3月27日，CFMS｜MemoryS 2026峰會(huì)以“穿越周期，釋放價(jià)值”為主題在深圳舉辦。本屆峰會(huì)匯聚存儲(chǔ)、CPU/GPU、AI大模型、汽車等全球核心產(chǎn)業(yè)鏈生態(tài)企業(yè)，探索AI時(shí)代下，存儲(chǔ)廠商、應(yīng)用終端與平臺(tái)廠商將如何融合新技術(shù)、新產(chǎn)品，協(xié)同構(gòu)建高效生態(tài)。高通公司AI產(chǎn)品技術(shù)中國區(qū)負(fù)責(zé)人萬衛(wèi)星受邀出席本次峰會(huì)并發(fā)表主題演講，探討了在智能體AI創(chuàng)新浪潮下，端側(cè)將如何引領(lǐng)構(gòu)建個(gè)人AI的未來。

萬衛(wèi)星指出，個(gè)人AI將始于端側(cè)，我們正在邁向以AI和用戶為中心的多終端體驗(yàn)，終端側(cè)智能體將能夠提供更低時(shí)延、更好的個(gè)性化以及持續(xù)無感的用戶體驗(yàn)。高通公司通過統(tǒng)一的技術(shù)路線，能夠跨廣泛產(chǎn)品組合提供高性能、高能效的軟硬件技術(shù)底座，為賦能個(gè)人AI提供跨終端、跨場 景的平臺(tái)級(jí)能力。

此外，為表彰產(chǎn)業(yè)鏈內(nèi)的杰出企業(yè)與領(lǐng)軍人士，彰顯行業(yè)標(biāo)桿力量，MemoryS大獎(jiǎng)也在本次峰會(huì)期間頒布，通過將業(yè)務(wù)從智能手機(jī)擴(kuò)展至個(gè)人AI與智能可穿戴設(shè)備、PC、汽車、邊緣網(wǎng)絡(luò)以及工業(yè)物聯(lián)網(wǎng)等廣泛邊緣領(lǐng)域，引領(lǐng)構(gòu)建“邊緣智能生態(tài)”，推動(dòng)AI在萬物互聯(lián)終端上真正實(shí)現(xiàn)低延遲、高安全的本地化落地，高通公司榮獲“年度AI生態(tài)杰出貢獻(xiàn)獎(jiǎng)”。

以下為萬衛(wèi)星演講全文：

各位嘉賓，現(xiàn)場的朋友，大家上午好。今天我分享的主題是“引領(lǐng)智能體AI創(chuàng)新，在端側(cè)構(gòu)建個(gè)人AI未來”。我們首先來看一下AI在行業(yè)應(yīng)用的幾個(gè)演進(jìn)階段，第一個(gè)階段我們可以把它叫做感知AI，感知AI并不陌生，它包括多媒體信號(hào)、比如語音信號(hào)的理解，對(duì)圖像的分類識(shí)別，以及智能降噪等傳統(tǒng)領(lǐng)域的用例。這類感知AI在大多數(shù)的終端側(cè)平臺(tái)已經(jīng)得到了商業(yè)化落地，一個(gè)很典型的例子就是在手機(jī)領(lǐng)域的計(jì)算攝影，其實(shí)就得益于感知AI的落地。

第二個(gè)階段就是生成式AI，這個(gè)階段的特點(diǎn)是在基于大量數(shù)據(jù)預(yù)訓(xùn)練的情況下，AI可以在有監(jiān)督的情況下去解決一些具體的問題，比如說OpenAI的ChatGPT模型，以及文生圖模型等等。第三個(gè)階段我們叫做智能體AI。智能體AI跟生成式AI有個(gè)很重要的區(qū)別就是，它基本上可以在無監(jiān)督的情況下，自主的去理解用戶意圖，進(jìn)行行動(dòng)和決策，幫我們解決稍微復(fù)雜的任務(wù)。第四階段我們叫做物理AI，AI可以真正去理解我們的物理世界，根據(jù)真實(shí)物理世界的物理規(guī)定，對(duì)輸入進(jìn)行反饋和輸出。這一技術(shù)還在早期應(yīng)用階段。如果大家關(guān)注今年在巴塞羅那的MWC世界移動(dòng)通信大會(huì)，應(yīng)該也看到了大量行業(yè)關(guān)于物理AI的探索進(jìn)展。

目前我們看到行業(yè)內(nèi)的關(guān)注重點(diǎn)主要在第二階段和第三階段。接下來我們先看一下生成式AI的發(fā)展趨勢。我們看到很重要的一點(diǎn)是，能夠在端側(cè)運(yùn)行的生成式AI模型，它的智能正在快速的提升。首先，端側(cè)設(shè)備能夠支持的模型參數(shù)量正在變得越來越大，比如在手機(jī)上我們已經(jīng)可以運(yùn)行10億到100億參數(shù)級(jí)別的大模型，在PC上可以運(yùn)行130億到200億參數(shù)量的大模型。在車上，我們可以支持的模型參數(shù)量可能會(huì)更大，達(dá)到200~600億的級(jí)別。

在更小型的設(shè)備上，比如AR眼鏡和低功耗設(shè)備，我們也實(shí)現(xiàn)了讓參數(shù)規(guī)模在10億-40億之間的模型完全在端側(cè)運(yùn)行。雖然相較于云端大模型，端側(cè)模型的參數(shù)量仍然相對(duì)較小，但行業(yè)內(nèi)的各種技術(shù)正在推動(dòng)端側(cè)大模型支持體量的提升，比如內(nèi)存帶寬提升，量化位寬技術(shù)的優(yōu)化可以進(jìn)一步壓縮模型尺寸，這都意味著終端設(shè)備可以承載更豐富的模型。

從模型本身的能力來看，我們觀察到兩點(diǎn)。首先，去年我們已成功將具備推理能力的大模型部署到了端側(cè)。第二，在端側(cè)大模型所對(duì)應(yīng)的各類場景中，其支持的上下文長度也在提升。大概在三年前，端側(cè)上下文長度普遍僅限于1k-2k；兩年前，大部分場景的上下文已經(jīng)擴(kuò)展到2k-4k；而去年，高通在與合作伙伴的場景探索中，這個(gè)區(qū)間已提升到4k-8k。在一些特定的場景中，我們甚至已經(jīng)可以支持32k-128k的上下文長度。

更長的上下文需求在端側(cè)部署其實(shí)是具有挑戰(zhàn)性的，上下文越來越長，意味著對(duì)KV緩存（Key-Value Cache）的需求會(huì)越來越大。這直接導(dǎo)致將模型整體部署到端側(cè)時(shí)，所需的內(nèi)存容量會(huì)增加，同時(shí)對(duì)內(nèi)存帶寬的要求也會(huì)越來越高。在模態(tài)演進(jìn)方面，我們同樣看到端側(cè)模型正從單一的“文生文”、“文生圖”、“圖生圖”向更豐富的多模態(tài)方向發(fā)展，包括語音、文字、照片、視覺以及傳感器等多種輸入，甚至正在向全模態(tài)的方向邁進(jìn)。在去年9月的驍龍峰會(huì)上，高通也展示了與合作伙伴共同將50億參數(shù)的全模態(tài)模型完整運(yùn)行在端側(cè)，用戶可以通過自然語言進(jìn)行交互。

介紹完趨勢，下面我們來分享生成式AI在端側(cè)部署的優(yōu)勢與挑戰(zhàn)。我認(rèn)為端側(cè)運(yùn)行生成式AI的最大優(yōu)勢在于個(gè)性化。因?yàn)閭€(gè)人所有的數(shù)據(jù)都在端側(cè)，而新數(shù)據(jù)的產(chǎn)生源頭也是在端側(cè)。在數(shù)據(jù)產(chǎn)生的源頭直接進(jìn)行推理是一件非常自然的事情，同時(shí)也可以更好保護(hù)用戶的隱私。此外，端側(cè)生成式AI還有更高的成本優(yōu)勢，且無需網(wǎng)絡(luò)連接，這讓用戶能夠隨時(shí)隨地享受生成式AI帶來的服務(wù)。在挑戰(zhàn)方面，我這里重點(diǎn)強(qiáng)調(diào)幾點(diǎn)。第一點(diǎn)是端側(cè)內(nèi)存規(guī)模的限制。雖然我們有很多技術(shù)手段能夠壓縮模型體積，但有限的內(nèi)存終究會(huì)對(duì)可運(yùn)行的模型大小設(shè)置上限，而模型大小的上限也意味著端側(cè)AI能力的上限。

第二點(diǎn)，端側(cè)的內(nèi)存帶寬也是有限制的。大家知道，自回歸網(wǎng)絡(luò)的一個(gè)顯著特點(diǎn)就是受內(nèi)存帶寬限制，有限的帶寬會(huì)影響大模型輸出token（詞元）的速度，進(jìn)而影響到具體場景里面的用戶體驗(yàn)。第三點(diǎn)，我想重點(diǎn)強(qiáng)調(diào)在很多終端設(shè)備上，尤其是在手機(jī)這種集成度比較高的設(shè)備上，能效非常重要。我們要避免AI推理在運(yùn)行時(shí)觸發(fā)溫控限制，避免引起設(shè)備發(fā)熱。因此，如何在內(nèi)存大小、帶寬以及性能和能效之間達(dá)成平衡，是我們和業(yè)內(nèi)伙伴一直在嘗試解決的問題。

下面我們來看一下智能體AI的趨勢，最重要的一點(diǎn)就是怎么讓終端側(cè)智能體和用戶實(shí)現(xiàn)深度適配。第一個(gè)顯著趨勢就是終端側(cè)智能體，其核心在于能夠提供更低時(shí)延、更好的個(gè)性化以及持續(xù)無感的用戶體驗(yàn)。第二是智能體專業(yè)化。最開始人們是想讓統(tǒng)一的模型去解決大多數(shù)問題，現(xiàn)在我們?cè)谧呦蛉蝿?wù)專業(yè)化，通過專業(yè)化智能體和多智能體框架來解決問題。第三個(gè)趨勢，也是我覺得對(duì)用戶體驗(yàn)最重要的趨勢，就是高度個(gè)性化。終端側(cè)智能體不再是以前那種簡單的對(duì)話類語音助手，而是變成能夠充分理解用戶意圖、理解上下文、理解用戶感知信息的真正懂你的AI助手。

我們?cè)賮碓敿?xì)看一下智能體AI的基礎(chǔ)模塊。大家可以簡單把智能體理解為一個(gè)持續(xù)運(yùn)行的閉環(huán)系統(tǒng)，這一系統(tǒng)里包含多個(gè)基礎(chǔ)模塊，比如感知模塊、理解模塊和推理模塊，還有記憶系統(tǒng)、工具系統(tǒng)甚至執(zhí)行系統(tǒng)。這些模塊整合在一起，讓智能體能夠理解用戶的意圖，處理用戶輸入的信息，通過對(duì)信息的理解來拆分成多個(gè)任務(wù)并獨(dú)立完成目標(biāo)。更重要的是，終端側(cè)智能體可以提供持續(xù)感知、持續(xù)思考并且持續(xù)行動(dòng)的用戶體驗(yàn)。

智能體AI其實(shí)為我們面向新數(shù)字世界的交互范式帶來很大改變。高通在過去兩年一直在講“AI是新的UI”——AI是新的用戶交互界面。未來，用戶不再是圍繞某個(gè)單一的APP或者某個(gè)單一功能去做交互，只需要用語音或文本和智能體去自然交互，智能體就能通過理解用戶的輸入信息去理解用戶意圖，分解并規(guī)劃任務(wù)。再結(jié)合運(yùn)行在驍龍平臺(tái)上的端側(cè)大模型，可以解決我們的任務(wù)，也可以通過云端的通用大模型，讓AI賦能娛樂、生產(chǎn)力工具、行業(yè)應(yīng)用等廣泛的場景。

在過去，個(gè)人AI更多是以手機(jī)為中心，耳機(jī)、眼鏡、手表等其他設(shè)備是作為附屬與手機(jī)連接。未來，我們正在邁向以AI和用戶為中心的多終端體驗(yàn)。也就是說AI不再綁定某一個(gè)具體的設(shè)備，如果是通過個(gè)人AI或者智能體去理解用戶的意圖，再去執(zhí)行用戶的任務(wù)，這些任務(wù)是通過多個(gè)設(shè)備之間的靈活協(xié)同來完成的。AI設(shè)備它只是AI的載體，未來個(gè)人AI體驗(yàn)一定是朝著打造更持續(xù)、更無感的用戶體驗(yàn)方向去演進(jìn)。從我們的視角去看個(gè)人AI，它一定是始于終端側(cè)的，因?yàn)榻K端側(cè)離用戶最近，終端側(cè)擁有用戶的所有信息，因此能夠在第一時(shí)間感知到用戶個(gè)人的意圖、上下文和偏好。

但是個(gè)人AI它不是孤立運(yùn)行的，它可以通過混合AI的架構(gòu)，在終端側(cè)、本地邊緣、網(wǎng)絡(luò)邊緣和中央云協(xié)同工作。高通在去年也發(fā)布了多款可以提供充分算力去支撐個(gè)人AI場景的產(chǎn)品，包括第五代驍龍8至尊版移動(dòng)平臺(tái)、驍龍X2 Elite計(jì)算平臺(tái)等。大家已經(jīng)可以在市場上看到非常多搭載上述驍龍平臺(tái)的商用終端。

剛才我們聊了終端側(cè)，那么在數(shù)據(jù)中心領(lǐng)域，我們也是在今年MWC發(fā)布了基于QualcommAI200和AI250芯片的加速卡和機(jī)架系統(tǒng)。我們以行業(yè)領(lǐng)先的總體擁有成本(TCO)為高速數(shù)據(jù)中心生成式AI推理提供機(jī)架級(jí)性能與卓越內(nèi)存容量。尤其是AI250，它引入了一個(gè)創(chuàng)新的內(nèi)存架構(gòu)，為AI處理工作負(fù)載帶來效率的跨時(shí)代躍升。

最后，我想給大家總結(jié)一下高通在AI方面的整體布局。從手機(jī)、耳機(jī)、可穿戴設(shè)備、PC等消費(fèi)電子產(chǎn)品，再到汽車、機(jī)器人，甚至到下一代的數(shù)據(jù)中心，我們都在用統(tǒng)一的AI架構(gòu)去賦能所有的產(chǎn)品，核心就在于我們能夠通過統(tǒng)一的技術(shù)路線，提供高性能、高能效的軟硬件技術(shù)底座，讓高通的AI能力得以從單個(gè)產(chǎn)品或者單顆芯片擴(kuò)展成為規(guī)?；目缃K端、跨場景的平臺(tái)級(jí)能力。

以上就是我今天所有的分享，非常感謝大家。