功夫2

美媒：印度的经济神话，不过是莫迪塑造的个人崇拜假象_我的网站

一 |     作者声明：该图片由AI生成          文丨李海伦          编辑丨徐青阳          2026年7月，在世界人工智能大会（WAIC）上，智能体手机重新成为最受关注的AI终端之一。

二 |          荣耀首次大规模展示Robot Phone真机。    

十三 |          比如，手机判断用户已经进入会议室，需要综合日程、位置和环境声音；识别用户正在运动，需要持续读取加速度计和心率数据；Robot Phone追踪人物动作，则要同时处理视觉、声音和云台姿态信息。         这就要求专门设计一个传感器中枢，它是一个始终运行的低功耗AI处理模块，持续收集加速度计、陀螺仪、麦克风、光线传感器等感知数据，却不唤醒主CPU或GPU，因此功耗极低。         这些体验看起来由模型完成，第一道计算实际上发生在芯片的低功耗感知模块中。缺少这一层，手机即使拥有很高的AI峰值算力，也很难让智能体长时间在线。         高通的方案是传感器中枢（Sensing Hub）。按照徐晧的介绍，它可以长期收集和处理声音、动作、位置等信息，为智能体主动服务提供感知入口，同时减少对CPU、GPU等高功耗模块的频繁调用。         第二层，是面向大模型的异构计算。         完成感知之后，手机还要理解用户当前在做什么、可能需要什么，以及下一步应该采取怎样的行动。

十四 |          例如，手机接收到一句“把刚才会议中提到的项目整理出来，发给相关同事”，背后可能同时涉及语音处理、人物识别、文本理解、上下文检索、文件生成和应用调用。

十五 | 不同步骤对算力、内存、时延和功耗的要求并不相同，很难依靠一颗单独的NPU从头跑到尾。         因此，智能体时代对芯片提出的新要求，是让CPU、GPU、NPU、ISP和各类加速单元形成更紧密的异构计算体系。         为此，高通采用了端侧异构计算架构：能端侧跑的就交给端侧的CPU、GPU、NPU协同处理，端侧跑不动的才上云，大幅减轻计算压力和功耗，还不影响体验。

十六 |          按照徐晧的介绍，高通Hexagon NPU的解法是，其内部配置了面向张量、矢量、向量矩阵加速单元，并与CPU、GPU协同工作，根据任务类型分配计算资源。         正是因为异构计算架构，使智能体手机拥有了“端侧超级大脑”，能实时感知用户情绪，并与用户实时互动。         第三层，是端侧与云端之间的动态分工。         再强的手机芯片，也很难把所有智能体任务全部留在本地完成。         高通CEO安蒙在COMPUTEX 2026上提到，对话式AI单次任务可能涉及约1万Token，复杂推理任务可能达到约10万Token，智能体任务的规模还可能进一步上升至100万Token量级。这里的100万Token代表完整智能体任务可能产生的计算需求，并不意味着手机要在本地一次处理100万Token。         对此，高通构建了一套覆盖端侧、边缘侧和云端的分布式智能体AI架构。在这套架构中，规划器（Orchestrator）负责拆解任务，并根据各环节对算力、时延、功耗和隐私的不同要求，动态调度计算资源。CPU负责智能体的任务编排和规划，NPU与GPU承担本地模型推理，传感器中枢提供持续的情境信息，蜂窝网络和Wi-Fi则连接终端与云端算力。         智能体需要理解目标、拆解步骤、查询信息、调用工具、检查结果，有时还要在失败后重新规划。任务链越长，计算量和Token消耗就越高。         如果全部放在端侧运行，会受到手机内存、功耗和散热的限制；全部放到云端，又会带来网络延迟、推理成本和隐私风险。更可行的路径，是让端侧与云端根据任务实时分工。         以WAIC上展示的跨应用任务为例，当用户要求手机规划一次出差，端侧可以先识别用户身份、读取日历和出行偏好，云端模型负责搜索和比较大量航班、酒店信息，最终再由端侧系统向用户确认支付和发送行程。         这套流程依赖的已经不只是一颗NPU，还包括蜂窝通信、Wi-Fi、内存、操作系统调度和云端模型服务。任何一个环节出现延迟，智能体的任务链都可能中断。         因此，具备实时通信连接能力的芯片设计商将具备竞争优势，可以说快速稳定的通信连接就是智能体手机的“神经系统”，没有它就不能保证端侧和云端的丝滑切换。         为保证实时连接的高速和顺畅，芯片设计厂商还必须具备提供跨端统一计算解决方案的能力，要为用户的不同设备类型和边缘场景提供一致性的体验，只有全栈产品线才能确保端与云之间不是二选一，而是按需流动，对芯片设计行业来说，是一个全新的挑战。         简单来说，具备一系列的芯片产品设计，并有不同的算法和软件来支持各种终端形态，并使这些产品形态进化得到智能体的支持，这类芯片设计厂商在未来才会占有竞争优势。         此外，拥有长期记忆及其安全边界也是一个核心能力。         WAIC上几款智能体手机都在强调“记得住”。

十七 |          手机需要逐渐了解用户常用的应用、经常联系的人、出行偏好和工作习惯，才能减少重复询问，并在合适的时间提供服务。这些信息可以进一步形成个人知识图谱。手机知道哪些消息需要优先回复，汽车知道用户习惯怎样调节座椅和空调，家庭机器人也可以根据历史习惯判断用户回家后可能需要什么。

十八 |          智能体越了解用户，权限边界就越需要清晰。

十九 | 端侧AI算力的重要价值之一，正是让更多敏感数据能够在本地完成处理，降低原始个人信息频繁进入云端的必要性。         总而言之，WAIC上的智能体手机形态各异，不过落到底层核心面，面对的是同一组考题。

|          03 行业新时代拉开帷幕          在过去几年，手机厂商比拼的是谁能加入更多AI功能，例如AI应用于修图、翻译和搜索等等，有更加个性化的体验。         到了2026年，竞争开始进入下一阶段。AI逐渐深入操作系统，从执行一条指令，走向理解一个完整目标；从调用单一功能，走向调度多个应用、模型和服务，连续完成一项任务。         今年WAIC上集中出现的智能体手机，正是这种变化的缩影。

| 手机厂商、大模型公司和操作系统厂商选择了不同入口，有的重点解决跨应用执行，有的尝试重构操作系统，有的探索感知能力与新硬件形态。但无论采用哪条路线，最终都要回到底层系统的核心能力。         徐晧提到，高通的平台正在覆盖从低功耗智能耳机，到手机、汽车，再到千瓦级数据中心机架等不同形态，希望用统一的芯片、算法和软件解决方案支撑智能体在多个终端中运行。         手机只是这轮变化最先成熟的入口之一。智能体还将进入PC、汽车、耳机、机器人以及更多物联网设备，围绕用户形成一个跨终端协同的计算网络。届时，同一个智能体可以在手机上了解日程，在汽车中延续出行任务，回到家后再将服务交给家庭设备。         高通公司CEO安蒙在COMPUTEX描绘了一幅更大的产业图景：全球约有60亿部手机、20亿台个人AI终端、20亿台PC和5亿辆智能网联汽车。随着这些设备陆续获得智能体能力，一个规模超过百亿台的智能体终端生态正在形成。         他判断，智能体驱动的设备升级周期，“有望成为行业有史以来规模最大的周期之一”。

|          从这个角度看，今年WAIC上的智能体手机仍然只是起点。它们展示了下一代手机可能拥有的形态，也提前揭示了未来终端产业的竞争方式。一个属于智能体手机的行业新时代，正徐徐拉开帷幕。         *魔铁的世界对本文亦有贡献。

Current article:http://www.senchuoshaozaodidia.shop/ikkd/dt19p.ppt

Published on:16:13:08