的是同一个问题：骁龙如何为智能体时代搭起一套“以用户为中心”的AI底座。

重构交互逻辑

今年以来，智能体从编程、办公等场景走向更广泛的个人生活，连接着大量日常服务的手机已然成为这场交互变革的重要落点。

如此背景下，不少手机厂商都在加速探索这一方向。努比亚近期发布了智能手机NaviX Ultra，并将其定位为“全球首款AI智能体手机”，通过系统级智能体能力和豆包手机助手，实现跨应用的复杂任务执行；荣耀近期发布的MagicOS 11将系统级智能体执行框架引入手机，推动主动服务与自动执行结合；小米则通过miclaw封测，探索由智能体理解需求、调用系统工具并完成操作。

这都指向了行业的新变化：过去，用户打开不同App，自己组织完成任务的流程；如今，厂商希望由用户交代需求，智能体承担其中的规划和执行，并与人协作，人保留方案判断与关键确认。

骁龙峰会现场，安蒙设想了一种更自然的交互方式：当用户喜欢的乐队来到所在城市，智能体会主动提醒。用户只需要回复一句“是的”，后续查演出、看日程、买门票、安排出行等一系列操作，都可以继续由智能体完成。原本需要在多个App之间来回切换的流程，被压缩成了一次简单确认。

据Counterpoint预测，到2027年，约三分之一售出的智能手机将具备智能体AI能力，高端手机中的比例预计超过80%。

手机拥有承接这一步的基础。它随身携带，汇集日程、消息、联系人等个人信息，同时连接应用、身份认证和支付等能力，为智能体理解需求与执行操作提供了条件。

从用户体验看，这些要求可以概括为知你所需（Aware）、想你所想（Attentive）、为你而行（Act）：结合个人信息与当前情境理解需求，围绕目标持续提供帮助，并调用工具完成操作，将需要判断和授权的事项交回用户。

这也是个人AI所指向的服务形态：围绕同一个用户的情境、偏好和目标持续提供服务，在使用中加深理解，并让用户掌握数据使用与任务执行的边界。

不仅如此，个人AI要真正跟随用户，服务就不能被限制在一台设备里。

用户的工作和生活本就分布在不同终端，手机里有日程和消息，PC上有工作资料，耳机、眼镜则更接近当下的交流与环境。如果换一台设备就需要重新交代背景，已经开始的任务也无法继续，个人AI的价值就会受到限制。

如此背景下，个人AI正在朝着跨越不同终端，持续理解用户的信息、任务进度和所处情境的方向发展。

正如高通CEO安蒙在今年骁龙峰会上讲的，“智能体体验并不会止步于智能手机，它会扩展到你身边所有终端。智能体将成为体验的中心，用户的手机、PC、眼镜、可穿戴设备、以及汽车，都将成为智能体的终端入口。而你也会根据自己所处的位置、以及当时的需求，自然而然地选择最方便的终端，这就是未来的发展趋势，因为一切都将围绕你的情境展开——AI要为你服务，并与你息息相关，否则你根本不会使用它。如果AI与你的需求和情境不相关，你就会选择自己完成这些事情。”

这正是“以用户为中心的生态”所追求的体验：设备各有分工，用户此前交代的要求和正在推进的任务，能够随着场景变化继续延续。

这随之带来的是计算方式的改变，一次指令背后，智能体可能需要读取情境、多轮推理、调用工具，再根据执行结果决定下一步。设备需要支撑的计算因而从一次问答延伸到持续推进的任务流程。

高盛模拟发现，如果智能体持续运行而非单次问答，Token消耗可从1000个/会话飙升至超过10万个/天。摩根大通预测到2030年，单次智能体交互的Token消耗将达到约68.9万。

这意味着，全部依赖云端显然会增加网络等待和持续推理的成本，也涉及个人数据的使用；全部留在端侧又受到算力、散热和电池容量的限制。

端侧、边缘与云端需要根据时延、隐私、能耗和任务复杂度协同分工，让不同任务在适合的位置完成。

这给处理器提出了更高的要求：既要高效完成推理，也要支持低功耗感知和多任务调度，并与连接、安全能力配合，让智能体能够持续工作。

算力各司其职

方向逐渐明确后，此次高通把人与智能体协作的需求放进新一代骁龙的设计里。

此次骁龙峰会上，高通首次同时推出两款骁龙8至尊版平台。其中，第六代骁龙8至尊版面向更广泛的旗舰终端，第六代骁龙8超级至尊版则专为最先进的AI工作负载和定义智能体时代的全新体验而打造。

双旗舰给终端厂商提供了更多选择，超级至尊版上的变化则更直接体现了高通面向智能体的设计思路。

让智能体持续工作，处理器内部首先要重新分工。

在超级至尊版上，高通更新了传感器中枢，搭载两个Micro NPU，可在其他模块休眠时承担低功耗感知；传感器中枢支持高达2亿参数规模的模型，Personal Scribe则负责保留用户选择记录的信息和上下文。

任务真正开始执行后，CPU和NPU再接手更多工作。新Oryon CPU超级内核最高主频达到5GHz，并加入FlexCache共享缓存，使运行在超级内核上的高负载工作在需要时可以利用几乎整个缓存池，同时保持超低时延缓存设计，得以为智能体AI提供强大的算力引擎；Hexagon NPU则增加面向Transformer的Element Accelerator，并扩大共享内存，为更长上下文和更复杂的模型推理提供支持。

传感器中枢处理环境语音。Oryon CPU负责指挥、规划、推理，并协调整个工作流程。如果任务需要调用云端API，Oryon够快速进行恰当的调度路由。针对多种模型在终端侧同时运行的混合场景，Hexagon NPU或Adreno GPU可以共同支持AI推理。

高通正在把智能体需要完成的工作拆给不同计算单元，各单元高效协同，各司其职，最终真正解决用户照常打开应用、处理消息时，智能体也能在后台持续理解情境和推进任务的问题。

可穿戴设备则把智能体继续带到离用户更近的地方。此次推出的第二代骁龙音频平台至尊版，高通定位为首个专为个人AI时代打造的高端音频平台，相比前代AI性能提升至两倍，功耗最高降低40%，占板面积减少30%，并首次在旗舰音频平台中集成超低功耗Wi-Fi。

这些数字背后对应的是耳戴设备的新角色。过去耳机主要处理播放、通话和降噪；进入智能体时代，它还需要持续听取指令、理解部分环境信息，并在有限电池容量下保持与手机和云端的连接。

例如高通计划支持耳机识别逐渐靠近的警笛声并自动调整透传；更强的语音拾取也可以服务于翻译、通话和向智能体下达指令。

PC则承载着个人AI更复杂的生产力任务。

今年骁龙峰会上，高通展示的智能体AI PC已经沿着这一方向展开。基于骁龙X2系列，智能体可以在本地调用不同模型和应用，处理照片整理、实时转写、企业安全等连续工作流。与此同时，高通还将骁龙X2所支持的系统从Windows、Googlebook拓展至Linux，并通过手机与PC间的跨设备协同，让个人AI能够在不同系统和终端之间延续。

至此，高通补齐了对个人AI的整体布局：手机、PC、眼镜、可穿戴设备和汽车分别承接不同场景，智能体则围绕用户的信息、任务和当下情境，在这些终端之间流转。

“朋友圈”扩容

个人AI真正落地后，变化同时发生在供给和终端两侧：可调用的模型和服务越来越多，承载这些能力的设备也越来越丰富。

一方面，随着模型成本下降和开源生态成熟，AI能力开始从少数通用模型走向更多具体场景。

另一方面，AI正在进入越来越多设备。IDC预计，2026年全球AI手机出货量将超过7.22亿台，渗透率达到66.4%；AI PC渗透率接近50%，AI平板达到74.3%。

但终端越丰富，开发者面对的运行环境也越复杂。不同产品在硬件配置、操作系统和功耗条件上存在差异，同一个模型或智能体进入更多设备往往还需要重新完成部署和优化。

这两种变化也把产业协同推到了一个新的阶段。

模型和服务的丰富度提升意味着计算平台需要连接更多能力，多终端则要求这些能力能够更容易地进入不同设备。

高通的布局也在沿着这两个方向展开。

在合作伙伴一侧，高通的合作范围正从传统手机、PC等终端厂商，进一步延伸到模型厂商、智能体开发者以及支付、办公、出行等垂直服务商，提升芯片与智能体的配合度。

今年峰会上，高通与万事达卡展示的智能体购物场景就是一个例子。智能体可以根据用户需求完成商品发现、选择乃至购买，而支付凭证、身份认证、隐私和交易安全也随之进入智能体工作流，双方的结合可以真正为用户提供可信任的支付体验。

类似的合作也延伸到了模型侧。通过与阶跃星辰等模型厂商合作，高通希望让模型能力更深地适配终端侧算力和智能体工作流，提升模型、芯片与具体应用之间的协同效率。

在开发者一侧，高通则希望通过软件工具Modular减少不同终端之间的重复开发。

目前高通Modular的Mojo和MAX已经运行在包括骁龙平台在内的边缘设备上，并继续向其他硬件架构和计算环境扩展。开发者已经完成的模型和软件能力，可以更多被复用，而不必因为底层计算平台变化就重新开发一套方案。

如此一来，高通的软件工具有望为开发者提供更一致的跨终端开发体验，降低不同设备上的模型部署和适配成本。终端品类越丰富，“一次适配、更多复用”的价值也越明显。

纵观过去多年，移动互联网用一部智能手机承载了万千用户的数字生活；智能体时代下，个人AI则开始把这种智能分散到用户身边的不同设备。

模型调用成本持续下降，AI手机、AI PC等终端渗透率继续提升，意味着个人AI的发展正在同时获得供给端和终端侧的支撑。对于产业链来说，新增需求也不再只来自一类设备的换代，还包括在更多终端接入AI，以及每台设备承担更多持续的计算任务。

凭借在手机、PC、可穿戴、汽车等终端上的长期布局，以及正在补强的软件工具和合作生态，高通有机会承接个人AI从单一设备走向多终端之后新增的计算需求。智能体时代下，高通面对的是个人计算从一部手机走向全场景智能的下一轮扩张，这同时也是全行业的共同机会。

*以上内容不构成投资建议，不代表刊登平台之观点，市场有风险，投资需谨慎，请独立判断和决策。