作者周雅1985年乔布斯在瑞典隆德大学演讲时谈到一个设想他说我们能读到亚里士多德的书却没办法向他提问如果能造一种新工具把他的“思考过程”记录下来人们就有机会和他对话。前几日的一场AI活动上高通公司产品技术专家朱元堃提到这个设想时说今天我们已经很接近了而实现它的关键在于「过程」 。他说人类一生的记忆和体验过程至关重要个人AI终端只有持续感知和理解用户AI智能体才可能掌握用户的思考链条构建出一个“最了解用户的AI”。这就是“一直在场感知”业内叫“全时感知”。这种需求已经初现端倪。2026这一年IDC分析发现终端产业出现两条奇怪的曲线一边全球手机、PC、平板在集体涨价之后销量一起下滑今年手机市场降幅约13%安卓手机降幅约20%PC降幅约11%。更关键的是另一边一批AI原生终端在往上冒智能眼镜在中国市场增长约50%全球增长约30%扫地机器人显著增长一批百元价位的AI翻译器、AI阅读器、录音卡涌进市场连一张带摄像头和定位的员工卡都开始有公司在做。后者这些AI原生终端无一不具有强感知色彩。传统类型的终端在缩AI原生特征的终端在长。IDC中国副总裁王吉平把这一现象称作“AI超级大周期”他在采访中告诉科技行者AI超级周期正推动终端市场走向变革“临界点”终端厂商承受零部件价格上涨与用户换机意愿下滑的同时传统的“参数内卷驱动销量增长”逻辑逐渐失效AI终端正成为最大增长亮点消费者往AI终端上的投入增长只是这份增长分散到一批具有明确使用场景的AI原生设备中。全时感知个人拥有自己的AI在四十年前是科幻而从今天的发展来看按朱元堃的判断余下的只是工程。01/个人AI要的是Connecting you当AI智能体走进终端最大变化是整个产业开始换中心。多年前移动通信产业流传一句老话“Connecting People”连接人与人而今天的个人AI阶段朱元堃则提到了“Connecting You”强调以用户个人为中心的智能连接 未来所有的设备都将成为智能体的端点而这些设备底层连通的看似是设备之间的互通核心连通的其实是一个具体的人。一字之差含义完全不同。连接人与人只需要把信号送到而连接你还需要理解你是谁。如何让个人AI终端理解一个人朱元堃认为构成个人AI终端的智能体体验有四个基础模块上文提及的感知以及记忆、推理、执行。「感知」相当于智能体的五官负责去听、去看、去理解周围发生了什么「记忆」负责把长期信息沉淀下来形成对一个人的持续了解「推理」是对感知和记忆的加工最后「智能体」调用软件或别的工具把任务真正做完。朱元堃强调这四个环节不只是软件模块还会“成为芯片软硬件设计和操作系统设计未来发展的核心命题”。智能体AI需要个性化与跨终端协同这些判断也在IDC最新白皮书《从AI设备到个人AI智能体驱动的终端进化与产业重构》中得到交叉印证。个人AI必须具备个性化、全时感知、隐私安全三大核心能力传统计算架构正迎来系统性重塑。王吉平则从落地角度这样归纳第一全时感知与自然交互。终端需要7 × 24小时保持待机持续理解用户每时每刻的需求。第二端侧算力与个人记忆。“过去半年内我们发现很多终端厂商在不断演化这个部分的架构进一步支持端侧算力发展这也是个人AI在未来更理解用户的保证。”第三连续计算与跨端协同。个人AI并不只应用于一两个产品而是整个生态中每一个产品彼此协同。第四安全可信与隐私保护。02/端、边、云是个人AI的计算骨架既然懂用户需要持续感知而感知又只能在用户身边发生那么计算架构的分工就是个问题业界的共识是一个三层技术架构「端、边、云」。朱元堃指出端侧可以拥有感知、个人信息、记忆、规划器负责拆解和安排任务的模块和本地模型当本地干不了复杂活时再自然地把云端调来帮忙。这套分工会随着产业成熟度、任务需求和产品形态动态变化而不是提前划分。所谓边缘侧指的是介于随身设备和远端云之间离用户更近的一层本地算力比如办公室或家里的一台主机。王吉平判断AI终端的算力分布正从“全都放云端”往“端、边、云架构”走不同层级各干各的活在具体场景里求一个体验和成本的最优解。需求侧已跃然纸上。王吉平说IDC正在研究一人公司One Person Company, OPC或较小规模企业的市场规模。据IDC不完全统计国内员工少于10人、已经靠AI设备开展业务的公司约有1400万家。这些公司上手AI大致分三步。起初它们用Mac Mini、迷你主机这类边缘设备本地几乎不产生内容还得调用外部的模型服务Token。随着用量变大做科技咨询、写代码、短视频、直播等公司发现自己也要就地产内容于是在本地部署参数规模一千亿到三千亿之间、专攻某个行业的中等模型再用网络存储加算力凑成一台AI工作站显卡也从入门级往高端换。他们为什么不干脆全用云端王吉平直指关键纯云端方案不光成本高还卡着网络、Token、数据传输一连串瓶颈。所以他认为未来的计算不会长期由云端一家独大而会在端、边、云之间形成新的平衡。在王吉平的设想里这套分工各就各位手机、眼镜这类轻量设备更适合承担感知和交互PC、迷你主机或AI工作站慢慢成为家庭和办公室的边缘算力节点云端则继续处理世界知识和高复杂度的任务。03/端侧的瓶颈不再只是算力计算架构理顺了压力就落到了芯片上。而落到芯片第一件被改写的事是衡量它的那把尺子。过去我们把“算力”作为衡量一台AI终端的核心指标但在朱元堃看来算力是基础但已经不再是唯一标准大家更看重的是一套叫AI基准测试的综合成绩把首字时间、解码速度、内存占用、生成精度等因素纳入最后综合打分。他说随着多模态和智能体出现行业还得建立更贴近真实场景的评价方法。道理其实不难懂。一台终端用起来顺不顺取决于一整条链路AI基准测试看的是综合表现光有硬件算力、没有软件协同达不到理想效果。尺子变了芯片本身也在被重新组织。朱元堃介绍高通把面向智能体时代的SoC当成一个完整系统来设计。它对外叫高通AI引擎由五部分构成负责通用计算的Oryon CPU、负责图形的Adreno GPU、负责AI运算的Hexagon NPU再加上传感器中枢和高速内存让不同类型的单元各干各的活所谓的“异构计算”拼成一个天生为AI打造的平台几个模块协同完成所谓的分布式推理。在这几块里朱元堃专门提到其中的一个核心「传感器中枢」。高通传感器中枢里塞着一个小型AI单元、一直在线的图像处理器和信号处理器、独立的内存还有一个记录个人信息的模块。它的巧妙之处在于感知周围环境时不必频频唤醒耗电大户CPU、主内存和系统总线从而压住全时感知带来的功耗。朱元堃判断这个模块“有望成为未来个人AI最重要的信息入口之一”。既然端侧要全时感知用户靠的就是它。背后的原因是这和端侧智能体的运行方式直接相关。朱元堃在采访中解释云端接到任务后通常要连续推理直到完成而许多个人智能体大部分时间其实处在感知状态“感知所占的比重远大于推理推理所占的比重又远大于复杂任务执行”。既然大头是感知只要低功耗模块扛得住持续感知需要推理时又能高能效地快速算完功耗压力就有机会被摁住。于是压力就挪到了别处。朱元堃强调比起峰值算力端侧当下更突出的限制是「内存和续航」。一方面终端受尺寸和成本卡着内存容量有限另一方面模型逐个吐词元的解码过程高度依赖内存带宽也就是数据进出的速度。为此高通在探索把内存芯片像叠楼一样垂直摞起来的3D堆叠技术就算不上全新工艺光是内存标准从上一代LPDDR5X升级到下一代LPDDR6仅规格提升理论上就能让带宽提高约50%。也是同一个原因云端一些成熟做法搬到端侧并不划算。比如云端常把大模型“读题”和“逐字作答”两步拆开、分头调度为的是均衡不同的算力资源可端侧的瓶颈本就卡在内存带宽上这种拆分在这里意义不大。把这些串起来的结论是一台智能体终端好不好用很难由某一个数字说了算模型大小、内存、带宽、响应时延、续航、精度和软件调度得被放进同一个产品系统里权衡。04/我们缺乏一个清晰的产品定义芯片和架构都到位了是不是就万事俱备不尽然。朱元堃在群访里说端侧智能体眼下的主要障碍已经不完全是技术可行性问题。工业这类垂直行业需求明确很多场景已经具备落地条件难的是面向个人用户的消费终端需求往往多元化用户的高要求对厂商提出更高要求。破局的办法是先把用例定义清楚。比如产业各方共同解答这项AI功能到底解决什么问题、要在多长时间内完成、能耗上限是多少、模型是不是非得很大。产品目标一旦明确用什么芯片、模型做多大、软件供应商怎么分工也就随之清晰产品自然更快做出来。他把这条路径概括成“由AI定义新终端”。意思是一种新的AI应用或智能体本身就可能催生一种新设备终端形态不再完全由既有品类决定而可能被新的感知方式、任务流程和使用场景反向定义。王吉平提到的员工卡正是例子。他说深圳有企业在研发一款带摄像头、麦克风和定位的员工卡能完成录音和轨迹分析这些功能过去多半压在手机上现在被拆到了更贴合具体工作场景的设备里。这样的拆分正在逼着手机、PC、平板重新找位置。王吉平举例国内迷你主机今年增长约70%靠低功耗、长待机能扛起入门级的边缘计算和AI学习场景运动相机、拇指相机、录音卡这些品类的走红也把手机厂商和原有硬件公司卷进了新场景。同一批变化里还有几款样本式创新。荣耀Robot Phone把运动相机、手机和会动的机器人概念缝到一起重新定义了手机的样子努比亚NaviX Ultra这类“豆包手机”能听懂指令后跨着好几个App替你办事阶跃的StepX Neo干脆是给从小用AI长大的人设计。在王吉平看来如今十八九岁、思维已经AI化的这代人正是推着手机走向AI原生的基石。IDC WAIC观察智能体手机的多重探索方向智能眼镜是另一个有代表性的「个人AI新终端」。这个赛道喊了十余年王吉平相信这个赛道被低估了他说眼镜之所以现在能做到40克以下“核心就是把算力和算法挪到了手机上”。而更大的想象在于市场“中国有约七亿的近视人群如果AI眼镜的体验能做到和普通眼镜一样那整个市场就会被颠覆爆发会来得非常快。”作为眼镜厂商代表Rokid硬件研发总工程师周森在圆桌上给了同方向的判断。据财新的活动通稿他表示凭借几乎无感的伴随式交互和多模态感知能力智能眼镜将成为未来个人AI的重要入口之一。既然如此手机会被这些新设备取代吗王吉平的答案是不会那么快。在他看来手机仍可能是个人AI最主要的形态只是它得从“等你操作”进一步走向“知我所知想我所想”主动把该做的事做完。智能眼镜则要补足“强端云交互、摄像头感知、以及感知过程里的安全保障”这些能力。05/同一个智能体的协同新形态越来越多一个问题也随之而来一个智能体能不能在你的手机、PC或其他终端之间通用否则数据割裂何谈“真正、完全懂你的AI”朱元堃告诉科技行者从技术上看一个智能体是由多个软件模块串联而成的。靠着高通统一的技术底座在PC上部署好的模型可以往手机或眼镜迁移。但他紧接着强调能迁移不等于体验能照搬。PC、手机和眼镜在算力、内存、功耗和时延上差得明显一个在PC上达到的指标没法原封不动搬到手机开发者得调整产品规格、模型参数和响应目标在性能、功耗和体验之间重新取舍。同一个智能体装进不同设备往往是同一套能力的不同版本。要让这种迁移尽量顺靠的是统一的地基。朱元堃介绍高通用同一套技术架构和软件栈覆盖多个终端品类CPU、GPU、NPU、摄像头、连接这些模块可以按设备需求自由组合向上撑起汽车和PC向下适配眼镜、耳机这类轻量设备。不同设备的侧重各不相同AI眼镜要感知、长续航、低功耗手机要在算力和续航间两头兼顾PC续航更足、能跑更大的模型汽车则要全时感知去支撑驾驶辅助。软件是另一半。朱元堃说高通给开发者开放了AI工具链还推出了一个叫AI Hub的平台“汇聚数百款行业主流AI模型”开发者挑出适配高通平台的配上文档和教程就能在本地装好。他也点了一句“并不是所有芯片厂商都会开放自有AI工具链”。从这个角度看高通所提供的早已不只是一颗TOPS更高的芯片而是一套能让不同模型、设备和场景快速产品化的共同底座。于是高通与OEM厂商的合作方式也贴着这个思路在新产品开发早期就和厂商讨论产品形态、模型、KPI和用户场景等产品和框架成熟再交给厂商伙伴自行扩展高通把资源腾向下一批前沿需求。这恰恰说明产业协同的重要性。朱元堃拿通信业打了个比方手机之所以能全球互联互通是因为有3GPP这样的国际组织制定统一标准大家照同一套标准做底层自然连得上AI行业眼下还在各自摸索一套公认的标准还没成形。他直言“跨设备协同本质上并不是一个技术问题而是一个产业协同和生态共建的问题”。06/个人AI的普及不会重走手机的老路方向上大家已经趋同但从共识到千家万户其实还隔着一段路。王吉平在采访中判断个人终端正处在变革期从国家政策、产业方向到厂商行动“智能体终端”已是宏观共识可用户习惯的迁移仍需要时间。他拿不同年龄的职场人作比大学生已经习惯用Codex这类工具处理论文一些四五十岁的分析师却要更长的适应期。在他看来用户转变还牵扯组织架构和个人生活方式的改变不会像下载聊天应用那样一蹴而就。普及的路径也未必是从旗舰机一路下沉到千元机。王吉平认为AI手机更可能像折叠屏出货量不一定占市场多数却能成为高端市场的重要差异化能力。千元机用户眼下还以打电话、拍照这些基础需求为主智能体能力要大规模进到这个市场还得等上一阵。他同时援引IDC数据称到明年配上NPU的生成式AI手机渗透率预计将接近40%。不过他也提醒有了NPU只是有了硬件底子并不等于就有了成熟的智能体体验。朱元堃则给“成熟的智能体体验”补充注解说《白皮书》里列出的功能嵌入、助手协同、任务代理、自主执行几个阶段不该被理解成硬件能力逐级变强而更像传统软件产品的成熟过程先搭起基础功能再通过获取更多外部信息去理解用户意图接着接入各种服务和工具、学会编排任务最终长成一个能自主运行的智能体。在朱元堃看来个人AI真正的核心价值恰恰就在于个性化“用户最终在意的并不一定是绝对最快的答案而是最符合自己需求的答案”哪怕它慢一点你也愿意等“因为它真正懂我”。这句话正好接回了乔布斯四十年前的设想。
作者周雅1985年乔布斯在瑞典隆德大学演讲时谈到一个设想他说我们能读到亚里士多德的书却没办法向他提问如果能造一种新工具把他的“思考过程”记录下来人们就有机会和他对话。前几日的一场AI活动上高通公司产品技术专家朱元堃提到这个设想时说今天我们已经很接近了而实现它的关键在于「过程」 。他说人类一生的记忆和体验过程至关重要个人AI终端只有持续感知和理解用户AI智能体才可能掌握用户的思考链条构建出一个“最了解用户的AI”。这就是“一直在场感知”业内叫“全时感知”。这种需求已经初现端倪。2026这一年IDC分析发现终端产业出现两条奇怪的曲线一边全球手机、PC、平板在集体涨价之后销量一起下滑今年手机市场降幅约13%安卓手机降幅约20%PC降幅约11%。更关键的是另一边一批AI原生终端在往上冒智能眼镜在中国市场增长约50%全球增长约30%扫地机器人显著增长一批百元价位的AI翻译器、AI阅读器、录音卡涌进市场连一张带摄像头和定位的员工卡都开始有公司在做。后者这些AI原生终端无一不具有强感知色彩。传统类型的终端在缩AI原生特征的终端在长。IDC中国副总裁王吉平把这一现象称作“AI超级大周期”他在采访中告诉科技行者AI超级周期正推动终端市场走向变革“临界点”终端厂商承受零部件价格上涨与用户换机意愿下滑的同时传统的“参数内卷驱动销量增长”逻辑逐渐失效AI终端正成为最大增长亮点消费者往AI终端上的投入增长只是这份增长分散到一批具有明确使用场景的AI原生设备中。全时感知个人拥有自己的AI在四十年前是科幻而从今天的发展来看按朱元堃的判断余下的只是工程。01/个人AI要的是Connecting you当AI智能体走进终端最大变化是整个产业开始换中心。多年前移动通信产业流传一句老话“Connecting People”连接人与人而今天的个人AI阶段朱元堃则提到了“Connecting You”强调以用户个人为中心的智能连接 未来所有的设备都将成为智能体的端点而这些设备底层连通的看似是设备之间的互通核心连通的其实是一个具体的人。一字之差含义完全不同。连接人与人只需要把信号送到而连接你还需要理解你是谁。如何让个人AI终端理解一个人朱元堃认为构成个人AI终端的智能体体验有四个基础模块上文提及的感知以及记忆、推理、执行。「感知」相当于智能体的五官负责去听、去看、去理解周围发生了什么「记忆」负责把长期信息沉淀下来形成对一个人的持续了解「推理」是对感知和记忆的加工最后「智能体」调用软件或别的工具把任务真正做完。朱元堃强调这四个环节不只是软件模块还会“成为芯片软硬件设计和操作系统设计未来发展的核心命题”。智能体AI需要个性化与跨终端协同这些判断也在IDC最新白皮书《从AI设备到个人AI智能体驱动的终端进化与产业重构》中得到交叉印证。个人AI必须具备个性化、全时感知、隐私安全三大核心能力传统计算架构正迎来系统性重塑。王吉平则从落地角度这样归纳第一全时感知与自然交互。终端需要7 × 24小时保持待机持续理解用户每时每刻的需求。第二端侧算力与个人记忆。“过去半年内我们发现很多终端厂商在不断演化这个部分的架构进一步支持端侧算力发展这也是个人AI在未来更理解用户的保证。”第三连续计算与跨端协同。个人AI并不只应用于一两个产品而是整个生态中每一个产品彼此协同。第四安全可信与隐私保护。02/端、边、云是个人AI的计算骨架既然懂用户需要持续感知而感知又只能在用户身边发生那么计算架构的分工就是个问题业界的共识是一个三层技术架构「端、边、云」。朱元堃指出端侧可以拥有感知、个人信息、记忆、规划器负责拆解和安排任务的模块和本地模型当本地干不了复杂活时再自然地把云端调来帮忙。这套分工会随着产业成熟度、任务需求和产品形态动态变化而不是提前划分。所谓边缘侧指的是介于随身设备和远端云之间离用户更近的一层本地算力比如办公室或家里的一台主机。王吉平判断AI终端的算力分布正从“全都放云端”往“端、边、云架构”走不同层级各干各的活在具体场景里求一个体验和成本的最优解。需求侧已跃然纸上。王吉平说IDC正在研究一人公司One Person Company, OPC或较小规模企业的市场规模。据IDC不完全统计国内员工少于10人、已经靠AI设备开展业务的公司约有1400万家。这些公司上手AI大致分三步。起初它们用Mac Mini、迷你主机这类边缘设备本地几乎不产生内容还得调用外部的模型服务Token。随着用量变大做科技咨询、写代码、短视频、直播等公司发现自己也要就地产内容于是在本地部署参数规模一千亿到三千亿之间、专攻某个行业的中等模型再用网络存储加算力凑成一台AI工作站显卡也从入门级往高端换。他们为什么不干脆全用云端王吉平直指关键纯云端方案不光成本高还卡着网络、Token、数据传输一连串瓶颈。所以他认为未来的计算不会长期由云端一家独大而会在端、边、云之间形成新的平衡。在王吉平的设想里这套分工各就各位手机、眼镜这类轻量设备更适合承担感知和交互PC、迷你主机或AI工作站慢慢成为家庭和办公室的边缘算力节点云端则继续处理世界知识和高复杂度的任务。03/端侧的瓶颈不再只是算力计算架构理顺了压力就落到了芯片上。而落到芯片第一件被改写的事是衡量它的那把尺子。过去我们把“算力”作为衡量一台AI终端的核心指标但在朱元堃看来算力是基础但已经不再是唯一标准大家更看重的是一套叫AI基准测试的综合成绩把首字时间、解码速度、内存占用、生成精度等因素纳入最后综合打分。他说随着多模态和智能体出现行业还得建立更贴近真实场景的评价方法。道理其实不难懂。一台终端用起来顺不顺取决于一整条链路AI基准测试看的是综合表现光有硬件算力、没有软件协同达不到理想效果。尺子变了芯片本身也在被重新组织。朱元堃介绍高通把面向智能体时代的SoC当成一个完整系统来设计。它对外叫高通AI引擎由五部分构成负责通用计算的Oryon CPU、负责图形的Adreno GPU、负责AI运算的Hexagon NPU再加上传感器中枢和高速内存让不同类型的单元各干各的活所谓的“异构计算”拼成一个天生为AI打造的平台几个模块协同完成所谓的分布式推理。在这几块里朱元堃专门提到其中的一个核心「传感器中枢」。高通传感器中枢里塞着一个小型AI单元、一直在线的图像处理器和信号处理器、独立的内存还有一个记录个人信息的模块。它的巧妙之处在于感知周围环境时不必频频唤醒耗电大户CPU、主内存和系统总线从而压住全时感知带来的功耗。朱元堃判断这个模块“有望成为未来个人AI最重要的信息入口之一”。既然端侧要全时感知用户靠的就是它。背后的原因是这和端侧智能体的运行方式直接相关。朱元堃在采访中解释云端接到任务后通常要连续推理直到完成而许多个人智能体大部分时间其实处在感知状态“感知所占的比重远大于推理推理所占的比重又远大于复杂任务执行”。既然大头是感知只要低功耗模块扛得住持续感知需要推理时又能高能效地快速算完功耗压力就有机会被摁住。于是压力就挪到了别处。朱元堃强调比起峰值算力端侧当下更突出的限制是「内存和续航」。一方面终端受尺寸和成本卡着内存容量有限另一方面模型逐个吐词元的解码过程高度依赖内存带宽也就是数据进出的速度。为此高通在探索把内存芯片像叠楼一样垂直摞起来的3D堆叠技术就算不上全新工艺光是内存标准从上一代LPDDR5X升级到下一代LPDDR6仅规格提升理论上就能让带宽提高约50%。也是同一个原因云端一些成熟做法搬到端侧并不划算。比如云端常把大模型“读题”和“逐字作答”两步拆开、分头调度为的是均衡不同的算力资源可端侧的瓶颈本就卡在内存带宽上这种拆分在这里意义不大。把这些串起来的结论是一台智能体终端好不好用很难由某一个数字说了算模型大小、内存、带宽、响应时延、续航、精度和软件调度得被放进同一个产品系统里权衡。04/我们缺乏一个清晰的产品定义芯片和架构都到位了是不是就万事俱备不尽然。朱元堃在群访里说端侧智能体眼下的主要障碍已经不完全是技术可行性问题。工业这类垂直行业需求明确很多场景已经具备落地条件难的是面向个人用户的消费终端需求往往多元化用户的高要求对厂商提出更高要求。破局的办法是先把用例定义清楚。比如产业各方共同解答这项AI功能到底解决什么问题、要在多长时间内完成、能耗上限是多少、模型是不是非得很大。产品目标一旦明确用什么芯片、模型做多大、软件供应商怎么分工也就随之清晰产品自然更快做出来。他把这条路径概括成“由AI定义新终端”。意思是一种新的AI应用或智能体本身就可能催生一种新设备终端形态不再完全由既有品类决定而可能被新的感知方式、任务流程和使用场景反向定义。王吉平提到的员工卡正是例子。他说深圳有企业在研发一款带摄像头、麦克风和定位的员工卡能完成录音和轨迹分析这些功能过去多半压在手机上现在被拆到了更贴合具体工作场景的设备里。这样的拆分正在逼着手机、PC、平板重新找位置。王吉平举例国内迷你主机今年增长约70%靠低功耗、长待机能扛起入门级的边缘计算和AI学习场景运动相机、拇指相机、录音卡这些品类的走红也把手机厂商和原有硬件公司卷进了新场景。同一批变化里还有几款样本式创新。荣耀Robot Phone把运动相机、手机和会动的机器人概念缝到一起重新定义了手机的样子努比亚NaviX Ultra这类“豆包手机”能听懂指令后跨着好几个App替你办事阶跃的StepX Neo干脆是给从小用AI长大的人设计。在王吉平看来如今十八九岁、思维已经AI化的这代人正是推着手机走向AI原生的基石。IDC WAIC观察智能体手机的多重探索方向智能眼镜是另一个有代表性的「个人AI新终端」。这个赛道喊了十余年王吉平相信这个赛道被低估了他说眼镜之所以现在能做到40克以下“核心就是把算力和算法挪到了手机上”。而更大的想象在于市场“中国有约七亿的近视人群如果AI眼镜的体验能做到和普通眼镜一样那整个市场就会被颠覆爆发会来得非常快。”作为眼镜厂商代表Rokid硬件研发总工程师周森在圆桌上给了同方向的判断。据财新的活动通稿他表示凭借几乎无感的伴随式交互和多模态感知能力智能眼镜将成为未来个人AI的重要入口之一。既然如此手机会被这些新设备取代吗王吉平的答案是不会那么快。在他看来手机仍可能是个人AI最主要的形态只是它得从“等你操作”进一步走向“知我所知想我所想”主动把该做的事做完。智能眼镜则要补足“强端云交互、摄像头感知、以及感知过程里的安全保障”这些能力。05/同一个智能体的协同新形态越来越多一个问题也随之而来一个智能体能不能在你的手机、PC或其他终端之间通用否则数据割裂何谈“真正、完全懂你的AI”朱元堃告诉科技行者从技术上看一个智能体是由多个软件模块串联而成的。靠着高通统一的技术底座在PC上部署好的模型可以往手机或眼镜迁移。但他紧接着强调能迁移不等于体验能照搬。PC、手机和眼镜在算力、内存、功耗和时延上差得明显一个在PC上达到的指标没法原封不动搬到手机开发者得调整产品规格、模型参数和响应目标在性能、功耗和体验之间重新取舍。同一个智能体装进不同设备往往是同一套能力的不同版本。要让这种迁移尽量顺靠的是统一的地基。朱元堃介绍高通用同一套技术架构和软件栈覆盖多个终端品类CPU、GPU、NPU、摄像头、连接这些模块可以按设备需求自由组合向上撑起汽车和PC向下适配眼镜、耳机这类轻量设备。不同设备的侧重各不相同AI眼镜要感知、长续航、低功耗手机要在算力和续航间两头兼顾PC续航更足、能跑更大的模型汽车则要全时感知去支撑驾驶辅助。软件是另一半。朱元堃说高通给开发者开放了AI工具链还推出了一个叫AI Hub的平台“汇聚数百款行业主流AI模型”开发者挑出适配高通平台的配上文档和教程就能在本地装好。他也点了一句“并不是所有芯片厂商都会开放自有AI工具链”。从这个角度看高通所提供的早已不只是一颗TOPS更高的芯片而是一套能让不同模型、设备和场景快速产品化的共同底座。于是高通与OEM厂商的合作方式也贴着这个思路在新产品开发早期就和厂商讨论产品形态、模型、KPI和用户场景等产品和框架成熟再交给厂商伙伴自行扩展高通把资源腾向下一批前沿需求。这恰恰说明产业协同的重要性。朱元堃拿通信业打了个比方手机之所以能全球互联互通是因为有3GPP这样的国际组织制定统一标准大家照同一套标准做底层自然连得上AI行业眼下还在各自摸索一套公认的标准还没成形。他直言“跨设备协同本质上并不是一个技术问题而是一个产业协同和生态共建的问题”。06/个人AI的普及不会重走手机的老路方向上大家已经趋同但从共识到千家万户其实还隔着一段路。王吉平在采访中判断个人终端正处在变革期从国家政策、产业方向到厂商行动“智能体终端”已是宏观共识可用户习惯的迁移仍需要时间。他拿不同年龄的职场人作比大学生已经习惯用Codex这类工具处理论文一些四五十岁的分析师却要更长的适应期。在他看来用户转变还牵扯组织架构和个人生活方式的改变不会像下载聊天应用那样一蹴而就。普及的路径也未必是从旗舰机一路下沉到千元机。王吉平认为AI手机更可能像折叠屏出货量不一定占市场多数却能成为高端市场的重要差异化能力。千元机用户眼下还以打电话、拍照这些基础需求为主智能体能力要大规模进到这个市场还得等上一阵。他同时援引IDC数据称到明年配上NPU的生成式AI手机渗透率预计将接近40%。不过他也提醒有了NPU只是有了硬件底子并不等于就有了成熟的智能体体验。朱元堃则给“成熟的智能体体验”补充注解说《白皮书》里列出的功能嵌入、助手协同、任务代理、自主执行几个阶段不该被理解成硬件能力逐级变强而更像传统软件产品的成熟过程先搭起基础功能再通过获取更多外部信息去理解用户意图接着接入各种服务和工具、学会编排任务最终长成一个能自主运行的智能体。在朱元堃看来个人AI真正的核心价值恰恰就在于个性化“用户最终在意的并不一定是绝对最快的答案而是最符合自己需求的答案”哪怕它慢一点你也愿意等“因为它真正懂我”。这句话正好接回了乔布斯四十年前的设想。
)
