高通安蒙Computex 2026演讲重点解读与关键信息盘点

时间：2026-08-17 06:49

高通安蒙在Computex2026演讲中定义智能体AI元年，描绘智能体渗透手机、PC、汽车、机器人及工业等终端，强调端侧性能与能效为核心竞争力，并宣布数据中心新品牌DragonFly，开启从可穿戴到数据中心的全域覆盖。

6月1日，2026年台北国际电脑展（Computex）正式开幕，高通公司总裁兼CEO安蒙发表了题为《The Year of Agents》的主题演讲。这已经是安蒙连续第三年亮相这一全球科技展会并发表重要观点。

2026年被广泛视为智能体AI元年。在这场长达一个小时的演讲中，安蒙完整描绘了智能体AI如何加速进入智能手机、PC、汽车、机器人、工业系统等几乎所有终端设备与边缘计算场景。他系统阐释了，为什么端侧算力与能效表现将成为AI时代的核心竞争力，以及高通如何依托“计算连续体”（Compute Continuum），推动智能体AI从个性化体验走向大规模推理与实际落地。

演讲尾声的“One More Thing”环节，直接点燃全场气氛——高通宣布，将在本月底的投资者日正式推出数据中心业务全新品牌：DragonFly（高通飞龙）。这意味着，这家移动芯片巨头正在正式开启多元化战略的新阶段，进一步完成从可穿戴设备到数据中心的全场景布局。

一场由AI智能体驱动的全设备重构浪潮，正在加速到来。

智能体AI时代，手机角色如何转型？

开场播放的一段视频，直观呈现了高通所理解的智能体AI时代：清晨，你的手机会主动提醒当天气温、推荐穿搭，甚至通过语音为你推送每日资讯简报。

“我们正步入一个AI不再像工具般存在的世界。”安蒙说。

换句话说，智能体时代的来临，将从根本上改变传统人机交互模式。AI不再只是冷冰冰的工具，而是逐步成为更主动、更懂用户的数字伙伴。它让人们拥有更多时间去创造，并以更自然的方式响应生活与工作的需求。这不只是一个辅助系统，更像一双能“看懂”周围环境、能“听清”用户需求的眼睛与耳朵。

对于这段演示，安蒙特别强调：这并不是高通单方面的广告展示。技术演进的背后，本质上是整个产业链协同推进的结果，没有任何一家公司可以包办全部环节。因此，安蒙首先向包括台积电在内的合作伙伴与供应链厂商表达了感谢。

随后安蒙表示，今天这场演讲只有一个核心目标：尽可能清晰地说明——智能体AI的未来究竟会是什么样？AI又将如何在全品类终端设备上持续演进？因为这是一种全新的计算形态，正在深刻影响每一类设备的定义与体验。

两年前，高通在台北电脑展上就曾提出，AI将改变人机交互界面（AI即新UI），并重塑所有个人计算设备的底层架构。到了2026年，这一判断正在逐步成为现实。人工智能持续进化，从最初仅作为工具执行指令、辅助人与计算机交互，发展到如今能够自主判断并采取行动。

安蒙用多个具体案例解释了这一变化。未来在家中，你可能会拥有一个智能体助手，实时更新你的活动安排、日程信息以及工作任务。它会持续陪伴你，帮助梳理要推进的项目、待完成的事项，并提示你做出相应决策。这正是智能体AI时代的典型场景——AI不再是单向的“命令-响应”工具，而是能够主动提供服务的智能助手。

过去很长一段时间里，智能手机一直是数字生活的绝对中心。所有生态都围绕手机展开，用户通过操作系统和应用与手机交互，其他可穿戴设备也大多作为手机生态的延伸存在。但安蒙指出，未来智能体将成为用户数字体验的新中心。包括手机在内的所有设备，都将围绕智能体运行，而不再只是依附于手机。数字生态不再以单一设备、操作系统或App为核心，终端设备将更多地成为智能体的连接触点。

在安蒙看来，智能体不会被某一个生态系统绑定，也不会受限于单一平台。凡是能够连接用户与智能体的设备、服务和入口，都将成为人工智能的重要接入点。这是一项非常关键的变革。

“我在高通工作30多年，有一件事可以肯定——移动产业并非一成不变，它始终在不断变化。”安蒙说。

智能设备需要重新设计

AI时代带来的一个显著变化，是智能终端覆盖范围正在快速扩大。从手机到PC，从可穿戴设备到机器人，几乎所有设备都在被重新定义……而这也正是高通近年来持续扩展业务版图、推进多元化战略的重要底层逻辑。

安蒙介绍，目前全球大约有60亿部手机、20亿台个人电脑、5亿辆联网汽车，以及20亿台个人人工智能设备（包括可穿戴设备的进化形态）。如果将这些设备都视作智能体AI的终端入口，那么这个规模还只是开始。AI发展的下一阶段，边缘侧终端将承担更关键的角色。

在介绍完智能设备规模后，安蒙传递了一个核心判断：今天的大多数设备，其实并不是为智能体体验而设计的。

他的解释很直接：当智能体AI成为日常生活和个人计算的关键能力后，人与设备的交互方式将发生根本变化，因此需要新一代硬件和系统形态。现有设备主要是围绕用户主动操作来设计的，而不是为智能体自主运行、持续协同而设计的。

安蒙进一步拆解了智能体的关键特征：

它们能够持续运行、传递上下文信息，并且可靠、安全地编排多项任务，还可以自主完成这一切，而不需要人类持续干预。仅从这一点就能看出，未来设备将如何演进，设备架构又为何必须改变。

智能体会根据用户意图主动采取行动。当AI在人机交互中承担更重要角色时，它不仅能理解人的意图，还能主动识别哪些事务需要与人类协同完成。

它会设定目标，再将目标拆解为多个步骤，跨系统、跨数据集进行协调——包括设备本地数据、个人知识图谱中的专属信息，以及来自云端的数据资源。

它会负责规划、执行，用户则负责确认和验证，直到任务最终完成，并在整个过程中持续互动。从定义上来说，这意味着设备必须拥有全新的硬件架构，因为操作不再仅由用户发起，智能体也会长期自主运行。

这会进一步重塑操作系统和应用程序的设计逻辑。

基于以上判断，安蒙认为，这正是计算产业的重大机会。一个覆盖海量终端的生态系统，即将在AI时代迎来全面升级。因此，必须在所有计算场景中实现紧密集成，同时满足严格的功耗控制与低时延要求。

“我再怎么强调功耗的重要性都不为过。想想你的手机：如果仅由你操作，都很难撑过一整天，那么当你和智能体同时使用时，功耗挑战会更加严峻。这对功耗和延迟来说，是极其巨大的工程挑战。”安蒙说。

面向智能体AI时代的新设备，需要支持系统级的规划、推理与协同能力。这正是安蒙所强调的计算演进方向：需要性能强大且高能效的CPU负责整体任务编排；需要高能效、高计算密度的NPU和GPU承担本地AI模型运行。

同时，安蒙还强调，AI必须在云端与终端之间进行分布式部署。他认为，不久之后，云端和边缘将不再被割裂讨论，而会融合为一个统一系统。要实现这一点，终端设备必须依托NPU与GPU提供足够充沛的本地计算能力。

“你需要传感器数据，上下文也是关键因素。没有上下文，智能体就无法发挥作用，更谈不上主动贴心。面向智能体AI的下一代设备，这些能力都是必备项，真正的升级即将到来。当然，不同设备的需求各不相同。”安蒙说。

在高通的视角中，个人设备需要全天候智能能力，高度依赖与用户相关的传感器和上下文，同时还要具备极致能效——因为这些设备需要随身携带，天然具备移动属性；此外还需要高速连接能力。而在汽车和机器人等场景中，则需要在复杂、严苛的环境下持续保持稳定算力，并在必要时脱离网络和云端独立运行。在数据中心场景中，AI推理则需要更大规模，同时能效同样至关重要。

安蒙强调，对于深耕移动行业数十年的企业来说，高通早已习惯在计算能力增长与能源供给之间寻找平衡。在有限电池、有限空间内，用有限能量提供足够算力，这一直是高通长期积累的优势所在。而这一能力同样适用于数据中心业务。

如今，高通的多元化业务布局已经覆盖众多边缘计算终端。按照高通自己的说法，它是全球少数能够构建跨越全功耗范围系统能力的厂商之一：从功耗低于2毫瓦、搭载超低功耗Wi-Fi、可连接个人AI智能体的耳机产品，到数千瓦级别的数据中心设备，都在其覆盖范围之内。

因此，在安蒙看来，当智能体AI全面到来、所有设备都需要升级时，这正是高通与合作伙伴迎来的关键机会。AI智能体芯片企业的核心竞争点，在于是否能够提供支持全栈扩展的专用计算方案，实现从毫瓦级终端到数千瓦级系统的完整覆盖。而高通已经在智能手机、PC、汽车和机器人等领域建立了领先的每瓦性能优势，将这一能力进一步延伸至数据中心，无疑是一次极具战略价值的机会。

加速落地的智能体

在今年的台北电脑展上，高通面向PC业务宣布推出全新入门级处理器骁龙C平台，瞄准300美元及以上价位的入门级笔记本电脑，持续推动AI PC的规模化普及与市场渗透。

当智能体AI时代来临时，可以看到，智能体已经开始部署，并在手机、PC以及新兴个人AI设备品类中逐步迈向规模化。安蒙希望借此向现场观众说明：手机领域正在发生的变化，将很好地预示PC和其他设备的未来。他想强调的是，智能体并不依附于某一台终端，而是围绕用户存在，无论你切换到哪台设备，它都能持续陪伴。

“这就是理解这场变革的关键：当生态系统的核心，尤其是移动生态，不再是智能手机，而是智能体，智能体将贯穿所有设备。为什么高通定义2026年是智能体元年？就是因为智能体的普及正在加速。”安蒙说。

安蒙举了几个例子：如今智能体已经开始在商用设备上快速落地，OpenClaw、Hermes等方案已经运行在骁龙平台上，Claude Desktop等智能体助手也已经能够原生运行在骁龙PC上。这一趋势正在持续升温，用户会越来越依赖设备，而设备也将自主完成更多任务。Perplexity Computer等云平台正在构建连接终端的规划层；谷歌借助Gemini Intelligence将智能体AI直接引入Android；微软也在推进相关布局；Humain等合作伙伴甚至在开发完整的智能体操作系统。

在手机端，全球60亿部智能手机的用户体验也将被重新定义。而这些规划器（Orchestrator），正是AI向智能体升级的重要里程碑。安蒙介绍，Open Claw刚推出时，很多消费者会购买Mac Mini等设备来运行智能体，完成任务、发送指令。但这绝不只是极客用户的玩法，未来大多数人都会以类似方式使用计算设备。你不可能随身背着一台必须接电源的电脑，真正会随身携带的，仍然是一部手机，而大量智能体能力最终都会落在手机上实现。

“未来的设备将拥有双重属性——人类主动操作+智能体自主运行。手机的变革，也会影响笔记本电脑等个人设备。由此，个人AI设备会快速规模化，因为它们的交互更自然。比如智能眼镜贴近人的眼、口、耳，使用体验更顺畅。这就是我们将在计算领域看到的惊人转型。但这不仅仅发生在个人计算领域，当我们看向物理世界时，同样的变革也在发生。”安蒙强调。

物理AI：工业领域的巨大机遇

安蒙在演讲中毫不掩饰自己对物理AI当前行业应用前景的兴奋。汽车、机器人、工业系统，都将成为智能体AI的重要终端。而在这些系统中，也都存在特殊要求：延迟与安全性往往需要以毫秒、毫米级标准来衡量，每一个细节都极其关键。

以智能汽车场景为例，安蒙指出，汽车未来将拥有两个层面的智能。第一层是座舱内与用户个性化交互相关的智能。车内AI会为用户打造定制化体验，这与前面提到的智能体专属助手非常相似。当用户坐进车内，这种体验会无缝延续，智能体也会持续参与交互。无论是在汽车、个人AI设备、手机还是PC中，核心依然都是智能体。

另一层则是道路环境中的物理AI。汽车除了与人交互，还需要在车内外场景、道路环境中运行物理AI，借助摄像头、雷达、传感器和地图来完成感知、规划、执行与导航。“而最终，两层智能会作为一体化系统运行。”安蒙强调。这也是高通多年来持续强调的“软件定义汽车”理念的重要组成部分。在智能体时代，这一概念还将进一步演进为“AI定义汽车”。

此次台北电脑展期间，高通的另一项重要发布，是推出面向机器人行业的全栈参考设计——高通跃龙IQ10 RRD。

安蒙以机器人行业正在经历的深刻变化为例进行了说明。在他看来，机器人技术极具战略价值，因为它不断突破计算技术边界，融合了个人计算领域的传感、感知和高集成传感器技术，同时也吸收了汽车产业在精度、工业级品质、安全性和冗余能力上的积累——实现了消费电子与汽车技术优势的结合。

安蒙指出，要在机器人领域取得成功，必须将其设计成分层计算系统。

机器人具备三层计算能力：第一层是即时执行，类似人类的本能动作——比如没有拿稳物体时立刻重试、保持身体平衡，这类动作无需复杂思考即可完成；第二层是具体任务执行；第三层则是推理与决策。在这一基础上，必须构建分层计算体系，实现分布式智能。打造机器人，不仅需要中央“大脑”，还需要运动控制、执行驱动能力，而感知与灵巧性同样不可或缺。

安蒙介绍，高通融合了移动通信、个人计算、汽车和导航等领域的先进技术，打造了覆盖多种形态的综合机器人平台，包括自主移动机器人、工业机械臂、四足机器人、人形机器人、无人机等。

工业领域的机会就在眼前，而高通也正在加速推进。比如打造硬件、软件和AI运营能力，实现车队与数据管理，并为合作伙伴提供从原型开发到量产落地的全套支持。安蒙认为，机器人的续航能力至关重要，计算与传感器也需要高度集成。如果希望机器人实现大规模普及并具备更合理的价格，就必须借鉴消费电子行业的高集成能力。这对高通和合作伙伴来说，都是极具吸引力的机会。目前，高通已经与VinMotion、Neura Robotics等企业展开合作。

除了机器人，物理AI在工业场景中同样蕴藏着巨大机会。安蒙强调，工业领域并不是需求不足，而是解决方案仍然有限，关键在于系统能力与技术成熟度是否到位。

工业场景的需求体现在多个方面。企业与工业环境的需求非常庞大——例如视觉AI摄像头可以用于安全合规监控、智慧城市交通流量监测，并自主触发相应行动，应用场景非常丰富。与此同时，全新的设备形态也在不断出现——从头盔、安全玻璃到工牌，智能化几乎无处不在。计算机视觉既可以在本地运行，也可以在云端执行，并在需要时动态调用本地或云端更强大的模型，实现“看见、理解、决策、执行”的完整流程。

将感知能力转化为实时智能，应用空间极其广阔。视觉以及其他传感器输入，与智能体AI结合之后，将从根本上改变大量系统和企业的运行方式。

“我们已经在零售、仓储、办公管理、楼宇、石油天然气、能源、智慧城市等领域看到这一趋势。这对智能体AI来说，是千载难逢的机遇。”安蒙说。

6G：智能体时代的“关键先生”

在讲完生成式AI如何重塑个人计算、各类新型个人设备、汽车、机器人和工业领域之后，安蒙指出，还有一项底层技术将改变整体格局——那就是6G。

在世界移动通信大会上，高通将6G定义为首个为AI时代打造的无线网络，并提出三大核心支柱：连接、分布式计算和感知。这是电信行业前所未有的新能力体系。

首先是连接。6G在连接层面的重要变化，在于能够支持极高速上行链路，从而更好地支撑智能眼镜、ARVR等应用。6G将使每个人都可能成为“行走的摄像头”。

第二部分是计算。它强调端–边–云协同，把AI推理任务在终端设备（如手机、机器人）、网络边缘（如基站MEC）和云端之间灵活分配，追求的是更高能效与更低时延，而不是单纯依赖集中式云算力。

第三是感知，这将成为电信基础设施有史以来最重大的变革之一。整个网络本身都将演变为AI网络——从无线基站到中心局，再到数据中心，分布式实现AI计算和推理。这不仅对自主网络、资源自动分配、射频信号预测等连接场景非常关键，也因为感知技术本身就需要这样的能力支撑。

安蒙表示，感知是这一领域最大的变化之一，它会推动电信行业完成彻底升级。感知技术会把射频信号作为物理AI的输入，用于模型训练。每一条无线连接，都类似于自动驾驶汽车中的雷达，而全球将存在实时数亿级连接。借助6G带来的连接、计算与感知能力，行业将发生深刻变化。比如通过无人机探测和管理低空经济，在每条道路上感知汽车、自行车、卡车和行人，识别并标注物体。通过对这些数据进行分析与定位，不仅可以构建街区、城市的数字孪生，甚至有机会构建整个国家层面的数字孪生。

而这与智能体AI的关系在于：所有这些都构成了实时上下文，能够持续支撑运行在各类终端设备上的智能体。

“我认为这是边缘领域令人兴奋的未来，因为AI是全新的计算形态，会让计算无处不在。”安蒙说。

Token就是AI时代的新货币

智能体催生了Token需求，创造了新的计算消耗，推动AI实现规模化，同时也在重新定义AI的架构模式与经济模型。

如今大多数软件、操作系统和应用商店，都是按照人类操作逻辑来设计的。人们手动打开应用、访问网页、完成操作。但随着智能体出现，这一切都在改变。智能体能够自主运行，与软件交互的速度更快，也能同时跨多个服务完成任务——这也正是设备需要升级的重要原因。

安蒙指出，智能体会以机器速度生成Token，而不是以人类速度。举例来说，在应用和SaaS行业中，过去客户端一直是为人工操作设计的。但未来不再如此，应用和SaaS服务都必须同时支持人类与智能体交互，而智能体交互速度更快，这将从根本上改写Token需求曲线。

从安蒙现场展示的数据来看，Token消耗的快速增长趋势非常明显。尽管不同评估机构给出的数据略有差异，但整体方向高度一致：第一层级是对话交互——单轮提示与响应，大约需要1万Token；第二层级是推理——多轮交互，每个任务约10万Token，数量级明显提升；第三层级则是智能体AI——自主、多步骤、多次调用，每个任务大约需要100万Token，并且还在持续增长。两个层级之间，Token需求大约增加100倍。

换个角度看这组数据：到2026年，全球每10秒的Token需求约为317亿个；到了2030年，同样10秒内的需求将升至1.27万亿个，增长幅度达到40倍。

智能体将生成海量Token。根据最新评估，2030年全球Token总需求将达到亿亿级规模——某种意义上说，Token就是AI时代的新货币。

安蒙用两个例子说明围绕Token的整个系统将如何运转。他特别强调，这就是未来的发展方向。

第一个例子是编码场景。编程与代码生成，是当前最消耗Token的任务之一。在云端运行代码时，编排器会智能路由工作负载，把部分任务留在设备端计算，并将必要任务上传至云端。通过分布式智能体AI，充分利用计算连续体中的全部算力，在获得相同结果的前提下，可以节省约1400万Token，成本降低60%。

第二个例子是创建一个骁龙网页，提示词中包含大量规范要求。左侧方案是纯云端执行，在云端生成全部Token；右侧则是在智能分布式编排器的调度下，对任务进行路由划分，结合设备端与云端的计算资源协同完成。最终结果完全一致，但Token数量减少了30%，成本降低了4倍。

这正是分布式AI的强大价值所在。这不仅是未来的运行方式，也已经开始走向现实。长期以来，行业一直在讨论云端与边缘，二者都非常重要。如今它们的落地路径已经更加清晰：不是抽象地讨论“云端能跑的边缘也能跑”，而是该放在云端的任务就放在云端，该放在边缘的任务就放在边缘，二者各司其职、协同运行。

在安蒙看来，如今手机中的应用数量众多，如果让普通用户逐一判断每个应用的计算任务哪些在本地执行、哪些在云端处理，其实并不现实。虽然云端十分重要，但当设备处于飞行模式时，就必须依赖大量本地算力。因此，未来智能体AI的运行逻辑，是根据工作负载的迁移，充分调用一切可用计算资源。

这就是高通提出的“计算连续体”（Compute Continuum）理念。当所有场景都开始产生AI计算需求时，每一种计算引擎都会成为智能体未来的重要组成部分。而高通在多类终端设备上都具备独特优势。安蒙强调，这并不是“一刀切”的方案，高通会针对不同设备打造适配的AI平台，因为不同设备承担不同用途，目标是在各种场景下都实现更高智能与更高效率。