智能體AI新紀元里，高通的價值新敘事

??深響原創 · 作者｜呂玥

由“智能體（Agent）”主導的AI產業風暴正席卷而來。

能規劃、推理、執行的智能體，正全面滲透進手機、電腦、汽車、工廠……而這種滲透正把算力需求推向一個從未經歷過的量級。不同于傳統對話場景單次交互的有限消耗，智能體完成復雜任務需要數十次甚至上百輪推理驗證，單任務Token消耗實現幾何級增長。

IDC預測，全球年度Token消耗將從2025年的0.0005 PetaTokens暴增至2030年的152,667 PetaTokens，年復合增長率高達驚人的3418%。在近日舉辦的COMPUTEX 2026上，高通CEO克里斯蒂亞諾·安蒙也給出了更細節的數據：2026年全球每10秒Token需求約317億，到2030年將飆升至1.27萬億，增長超40倍。2030年全球Token總需求將達到千萬億級別。

圖源：IDC

Token需求指數級爆發，也直接暴露了集中式AI的諸多瓶頸。

經濟層面最為直觀，Token消耗的爆發直接推高了算力成本，使傳統依托集中式算力的商業模式面臨嚴峻的盈利挑戰。

技術層面矛盾也不少：一是算力調度效率難以滿足場景需求，比如工業控制、自動駕駛等實時性要求極高的場景對云端推理帶來的延遲根本無法接受；二是智能體在復雜無線環境中運行，易受網絡帶寬和系統穩定性影響，協同效率明顯下降；三是大量企業擁有高價值的小樣本私有數據，這類數據因安全合規要求無法出域，與集中式AI的訓練推理模式天然不適配。

落到用戶體驗層面看，用戶接觸智能體的設備會越來越多樣，若將所有推理任務集中到云端處理，很難無縫感知不同設備間的用戶身份變化和上下文信息遷移，容易出現體驗割裂感。

于是行業共識已然形成：從集中式AI到分布式AI成為必然趨勢。資本市場的關注點也在遷移，行業拐點已至。未來的核心問題不再是“有沒有足夠算力”，而是“如何把推理能力部署在最合適的位置”——云端、邊緣側、終端協同，在成本、功耗、延遲與隱私之間找到平衡。這是道復雜的命題。

而對此，高通正嘗試給出它的解法。過去四十年，外界對高通的認知多停留在移動設備芯片巨頭，但近五年來，它已悄然轉身，深入AI領域書寫全新敘事。在COMPUTEX 2026上，高通CEO安蒙面對分布式AI的大勢，從底層技術基因到全場景產品落地，給出了屬于高通的時代答案。

技術平移：移動設備芯片里練出AI底座

之所以說分布式AI存在復雜性，是因為其對于底層基礎設施提出了與過去完全不同的要求。

一是算力部署方式的變化。過去大模型訓練主要集中在云端，而智能體時代的推理任務分散到手機、PC、汽車、機器人、可穿戴設備等不同終端中。不同場景對算力需求差異很大，這就需要AI系統具備端、邊、云之間的全鏈路算力調度能力。

二是智能體的交互場景對實時性與穩定性的要求很高，比如工業機器人運動控制、自動駕駛動態決策等場景都要求毫秒級響應，無法承擔云端往返帶來的等待時間。這意味著AI推理能力需要更多下沉到本地終端，同時保證設備之間的信息同步與穩定。

三是當AI開始同時運行于多種設備之間時，協同工作也成為必需。否則，AI能力將被割裂在一個個獨立設備之中以信息孤島的形式運行，難以形成真正連續的智能體驗。

四是智能體時代的AI開始從“被動響應”走向“主動感知”，這意味著終端設備不僅需要具備持續情境感知能力，還需要能夠在本地長期運行輕量化、個性化模型。

五是能效比的極致優化。所有移動和嵌入式終端都受限于電池容量和散熱設計，不可能無限制提升算力輸出，這就要求必須在保證推理性能的同時盡可能壓低功耗，做到用最少的電量完成更多的推理任務，才能支撐終端AI的長期穩定運行。

面對這些嚴苛的要求，高通從移動設備芯片時代積累的技術基因展現出了高度的契合性。這并非巧合，而是技術路線演進的內在一致性。

首先，高通最核心的一項能力就在于高性能低功耗計算。

從早期的Kryo CPU到如今自研的Oryon CPU，高通長期深耕移動CPU架構設計與工藝適配，這為端側AI推理提供了穩定高效的算力底座。同時，專用于AI推理任務的Hexagon NPU，在核心工作負載中展現出遠超通用處理器的能效優勢。兩者協同后，使得端側設備無需依賴大體積電池和復雜散熱系統，即可實現持續的高性能AI推理。

不止如此，全棧連接能力同樣是高通在分布式AI時代的重要底層優勢。

從CDMA起家的高通，手握5G/6G蜂窩連接、Wi-Fi 7、藍牙等核心技術，并形成了完整連接能力體系。在分布式推理場景中，當AI智能體需要在不同設備間聯網協作時，高通的連接技術正好保障了高速、穩定且低延遲的數據傳輸。

更關鍵的是，高通堅持的統一架構路線也在AI時代開始顯現價值。

高通將Oryon CPU、Adreno GPU、Hexagon NPU、ISP以及傳感器中樞高度集成于SoC之中，不僅實現了跨終端的算力分層互補，還能夠高效處理豐富的端側傳感數據，支持多模態輸入與復雜邊緣場景。這就能夠支持AI能力在不同設備與不同算力層級之間遷移與協同。這不僅降低了開發成本，也避免了分布式AI生態進一步碎片化，為未來端邊云打通協同打好底層基礎。

這三項技術能力的組合，構成了高通轉型的底座。高通并不是從零開始造輪子，而是通過技術平移和復制，把過去所積累的“硬功夫”搬到了AI世界。

更重要的是，這種技術平移不僅是工程學上的勝利，也是商業價值的重構——高通精準切入了高增長的AI推理基礎設施市場。過去，資本市場對于高通的定價邏輯，很大程度上仍建立在智能手機周期之上；但現在高通的商業護城河完全拓寬，將推動資本市場對其估值邏輯的重新評估。

計算連續體：一根貫穿毫瓦到千瓦的算力繩索

有技術底座還不夠，接下來的問題是：智能體不會局限于某一個位置。它們會根據成本、性能和上下文，在終端設備、邊緣、本地環境和數據中心之間動態遷移。簡單任務可能在手機或眼鏡本地完成，復雜規劃則調用邊緣節點甚至云端大模型協同處理，而環境感知、實時交互等能力又需要始終停留在距離用戶最近的位置。

換句話說，智能體時代真正重要的，不再只是“有沒有足夠多的算力”，而是如何讓不同層級的算力高效協同、自由流動。高通要做的，正是讓這種流動成為可能。

在COMPUTEX 2026上，高通CEO安蒙首次提出了智能體AI規?；渴鸬暮诵母拍睢嬎氵B續體（compute continuum），這也是高通對于分布式AI時代的一次整體回答。

所謂“計算連續體”，是構建一套覆蓋從毫瓦級到千瓦級的完整計算能力體系，實現算力從端側到云端的無縫貫通。如果用更具象化方式理解，這其實是一根貫穿整個智能設備生態的“算力繩索”。繩索的起點是毫瓦級的可穿戴設備，中段則串聯起手機、PC、汽車、機器人等不同算力層級的設備；而繩索的終點則延伸至作為“算力心臟”的千瓦級數據中心，由此形成完整的算力閉環。

事實上，分布式AI時代的核心瓶頸正是不同層級算力之間的流動效率低。一項完整的AI任務往往需要多個層級協同完成，若缺乏統一的算力鏈條，不同層級之間就會出現“算力斷點”，最終導致延遲累積、成本疊加以及體驗割裂。

而這也正是“計算連續體”破局的關鍵所在。

其核心價值首先體現在智能算力調度能力。不同類型的AI任務將被動態分配到最合適的算力層級：輕量級任務無需頻繁調用云端，避免資源浪費；復雜任務則不必強行壓在終端本地運行，從而避免能耗過載與性能瓶頸。同時安蒙在演講中也強調未來行業將不再區分討論“云端”和“終端”，因為兩者最終會成為一個統一的系統，計算連續體正是在這個系統中兼顧性能與響應速度。

與此同時，這種架構也有助于降低整體TCO（總擁有成本）。集中式AI模式下，所有任務都需要調用云端算力，隨著Token需求指數級增長，成本壓力會快速放大。而通過端側與邊緣側的算力分流，高通試圖減少AI系統對于超大規模云端算力的單點依賴，讓AI規?；涞夭辉侔殡S成本的線性增長。這并非構想，安蒙在Computex 2026上展示了兩組數據：基于Claude Code的AI Coding場景中，通過分布式智能體AI調度，相同結果下可以節省140萬Token，成本降低60%；網頁開發場景中，Token可減少30%，成本降低4倍。

重要的是，這套架構也意味著“一次開發、多端部署”開始成為可能。對于OEM廠商與開發者而言，AI能力不再需要為不同終端重復開發與適配，而可以在手機、PC、汽車、機器人等不同設備之間遷移與協同。這不僅降低了生態開發成本，也進一步推動了智能體AI在更多終端場景中的規模化擴展。

在這一過程中，終端的重要性其實也被重新定義。因為未來設備不再只是用戶操作，而是智能體也在操作。智能體需要基于環境、位置、用戶習慣等情境信息，長期提供全時、全域服務，這意味著終端設備不僅需要具備高性能低功耗CPU與專用AI加速器，還需要擁有持續感知環境的低功耗計算單元。換句話說，終端不再只是“AI的入口”，而正在逐漸成為AI長期運行的原生載體。

整體來看，“計算連續體”背后所反映的不僅僅是一次產品線擴張，而是高通對于AI產業基礎設施的一次重新定義。

端邊云生態構建，做系統級AI解決方案提供者

從理論概念回到現實落地，當“計算連續體”鋪就了算力網絡后，智能體如何真正觸達用戶？普通用戶并不關心推理任務究竟運行在哪一個算力層級，他們真正關心的是：設備是否足夠智能、響應是否及時、體驗是否連續，以及數據是否安全。

而這也是高通如今正構建“端-邊-云”生態的價值所在。

過去，高通最強的能力集中在“端”。無論是手機還是其他可穿戴設備，不僅是用戶接觸AI的主要入口，也是高通技術積累的“原生載體”。而在AI時代，這些終端正在被重新定義。

比如手機方面，高通目前在旗艦Android陣營仍保持著絕對優勢。此次大會上，安蒙也給出了一個關鍵判斷："以前一切都圍繞手機——操作系統、應用、其他可穿戴設備都圍繞手機生態系統。但現在智能體成為數字體驗的中心，包括手機在內的其他設備都圍繞著智能體，而不再是手機的延伸。"也正是因此，高通正推動智能手機從傳統的“應用中心”向“Agent中心”演進，讓手機成為個人智能體長期駐留、持續運行與跨設備協同的核心節點。

可穿戴設備方面，今年3月MWC巴塞羅那期間，高通發布了驍龍可穿戴平臺至尊版（Snapdragon Wear Elite），將AI運算能力下放至智能手表、胸針、掛墜等微型可穿戴設備中。在安蒙看來這類設備的重要性甚至可能超出行業預期。因為當智能體成為數字世界的中心之后，眼鏡、耳機等貼近人體感官的設備將成為最自然的AI入口。

驍龍可穿戴平臺至尊版（Snapdragon Wear Elite）

PC領域同樣有一系列新動作。近期，高通正式推出全新入門級處理器驍龍(?) C平臺，支持流暢網頁瀏覽、視頻流媒體和常見生產力應用，并配備集成式NPU，為300美元及以上價位的入門級筆記本電腦引入AI能力。

在持續提升端側優勢的同時，高通也進一步補齊了“邊”（汽車、機器人）和“云”（數據中心）。

邊緣側，汽車已經成為高通最清晰的第二增長曲線之一，近些年業務持續保持高速增長，其核心在于逐漸形成了“連接芯片+數字座艙芯片+ADAS芯片”的平臺化能力組合。在演講中，安蒙也系統闡述了“汽車雙層智能”的概念：未來汽車中將同時運行兩套智能系統，一個服務于駕駛者，一個負責駕駛汽車。”而高通的優勢就在于能夠將兩套智能能力整合于統一平臺之中。

機器人則是另一個非常關鍵的新方向。近期高通發布了Dragonwing IQ10機器人參考設計（RRD），其意義并不只是推出一顆新的機器人芯片，而是開始直接提供覆蓋硬件、軟件、中間件以及AI運維能力的完整機器人平臺。過去機器人企業往往需要自行完成芯片、連接、傳感器、AI運行時以及軟件棧的大量系統集成工作，開發周期長、工程復雜度極高。而現在，高通正嘗試把這些能力進一步標準化與平臺化，幫助OEM廠商和開發者更快從原型驗證走向量產部署。

同時安蒙透露，高通目前已經與VinMotion、Neura Robotics等機器人企業展開合作，并即將公布與Figure AI的進一步合作，這意味著高通的機器人解決方案在多年量產經驗之上，正在通過系統性的平臺加速具身AI的創新與落地。

云端，安蒙在COMPUTEX上預告了全新的數據中心業務品牌——高通飛龍（Dragonfly），至此高通的產品組合覆蓋到了計算連續體的每一層。同時高通目前也已經與超大規模云服務商以及全球合作伙伴展開實際部署合作，其數據中心產品已經進入商業驗證階段。

整體來看，高通的角色已在改變。未來真正決定AI規?；涞氐牟⒉恢皇悄Ｐ蛥?，而是誰能夠建立一套覆蓋云邊端、同時兼顧算力、連接、軟件與生態協同的完整基礎設施體系。而高通正在嘗試卡位的，正是這一位置。

而站在這一位置所指向的未來，正在我們眼前展開：

智能體將在手機、汽車、機器人、云端之間智能協同。6G，正是這幅圖景中的關鍵一塊——高通已將其定義為“AI原生網絡”。與過去幾代通信技術主要解決人與人、人與信息連接不同，6G從誕生開始就瞄準了智能體之間的大規模協同。6G時代，AI能力將被直接嵌入網絡基礎設施中，網絡本身就能感知、推理、調度。AI不再只是運行在設備中的功能，而會成為像互聯網一樣無處不在的基礎能力。

具體布局已經鋪開。2026年3月巴塞羅那MWC上，高通與全球近60家企業達成6G發展共識；致力于在2028年展示符合6G規范的預商用終端與網絡，并自2029年起啟動全球化、可互操作的商用6G系統的初期部署。

資本市場已為高通的未來投下了信任票。

近幾個月，摩根大通、美銀證券等多家機構基于高通在AI領域的多元化布局，相繼上調了公司目標價及評級。資本市場真正關注的，從來不是某一代產品短期表現如何，而是看企業是否擁有穿越產業周期的長期成長空間。這一輪密集的估值調整，直接表達了資本市場對高通從“單一芯片供應商”到“端到端的系統級AI解決方案提供者”這一身份迭代的認同。高通作為未來連接智能體、設備與算力網絡的基礎設施提供者，正被賦予新的戰略價值。

接下來的6月24日紐約高通投資者日，安蒙表示將披露更多關于數據中心的路線圖細節，給出更清晰的量化指引。而在那之前，已經可以確定的是：在智能體AI的新紀元里，高通無疑是值得期待的核心標的之一。