过去两年，AI 行业最受关注、竞争最激烈的战场，几乎毫无悬念地都集中在云端。
无论是大模型参数规模、GPU 算力集群，还是模型训练成本，几乎每一次 AI 产业的重要突破，最终都会回到两个核心问题：“谁掌握更多算力”“谁能训练出更强的大模型”。但随着算力扩张和参数规模逐步逼近现实边界，行业视线正在从云端转向应用落地端，开始寻找 AI 真正能够创造价值的场景。而这个关键方向，正是“智能体”。
在 COMPUTEX 2026 开幕主题演讲中，高通公司总裁兼 CEO 安蒙给出了一个非常明确的判断：2026 年，将成为“智能体之年”。
这并不是一句简单的宣传口号。过去我们熟悉的 AI，更多仍像是“回答问题的工具”：用户输入提示词，模型生成结果，交互主导权依旧掌握在人类手中。但智能体 AI 截然不同——它不仅要理解问题本身，更要理解用户真实意图，持续读取上下文，拆解复杂任务，调用各类工具，并在多个系统与设备之间协同执行。
换句话说，AI 正在从“帮你回答问题”迈向“帮你完成任务”。过去几个月里，OpenClaw、Hermes 等智能体产品，确实刷新了很多人对 AI 能力边界的认知，但与此同时也让行业更加清楚：要让智能体真正进入日常工作与生活，仍有不少关键问题需要解决。
这也是为什么高通会在 COMPUTEX 上反复强调“计算连续体”。当 AI 进入智能体阶段，问题已经不只是模型够不够强，而是这些智能体究竟运行在哪里、如何控制成本、如何降低时延、如何保护隐私，以及如何让用户随时随地都能稳定使用。
如果所有智能体工作负载都集中堆叠到云端，Token 成本、网络延迟、能源消耗以及数据隐私风险，都会成为 AI 规模化落地的现实瓶颈。高通试图讲清楚的方向，正是把智能体 AI 从数据中心延伸到手机、PC、汽车、机器人、工业设备，乃至未来网络中，让 AI 不再只存在于“云”上，而是成为分布在每一个计算节点上的新型基础能力。
为什么智能体时代需要“计算连续体”？
要理解这个问题，首先要看清智能体 AI 与传统 AI 的本质区别。
传统 AI 更像一个能力很强的智能问答系统——它可以写文案、做总结、做翻译，但大多数时候，仍然需要用户持续输入指令，明确告诉它“下一步该做什么”。
而智能体 AI 则完全不同。你只需要给它一个目标，它就会围绕这个目标持续运行，直到任务完成为止。在这个过程中，它会自行分解任务、自主执行、检查结果并复盘优化，整体工作方式更接近真实的人类助手。
举个例子，当用户说“帮我准备今天的工作简报”时，智能体不会只是生成一段通用文字。它会先拆解目标完成所需的前置条件，然后读取邮件、日历、本地文档和会议记录，再判断当天最重要的事项，整理待办清单，最后调用 Word 等办公工具输出最终文档。
在这一过程中，确实有部分任务需要依赖云端大模型，但并不是所有环节都必须交给云端处理。比如文件索引、局部摘要、个人数据读取、任务编排等工作，完全可以在本地设备或边缘侧完成。若把这些轻量级任务全部送往云端，不仅性价比不高，还会带来额外延迟和不必要的隐私风险。
即便你暂时不那么在意隐私问题，把所有 AI 计算都交给云端，也会造成额外的 Token 消耗，让整体使用成本快速上升——而成本问题显然不可能被长期忽视。
安蒙在演讲中也明确提到，对话式 AI、推理型 AI 与智能体 AI 的 Token 需求并不是线性增长，而会随着任务复杂度上升呈现指数级增加。一次简单问答可能只消耗有限 Token，但一旦进入多轮推理、多工具调用、多智能体协作以及持续上下文状态维护，Token 消耗就会迅速放大。原因在于，智能体并不是像人类那样一步步手动操作软件，而是以机器方式不断调用服务、处理数据并生成大量中间结果。
这意味着，AI 产业不能再把“继续堆更多云端算力”视为唯一方向。随着任务日益复杂、智能体使用逐渐常态化，算力消耗会达到惊人的规模，而无论是算力资源还是能源供应，都不可能无限扩张。
因此，未来真正关键的，不只是拥有多少算力，而是如何更高效、更聪明地使用算力。高通提出的“计算连续体”，正是为解决这一问题而来。
按照高通的设想，智能体工作负载不应固定在某一个位置，而应根据成本、性能、时延、功耗和隐私需求，在终端设备、边缘侧、本地服务器和云端之间动态分配。简单、本地化、隐私敏感的任务可以放在设备端；高上下文、高复杂度、需要大模型能力的任务则交给云端；而边缘设备与本地 AI 工作站则承担中间过渡与协同角色。
这并不是简单地讨论“端侧 AI 取代云端 AI”或“云端 AI 压倒端侧 AI”，而是对整个 AI 计算架构进行一次重新分工与优化。
当然，对高通而言，这也恰好回到了自己最擅长的领域。过去几十年，高通一直在移动计算领域探索一个核心问题：如何在有限功耗和有限体积中，提供足够强大的计算能力。手机、耳机、可穿戴设备、汽车、机器人、PC——这些终端形态虽然不同，但都有同样的需求：在能效、连接与性能之间实现平衡。
进入智能体时代后，高通在芯片能效方面的优势将不再只局限于手机，而是扩展到整个 AI 计算体系。简单来说，高通希望把从毫瓦级可穿戴设备到千瓦级数据中心推理系统的能力串联起来，让智能体在最适合的位置运行。
从手机到PC，个人设备正在变成智能体入口
对于普通用户而言，智能体 AI 最先带来变化的，很可能就是每天都在使用的设备——智能手机。
过去十多年，智能手机一直是数字生活的核心入口。我们通过手机使用 App、浏览互联网、记录生活，而智能手表、无线耳机等可穿戴设备，则成为手机体验的延伸。再加上智能家电等 IoT 设备，你会发现，大多数智能终端实际上都是围绕手机生态构建起来的。
但在安蒙看来，智能体时代会改变这一中心结构：未来数字生态的核心不再只是手机本身，也不再只是操作系统与应用，而是智能体本身，设备则会成为智能体触达用户的端点。
这句话听上去有些抽象，但其实并不难理解。今天我们在手机、PC、手表、耳机之间来回切换时，很多体验依旧是彼此割裂的。别说手机与手表之间的智能能力往往强依赖手机，就连 PC 与手机之间，也仍难以实现真正自然的任务流转。
但如果智能体 AI 真正成熟，它将具备伴随用户在不同设备之间流动的能力。比如你在手机上发起一个需求，手机判断本地无法高效完成，就可以把任务无缝交给 PC 继续处理；而当你戴上智能眼镜时，智能体又能够通过摄像头和麦克风获得新的感知输入，结合此前在手机和 PC 上积累的上下文，进一步持续为你提供服务。
看到这里，可能有人会问：这是否意味着智能体要取代手机和 PC？其实并不是。更准确地说，这意味着手机和 PC 将不再只是运行应用程序的工具，而会成为用户接入智能体 AI 的第一入口。
高通在演讲中强调，如今的大多数设备，都是围绕“人类主动操作”这一逻辑设计的。用户点开 App、输入内容、等待反馈——这正是过去移动互联网最基础的交互方式。但智能体 AI 将带来另一种运行模式：即使用户没有持续操作，智能体也能在后台理解上下文、制定步骤、协调任务，并在合适时机主动给出结果。
当然，这种变化也对硬件平台提出了更高要求。
首先，需要更强的 CPU。很多人在谈 AI 设备时，第一反应往往是 NPU 算力，但智能体不只是运行模型，它还要负责任务编排、工具调用、系统协调和工作流规划，而这些环节都高度依赖 CPU。高通在演讲中也特别提到，规划能力会成为智能体时代的核心能力之一，而规划本身又是分布式的，因此大多数设备都离不开高性能 CPU。
当然，仅有 CPU 还不够。高能效 NPU 和 GPU 同样不可或缺，它们负责运行本地模型与并行推理任务。智能体若想做到实时响应，就不能让每一个决策都等待云端返回结果后再执行。尤其是在语音识别、图像理解、文档摘要等场景中，当前端侧 AI 模型已经足以承担大量工作。
此外，智能体设备还需要具备更丰富的传感器和更强的连接能力。想让智能体真正“懂你”，仅靠提示词远远不够，设备需要主动理解用户所处环境，并结合历史记录和个人数据，进一步判断用户的真实需求。
这也正是为什么高通会把手机、AI PC 和个人 AI 设备放在同一条主线中讨论。
手机和 PC 分别掌握着用户在不同使用场景下的重要个人数据。只有打通手机与 PC 之间的隔阂，智能体 AI 才能真正释放全部能力。同时，个人 AI 设备也会为计算终端提供更多环境信息，帮助终端完成更准确的任务推理。
这一智能生态的未来目标，是让用户在任意设备上都能获得近乎一致的智能体验。你的智能体不会因为你在手表上发起提问，就突然变成“低能模式”——这才是真正意义上的“让 AI 无处不在”。
也正因为如此，高通近几年在汽车领域持续加码。随着汽车智能化程度不断提升，AI 在汽车中扮演的角色，早已不只是一个车机助手。安蒙认为，未来汽车将同时拥有面向用户的个性化智能，以及负责感知与驾驶的实体 AI——前者理解用户需求，后者理解道路环境，两者共同构成 AI 定义汽车的新形态。
而机器人则更进一步体现了实体 AI 设备所面临的任务复杂性。它不仅需要推理与规划能力，还必须具备实时控制、传感器融合以及可靠执行能力。某种意义上，机器人本身就是移动计算、边缘 AI 与智能连接能力的综合体现。
近年来，高通也在持续把自身优势延伸到机器人领域，通过低功耗计算、异构计算和系统级集成能力，让部分感知、控制和边缘推理任务能够在更接近数据源的位置完成，从而降低时延与中心计算压力，提升机器人的响应速度和续航表现。
与此同时，高通也在探索将 6G 纳入这套体系的方法。虽然 6G 网络仍处于研发阶段，但关键技术方向已经逐步明确：未来网络不仅承担连接功能，还将承载部分计算与感知任务，使设备、边缘和云端形成更加紧密的协同关系。
此外，高通也正式推出了 Qualcomm AI200、AI250 等千瓦级算力服务器，并已与超大规模云服务商及全球合作伙伴推进实际部署。随着数据中心产品组合不断扩展，其能力覆盖范围将从最小型可穿戴设备，一直延伸到高性能推理数据中心的每一个层级。
换句话说，高通正在构建一个“从毫瓦级到千瓦级”的全链路算力生态，而这正是其能够提出“计算连续体”概念的重要基础。
高通想做的不是一颗AI芯片，而是一套智能体时代的底层平台
回过头来看安蒙这场 COMPUTEX 主旨演讲，高通真正想传达的重点，其实并不是“我们拥有一颗更强的 AI 芯片”，而是希望成为智能体时代的底层平台提供者。
从手机、PC，到汽车、机器人，再到数据中心，高通强调的始终是同一个逻辑：智能体不会只运行在云端，它将分布在各种终端设备与边缘节点之中。因此，未来竞争的重点，不再只是单点算力有多强，而是如何构建一套覆盖设备、网络、边缘与云端的完整 AI 计算体系。
这也是“计算连续体”的核心价值所在。智能体既需要云端大模型的能力，也需要端侧实时响应；它既依赖高性能计算，也离不开低延迟连接与高水平感知。而高通希望利用自己在移动计算与连接技术上的长期积累，把这些能力整合到同一平台之中。
从安蒙提出“2026 年是智能体之年”也可以看出，高通判断 AI 行业的竞争，正在从模型竞争逐渐走向智能体竞争。随着智能体不断成为新的计算入口，终端设备、边缘计算与连接技术的重要性也将持续上升。
过去十几年，移动互联网让手机成为数字生活中心；而在 AI 时代，智能体 AI 正在让计算重新回到每一台设备之上。高通的目标，就是成为连接这些设备、支撑智能体运行的关键平台。
