从模型上手机到让智能体落地，高通的AI时代新故事｜焦点分析 - 二十一点停牌

2026年8月21日 最新停牌判定案例

过去一年，AI编程与办公工具在PC端迅速铺开，但手机端的AI应用仍主要停留在单一问答和图像处理层面。今年，高通试图展示的是——终端AI也能渗透进更多生活和工作的实际场景。

在2026年骁龙峰会上，高通携手阶跃星辰、无量火科技及江波龙，呈现了一个典型案例：通过端侧30B-MoE模型完成完整工作流程——仅依靠本地模型，AI便能解析邮件内容、提取日程信息、同步日历、推荐航班与酒店，并草拟回复邮件。

其独特之处在于，这涉及理解、规划与连续执行的复杂任务，且全部在终端设备上完成。

高通公司总裁兼首席执行官安蒙（Cristiano Amon）

如果说两年前高通主要聚焦于证明大模型可装载进手机，那么今年它更着力于证明，这些装载的模型能承担更全面的工作。

2024年，高通自研的Oryon CPU开始应用于手机，展示了端侧大模型的潜力；而到2025年，第五代骁龙8至尊版引入了Personal Scribe和个人知识图谱，将智能体直接纳入产品方向。

今年，AI领域的新焦点转向以Claude Code为代表的代码与办公工具竞争。如今，高通推动旗舰芯片进入2nm双旗舰时代，实现30B-MoE部署及更完整的任务流程，这意味着其能与模型及基础设施厂商共同开拓新的应用场景。

“智能体AI并不仅仅是为终端添加一项功能。它实际上创造了一种全新的终端工作流程。”高通公司总裁兼首席执行官安蒙（Cristiano Amon）在主题演讲中指出。

然而，当AI从单一功能转变为工作流程，高通需要解决的不仅仅是让下一代芯片更快。智能体需要更强的本地处理能力，也依赖于快速更新的模型、应用接口与终端之间的协同。

进入2026年，芯片厂商的共同趋势是：能力边界在扩大，竞争边界也在同步扩大。对高通而言，这种扩展不仅是从手机延伸至PC、眼镜、汽车和数据中心，还包括围绕模型适配、软件工具及跨终端协作来补齐能力。

从让手机部署模型，到让智能体持续工作

如果为今年的骁龙峰会总结一个关键词，“智能体”无疑排在首位。高通的所有更新——都在为更复杂的AI任务，重新分配手机内的计算资源。

例如，第六代骁龙8至尊版与超级至尊版双旗舰均采用2nm工艺。搭载超级至尊版的设备中，高通不仅将频率提升至5GHz，其中CPU负责工具调用与任务调度，NPU承担模型推理，低功耗感知单元处理后台信息，为不同类型的AI工作分配专属计算通道。

这背后的变化是，AI不再仅在用户提问时工作，还需在后台保留信息、等待时机并接续任务。以往，一次问答或修图是单次调用；而智能体则需要反复读取上下文、调用工具，并在任务间切换。

因此，缓存、内存带宽和低功耗感知变得至关重要——至少，手机不能因为多了一个常驻智能体就持续发热、迅速耗电。

这并非今年才出现的方向。2025年发布的第五代骁龙8至尊版，已强调Personal Scribe、个人知识图谱和低功耗感知中枢。

而在今年，高通在缓存、NPU共享内存及感知能力上的升级，更像是针对既有方向的持续加强——让更多信息得以保留，使任务切换与持续运行更加可靠。

不过，这并不意味着将所有AI计算留在本地，而是让终端承担更有价值的部分。手机掌握日历、邮件等个人信息，高通的新双Micro NPU架构性能提升85%，同时功耗降低20%，直观提升了个人记录（Personal Scribe）能力——提升了本地处理的低时延、离线可用性及减少数据上传的潜力；复杂任务仍可调用云端资源。

如今，更大体量的模型开始与完整的本地办公流程结合。对比2024年，最多7B的模型可部署在端侧，而在本次峰会上，高通已与阶跃达成合作。如今，30B的MoE模型在参考设计上完成的邮件理解、行程规划及日历同步，是一次可感知的跨越。

高通技术公司高级副总裁兼手机业务总经理Chris Patrick

而更复杂的AI应用，如今也可通过多个模型的分工完成，而非仅仅让一个模型变得更大。这为应用生态创业者提供了空间。

例如，在AI公司Deepgram展示的AI播客应用中，NPU上的语音模型负责转写并区分发言者，GPU上的Gemma模型理解话题、生成追问建议——一边听清谁说了什么，一边判断接下来该问什么。这使得“异构计算”变成了用户可理解的场景。不过工作人员也提到需联网检索核查，整个应用并非完全离线。

AI智能眼镜也是一个典型品类。过去一年的变化，也能说明高通这样的芯片厂商如何让新AI硬件逐步突破能力上限。2025年6月AWE上，高通AR1芯片的升级款骁龙AR1+ Gen 1已用原型眼镜演示Llama 3.2-1B本地运行，高通强调芯片更小、功耗更低以适应镜腿和电池约束；今年，高通则进一步为AR1、AR1+提供对多模态1比特模型的支持。

高通也在逐步拓展对开发者生态的支持。今年推出的高通START计划中，提供AR1+模组、软件平台及参考设计——非科技厂商的集成门槛也在降低，这表明研发支持越来越贴近品类需求，而非仅将手机芯片缩小。

此外，高通还推出了全新的Adreno Neural Fusion，带来增强的移动游戏体验，借助AI实现智能图形渲染，从而提供更沉浸的游戏效果、更丰富的视觉表现及更长的续航时间。

高通新一代Adreno

但芯片能支持什么，与智能体最终能替用户完成什么，仍然是两回事。高通公司中国区董事长孟樸对36氪表示，跨终端持续服务的个人智能体，可能要到2027-2028年，才会比较稳定地开始逐步落地。

AI时代的芯片厂商：迭代更快，挑战更多元

高通在AI时代，如今的状态可以说是四面出击，压力并不小。这部分来自新市场的吸引力，另一部分也来自守住旧市场的压力。

在移动时代，成就高通的基础是通信专利与芯片平台两大业务。而进入大模型时代，以数据中心为主的庞大需求，已让英伟达获得巨额收入——2027财年，英伟达第二季度数据中心收入达890亿美元。

高通也没有放过这个市场。此前，高通提出2029财年非手机收入400亿美元的目标，并推进数据中心业务。动机不难理解：守住手机之外，还需找到新的增长引擎。

但在争取新增长之前，高通可能首先得适应一个比手机换代更快的模型市场。“过去，智能手机完成适配后，可能9个月甚至12个月都无需再调整；而现在，大模型每3个月，甚至更短时间内就会迭代一次。”高通公司中国区董事长孟樸对36氪在内的媒体表示。

模型版本和能力更新快，不代表底层计算结构以同样速度完全变化。更准确的挑战在于：在相对稳定的计算基础上，用软件调度、可配置能力及持续验证来承接快速迭代。

更深的一层变化是，合作正从模型发布后的适配，前移到模型设计环节。2026年展示的四方合作分工说明了这一点——高通提供计算平台，阶跃提供模型，无量火优化推理与调度，江波龙处理存储协同；AI Hub则试图复用优化成果、降低部署门槛。

新的竞争指标是：新模型出来后，谁能更快、以更可控的成本交付可用体验。

端侧智能体是整个市场都在追逐的机会。9月，几乎所有主流厂商的新品都覆盖了端侧和智能体。例如，9月15日，联发科发布天玑9600系列，9600 Pro同样采用2nm，强调低功耗常驻感知，宣称支持30B-MoE端侧运行。

更复杂的竞争也会来自客户一侧：一边采购高通芯片，一边也在试图将关键能力掌握在自己手中。例如小米玄戒O1进入量产，苹果在iPhone 16e上推出自研C1基带等。而进入数据中心，也绕不开客户与竞争对手身份重叠的局面。英伟达之外，谷歌自研TPU也在争取训练和推理负载——而谷歌在终端上又是高通的重要合作伙伴。

当竞争同时发生在多个市场，高通还必须回答一个实际问题：这些新能力，客户负担得起是前提，但如何真正高效地应用起来？

孟樸提到：“随着技术的进步，芯片中需要叠加的技术越来越多，成本也会因此越来越高。”在他看来，一款产品展示当前技术能够达到的上限，另一款则更注重效率，以应对高成本、支持终端厂商。技术能力向前推进，能否被客户采用仍要过成本这一关。

至少，让智能体稳定地在移动设备上运行，还有多重挑战。“不能做错任务，不能过度占用内存，还不能增加续航负担，起码不能比手动操作还慢。”一位半导体行业人士总结。

现在，芯片行业正在进入多线混战。高通需要守土开疆，还必须成为耦合大模型厂商、AI应用之间的长期协作者。对高通来说，下一轮胜负不只取决于它能把多大的模型装进终端，更取决于能否让不断变化的模型，及时变成用户愿意反复使用的产品。

查看详情