高通通过轻量化模型与异构架构攻克端侧算力瓶颈

高通通过轻量化模型与异构架构攻克端侧算力瓶颈 高通认为AI正加速从云端向终端渗透，通过模型量化蒸馏、异构计算及6G通感一体化等技术，边缘设备可突破内存与功耗限制并重构人机交互。 在 AI 大模型竞争白热化的背景下，高通凭借将芯片、通信与端侧 AI 深度融合的布局，成为 Physical AI 趋势下的隐形赢家。采访探讨了 AI 从“云”走向“端”的技术破局点，包括轻量化小模型、模型蒸馏、量化及异构计算，以破解算力、内存与功耗的“不可能三角”。同时，节目展示了原生 Agent 手机、具身智能机器人、通感一体化的 6G 演进、双芯片跨域融合的智能座舱以及 XR 智能眼镜等前沿落地应用。 Physical AI 推动大模型从“云”走向“端”，通过模型蒸馏、量化与 MoE 架构大幅瘦身，使端侧小模型在手机、汽车、XR 及机器人等终端上达到甚至超越此前数百亿大模型的效果。 (0:00) 手机交互正迈向 Agentic 智能体新范式，无论是原生全语音交互系统还是打通底层生态的 Super App，均依赖高通异构计算（CPU、GPU、NPU 协同）实现高效运行。 (5:00) 具身智能机器人采用端侧低延迟动作控制与云端长程推理协同架构；未来 6G 网络将通过“AI 原生架构”适应 30%-40% 的智能体流量，并借助“通感一体化”直接感知物理世界。 (10:00) 高通骁龙数字底盘推出中央计算模式与双芯片跨域融合，实现智能座舱与自动驾驶算力的动态无感调度；智能眼镜则借助分离式渲染与端侧记忆库打破算力、内存与功耗的“不可能三角”。 (19:00)

高通全球副总裁徐晧指出，随着人工智能从探索模型能力边界的纯云端阶段迈向端侧落地与Physical AI（物理AI），边缘设备催生出庞大的本地算力需求。高通正依托模型轻量化算法、异构计算架构及通信技术底蕴，在手机、汽车、XR与机器人等场景推进端云协同与智能体生态布局。 破解端侧不可能三角的技术路径 在终端设备上部署AI模型，长期受到内存、功耗与性能之间“不可能三角”的制约。行业研究与高通实践表明，2024年经过精细优化的40亿（4B）至数十亿参数轻量小模型，在实际效果上已能达到或超越此前数百亿参数模型的水平，更加契合边缘端运行。高通配合运用模型蒸馏、将云端浮点转为定点的模型量化，以及低秩适应（LoRA）与混合专家模型（MoE）技术，在保障功能的前提下大幅降低了存储占用与计算能耗。 为进一步平衡算力负载与隐私安全，高通确立了分层级的端云协同架构。用户敏感的个人偏好、日程和通信记录首先在端侧完成预处理与压缩，形成本地个性化数据库，直接处理日常轻量规划与隐私任务；当面临复杂长程推理时，端侧仅上传关键上下文至云端超大模型。同时，高通通过CPU、GPU与NPU分工协作的异构计算架构，针对手机、PC等不同算力预算设备量身定制芯片，实现效能最大化。 消费终端变革：手机智能体与XR分离渲染 在普及度最高的智能手机领域，端侧AI正从早期的图像处理、相机优化及语音助手，演进为全新的Agentic（智能体）交互范式。徐晧认为，未来的交互核心将转变为“AI即全新UI（AI is the New UI）”，用户仅需语音指令即可驱动AI调用整合底层服务。当前演进路线主要分为从底层摒弃APP查找逻辑的原生Agent系统手机，以及打通全生态底层数据与服务的超级应用（Super App）形态。 针对受限于极小体积与电池重量的智能眼镜（XR），高通AR1平台则采用“分离式渲染”技术破局。系统将高耗能的成像与重度AI计算转移至相连手机，眼镜端仅保留轻量级数据处理，从而控制发热与功耗。此类设备聚焦第一视角实时直播、通过静默记录周围环境找寻物品的AI记忆助手（Memory Agent）以及实时比价等场景，并在硬件上保留红点提示灯以应对隐私伦理挑战。 物理AI落地：机器人控制与汽车中央计算 具身智能机器人对芯片架构提出了有别于手机的特定需求。徐晧分析指出，机器人需依靠视觉语言模型（VLM）与世界模型处理复杂的空间认知与路径规划，对算力和毫秒级低时延控制要求极高，但由于内部容积与电池较大，其功耗与芯片尺寸限制相对放宽。展示现场的K1机器人及小阿加犀展现了由CPU处理运动、GPU解析多路视频流、NPU本地运行ASR/TTS与大模型推理的多核协同能力。 在汽车这一高算力Physical AI终端上，高通推出了整合全车感知传感器的骁龙数字底盘。以首批搭载双高通8797芯片的零跑D19为例，其采用中央计算架构，相较上一代CPU与GPU性能提升近3倍，NPU算力提升达12倍。系统不仅支持五屏联动，还实现了自动驾驶与智能座舱两大域之间的算力动态互调借用，有效精简了车身电气走线并提升了硬件资源复用率。 6G网络前瞻：原生智能与无线通感一体 智能体互联与端云协同的响应速度高度依赖底层通信演进。徐晧说明，5G虽已利用TSN（时间敏感网络）打时间戳技术将无线连接时延缩短至毫秒级，但整体传输瓶颈仍集中在云端调度与干线链路。研发中的6G技术正致力于将端到端时延压缩至几毫秒以内，其核心演进方向涵盖AI原生设计与通感一体化。 高通预测，2029年至2030年6G商用时，智能体交互产生的流量将占据网络总流量的30%至40%，网络底层须原生支持手机、手表、眼镜等多终端智能体的高效协同。此外，6G将引入通感一体化（Integrated Sensing and Communication）技术，利用无线信号遇物反射特性直接对物理环境进行无线建模，在免去额外传感器的情况下生成物理世界无线地图，既能为机器人提供训练数据，也可应用于低空经济中的无人机轨迹监控。 端侧AI与物理AI的爆发为边缘芯片提供了广阔的应用空间，但端云算力任务的划分边界、长程推理的时延极限，以及涉及第一视角空间感知与全天候记录时的隐私合规挑战，仍是该生态迈向大规模成熟前需要持续平衡的技术与工程课题。

[5:00] 徐晧: AI是新的用户界面（AI is the New UI） [24:00] 你好千问

[0:00] AI周期,前线大模型在表面上厮杀,而在水下有一个隐形的大赢家,高通。过去一年,高通股价大涨60%,并且在5月底创下历史新高。随着Physical AI的概念在今年走进主流,AI的边缘设备们,包括AI手机、AIPC、XR、汽车以及机器人等市场的火热,推动芯片市场需求。骄龙产品和平台被寄以希望成为接下来边缘AI生态的核心玩家这期视频我们来到沟通在北京举办的销友会五周年派对现场对话了沟通公司全球副总裁徐浩我们要让人工智能触及到千加往户要让AI去到成端室被你觉得现在难点在哪里呢多大的模型可以放在手机上右左AI 右左机器之后我们可以把这三者结合起来然后打造一个最好的一个解决方案AI PC这个东西是不是我的问题啊其实 PC 上面有很多的 AI 是可以应用的一个最强的 AI 的商业化的一个用力就是做 coding AI 进的车但实际上这里面有非常多的即使支持是从我们的工程团队从我们研发团队要考虑的事情但从用户的角度来说我们希望这个对用户是完全穿上的颅感的其实眼镜相对来说在某些方面是最难的一个端策的 AI我们也与徐博士一起在现场逛文逛展体验了数款当下讨论热度非常高的端侧产品来看看AI是如何在顶层赋能Physical AI的进化那接下来就跟随我走进高通骁龙的AI布局我在硅谷看到今年AI其实是有两条线可以说一条是明线一条是暗线明线就是当大家还是在卷最好的最SOTA的大模型但是暗线我发现大家是在慢慢地看端侧模型是不是能够有一个更好的应用了在你的观察来看你觉得今年到了我们应该去看AI加硬件的这个时候了吗最早的人工智能的发展肯定是在以原端为主因为大家都想知道人工智能的它的能力边界到底在哪现在阶段的时候我们会意识到有更多的应用它实际上需要有终端的支持我们最先看到的是手机智能手机上人工智能的应用那除此之外我们还有这个XR的眼镜有车自动驾驶然后有车内的这个娱乐系统还有机器人我们现在看到非常多的机器人的应用这些都是把云端的算力和云端可能做的事情慢慢落地到端侧所以这是个非常大的可能有百亿千亿的这样的一个体量的人工智能的应用所以我们是非常积极地推动人工智能在端策地落地的要让AI去到中端设备你觉得现在南边在哪里呢但是模型做不到还是算力上面的挑战呢比较明显的几个挑战第一个是手机上的算力多大的模型可以放在手机上比如说我们做过一个研究在2024年最好的拉马出来的一个模型小于一年的时间内这个100多个billion或者几百billion的这些model它用很小的模型有四个边点或者几十个边点的它就能达到同样的效果甚至于更好那么这是一个大的趋势就是说模型在变小在它同样的功能的情况下它可以用更小的模型在端测得到实现那么除此之外比较明显的技术就是有一个叫蒸牛这个模型是根据这个大模型来训练出来的但它的体量会小很多比较适合于在端层运行另外一个就是量化就是比如说我们用的很多的云端的模型它是用的叫蝴蝶运算但是你可以把它变成定点变成定点之后它有两个好处一个是让你的运算更快第二个是它会减少对芯片的这个存储的要求比如说Laura Adaptation就是说我有一个大模型对吧但我搭一个小的模型来适配我现在要做的任务那么他就是可以把这个大模式适配到我现在要做的任务上去还有个叫MOE叫Mixer of Expert就我可能有很多的每一个专项的专家但是我最后调用的时候我有个总的一个规划你问了这个问题我调这个转家你问了那个问题我调另外一个转家所以这里面有层出不穷的非常多的技术的迭代第三个就是我们怎么样把这个模型优化把它的内存减少然后把它的功耗减少这样的话我们就能打造一个又节能算力又好用内存也用的少的这样的一个架构当然这个还是不断在往前演进的一个过程如果我们看一下硬件端的话我们有手机对吧然后就有PCIPC然后也有车然后现在有机器人当然还有可穿戴设备AR VR这一系列能不能就是每一个类别都跟我们说一下这个技术有什么样的需求然后 [5:00] 现在有什么样的困难然后高通在中间的一些布局是什么样子的我们先从手机开始说吧从手机上来说现在大家对手机的要求是越来越高就是说从最开始的拍摄照片所以我们做了很多的这个image processing和对camera的optimization就是专注于图像的处理和专注于对这个摄像的这个处理从来之后呢我们到了比如说语言的通信对吧或者是很多人现在用AI软件来跟他对话问他任何问题那么这个是大语言模型有关的应用那这方面比如说调用国内的一些APP或者是在美国调用美国的一些APP那很容易的就跟它有一个交流和共化这是第二类的第三代的应用现在我们看到越来越多的是叫Agentic的应用那么这样的我们也看到了一些这方面的手机会出现它能做到什么呢就是说它不用先装APP你直接跟这个手机对话就告诉他我要什么他就可以根据他能找到的所有信息把这些事情给你做出来那现在我们看到的最明显的一个趋势是手机上的AI agent这个现在很多的手机厂商和很多的大厂都在看这个方向为什么我们有时候说AI是New UI就是它是个全新的一个user interface我们现在从键盘到手机上按键到我们现在的语音指挥这实际上有很多的不一样的变化对吧从我们选APP到不用选APP这些都是我们的慢慢的我们会适应的一些用户体验以及交互方式的准备如果我们能够直接语音的告诉他我们需要什么这是最便捷大家好我是荣耀研发工程师我手边的这台就是荣耀研发的Roblofone接下来我会为大家展示他的一个好玩的特性叫做CN5CN5就是当您在想听一首音乐放松一下的时候就可以告诉Roblofonrobophone强大的AI能力会识别您的意图并且调用云台控制算法然后生成一系列的云台拟人化动作现在我会给大家展示一下播放音乐哦爱个跳舞的动作他跟着节拍走的他如果换一个节拍可能他动作就不一样了他是怎么做到的他就是基于荣耀自带的音乐时间冷写随便出来基于这些声音节拍我们会进行一纪念的这个人台动作基于人台出现算法把这些动作震动出来幻微云海好他全部进去了然后收起来就是一个手机这个手机包括这个Demo其实是我们跟联岸在这次小伙伙的五周梁的派对程特别展示的那他其实也开创了一个比较新的这个终端的类型大家看到一个直板手机的形态但是它配合了一个可以移动也可以翻转一个云台摄像头的这么一个形态我有个问题就是说越来越多AI的功能上我们的手机之后其实在它的硬件方面在底层技术上面高通有什么样的支持去support更好的就是AI跟硬件的一般结合对我们的架构啊叫一个啊异构的一个架构我们这里面加个包括CPU、GPUNPU可以把每一个它的硬件的部分都能够用到它的特长每年我们都会发布新的旗舰产品支持的人工智能的算法也越多因为它需要有一个软件和生态的支持AI手机还没有变成一个好像大家都很能接受的东西呢可能是不是还在比较早期因为我听说OpenAI它也在研发相关的手机硬件现在有两种不同的技术上的方向一种是我这个手机从我拿到锁以后它就是一个Agent那么我从N的这个电源键以后所有的交友都会是语音的我就像跟一个人的谈话一样我会只和他做完所有的一切另外一种是现在的手机但是我里面有一个super app就它这个app能够调用所有的我直接告诉这个app我要什么东西它会把所有的东西都给我打通对所以这两种现在都存在而且都是必行的一个发展趋势但是也不排除有其他的做AI的公司来进来做一个全新理念的AI对这两种方式你觉得哪一种会更容易跑出来两种其实都还不好说因为第一种是它需要打通所有的所以这个它有一个生态上的一个打造的过程另外这个SuperVPN比如说有一些很大的厂家比如说Google也好它本身有Map 有Email 有Google Pay 有Google Travel 对吧实际上Google就从某种形象来说 [10:00] 也是来说是这种速化的所以这两个我觉得一个是生态是不是所有人都能支持这个生态另外一个就是说你的体量是不是足够大能够把所有人都吸引到你这个Supac App或者整个Plattform上来所以它更多的是一个需要时间来验证你的事情它并不是一个技术上的问题需要多久你觉得今年我们能看到吗我们其实去年今年已经看到国内有些手机是小的一种形式第二种形式我们也看到国内有一些产家都有这样的用力了就两种方向都是有的然后它会在最近的几年它会不断地往前推进和发展然后我们再看哪个趋势有时候更 popular 或者更流行这个是我们和加速进化合作的K1机器人它用的是我们高通远龙X3S8550平台然后这个平台的端侧AI算力非常强非常适合于用在我们这种机器人身上有非常好的提供这种语理解和自主的感知的能力然后我们可以看一下它的表现一下它的扁球的动作好,不错另外我们也精心挑起来的两只手机这小型手机特别适合在运动场景观看足球比赛的场景下用这样的手机都是搭载消除芯片的能拍出特别好的照片连拍然后运动绑抖都做得非常好抓到了一个瞬间我们不妨就先让他自己先自我介绍从天晓 你好呀可以向我们的陈倩老师和徐浩博士打一个招呼并介绍一下自己吗哈喽田青老师 徐浩博士 我是空天晓来自成都阿加七的巨身智能机器人小阿加七与高峰联合打造的三层AI-100台品很高兴见到两位 期待一己解锁科技乐趣啊对 其实可以看到他现在的话就是在对我们的语音来去进行个交互但同时的话其实他也会去观察四周比如说我这边看一下你们跟你们说一下话然后这边再看一下大家然后跟大家交互一下所以说他本身的话是得益于我们目前高通的月龙的850强大的计算平台比如说CPU可以支持他比较就是丝滑的各种各样的舞蹈动作以及与环境的交互动作然后它的GPU的话可以同时再去处理多个摄像头的视频信息和图像信息然后它强大的NPO其实可以同时处理比如说语音那些ASR TTS的模型还有我们端侧的LLM大语言模型推理所以说它在一个纯观测的环境下的话可以达到一个比较实时的一个locally的这样一个推理的环境从而能够让我们看到它现在非常智能的比如说能懂能动而且还能聊的这么一个状态所有的这些大厂都在跟机器人的赛道我们作为一个芯片的传统厂家来说我们给机器人提供的芯片要做到下面几点第一个它的算力需要比手机更强因为他需要规划的事情更多第二个而且它可以能够货入更大的面积而且它的能耗比手机的能耗的需求也会有一定的放松所以芯片来说我们可以做更大的更好的芯片我们可以做更强的算力的支持我们也可以做更好的大元模型和VOA的或者World Model的这些支持所以这个是机器人上面的所以我们有一系列的给机器人的这些产品包括我们低端的指负责运控的或者是高端的大脑的能力和VOA的以及最高端的算力是就是说业界基本上是top的这种算力来支持最复杂的机器人的应用还有一点就是机器人它其实是延迟特别的重要对吧它一定要低延迟特别是它做的东西越来越复杂或者它跟人有一个越来越亲密的交互的时候这个延迟是非常重要的那沟通其实是有非常多这个底层的技术在因为你们做通信这么多年对吧就是在这方面你们有什么样的优势呢对这有两点第一点就是说我们尽量把可以做到其次那我很快的就能够对周围的环境做一个反应做出本地的一个角色降低对于专家依赖这是最容易的他的食言的要求是最小的对但是也有一些大的规划的长期的规划的需要 reasoning的现在端测的算力可能做不到的情况下我们需要用最快的通讯手段把你的需求传到云端那正好是我们现在的一个比较强的项目就是我们现在有5G 6G的这个支持没用我们右手通讯右手AI 右手机器人所以我们可以把这三者结合起来如果在端测能解决就在端测解决不能解决我们放到边缘或者云端就比如说现在的5G的通讯从基站到手机大概是毫米的 [15:00] 所以有些在你的食言的要求在几十行段以外的你就可以放到云端去做但是如果是几十分秒以内的我们就在端子里面做在6G我们可以把这个压缩的更短把这个实验可以压缩的更短到多短这里面其实难的问题并不一定是基站到手机的这个连接这里面难的一点就是有一些云端的或者是IP或者是它这个单到端的云端的这个调度或者是传输它那边的实验要做到很好的控制5G有个叫TSN Time Sensitive Network它是专门给你的每一个包上打一个时间戳能够保证你端到端的时间是可控的这个技术在5G做过但是6G我们也会看所以尽量把它压缩到毫秒几个毫秒或者是十几毫秒这种范围内欢迎您来到高通6G的展台今天随着AI业务的不断出现所以对网络对中端都有了新的需求我们实际上从两个技术轨道来推动相关的合作包括我们的原型机 6G的原型机跟国际上还有国内的一些网络厂商做原型机的对接另一方面我们是从用户的体验出发看新的业务对网络对终端有什么新的需求所以我们也做了相关的一些demo来给用户提供一些新的体验同时我们也来检查网络到底对新的业务支持需要有什么新的能力所以我们是从两个技术轨道一直在推动6G技术和AI技术的结合并往前推动工作的发展徐柯说我很好奇就是在观众们的一个视角大家觉得5G好像让我们的手机让我们的APP让我们的交互更快了那么6G的定义到底是谁样子会怎么样去改变我们的生活从6G跟5G的一个比较大的区别是我们现在要更多的考虑人工智能原生的一个6G的设计因为6G的大概的商用实验点应该是29年到30年之间过几年这个人物智能的产生的这个流量需求会占30%到40%的总体的流量的需求那我们6G就必须要考虑到这个更多的这个流量需求的对6G的网络的这个应用的支持另外一方面呢我们6G也会考虑一些全新的元素比如说我现在的这么多的智能体它互相之间怎么交流我怎么样能让我的手机我的手表、我的眼镜甚至以后有可能有指环端侧的这些智能的重担出来之后它怎么样最有效的跟网络连接这些都是我们现在会考虑的一个范畴另外一个范畴就是说我们也要知道物理世界是什么样的给机器人也好 给车也好那么有一个6G的一个技术叫通感一体化叫通讯和感知是一体化的我们当然有很多的无线信号在外面发送的时候它会从不同的物体上弹回来那么通过这些无线信号的接收和理解我们可以构建一个由无线信号来产生的一个地图或者对外界的感知那么这个感知的世界加上我们摄像头的世界加上我们的地图它会打造一个物理世界那在这里可以做人工智能的训练可以做物理世界理解和监测跟的比如说我们现在还有通管来看无人机的监测因为低空经济如果以后很流行的话买接都是无人机在飞的时候你怎么样控制它 你怎么跟踪它所以这些都是6G我们会考虑的设计的元素我们说一下汽车车上面是这样的一个问题就是车上面有两个系统第一个是自动驾驶这个是我们最近的5到10年有突飞猛进发展的一个领域autonomous driving这边因为他要对周围的环境有非常好的理解做出非常好的判断然后再做决策他的要求就是高串利它对轮耗的要求没有机器人和手机那么高Memory你可以多个一点你的算力可以多个一点这个很重要它的算力速度要很快而且要有那个大算力来解决这复杂的问题车上还有一个应用就是要infotainment就是我们的娱乐系统那我们现在看到的中国的电车和国外的电车你上车了之后就可以有大的屏幕或者是环绕立体的这个音箱没有人在客厅看电视所以你坐在那的时候哇你打开可能自动驾驶你都想睡在那了对吧所以在这种情况下我们会看到对两边都有需求那么我们有专门的Snap Dragon Ride,就是我们打造了一个叫骁龙的数字底盘,这个是我们这业界是第一个提出这个概念的人,因为我们觉得车上面的它需要一个统一规划的一个数字底盘,它的底盘需要做到什么呢?需要把所有的车上的这些传感器都连上去,包括雷达,包括视频,包括你比如说要 [20:00] 是激光的大雨星 包括你的所有的speaker 都连在上面他同意规划有的是让你享受的有的是他必须做的自动驾驶的有的是看路标的有的是看行人的所以这些从来都规划在一起我记得我们有林跑是在他用的两颗芯片一颗是这两颗芯片一起来支持两个系统那么它你可以用一个芯片来支持支架一个芯片来支持infotainment就是娱乐但是我们把这两个芯片也可以结合在一起那么如果我的自动驾驶需要很大的算力的时候我该把两架的芯片上大部分的算力都给自动驾驶然后如果我这个娱乐系统需要什么的时候但自动驾驶又不需要那么高的算力我也可以给一些算力给娱乐系统我不光是要用很好地用到这两个芯片我更重要的是我要知道有优先级虽然我们觉得这个AI进了车但实际上这里面有非常多的即使支持是从我们的工程团队从我们的研发团队要考虑的事情但从用户的角度来说我们希望这个对用户是完全transparent无感的他一进去哇这音响真好只是很爽只是很舒服我告诉他去了就行了然后他能够告诉我我一进去座椅调到我需要的角度温度是我最想要的音乐的高低所有都是我最想要的这是我们想给用户打造的一个无感的人工智能的体验但是背后就像我说的有非常多的技术的积累以及研发的技术在赋能这些给我们端测的一些技术这些应用这辆车 银跑D19 这个是咱们全球首批搭载咱们双收通8797的芯片的一个旗舰车型说到8797这个芯片对比上一代平台来讲是有一个非常大的一个性能的提升首先在GPU在CPU方面它的提升达到了将近三倍然后在NPU的AI算法上提升了更是12倍当然也给这个车带来的一些变化首先第一点整个车的从驾驶舱到整个的空间到整个的车机系统都能实现一个深度的融合让整个车形为一个企业形成一个叫中央集散模式在中央计算模式的优势是什么呢首先它优化了电气线路整个车的电气线路然后节约了成本与此同时它还能够提升出来的整体的协调性还有它的反应速度 这是第一第二在这个中央计算的算法之下整个的乘坐舱实现了五平联动有咱们的中控台有仪表盘有党房前面的屏幕然后有后边的娱乐屏还有下面的操作风扇的屏幕都是可以联动起来的所以把整个车的空间形成了一个叫全景式的一个空间这个乘坐感非常的好第三依托于咱们这么强大的算力在乘客在使用大模型的同时大模型的同时驾驶员同时可以享受VIA多摩泰的一个辅助驾驶然后最后依托于咱们双芯片强大的功能支持整车40个以上的摄像头包括激光雷达在内的28个精力监测硬件的协中松工作而且还可以同步OTA线上升级所以可以说这是给未来的L3 L4甚至更高级的幅度驾驶提供了一个非常坚实的平台我们也看到这个车上的AI的算力非常的强大因为现在车上很多的功能和AI的功能都是分开的所以这个芯片的AI能力也是一个新的方向甚至于在之前北京车展上我们看到有些车企在车上去养龙虾所以我们看到现在的消费者不仅仅关注驾驶和娱乐的体验也会把它作为一个生产力工具的延伸刚才咱们讲过了说其实现在有很多的年轻人都不喜欢看中控导航所以他们现在有一个好的选择就是带这个千问的SE眼镜然后这个眼镜呢首先它这个搭载了咱们的A21的一个平台然后呢是双目3D的一个显示看起来很真实然后呢您可以戴上试一下好吗来您戴上试一下然后换它的唤醒词是你好千问你好千问导航去国贸对它在转嗯不行我看到了整个的地图对对对然后看到我步行过去要10.5公里然后两小时41分所以我现在穿高尔鞋肯定是喝不起了所以就因为有咱们AR1的平台让眼镜的反应速度非常快跟它不管是拍照也好日常工作也好生活也好包括什么导航等等它都给咱们一个非常好的也反馈这有眼镜的一些基础信息包括很多人骑行都可以戴这个眼镜 [25:00] 然后比如说通过他做一些会议记录或者说比如咱们餐会有一些提示词然后包括日常带着孩子出去然后只要说签问钱帮我拍照他立刻就拍了所以这一切都是基于咱们ARE的平台来实现的然后车这边我还有最后一个问题就是你觉得车上的体验来说接下来它的难点还是不是生态的一个打通比如说我出入我停车场的时候我的车的付费系统是不是跟停车场的付费系统对吧或者是我在车上我马上回家我让那个车帮我点个外卖直接送到家里面是不是跟他的外卖的直接打通好了这可能还是一些MCPA2A上面的东西还是要生态去继续的去发展一下才能做到更丝滑的一些体验这方面其实有非常多的startup opportunity因为它有很多的需要我们补充的地方说的这个非常有见解这是我们看到的技术上能做到的地方但是需要时间大家来接受这个也需要时间来打造一个生态环境就是比如说我的车能够这么智能的话那我的我的garage door或者我的那个车库的门是不是也得这么智能那么我周围的充电的系统是不是也应该是呢然后我的这些智能的系统是不是能够大家有交互呢我家里除了一个智能车一些他能够帮车做的事情或者他能帮我做的事情呢那这里面有非常多的可能性所以为什么说我们非常看重端测而且我们在每一个方向上都有非常多的研发和产品布局的原因就是我们看到非常多的可能性我们也希望其他的公司其他stratum能够把这些赋能这些技术的整个的一个生态打造出来这样的话我们可以让大家的生活都非常轻松愉快而且能够真正的享受AI带来的这些便利优优独播剧场——YoYo Television Series Exclusive你觉得就是AR的这个twin的趋势在今年发展怎么样XR的眼镜啊很长的时间它有单身机机身弹的问题因为你要咬眼镜的人愿意试用眼镜才能产生更多的应用你只有有了应用了别人才愿意买眼镜和戴眼镜我们其实布局XR眼镜有非常少的时间那么最近几年确实在应用体验上有很大的提升从以前很重的XR眼镜到现在很多的眼镜基本上跟我现在戴的眼镜差不多厚度这个是我们看到的这个在眼镜的大小重量和设计上有很多的进步另外一个就是其实眼镜相对来说在某些方面是最难的一个端策的AI的为什么这么说因为这个眼镜它就这么一点点地方它没有地方去装芯片你能放芯片的地方其实比手机还小它还要放个摄像头它还得听你的跟它的语音指挥然后在某个地方它藏个芯片它的电池真的是没什么地方可以放所以这个是一个很难的一个问题所以我们做的技术一方面我们会让这个集成的这个芯片做得越小越好然后算力足够你处理在眼镜上面需要处理的然后我们会把它连到我们的手机或者连到一个算力更强的终端形式上面这样的话它就不会花很多的算力和能耗在眼镜上面所以现在看到的很多的眼镜它能够做实时的翻译能够显示一些信息它有可能就是跟手机直接有通讯然后把最耗能的一些事情放到手机上帮它做然后我们这边呢现在业界的大部分的XR的眼镜芯片在做所以我们提供的是一个非常集成度非常高的而且能够非常小的一个芯片然后它也有跟手机的直接的连接我们有个技术叫Split Rendering就是分离式渲染就有一部分成像是在眼镜上做的有部分成像是在手机上做的这样的话尽量把眼镜上面的能耗和算力减到最小从应用上来说因为有AI了以后我们可以更容易的跟它语音对话我们可以更容易的做翻译我们可以更容易的从云端调用一些信息过来我可以举的例子一个是See what you can see我们叫把你所有能看到的东西很快的远程的让你的亲戚朋友能看到或者是自媒体可以直接发到云端对吧然后它需要有快速连接把我的信息转到我的手机和发到云端这一系列的技术支持都可以打造这种实时的直播还有一个技术我们做的是就是说我们能够把我们看到的东西能够有一个记忆那比如说我这个眼镜我在家里平时戴的时候它会定时的会观察周围有什么东西然后把它压缩记下来放到我的手机上或者放到某地方存起来我可以随时问他我的钥匙放哪了他会看一下钥匙在某个时间点刚才五秒钟之前我看见了你比如说你手机你可以找你按个手表就找是想你钱包没了你不可能在每个上面都按一个响铃对吧那他们告诉你的话就很方便所以 [30:00] 这些应用是我们能看到的新的应用而且它的技术难点就像我刚才说的它有一系列的设计的理念在背后来支持这些应用对对对 太棒了我觉得重量其实是一个非常大的因素因为其实比如说我觉得像您这样经常戴眼镜的人可能他的适配性还会更强一点因为我是不戴眼镜的因为我从小也不近视对于我戴墓西我都很多时候不太习惯对 就是如果要让我这样的人群能够戴上眼镜然后觉得他轻然后他的功能对我来说我觉得可能这个东西就是真正能够成的时候就比如说你现在看shopping你去商店买东西的话他如果实时的看到商品跟你做个比较说你在十几天看到这个他说网上这个网上这个网上多少钱或者你看到一个人很久不见了他告诉你你们在哪见过他叫什么是哪公司的其实这些信息他可以随时随地给我们的话其实也挺有帮助的但是他也有private的issue所以现在只要他的录像的话就有个红点你要看别人戴的眼睛所以这个是我们要注意的在设计中也要考虑到的一些这个影视的一些那接下来我们说一下PC好不好然后PC我觉得好像是有一点点争议大家觉得AIPC这个东西是不是伪命体你怎么看这个问题的我们在前几年推出了一个第一款就是说能够支持AI应用的一个PC的一个芯片架构那么我们当时我还在这边做过一个演示就是我们用AIPC来指挥一个机器人叫一个Bartender的一个演示就机械臂你直接跟那个PC说我要什么饮料他就机械臂就会从后面拿过来递给你其实PC上面有很多的AI是可以应用的当我们现在看到一个最强的AI的商业化的一个用力就是做Coding那么现在的阶段还是大家都是调用的云端的一些算力和token,对吧?但是有些东西可能大家想在PC上自己保留,或者我不愿意我处理一些视频,处理相片的话,或者处理我email的话我可能希望我这些东西就留在我的PC上不是传在云端的吧所以这里面AIPC实际上是有很多的应用的空间和前景的那对于端侧设备来说一直以来大家都觉得可能会有一个不可能三角对吧内存功耗还有性能怎么去平衡这个不可能三角呢我们有一种说法就是resolve driven就是比如说我现在最关注的是我要提高最好的用户体验然后我宁可用很大的模型也要让用户的体验达到极致那么有可能是把我的信息传到云端云端算出来的长期的规划然后是给手机那么还有一个就是说大家说OK那我有些信息我想放在手机这一端对吧我们有一个打造的技术就是我们在手机端测我们会做预处理就把有个人的信息来把它做一个简化和压缩然后把这个个人的信息最重要的信息做一个local memory就是本地的一个存储那么您的所有的喜好您喜欢订什么酒店买什么样的航班去什么地方玩你的calendar是什么样的email或者你跟别人最近交流的什么关注的点买东西想到哪里这些所有的东西都可以做一个local的personalized library那放在端册然后如果我要做一个大的规划如果手机上能做那我们就在手机上能做出来如果手机章不能做那规划我们可以把它放到云端我给它提供某些信息然后云端做出规划然后再传回来所以它是一个很personalized experience就是说为什么叫做AI agent或者personalized agent就是说它是个个性化的人性化的一个专门的对个人的一个适配然后呢再跟云端相结合那么这样做呢我们就可以解决第一个是用户体现的问题和performance问题第二个是我们能够把能耗减得最小也包括我前面提到说一系列的减少模型啊这个优化的这些算法再一个就是我们能够把它的价格也尽量往下压缩这也是为什么我们会有一系列的这样的产品给车给手机给PC给机器人它会是不同的算力的要求也会是不同的价位的需求那我们对每一个都会量身定做的做一些芯片的设计在整个骁龙的活动现场呢我们从AI手机到机器人到流寄通信汽车和XR等可穿戴设备上下一步Physical AI的野心就在全球前沿AM模型在试图将大模型的智能进一步向前迭代之际小模型以及端侧优化方案也在飞速进展而这样的进展将会在消费及产品上得到进一步的体现我们也期待一款真正被AI所赋能的端侧硬件能够更快的来到你我身边确定的是它将彻底改变我们现有的交互范式 [35:00] .