12月10日，量子位meet2026智能未来大会在北京正式拉开帷幕。本届大会以“共生无界 智启未来”为核心主题，构建起一个横跨多领域、信息密度高、互动性强的思想交汇平台。近三十位来自科技界、产业界与学术界的权威代表齐聚现场，围绕人工智能+、ai基础设施（ai infra）、智能终端、智能驾驶、低空经济、能源电力等前沿方向展开深度探讨，分享具有前瞻性的行业洞见。
高通公司AI产品技术中国区负责人万卫星受邀出席，并带来题为《混合AI：从云端到边缘的智能演进》的主题演讲。他在演讲中指出，当前AI正经历由生成式AI向智能体AI的关键跃迁；与此同时，AI生态也正从单一模型架构加速转向多模型协同的复合体系——这正是迈向智能体AI时代的重要基石。他还强调，未来AI体验将全面走向“混合AI”范式。为支撑这一趋势，高通已通过模型量化压缩、并行解码优化、专用NPU设计及异构计算架构等核心技术突破，持续推动端侧AI向更主动、更高效、更个性化的服务形态升级，加快构建端云一体化协同体系，为用户打造真正可信赖的智能体验。
以下为演讲全文：大家上午好！我是高通技术公司万卫星。今天非常荣幸能在这里与各位分享高通在终端侧AI以及混合AI方向上的实践进展与战略思考。
首先，我们来梳理一下AI应用在终端领域的演进脉络。第一阶段，我们称之为“感知AI”。它涵盖语音降噪、图像识别与分割、传统自然语言处理等技术，这些能力早已在智能手机、耳机、摄像头等多种终端设备上实现规模化商用。
第二阶段，则是以ChatGPT为代表掀起的“生成式AI”浪潮。该阶段依赖海量数据预训练，并在人类指令或监督下完成特定任务，例如文生图、对话交互、机器翻译等，展现出强大的内容生成能力。
第三阶段，即正在加速到来的“智能体AI”。相较于生成式AI，智能体AI具备更强的自主性——它可在极少甚至无需人工干预的前提下，完成意图识别、动态规划、任务分解与执行闭环。尽管当前行业焦点仍集中于生成式AI，但整个技术演进路径已清晰指向智能体AI这一更高阶形态。
第四阶段，我们定义为“物理AI”。在此阶段，AI不仅理解语义与逻辑，更能感知并建模真实物理世界，依据物理规律进行推理与响应。目前，物理AI仍处于实验室探索与早期验证阶段。
再来看终端侧生成式AI的发展现状。随着模型规模持续扩大，如今旗舰手机已可部署参数量达百亿级的大模型；PC端则支持约200亿参数模型的本地运行；而在车载场景中，终端侧可承载的模型参数量更高达200亿至600亿之间。
模型规模增长的同时，性能也在同步跃升。今年年初起，具备思维链（CoT）与强推理能力的模型已实现全量端侧部署；上下文窗口长度亦显著扩展——从两年前仅支持1K–2K tokens，到去年提升至4K，再到今年主流终端已稳定支持8K–16K上下文长度；更值得关注的是，在今年9月举办的骁龙峰会上，我们已成功演示了在特定场景下端侧运行128K长文本大模型的能力。
从模态维度看，终端AI正快速由单文字模态，拓展至图文、音视频等多模态融合，并进一步迈向覆盖全感知通道的“全模态AI”。
接下来，我们谈谈终端侧运行AI的核心优势与现实挑战。其最大价值在于“个性化”与“隐私友好”：数据产生于终端、处理于终端，天然保障用户隐私安全；同时，端侧AI不依赖网络连接，且无需额外付费，具备极高的使用自由度。
但挑战同样突出。我重点提两点：一是内存瓶颈——终端有限的RAM容量直接制约可部署模型的参数规模与能力上限；二是带宽限制——受限于芯片内部总线与缓存带宽，推理速度易受制约，进而影响响应实时性。此外，在高度集成的移动终端上运行大语言模型，对能效比提出严苛要求——一旦功耗失控，极易触发温控降频，损害用户体验。
面对上述挑战，高通已系统布局多项关键技术：其一，持续深化模型量化与压缩技术，从早期8bit逐步推进至4bit，今年更实现了2bit极致压缩，大幅降低模型内存占用，释放更大部署空间；其二，创新引入并行解码机制，在带宽受限条件下显著提升token生成速率；其三，依托新一代eNPU架构与先进异构计算平台，推动端侧AI由被动响应转向主动服务，真正实现千人千面的智能交互。
下面，我想就并行解码技术作进一步说明。当前主流大模型多采用自回归架构，需将全部输入与权重一次性载入内存才能逐个生成token，效率偏低。尤其当模型规模不断攀升，单次token生成延迟愈发明显，严重影响交互流畅度。高通提出的并行解码方案，采用“小模型草稿+大模型校验”的双阶段策略：先由轻量级草稿模型在端侧一次性预测多个候选token，再交由原始大模型进行快速验证。由于草稿模型本身由大模型蒸馏训练而来，其输出在大模型验证时具备高接受率，从而在保障精度前提下，成倍提升端侧解码吞吐量。
我们正处于生成式AI向智能体AI跃迁的关键路口。从应用场景看，生成式AI擅长解决“单点任务”，如实时翻译、图像生成、内容摘要与续写等；而智能体AI则面向更复杂、更动态、更主动的服务场景，其实现依赖三大基础能力：一是具备强推理能力的大模型（可部署于端或云），用于精准理解用户意图；二是在意图解析后，调用本地知识图谱或个人数据资产，生成个性化任务流；三是通过调度本地或云端API，自动完成任务执行闭环。
举一个具体案例：用户可通过自然语言指令让智能体代发微博。当智能体识别出“我要发布一条微博”这一核心意图后，会自动启动微博App，检索相册中待发布的图片，并基于用户历史偏好智能匹配滤镜风格，最终一键完成发布。不仅如此，后续还可通过语音或文字持续追踪评论动态，例如识别出某条评论特别有趣后，自动触发点赞或回复动作。这一完整流程在今年9月的骁龙峰会上已全部实现在端侧运行，全程零云端依赖。
值得一提的是，高通的产品矩阵远不止于智能手机芯片。从AR智能眼镜、Windows PC、智能汽车座舱，到智能手表与各类IoT终端，所有搭载骁龙平台的设备均支持统一AI框架与智能互联能力。我们可以设想这样一种协同模式：算力受限的智能眼镜或手表，可通过Wi-Fi或蓝牙无缝连接手机、PC乃至车载系统，将大模型推理任务迁移至更高性能终端完成，从而在资源受限设备上依然享受分布式、个性化的AI服务。
最后，我们坚信，未来的AI体验必将走向“混合AI”新范式——即在终端侧部署轻量、高效、垂类优化的小模型，提供低延迟、高安全、强个性化的即时服务；在云端则运行超大规模通用模型，支撑更复杂、更深度、更泛化的AI能力。高通将持续发挥在连接技术领域的领先优势，以超低时延、高速率、高可靠、高安全的无线连接能力，夯实端云协同底座，全面赋能混合AI时代的智能演进。
