Title: 高通公司展望个人 AI 发展：多终端体验将以 AI 和用户为中心 | BestBlogs.dev
URL Source: https://www.bestblogs.dev/article/541fe926
Published Time: 2026-03-27 08:49:00
Markdown Content: Skip to main content Toggle navigation menu Toggle navigation menuArticlesPodcastsVideosTweetsSourcesNewsletters
⌘K
Change language Switch ThemeSign In
Narrow Mode
高通公司展望个人 AI 发展：多终端体验将以 AI 和用户为中心
量 量子位 @量子位的朋友们
One Sentence Summary
Qualcomm's vision for the future of personal AI: AI will evolve from generative to agentic, leveraging on-device deployment to deliver user-centric, cross-device, and seamless interactive experiences.
Summary
This article details Qualcomm's keynote at the CFMS 2026 summit, exploring the evolutionary path of personal AI and on-device technology trends. Qualcomm proposes that AI development progresses through four stages: perception, generation, agentic, and physical AI, with current innovation focused on agentic AI. The article notes that on-device AI is advancing toward larger parameters (tens of billions for phones, sixty billion for automotive), longer context windows (up to 128k), and full multimodality. Despite challenges in memory bandwidth and energy efficiency, on-device AI offers significant advantages in personalization, privacy, and cost. Qualcomm emphasizes that 'AI is the new UI,' and future personal AI will transcend single-device limitations, achieving multi-device collaboration through a unified hardware and software foundation to build a new digital interaction paradigm centered on user intent.
Main Points
* 1. AI evolution has entered the Agentic AI stage, emphasizing autonomous decision-making and intent understanding.Compared to generative AI, agentic AI can autonomously understand user intent and decompose tasks without supervision, which is key to realizing personal AI assistants. * 2. On-device large model technical metrics are rapidly improving, presenting both challenges and opportunities.On-device capabilities now support tens of billions of parameters and context windows up to 128k, but are limited by memory capacity, bandwidth, and device energy efficiency, requiring a balance through quantization and architectural optimization. * 3. Interaction paradigm shift: From 'APP-centric' to 'AI as the new UI'.In the future, users will interact with agents via natural language, with agents invoking various tools and cloud capabilities instead of users manually operating individual apps. * 4. The future of personal AI is a cross-device, seamless, and collaborative experience.AI is no longer bound to specific devices but is user-centric, collaborating flexibly across phones, PCs, vehicles, and wearables, with on-device AI serving as the primary entry point for sensing intent.
Metadata
AI Score
87
Website qbitai.com
Published At Today
Length 3698 words (about 15 min)
Sign in to use highlight and note-taking features for a better reading experience. Sign in now
3月27日，CFMS｜MemoryS 2026 峰会以“穿越周期，释放价值”为主题在深圳举办。本届峰会汇聚存储、CPU/GPU、AI大模型、汽车等全球核心产业链生态企业，探索AI时代下，存储厂商、应用终端与平台厂商将如何融合新技术、新产品，协同构建高效生态。高通公司AI产品技术中国区负责人万卫星受邀出席本次峰会并发表主题演讲，探讨了在智能体AI创新浪潮下，端侧将如何引领构建个人AI的未来。
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。高通公司通过统一的技术路线，能够跨广泛产品组合提供高性能、高能效的软硬件技术底座，为赋能个人AI提供跨终端、跨场景的平台级能力。
此外，为表彰产业链内的杰出企业与领军人士，彰显行业标杆力量，MemoryS大奖也在本次峰会期间颁布，通过将业务从智能手机扩展至个人AI与智能可穿戴设备、PC、汽车、边缘网络以及工业物联网等广泛边缘领域，引领构建“边缘智能生态”，推动AI在万物互联终端上真正实现低延迟、高安全的本地化落地，高通公司荣获“年度AI生态杰出贡献奖”。
以下为万卫星演讲全文：
各位嘉宾，现场的朋友，大家上午好。今天我分享的主题是“引领智能体AI创新，在端侧构建个人AI未来”。我们首先来看一下AI在行业应用的几个演进阶段，第一个阶段我们可以把它叫做感知AI，感知AI并不陌生，它包括多媒体信号、比如语音信号的理解，对图像的分类识别，以及智能降噪等传统领域的用例。这类感知AI在大多数的终端侧平台已经得到了商业化落地，一个很典型的例子就是在手机领域的计算摄影，其实就得益于感知AI的落地。
第二个阶段就是生成式AI，这个阶段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。第三个阶段我们叫做智能体AI。智能体AI跟生成式AI有个很重要的区别就是，它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。第四阶段我们叫做物理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。如果大家关注今年在巴塞罗那的MWC世界移动通信大会，应该也看到了大量行业关于物理AI的探索进展。
目前我们看到行业内的关注重点主要在第二阶段和第三阶段。接下来我们先看一下生成式AI的发展趋势。我们看到很重要的一点是，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。虽然相较于云端大模型，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。
从模型本身的能力来看，我们观察到两点。首先，去年我们已成功将具备推理能力的大模型部署到了端侧。第二，在端侧大模型所对应的各类场景中，其支持的上下文长度也在提升。大概在三年前，端侧上下文长度普遍仅限于1k-2k；两年前，大部分场景的上下文已经扩展到2k-4k；而去年，高通在与合作伙伴的场景探索中，这个区间已提升到4k-8k。在一些特定的场景中，我们甚至已经可以支持32k-128k的上下文长度。
更长的上下文需求在端侧部署其实是具有挑战性的，上下文越来越长，意味着对KV缓存（Key-Value Cache）的需求会越来越大。这直接导致将模型整体部署到端侧时，所需的内存容量会增加，同时对内存带宽的要求也会越来越高。在模态演进方面，我们同样看到端侧模型正从单一的“文生文”、“文生图”、“图生图”向更丰富的多模态方向发展，包括语音、文字、照片、视觉以及传感器等多种输入，甚至正在向全模态的方向迈进。在去年9月的骁龙峰会上，高通也展示了与合作伙伴共同将50亿参数的全模态模型完整运行在端侧，用户可以通过自然语言进行交互。
介绍完趋势，下面我们来分享生成式AI在端侧部署的优势与挑战。我认为端侧运行生成式AI的最大优势在于个性化。因为个人所有的数据都在端侧，而新数据的产生源头也是在端侧。在数据产生的源头直接进行推理是一件非常自然的事情，同时也可以更好保护用户的隐私。此外，端侧生成式AI还有更高的成本优势，且无需网络连接，这让用户能够随时随地享受生成式AI带来的服务。在挑战方面，我这里重点强调几点。第一点是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。
第二点，端侧的内存带宽也是有限制的。大家知道，自回归网络的一个显著特点就是受内存带宽限制，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。第三点，我想重点强调在很多终端设备上，尤其是在手机这种集成度比较高的设备上，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。因此，如何在内存大小、带宽以及性能和能效之间达成平衡，是我们和业内伙伴一直在尝试解决的问题。
下面我们来看一下智能体AI的趋势，最重要的一点就是怎么让终端侧智能体和用户实现深度适配。第一个显著趋势就是终端侧智能体，其核心在于能够提供更低时延、更好的个性化以及持续无感的用户体验。第二是智能体专业化。最开始人们是想让统一的模型去解决大多数问题，现在我们在走向任务专业化，通过专业化智能体和多智能体框架来解决问题。第三个趋势，也是我觉得对用户体验最重要的趋势，就是高度个性化。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。
我们再来详细看一下智能体AI的基础模块。大家可以简单把智能体理解为一个持续运行的闭环系统，这一系统里包含多个基础模块，比如感知模块、理解模块和推理模块，还有记忆系统、工具系统甚至执行系统。这些模块整合在一起，让智能体能够理解用户的意图，处理用户输入的信息，通过对信息的理解来拆分成多个任务并独立完成目标。更重要的是，终端侧智能体可以提供持续感知、持续思考并且持续行动的用户体验。
智能体AI其实为我们面向新数字世界的交互范式带来很大改变。高通在过去两年一直在讲“AI是新的UI”——AI是新的用户交互界面。未来，用户不再是围绕某个单一的APP或者某个单一功能去做交互，只需要用语音或文本和智能体去自然交互，智能体就能通过理解用户的输入信息去理解用户意图，分解并规划任务。再结合运行在骁龙平台上的端侧大模型，可以解决我们的任务，也可以通过云端的通用大模型，让AI赋能娱乐、生产力工具、行业应用等广泛的场景。
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，这些任务是通过多个设备之间的灵活协同来完成的。AI设备它只是AI的载体，未来个人AI体验一定是朝着打造更持续、更无感的用户体验方向去演进。从我们的视角去看个人AI，它一定是始于终端侧的，因为终端侧离用户最近，终端侧拥有用户的所有信息，因此能够在第一时间感知到用户个人的意图、上下文和偏好。
但是个人AI它不是孤立运行的，它可以通过混合AI的架构，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。大家已经可以在市场上看到非常多搭载上述骁龙平台的商用终端。
刚才我们聊了终端侧，那么在数据中心领域，我们也是在今年MWC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。尤其是AI250，它引入了一个创新的内存架构，为AI处理工作负载带来效率的跨时代跃升。
最后，我想给大家总结一下高通在AI方面的整体布局。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。
以上就是我今天所有的分享，非常感谢大家。
量 量子位 @量子位的朋友们
One Sentence Summary
Qualcomm's vision for the future of personal AI: AI will evolve from generative to agentic, leveraging on-device deployment to deliver user-centric, cross-device, and seamless interactive experiences.
Summary
This article details Qualcomm's keynote at the CFMS 2026 summit, exploring the evolutionary path of personal AI and on-device technology trends. Qualcomm proposes that AI development progresses through four stages: perception, generation, agentic, and physical AI, with current innovation focused on agentic AI. The article notes that on-device AI is advancing toward larger parameters (tens of billions for phones, sixty billion for automotive), longer context windows (up to 128k), and full multimodality. Despite challenges in memory bandwidth and energy efficiency, on-device AI offers significant advantages in personalization, privacy, and cost. Qualcomm emphasizes that 'AI is the new UI,' and future personal AI will transcend single-device limitations, achieving multi-device collaboration through a unified hardware and software foundation to build a new digital interaction paradigm centered on user intent.
Main Points
* 1. AI evolution has entered the Agentic AI stage, emphasizing autonomous decision-making and intent understanding.
Compared to generative AI, agentic AI can autonomously understand user intent and decompose tasks without supervision, which is key to realizing personal AI assistants.
* 2. On-device large model technical metrics are rapidly improving, presenting both challenges and opportunities.
On-device capabilities now support tens of billions of parameters and context windows up to 128k, but are limited by memory capacity, bandwidth, and device energy efficiency, requiring a balance through quantization and architectural optimization.
* 3. Interaction paradigm shift: From 'APP-centric' to 'AI as the new UI'.
In the future, users will interact with agents via natural language, with agents invoking various tools and cloud capabilities instead of users manually operating individual apps.
* 4. The future of personal AI is a cross-device, seamless, and collaborative experience.
AI is no longer bound to specific devices but is user-centric, collaborating flexibly across phones, PCs, vehicles, and wearables, with on-device AI serving as the primary entry point for sensing intent.
Key Quotes
* Personal AI will start on-device; we are moving toward multi-device experiences centered on AI and the user. * A key difference between agentic AI and generative AI is that it can basically understand user intent autonomously without supervision. * AI is the new UI—AI is the new user interface. * In the future, the personal AI experience will definitely evolve toward creating a more continuous and seamless user experience.
AI Score
87
Website qbitai.com
Published At Today
Length 3698 words (about 15 min)
Tags
Qualcomm
On-device AI
Agent
Generative AI
Snapdragon
Related Articles
* Google's New Paper Crashes Memory Stocks! 6x KV Cache Compression, Netizens: Silicon Valley Becomes Reality * GPT-5.4 Released: OpenAI's First Unified Model, Truly Native * Vol.86 Same Generation Technology, Two Systems: A 181-Page PPT Record of the AI Industry in 2025 * Context Graphs: The Trillion-Dollar AI Frontier Trending on X – What They Are and Startup Opportunities * MiniMax M2.5 Released: $1/Hour, the King of Real-World Work through a native Agent RL framework.") * Vol.89 AI Industry 2025 Annual Summary Supplement (V4 "Can't Wait" Edition) --- 70-page PPT Solo * Yao Shunyu Lectures Face-to-Face with Tang Jie, Yang Zhilin, and Lin Junyang! Four Schema Heroes Debate Heroes at Zhongguancun * Zhipu GLM-5 Technical Deep Dive: Full Compatibility with Domestic Chips Like Huawei Sparks Global Discussion and asynchronous reinforcement learning infrastructure, while completing full-stack adaptation for domestic chips.") * Top-level Thinking and Methodology for AI Coding Products: From Paradigm Revolution to Spec Coding * AI Starts to "Take Action", Alibaba's Qwen Leads the World HomeArticlesPodcastsVideosTweets