全球换机周期逼近四年苹果谷歌与高通押注端侧智能体争夺移动入口

硅谷101

换机周期逼近四年倒逼手机行业告别硬件参数内卷，端侧异构芯片与轻量模型协同推动手机转向自主代办，重新定义下一代移动计算入口。

AI-assisted summary of AI手机的现实与未来：产业加速背后的技术演进与下一代入口之争 — original source. Check the original for full context.

Source published: 2026-10-21

Key ideas

全球智能手机换机周期逼近48个月，硬件参数递增放缓与元器件涨价倒逼厂商转向AI智能体（Agent）作为核心卖点，推动手机从“被动操作”转向“主动代办”。 (1:24)
行业演进分化为“整机Agent”与“超级AI入口（SuperApp）”两条路线，苹果、谷歌与OpenAI等硅谷巨头和国内软硬件厂商展开差异化入口竞争。 (6:57)
端侧模型轻量化与端云协同架构取得突破，数十亿参数的小模型已能在手机本地达到以往数百亿参数的推理效果，兼顾实时性与隐私。 (5:38)
移动计算芯片转向“智能体专用架构”，通过异构计算分工、动态共享缓存（FlexCache）与片上KV-cache优化，解决随时待命与功耗散热之间的矛盾。 (14:50)

Detailed notes

## Background 该视频由科技商业频道《硅谷101》于 2026 年 10 月 20 日发布在 YouTube 上，并由高通赞助播出。视频聚焦 2026 年 AI 智能体手机的爆发式演进，围绕换机周期拉长困境、端侧 AI 算力突破、中美厂商在入口与系统架构上的分道扬镳，以及对高通全球副总裁徐晧的专访展开探讨。

## TL;DR 面对逼近四年的全球手机换机寒冬与渐进式硬件升级瓶颈，行业开始转向由 AI Agent 主导的全新交互范式——让手机从“等人操作”走向“替人办事”。技术演进上，端侧异构芯片算力的长期铺垫与模型轻量化、端云协同架构的突破，共同催生了“整机 Agent”与“超级 AI 入口”两条路线的分化，硅谷的苹果、谷歌、OpenAI 与务实合流的中国厂商展开了激烈的生态博弈。实测以努比亚 NaviX Ultra 为代表的智能体手机展现了后台虚拟屏代操和长期记忆能力，而底层芯片架构也正通过专为 Agent 优化的异构计算单元加速重构，以在低功耗与高并发推理之间夺取下一代移动计算的信任入口。

## Atmosphere & style 全片充盈着前瞻而理性的科技前沿探索感，兼具产业深度观察与严谨的技术拆解。叙事节奏层层递进，既有对行业宏观数据和软硬件历史脉络的宏大梳理，又穿插了具象生动的真实真机体验与高通专家的硬核架构访谈。整体观感沉稳而充满张力，既直面初期生态割裂与功耗瓶颈等工程现实，又让观众清晰感知到人机交互底层逻辑即将迎来颠覆性重构的历史临界点。

## Bulletin - [01:24](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=84s) 全球智能手机换机周期逼近48个月，硬件参数递增放缓与元器件涨价倒逼厂商转向AI智能体（Agent）作为核心卖点，推动手机从“被动操作”转向“主动代办”。 - [06:57](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=417s) 行业演进分化为“整机Agent”与“超级AI入口（SuperApp）”两条路线，苹果、谷歌与OpenAI等硅谷巨头和国内软硬件厂商展开差异化入口竞争。 - [05:38](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=338s) 端侧模型轻量化与端云协同架构取得突破，数十亿参数的小模型已能在手机本地达到以往数百亿参数的推理效果，兼顾实时性与隐私。 - [14:50](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=890s) 移动计算芯片转向“智能体专用架构”，通过异构计算分工、动态共享缓存（FlexCache）与片上KV-cache优化，解决随时待命与功耗散热之间的矛盾。

## Key takeaways - [00:00](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=0s) 智能手机人机交互逻辑正在重构，2026年AI智能体手机加速爆发，核心转变在于手机由“等人操作”走向“替人办事”。 - [01:24](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=84s) 换机周期逼近4年带来销量僵局，渐进式硬件升级失效，端侧Agent成为手机行业亟需的核心“新故事”。 - [03:24](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=204s) 高通芯片十年异构算力演进奠定了基础，从专用影像加速、INT4支持到引入端侧个人记忆图谱，使本地运行大模型成为可能。 - [05:38](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=338s) 模型压缩与轻量化技术突破，让极小参数模型在手机端即可释放以往千亿级模型的推理能力，端云协同进一步补足深度规划需求。 - [06:57](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=417s) 智能体落地分化为两条路径：系统底层的“整机Agent”路线调用顺畅但重构成本高，“超级AI入口”门槛低但受制于应用沙盒。 - [08:01](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=481s) 硅谷巨头交出不同答卷：苹果打造系统级智能个人中枢，谷歌深陷安卓碎片化与服务全家桶的拉扯，OpenAI则探索软硬一体新硬件。 - [10:31](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=631s) 国内端侧大模型算法密集通过合规备案，终端厂商与大模型服务商加速合流，Agent落地从零散演示迈向规模商业化。 - [11:11](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=671s) 实测显示智能体手机已跑通“读屏感知-自主推理-后台虚拟屏执行”闭环，并具备本地长期记忆，但跨第三方App生态仍待打通。 - [13:19](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=799s) 应对24小时待命与低功耗挑战，芯片依赖Micro NPU常时监听、主NPU定点高能效推理以及CPU与GPU的精密异构分工。 - [13:19](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=799s) 端云协同架构在端侧完成个人敏感数据脱敏与本地存储，重任务经低延迟网络交由云端规划，兼顾算力、速度与隐私安全。 - [14:50](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=890s) 移动SoC向智能体专用平台演进，通过统一动态缓存（FlexCache）保留长上下文，以及片上大容量内存直存KV-cache来应对多任务高并发。 - [14:50](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=890s) 下一代移动计算的终极竞争不再是跑分与镜头等硬件指标，而是争夺用户在隐私、代办与日常决策中高度信任的超级入口。

## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=0s) 当手机开始“替你办事”

手机行业近期迎来了密集的新动态：苹果正式涉足折叠屏，三星把折叠屏拆分为多种产品形态，小米展示了 18 Fold。与硬件形态探索并行的，是上游存储芯片价格的持续上涨，这不仅推动整个产业链进入新一轮调整周期，更迫使各大厂商进一步收缩自身的中低端产品线。然而，比起形态与元器件价格的波动，行业中最前沿、最引人注目的焦点在于“AI 智能体手机”（AI Agent Phone）。

回顾过去十几年，智能手机在硬件参数上狂飙突进：摄像头越来越多、芯片主频越来越高，但人机交互的底层逻辑从未改变，用户始终停留在“解锁、寻找图标、手动点击”的流程中。如果手机不再被动等待用户操作，而是能直接理解意图并替人办事，移动终端的角色将被彻底颠覆。2026 年，这一转变正在加速成为现实，行业巨头与新锐势力纷纷入局：

- 高通公司 CEO 克里斯蒂亚诺·安蒙（Cristiano Amon）公开判断：“2026是agent之年”。 - 2026 年 7 月，阶跃星辰发布了 AI 手机 STEPX Neo；荣耀推出了 Robot Phone。 - 努比亚发布 NaviX Ultra，出厂搭载新版豆包手机助手消费者版，被官方认证为“全球首款 AI 智能体手机”。 - 硅谷巨头苹果、谷歌、OpenAI 亦在软硬件层面全面发力，推动 AI 手机进入真正具备自主操作能力的白热化竞争阶段。

---

[01:24](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=84s) 换机周期逼近四年，手机需要“新故事”

智能体手机爆发的第一个底层动力，来自传统智能手机市场的换机困境。在过去几十年中，手机厂商的升级卖点非常直白：屏幕更大、摄像头数量更多、处理器速度更快、电池容量更耐用。每隔一到两年，硬件指标就会出现足以刺激消费者掏钱包的显著跨越。

然而，这种纯粹依赖硬件升级的驱动力正在急剧衰减。市场研究机构 Counterpoint 的数据显示，全球智能手机换机周期已拉长至历史高位：2023 年与 2024 年这一数字维持在 43 个月左右；到了 2026 年，受存储芯片等关键核心元器件价格持续上涨的影响，全球换机周期正进一步向 48 个月（整整 4 年）逼近。Counterpoint 在归因时提出了“渐进式设备升级”（incremental device upgrades）这一概念——新一代手机与上一代之间的实际使用体验差距微乎其微，消费者越来越无法感知升级带来的收益。

为了打破销量僵局，厂商迫切需要一个能重燃换机意愿的核心刺激点，而这个故事的落脚点正是智能体（Agent）。过去几年手机虽已具备各类局部 AI 功能，但 Agent 改变的是根本性的操作范式： - **传统方式**：若想预订餐厅，用户需打开地图应用、搜索附近餐馆、阅读评价、对比空闲时段，再手动跳转到第三方订餐 App 下单。 - **智能体方式**：用户只需对手机提出模糊需求：“帮我找一个离我近一点、适合两个人吃饭、今晚七点还有位置的餐厅”，后续的信息筛选、条件比较与最终预订全程由手机接管。

手机的角色自此完成了质的跨越：它不再是“等人操作的工具”，而是转变为了“能够替你办事的智能助理”。

---

[03:24](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=204s) 十年算力铺路，Agent开始走进手机

让“新故事”落地的第二股核心力量是端侧算力的蜕变。早期手机端侧的 AI 应用局限在语音转文字、基础图像识别和相机拍照优化等预设任务上。这些任务计算逻辑单一、模型体量极小，只需用专用 NPU 稍加针对性加速即可满足。但当复杂的 Agent 进入手机，它必须同时吞吐语音、文字、视觉图像，执行多步骤逻辑推理并接管底层界面操作，需要 CPU、GPU、NPU 及各类计算单元在极短时间内协同调度与动态切换，端侧异构算力因而成为系统瓶颈。

手机 SoC 的 AI 演变并非一蹴而就，而是一场长达十年的底层算力铺垫：

- **2015年（高通骁龙 820）**：首次搭载第一代 Qualcomm AI Engine，芯片开始辅助处理影像、语音和低功耗传感器运算。 - **2018年（高通骁龙 855）**：在架构中正式引入张量加速器，但此时的端侧 AI 仍主要服务于拍照和语音等相对固定的任务管线。 - **2022年底（高通骁龙 8 Gen 2）**：成为行业关键转折点。该芯片首次在端侧提供对 INT4 低精度计算的支持，并针对 Transformer 结构做了专项硬件优化；高通公布的数据表明，在部分特定 AI 负载上，性能最高实现了 4.35 倍的提升，芯片正式具备了在本地端侧运行大语言模型的基础能力。 - **2023年（高通骁龙 8 Gen 3）**：进一步突破参数上限，宣布支持最高 100 亿参数的生成式 AI 模型在手机本地独立运行。 - **2025年骁龙峰会（第五代骁龙 8 至尊版）**：高通首次将“手机上的智能体”列为第一优先级设计目标。NPU 性能较上一代暴涨 37%，并在硬件底层原生集成了“个人速记”（Personal Scribe）与“个人知识图谱”（Personal Knowledge Graph）功能，让端侧智能体能够沉淀长期记忆并实现持续个性化学习。

硬件供应链从单纯的影像辅助、神经网络加速、本地跑通大模型，一步步稳扎稳打推进到让手机拥有上下文“记忆”，为 Agent 时代的到来铺平了道路。

---

[05:38](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=338s) 模型越来越小，智能却不打折

端侧算力就绪之后，接下来的难题在于软件模型本身。云端顶尖大模型的参数规模动辄几千亿甚至上万亿，受限于手机体积、散热及内存带宽，这类模型根本无法塞入便携式移动设备中，这导致大模型技术与手机硬件在很长一段时间内呈现割裂状态。

这两年，大模型算法的快速进化与端云协同架构让二者迅速接轨。一方面，模型压缩与轻量化取得了突破性进展，相同逻辑推理能力所对应的模型体积急剧缩水。高通公司全球副总裁、中国区研发负责人徐晧博士在采访中对此解释道：

> “同样的智能需要的参数是越来越少了比如说我们做过一个研究在2024年最好的LLaMA出来的一个模型比如说它performance（性能）它的表现能够到某一个数量级在几个月、小于一年的时间内这100多个billion或者几百billion的这些模型它用很小的模型比如4个billion或者几十个billion的它就能达到同样的效果甚至于更好”

另一方面，“端云协同”架构有效打破了手机算力的硬性天花板：简单的预处理与敏感的个人数据留在本地完成，极度复杂的深度规划再交由云端算力调度。至此，需求端、端侧算力与轻量化模型三股力量汇聚完成，智能体手机的基础要素已然齐备。

---

[06:57](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=417s) 两条岔路：整机Agent，还是超级AI入口？

当 AI 开始拥有自主操作手机的执行权，行业在技术路线上迎来了战略分水岭。目前业内主要演化出两种截然不同的演进思路：

```mermaid flowchart TD accTitle: 智能体手机的两大发展路线对比 accDescr: 展示整机Agent与超级AI入口在架构集成、交互模式及主要优缺点上的区别。

subgraph RouteA["路线一：整机 Agent (系统级)"] A1["系统底层原生集成"] --> A2["全局读屏与后台虚拟屏操作"] A2 --> A3["直接调用原生应用与底层服务"] A3 --> A4["优势：体验深度整合<br/>挑战：系统重构与生态协同成本极高"] end

subgraph RouteB["路线二：超级 AI 入口 (SuperApp)"] B1["应用层入口<br/>(ChatGPT / 豆包 / Gemini)"] --> B2["单一交互主界面"] B2 --> B3["调用外部开放 API、地图、外卖服务"] B3 --> B4["优势：落地快、开发门槛低<br/>挑战：受制于应用沙盒与第三方权限壁垒"] end ```

这两条路线在实际应用中各有优劣： 1. **“整机 Agent”路线**：手机表面上维持大家熟悉的系统桌面与丰富 App，但 AI 已经深深植根于操作系统内部。其最大优势在于系统调用的交互足够直接、无感，例如努比亚 NaviX Ultra 搭载豆包手机助手消费者版并配合骁龙旗舰移动平台，即选择了该方案。 2. **“超级 AI 入口”（SuperApp）路线**：用户只需要进入一个居于核心地位的顶级 AI 软件（如 ChatGPT、豆包或独立版 Gemini），以此为单一枢纽再去调遣地图、电商、外卖等垂直服务。该方案的优势在于终端厂商或软件开发者无需大刀阔斧重写底层系统，用户理解门槛更低，落地难度相对可控。

当前整个行业正处在这两条路径的交汇与博弈之中，试图在系统掌控力与生态落地速度之间找寻最优解。

---

[08:01](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=481s) 硅谷AI入口之争：苹果、谷歌与OpenAI的三种答案

硅谷三大科技巨头依据各自的底层基因，针对下一代移动计算入口交出了截然不同的答卷。

- **苹果（系统级个人中枢）**：苹果刚发布了 iPhone 18 系列。自今年 WWDC 以来，苹果的核心策略是将 Siri 从过去的“问答工具”全面改造成系统级 Agent。在新品发布会开场，苹果明确提出了“Intelligent Personal Hub”（智能个人中枢）的概念，把 iPhone 定位为管理个人生活的中枢核心。在架构上，Apple Intelligence 坚持“端侧计算 + 私有云计算”（Private Cloud Compute）的混合模式：本地芯片能处理的绝不上传，遭遇重度推理时再加密交由云端集群。这种闭环机制确保了极度统一的体验和严苛的隐私安全，但弊端在于对外部第三方生态开放较为谨慎，功能迭代速度相对迟缓，近几年在 AI 节奏上数次不及市场预期。 - **谷歌（跨界 SuperApp 与 Android 底层）**：谷歌的路线则呈现出“双重属性”。从系统集成上看，它正将 Gemini 深度缝合进 Android 系统底层，具备直达屏幕的感知能力；但从业务上看，由于自身拥有 Gmail、Maps、YouTube、Search 等庞大的原生服务全家桶，Gemini 天生具备 SuperApp 的属性。然而谷歌面临的巨大阻碍在于 Android 生态的分散割裂：一旦 Agent 尝试跨越到非谷歌系第三方应用，就会陷入权限调用、接口标准化和机型适配的泥潭中。如何在一个开放但碎片化的系统里让 Gemini 稳定帮用户代办事项，是谷歌必须面对的难题。 - **OpenAI（重塑硬件入口）**：作为颠覆者，OpenAI 试图从物理硬件形态上突围。2025 年 5 月，OpenAI 宣布联手前苹果首席设计官 Jony Ive 创办的 LoveFrom 设计公司，并收购了硬件初创团队 io Products。最初，Ive 与 Sam Altman 设想制造一种彻底摆脱传统“屏幕 + App”交互、甚至完全无屏幕的纯 AI 硬件终端；但行业消息透露，OpenAI 目前的工程妥协方案仍可能回归传统智能手机的硬件物理形态，目标定在 2027 年上半年实现量产上市。

---

[10:31](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=631s) 国内厂商：生态、模型与终端开始合流

相比硅谷聚焦于底层系统架构与颠覆性终端形态的推演，中国手机市场的节奏更加务实、打法也更为多元，生态合作、算法模型与终端厂商正呈现出快速合流的态势。

2026 年 7 月，国家网信办首次集中公布了端侧大模型算法备案清单。这一批备案名单极具分量，包括苹果、小米、OPPO、vivo、华为、三星、努比亚在内的 7 家主流智能手机厂商，其端侧生成式 AI 算法全部顺利获批完成备案。

该节点的到来，宣告国内智能体手机正式告别了厂商早期零散的“极客功能试水”与单点 demo 演示，全面步入有法可依、有合规监管框架托底的大规模商业落地阶段。各大国产厂商基于自身的生态优势，与字节跳动、阶跃星辰等大模型服务商迅速结盟，推动 AI 从辅助娱乐工具直接向“系统代操作”演进。

---

[11:11](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=671s) 实测智能体手机：AI在后台操作App，还能记住行程

在完成备案的厂商中，努比亚 NaviX Ultra 作为整机 Agent 的代表产品，展示了与传统手机截然不同的全新人机交互体验：

1. **授权后全自动代操**：传统使用中，用户想完成某件事必须找到对应 App、手动打开并逐步翻找。而 NaviX Ultra 机身设计了独立的物理 AI 键，长按即可唤出豆包手机助手，用户发出自然语言指令并完成一次系统授权后，AI 会自动在底层完成复杂跨界面点击。 2. **三步走跨 App 执行链路**： - **全局感知（读屏）**：用户在刷短视频或浏览长图文时，长按 AI 键可针对屏幕中的特定物体、地点进行实时追问（如“视频里这个地方在哪里”），无需再繁琐地截图并上传到识图软件中。 - **自主推理**：在需要多方软件协作时，系统能自动理解步骤，在后台依次唤起目标应用，无需人工二次启动。 - **后台虚拟屏执行**：AI 执行任务时不再霸占用户的前台屏幕，而是被隔离在一块后台虚拟屏幕上悄然运作。前台主屏幕完全解放，用户可以继续聊天、玩游戏，丝毫不受打扰。 3. **长期个性化记忆**：系统在获得授权或用户主动输入后，会构建属于用户的本地知识。例如用户的近期行程、航班信息、票价明细均会被系统安全记住。当需要核对出行时，直接向助手提问即可秒级呈现，不必再反复翻看不同订票软件的订单页。

高通徐晧博士在采访中评价了这种全新范式的意义：

> “它是个全新的user interface（用户界面）从我们选APP到不用选APP 这些都是我们的慢慢地我们会适应的一些用户体验以及交互方式的转变”

不过作为初代产品，实测中依然暴露出了发展初期的生态短板：目前真正流畅自如的无感操作，主要局限在系统自带 App、中兴定制服务以及字节系生态矩阵内；一旦涉及到更多非合作的第三方主流软件，仍需等待底层开放接口与权限标准的逐步接入。尽管如此，整套“理解-规划-执行”的 Agent 闭环已被证明走通，整个行业正宛如早期的自动驾驶，底层架构已经筑牢，正在迈向复杂的真实商业环境接受考验。

---

[13:19](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=799s) 随时待命又不能太耗电，Agent如何“跑得动”？

智能体要想在随身手机上“跑得好”且“跑得久”，底层芯片必须克服严苛的物理功耗与算力矛盾。Agent 要求感知系统 24 小时随时待命，若主核心长期全功率空转，手机电池将迅速耗尽；同时，后台不仅要渲染虚拟操作界面，还要实时并发模型推理与任务调度，这对传统移动处理器的架构提出了重构要求：

- **低功耗感知拦截**：以努比亚搭载的骁龙旗舰平台为例，SoC 内部设置了两个极小功耗的 Micro NPU，平时全权接管声音感知和微弱运动状态监测，将基础待机功耗压缩到极低水准；只有判定需要执行高负荷 AI 重任务时，才会唤醒高能耗的主 NPU。 - **异构计算精准分工**：在复杂的多任务环境下，必须依靠 CPU、GPU 与 NPU 的精密配合。CPU 负责主控与任务流调度，GPU 负责渲染和高灵活性计算，而 NPU 则专门消化高负载的低功耗 AI 推理。徐晧博士在采访中对此作了详尽剖析：

> “CPU它主要是管控制我们大部分的算力实际上是在NPU上面所以NPU它能够把AI的这些运算能够在降低功耗的情况下做到极致 NPU最大的一个优势是它是定点的所以它是为AI来量身定造的做一个最节能的方式 GPU它大部分的时候是它比较灵活但是它的能耗会更高所以我们这个异构架构的话可以把每一个硬件的部分都能够用到它的特长”

- **端云协同降延迟**：受限于机身物理极限，面对极端庞大的长链条规划时，系统会采用端云协同策略。徐晧博士表示，端侧首先会对涉及用户个人的敏感数据做脱敏、压缩并建立 Local Memory（本地存储），若手机端侧算力能完成规划则留在本地；若任务过重，手机便将经过预处理的信息通过超低延迟 5G 链路传递给云端，由云端迅速完成复杂决策规划后再传回本地执行，以此兼顾能耗、速度与隐私。

---

[14:50](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=890s) 面向智能体，移动计算架构如何演进？

2026 年是智能体概念落地的元年，随着端侧模型复杂度不断攀升，芯片设计开始经历从“通用移动 SoC”向“智能体专用计算平台”的架构范式转移。高通在 2026 骁龙峰会上发布的新一代双旗舰移动平台，便是专为智能体时代量身打造的软硬件样本：

从 CPU、GPU 到 NPU，三大计算单元均全面注入了原生 AI 加速能力，以协同应对 Agent 多步骤分解、高并发流转的特有负载模式。

移动终端与人类社会的绑定早已深入骨髓：无论是沉浸在电子书里的银发群体、整日穿梭于各大社交媒体的年轻世代，还是习惯同时携带多部手机作为生产力工具的职场人，手机都已成为不可替代的器官级存在。AI 带来的这场根本性跃迁，将交互逻辑彻底推向“它替我完成”。当交互的重构真正演变为习惯，下一代手机的终极角逐将不再停留在屏幕尺寸、镜头颗数或跑分参数等物理指标的比拼上；谁能在保护隐私的前提下成为离用户最近、最懂用户所想，且最值得交付真实行动信任的“全能智能体”，谁才能真正夺得下一代移动计算的最高入口统治权。

## Notable quotes > [05:38](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=338s) 同样的智能需要的参数是越来越少了 — 徐晧

> [13:19](https://www.youtube.com/watch?v=l_Yc7YeBSxc&t=799s) CPU它主要是管控制我们大部分的算力实际上是在NPU上面所以NPU它能够把AI的这些运算能够在降低功耗的情况下做到极致 — 徐晧

## Mentioned 高通, 徐晧, 克里斯蒂亚诺·安蒙, 苹果, 谷歌, OpenAI, 三星, 小米, 荣耀, 努比亚, 字节跳动, 阶跃星辰, OPPO, vivo, 华为, 中兴, Jony Ive, Sam Altman, LoveFrom, io Products, Counterpoint, STEPX Neo, Robot Phone, NaviX Ultra, 豆包手机助手, ChatGPT, Gemini, Siri, Apple Intelligence, LLaMA, 高通骁龙 820, 高通骁龙 855, 高通骁龙 8 Gen 2, 高通骁龙 8 Gen 3, 第五代骁龙 8 至尊版, Qualcomm AI Engine, FlexCache, Adreno Neural Fusion, Adreno Matrix Cores, Element Accelerator, Personal Scribe, Personal Knowledge Graph, 18 Fold, iPhone 18

## Video description *本期视频由高通赞助播出。 2026年，AI智能体手机的发展突然开始加速，苹果、谷歌、OpenAI纷纷下场，国内手机厂商也在密集布局。当手机开始从“等人操作”走向“替人办事”，下一代交互与入口的竞争正在展开。

这期视频，我们来看看手机的下一步将走向哪里，行业正在出现怎样的变局。需求、算力与模型的进步，正在推动智能体手机加速落地。目前，行业主要沿着“整机Agent”与“超级AI入口”两条路线推进，硅谷玩家与国内厂商，也结合各自的生态与能力展开了不同探索。我们还实测体验了努比亚NaviX Ultra，跨App执行、后台操作与个人记忆展现了新的交互体验。这些能力的实现，也离不开底层芯片与端云协同的支撑。

为什么越来越多手机厂商开始押注Agent？要让AI随时待命、多任务并行，手机如何兼顾算力与功耗？当交互方式发生变化，谁能赢得用户的信任，成为下一代移动计算的入口？

采访嘉宾：徐晧，高通公司全球副总裁、中国区研发负责人、IEEE Fellow

时间轴： 00:00 当手机开始“替你办事” 01:24 换机周期逼近四年，手机需要“新故事” 03:24 十年算力铺路，Agent开始走进手机 05:38 模型越来越小，智能却不打折 06:57 两条岔路：整机Agent，还是超级AI入口？ 08:01 硅谷AI入口之争：苹果、谷歌与OpenAI的三种答案 10:31 国内厂商：生态、模型与终端开始合流 11:11 实测智能体手机：AI在后台操作App，还能记住行程 13:19 随时待命又不能太耗电，Agent如何“跑得动”？ 14:50 面向智能体，移动计算架构如何演进？

【延伸观看】关于AI Agent的实际应用、模型的可靠性，以及背后的算力与底层技术，我们之前还做过几期相关视频。感兴趣的小伙伴可以接着看看👇

▶ https://www.youtube.com/watch?v=tnvyMcmtAiw

▶ https://www.youtube.com/watch?v=J5_90lWxM_o&t=126s

▶ https://www.youtube.com/watch?v=eAYx6CHstNw

【欢迎加入硅谷101 Discord讨论群】 👉https://discord.gg/PACWRvyfCm

【往期精彩视频】 https://www.youtube.com/watch?v=pC3QbOu7_s4

https://youtu.be/nuD-P-AFjG0?si=3ubP0fN-cy27-Vij

https://youtu.be/BmcoQDwdkeM?si=WrLn-34Kv-O6a5Q2

https://youtu.be/2pZ9Gl7qVUo?si=01gRD4_4pEC5qU-3

https://www.youtube.com/watch?v=nilNLfW7izg

https://www.youtube.com/watch?v=tzEWYNQmnmc

https://www.youtube.com/watch?v=89ThCi5qq-A&t=6s

https://youtu.be/x2meJPOn9ws?si=p4voD9TJW9-M44hm

https://youtu.be/ppRvzPXGpEw?si=4HGkol5oc-2uA6VY

https://youtu.be/svNElhOYajQ?si=vFKE_9M_Onr7yUOf

https://youtu.be/cB_X6AImPjQ?si=b5jpZegDdrzAfk9N

https://youtu.be/H35nVgNGyo8?si=d4SAJHw4JmfBTPYb

https://youtu.be/G-1qbtXJKyQ?si=qiVXq7JGKkDZIQAT

https://youtu.be/--ePbkaRwl4?si=mMyZLksZtaocIq66

https://youtu.be/i0t3RyLILnw?si=RTAcHEoVXsGKd5j7

https://youtu.be/NEHcGq80GQ0?si=z7e7ZDEp0pj42PXw

[Source](https://www.youtube.com/watch?v=l_Yc7YeBSxc)

中文简报

全球换机周期逼近四年苹果谷歌与高通押注端侧智能体争夺移动入口换机周期逼近四年倒逼手机行业告别硬件参数内卷，端侧异构芯片与轻量模型协同推动手机转向自主代办，重新定义下一代移动计算入口。面对逼近四年的全球手机换机寒冬与渐进式硬件升级瓶颈，行业开始转向由 AI Agent 主导的全新交互范式——让手机从“等人操作”走向“替人办事”。技术演进上，端侧异构芯片算力的长期铺垫与模型轻量化、端云协同架构的突破，共同催生了“整机 Agent”与“超级 AI 入口”两条路线的分化，硅谷的苹果、谷歌、OpenAI 与务实合流的中国厂商展开了激烈的生态博弈。实测以努比亚 NaviX Ultra 为代表的智能体手机展现了后台虚拟屏代操和长期记忆能力，而底层芯片架构也正通过专为 Agent 优化的异构计算单元加速重构，以在低功耗与高并发推理之间夺取下一代移动计算的信任入口。全球智能手机换机周期逼近48个月，硬件参数递增放缓与元器件涨价倒逼厂商转向AI智能体（Agent）作为核心卖点，推动手机从“被动操作”转向“主动代办”。 (1:24) 行业演进分化为“整机Agent”与“超级AI入口（SuperApp）”两条路线，苹果、谷歌与OpenAI等硅谷巨头和国内软硬件厂商展开差异化入口竞争。 (6:57) 端侧模型轻量化与端云协同架构取得突破，数十亿参数的小模型已能在手机本地达到以往数百亿参数的推理效果，兼顾实时性与隐私。 (5:38) 移动计算芯片转向“智能体专用架构”，通过异构计算分工、动态共享缓存（FlexCache）与片上KV-cache优化，解决随时待命与功耗散热之间的矛盾。 (14:50)

Source quotes

[5:38] 徐晧: 同样的智能需要的参数是越来越少了 [13:19] 徐晧: CPU它主要是管控制我们大部分的算力实际上是在NPU上面所以NPU它能够把AI的这些运算能够在降低功耗的情况下做到极致

Original transcript

[0:00] 最近手机大战又打响了 [0:02] 苹果正式进入折叠屏 [0:04] 三星把折叠屏拆成多种形态 [0:07] 小米展示了18 Fold [0:08] 与此同时存储芯片价格持续上涨 [0:11] 推动整个行业进入新一轮周期 [0:13] 并迫使厂商进一步收缩中低端产品线 [0:17] 但更前沿也更让人关注的是 [0:19] AI智能体手机 (AI Agent Phone) [0:22] 过去十几年手机一直在变得更强 [0:24] 摄像头越来越多 [0:26] 芯片越来越快 [0:27] 但我们操作手机的方式几乎没怎么变 [0:30] 那如果有一天手机不再等你操作 [0:33] 而是直接替你完成事情呢 [0:35] 2026年这件事突然开始加速 [0:38] 高通CEO安蒙此前说过 [0:40] “2026是agent之年” [0:42] 我们也看到今年7月 [0:43] 阶跃星辰发布了AI手机STEPX Neo [0:46] 荣耀发布了Robot Phone [0:48] 还有最近努比亚发布了NaviX Ultra [0:50] 搭载了新版豆包手机助手消费者版 [0:52] 是官方认证的“全球首款AI智能体手机” [0:56] 而在硅谷 [0:57] 苹果、谷歌、OpenAI纷纷下场发力 [1:00] 一时间 AI手机市场热闹了起来 [1:02] 大家好欢迎收看硅谷101 [1:04] 我是陈茜 [1:05] 这期视频我们想聊聊手机的下一步在往哪里走 [1:09] 行业里正在出现如何的变革 [1:12] 为什么手机厂商开始押注“agent” [1:15] 像努比亚NaviX Ultra这样的产品上手体验如何 [1:19] 以及智能体手机真的是AI硬件的未来吗 [1:27] 那为什么最近手机厂商 [1:29] 都来押注“智能体手机”了呢 [1:31] 这背后其实是有三股力量 [1:33] 汇聚在了一起 [1:34] 第一是传统手机行业 [1:36] 需要新的“换机理由”了 [1:38] 过去几十年 [1:39] 智能手机的升级逻辑非常清楚 [1:42] 屏幕越来越大 [1:43] 摄像头越来越多 [1:44] 处理器越来越快 [1:46] 电池越来越持久 [1:48] 每隔一两年 [1:49] 总会有一个明显的硬件升级 [1:51] 让消费者觉得这台手机值得换 [1:53] 但最近几年 [1:54] 这种刺激正在明显变弱 [1:57] Counterpoint的数据显示 [1:58] 全球智能手机换机周期已经明显拉长 [2:02] 2023和2024年 [2:03] 这个数据都是在43个月左右 [2:06] 到了2026年 [2:07] Counterpoint最新判断是 [2:09] 受存储芯片等零部件价格上涨影响 [2:12] 全球换机周期正在向48个月 [2:15] 也就是4年靠拢 [2:17] 在分析换机周期拉长的原因时 [2:19] 他们提到了一个词 [2:20] 叫做incremental device upgrades [2:22] 也就是“渐进式设备升级” [2:25] 说白了也就是新手机和上一代手机 [2:28] 之间的差距 [2:29] 消费者越来越感知不到了 [2:31] 所以对于厂商们来说 [2:33] 他们急需去找到一个新的刺激点 [2:36] 来重新点燃大家的购买欲望 [2:38] 那当然就是AI了 [2:40] 更准确地来说是Agent（智能体） [2:44] 过去几年手机AI功能已经越来越多 [2:47] 但是Agent（智能体）带来的想象空间是完全不同的 [2:50] 比如之前想订一家餐厅 [2:52] 你可能需要打开手机地图、搜索餐厅 [2:54] 看评价、查时间 [2:56] 再跳转到订餐平台 [2:58] 而在智能体时代 [2:59] 你只需要告诉手机 [3:00] 帮我找一个离我近一点、适合两个人吃饭 [3:03] 今晚七点还有位置的餐厅 [3:05] 那后面的搜索、比较、预订 [3:07] 都可以由Agent（智能体）来完成 [3:09] 那这样一来 [3:10] 手机的角色就彻底变了 [3:12] 从“等人操作的工具” [3:14] 直接变成了“能够替你办事的智能助理” [3:17] 而这对于手机厂商来说 [3:19] 可能就是 [3:19] 下一轮换机周期所需要的“新故事” [3:24] 那我们说到的第二股力量就是算力 [3:26] 端侧AI从“能用”进入到了“好用” [3:29] 开始能够支撑这个“新故事”的落地 [3:32] 以前手机上的AI [3:33] 主要还是语音识别、图像识别 [3:35] 拍照算法等相对固定的任务 [3:38] 任务不复杂模型也不大 [3:39] NPU针对性地优化一下也就够了 [3:42] 但是Agent（智能体）要进入手机之后 [3:44] 任务的复杂程度大大提高 [3:46] 它可能会涉及语音、文字、图像 [3:49] AI推理、操作等一系列的事情 [3:51] 手机不仅需要大量的计算 [3:53] CPU、GPU、NPU以及其他专用计算单元 [3:56] 还要围绕着任务进行动态的切换与协同 [3:59] 端侧AI能力就成为了关键问题 [4:03] 在过去几年的时间中 [4:04] 手机芯片正在针对性地解决这个问题 [4:07] 我们翻了一下骁龙的迭代记录 [4:10] 发现AI计算是从早期的一个辅助能力 [4:13] 已经逐渐变成了SoC中的核心能力 [4:16] 早在2015年 [4:17] 高通的骁龙820就搭载了 [4:19] 第一代Qualcomm AI Engine [4:21] 芯片开始帮着处理影像、语音 [4:23] 和传感器上的AI任务 [4:25] 2018年的骁龙855 [4:27] 又给它加进了张量加速器 [4:29] 不过这时候的AI [4:30] 干的还是拍照、语音这类固定活 [4:32] 真正的转折在2022年底的骁龙8 Gen 2 [4:36] 这一代第一次支持INT4低精度计算 [4:39] 也专门针对Transformer做了优化 [4:42] 高通公布的数据显示 [4:43] 在部分AI工作负载上 [4:45] 性能最高提升4.35倍 [4:48] 那从这一代开始 [4:49] 手机芯片开始为“本地跑大模型” [4:52] 做准备了 [4:53] 2023年的骁龙8 Gen 3更是宣布 [4:56] 支持最高100亿参数的生成式AI模型 [4:58] 在手机端运行 [5:00] 到去年骁龙峰会发布的 [5:02] 第五代骁龙8至尊版 [5:04] 高通第一次把“手机上的智能体” [5:06] 写进了设计目标 [5:08] NPU相比上一代提升37% [5:10] 同时加入了个人速记（Personal Scribe） [5:13] 个人知识图谱（Personal Knowledge Graph）等能力 [5:16] 这两个东西的作用 [5:17] 就是让端侧的Agent（智能体）能够记住你 [5:19] 能够持续学习 [5:22] 你看看这个节奏 [5:23] 从帮拍照到算神经网络 [5:26] 然后能跑大模型 [5:27] 再到现在开始有“记忆” [5:29] 芯片厂商其实是一步一步 [5:31] 在往Agent（智能体）这个方向挪 [5:33] 只不过前几年没有人把这个词常挂在嘴边 [5:37] 不过芯片跑得快还不够 [5:39] 你还得有一个真的能塞进手机里的模型 [5:45] 云端的大模型参数动辄上千亿 [5:47] 无论如何是塞不进一块手机里的 [5:50] 所以过去很长一段时间 [5:52] “大模型”和“手机” [5:53] 几乎是两个世界的事 [5:55] 但是这两年 [5:56] 这两个世界开始快速地靠近 [5:59] 一方面模型本身正在快速地变小 [6:02] 高通全球副总裁徐晧博士 [6:03] 就在我们之前的采访中就表示说 [6:05] 同样的智能需要的参数是越来越少了 [6:09] 比如说我们做过一个研究 [6:10] 在2024年最好的LLaMA出来的一个模型 [6:13] 比如说它performance（性能） [6:14] 它的表现能够到某一个数量级 [6:19] 在几个月、小于一年的时间内 [6:22] 这100多个billion或者几百billion的 [6:25] 这些模型 [6:26] 它用很小的模型 [6:27] 比如4个billion或者几十个billion的 [6:29] 它就能达到同样的效果甚至于更好 [6:32] 在另一方面 [6:33] “端云协同”的架构 [6:35] 也让Agent（智能体）在手机上的能力 [6:37] 有了更大的发挥空间 [6:39] 随着需求、算力、模型这三股力量 [6:41] 是汇聚到一起之后 [6:43] AI智能体手机需要的基本条件 [6:45] 就已经具备了 [6:47] 这个时候问题也就出现了 [6:49] 当AI开始替用户操作手机之后 [6:51] 谁来决定它应该怎么操作 [6:53] 这也就是目前行业正在分叉的地方 [7:00] 目前行业里 [7:01] 主要有两条不一样的思路 [7:03] 第一种思路可以理解成“整机Agent” [7:06] 你打开手机 [7:07] 看起来还是我们熟悉的样子 [7:09] 常用的APP都不少 [7:11] 而AI功能被集成到了系统里 [7:13] 这种路线最大的优势是体验足够直接 [7:17] 我们这次体验的努比亚NaviX Ultra [7:20] 搭载了豆包手机助手（消费者版）和骁龙旗舰移动平台 [7:23] 就是走的这条路线 [7:25] 那具体体验咱们后面来慢慢聊 [7:27] 而第二种思路就是在手机里面 [7:30] 放一个SuperApp [7:31] 也就是超级AI入口 [7:33] 用户先进入一个AI APP [7:35] 比如说ChatGPT、豆包、Gemini等等 [7:37] 然后由它去调用 [7:39] 地图、购物、外卖等各种服务 [7:41] 这种路线的优势是落地相对容易 [7:44] 手机厂商不需要一下子重构整个操作系统 [7:47] 只需要先把AI入口做好 [7:49] 再不断增加它能够调用的服务 [7:52] 用户的学习门槛也会比较低 [7:54] 行业现在其实是在两个方向的探索 [7:57] 都在进行也在寻找平衡和突破 [8:03] 我们先来看看硅谷这边的一些动作 [8:05] 首先就是最近刚召开发布会的苹果了 [8:09] 最近苹果刚刚发布了的iPhone 18系列 [8:11] 从今年的WWDC开始 [8:13] 苹果最大的变化之一 [8:14] 就是正在把Siri [8:16] 从“只会回答问题的助手” [8:18] 往系统级Agent（智能体）推进 [8:20] 在今年的发布会中 [8:21] 苹果甚至在开场就直接提出了 [8:23] Intelligent Personal Hub这个概念 [8:26] 把新一代iPhone描述成“智能个人中枢” [8:29] 而在计算方式上 [8:30] Apple Intelligence也继续采用 [8:32] “端侧处理+私有云计算”相结合的方式 [8:36] 能够在设备上完成的尽量放在设备上 [8:39] 需要更强能力的时候再交给苹果的云端 [8:43] 它的好处是体验比较容易统一 [8:45] 但是相应的 [8:46] 它对第三方生态的开放程度相对有限 [8:49] 很多AI能力需要在 [8:50] 苹果自己的规则和框架下去运行 [8:53] 这带来的潜在问题 [8:55] 可能就是迭代速度会慢一些了 [8:57] 你看这几年 [8:58] 苹果AI的推进一度是落后于市场预期的 [9:01] 另一边谷歌的路线有点不同 [9:04] 它看起来是在做Android的系统级Agent（智能体） [9:06] 但是从它背后的生态来看 [9:09] 又非常像一种Super App [9:11] 因为谷歌手里面 [9:12] 本身就有一套非常完整的服务体系 [9:15] 所以当Gemini进入Android之后 [9:17] 它同时获得了两个优势 [9:19] 一方面它可以深入操作系统 [9:21] 理解用户正在做什么 [9:23] 另一方面 [9:24] 它自己又拥有大量可以直接调用的服务 [9:27] 不过谷歌的优势 [9:29] 同时也是它最大的难题 [9:32] 用户真正使用的手机 [9:33] 要使用的远不只有谷歌的这些服务 [9:36] 当Agent（智能体）开始跨APP执行任务 [9:38] 就需要不同的第三方应用开放权限 [9:41] 接口和执行能力 [9:43] 再加上Android设备众多 [9:45] 不同厂商的硬件、系统和权限机制 [9:48] 都有差异 [9:49] 所以Google可能要解决的问题是 [9:51] 如何让Gemini在一个开放、庞大 [9:54] 又高度分散的Android生态里 [9:56] 稳定地替用户把事情做完 [9:59] 当然硅谷还有一类新玩家 [10:01] 比如说OpenAI [10:03] 2025年5月 [10:04] OpenAI宣布 [10:05] 与前苹果首席设计师Jony Ive的 [10:07] 设计公司LoveFrom合作 [10:09] 并收购其硬件团队io Products [10:12] 一开始 Ive和Sam Altman设想的 [10:15] 是希望摆脱“屏幕+APP”的交互方式 [10:18] 甚至一度设想为没有屏幕的设备 [10:20] 有消息称OpenAI的产品的设计 [10:23] 可能还会是基于传统智能手机的形态 [10:26] 目标在2027年的上半年量产 [10:30] 硅谷现在的探索 [10:32] 更多还是集中在系统层和终端层 [10:35] 而在中国市场 [10:36] 厂商的打法则是更加的多样化 [10:38] 也更热闹了 [10:42] 今年七月网信办第一次集中公布了 [10:45] 端侧大模型的备案信息 [10:47] 苹果、小米、OPPO、vivo [10:48] 华为、三星、努比亚 [10:50] 七家主流厂商全部完成了 [10:52] 端侧AI生成式服务的备案 [10:55] 这也意味着 [10:56] 智能体手机在国内 [10:57] 已经从厂商自己的产品探索 [11:00] 逐渐进入到有备案、有监管的落地阶段 [11:03] 在这当中努比亚的做法有点特别 [11:06] 它走的是整机Agent（智能体）路线 [11:08] 那它的体验如何呢 [11:13] 我们先来聊聊 [11:14] 努比亚NaviX Ultra [11:15] 相比传统智能手机感受非常不一样的几点 [11:19] 第一个变化最直观 [11:21] 有些APP的操作在获得授权之后 [11:24] 我就不用自己动手了 [11:26] 过去我们想做什么事 [11:27] 得点开对应的APP [11:29] 然后逐步地搜索、翻页、查询 [11:32] 而到了智能体手机上 [11:33] 只要长按独立的AI键说出我的要求 [11:36] 它就会在获得授权之后自动帮我操作 [11:39] 第二是执行能力提升 [11:41] 它可以跨APP操作 [11:43] 具体主要分三步 [11:45] 在感知方面 [11:46] 豆包手机助手拥有全局读屏的能力 [11:48] 比如说刷视频的时候 [11:50] 可以直接问屏幕中的内容是什么、在哪里 [11:53] 不需要再截图单独打开AI软件去问 [11:56] 在推理方面 [11:57] 对于一些需要其他APP协助的任务 [12:00] 它能自动唤起对应的APP [12:02] 不需要我再手动打开 [12:04] 更重要的是执行方面 [12:06] 它可以在后台的虚拟屏幕上跑 [12:08] 画面不占用主屏 [12:10] 我可以同时做其他事 [12:11] 第三就是记忆能力 [12:13] 只要我授权了或者主动告诉它一些信息 [12:16] 它就能够帮我记住 [12:18] 比如说我的行程、票价 [12:20] 当我需要的时候可以直接问豆包 [12:22] 不再需要打开APP去寻找 [12:25] 这些体验加起来 [12:27] 就构成了“AI原生交互”的一个范式 [12:30] 我们的采访嘉宾徐晧就认为 [12:32] AI将会重构交互体验 [12:34] 它是个全新的user interface（用户界面） [12:36] 从我们选APP到不用选APP [12:38] 这些都是我们的 [12:40] 慢慢地我们会适应的一些用户体验 [12:43] 以及交互方式的转变 [12:44] 当然作为一个全新的品类 [12:46] 智能体手机的体验还有很多的提升空间 [12:50] 我们试用的时候发现 [12:51] 现在各种流畅的体验 [12:53] 主要是围绕系统应用、中兴 [12:55] 还有字节系的APP上 [12:57] 想调用更多第三方APP的话 [13:00] 还得等待未来逐步接入 [13:01] 不过从技术角度上来看 [13:03] 这套“理解-规划-执行”的完整链路 [13:06] 已经跑通了 [13:07] 这就像自动驾驶行业早期的状态 [13:10] 先把技术底层搭好 [13:12] 接下来更重要的是 [13:13] 到真实的商业环境里去反复验证和迭代 [13:23] 这些复杂的能力在手机上要跑得好 [13:26] 还要跑得久 [13:27] 底层硬件需要什么样的支持呢 [13:29] 首先Agent（智能体）要随时待命 [13:31] 但是如果芯片一直全功率运行 [13:34] 电量就撑不了多久 [13:36] 这就需要低功耗感知 [13:38] 第二点硬件要能够更好地支持 [13:41] 多任务并行调度 [13:43] 过去CPU、GPU、NPU [13:45] 各自承担比较明确的任务 [13:47] 但是到了Agent（智能体）上 [13:48] 又是任务调度、又是推理计算 [13:50] 后台还得渲染操作界面 [13:52] 这些任务需要在不同的计算单元之间 [13:55] 高效切换 [13:56] 每一块都不能有短板 [13:58] 而且手机上的算力毕竟是有限的 [14:01] 这就要说到第三个要求 [14:03] 那就是云端与本地的协同 [14:05] 我们在手机端侧 [14:07] 我们会做预处理 [14:09] 就把有个人的信息 [14:11] 作为一个简化和压缩 [14:14] 作为一个local memory（本地存储器） [14:15] 就是本地的一个存储 [14:17] 如果我要做一个大的规划 [14:20] 如果手机上能做 [14:21] 那我们就在手机上做出来 [14:24] 如果手机上不能做 [14:25] 那规划我们可以把它放到云端 [14:27] 我给它提供某些信息 [14:29] 云端做出规划再传回来 [14:31] 端云协同的时候 [14:32] 最影响体验的就是延迟 [14:35] 而且智能体的计算不是集中式的 [14:37] 这也更考验分布式动态调度的能力 [14:40] 把这几条放在现实里面对照一下 [14:43] 我们已经走到了哪一步了呢 [14:45] 可以说基础框架已经搭好了 [14:47] 但是未来更加值得期待 [14:51] 拿我们手上这台努比亚NaviX Ultra来说 [14:55] 它用的是骁龙旗舰移动平台 [14:57] 针对前面说的低功耗感知 [14:59] 还有两个Micro NPU [15:01] 平时就盯着语音唤醒和运动状态 [15:04] 功耗压得很低 [15:05] 只有需要AI干重活的时候 [15:07] 才会唤醒主NPU [15:09] 至于多任务调度 [15:11] 它的思路是“异构计算” [15:12] 把不同的活儿交给最适合的单元 [15:16] 我们这里面架构包括CPU、GPU、NPU [15:22] 所以它的每个的功能不大一样 [15:26] CPU它主要是管控制 [15:29] 我们大部分的算力实际上是在NPU上面 [15:33] 所以NPU它能够把AI的这些运算 [15:36] 能够在降低功耗的情况下做到极致 [15:41] NPU最大的一个优势是 [15:43] 它是定点的 [15:45] 所以它是为AI来量身定造的 [15:48] 做一个最节能的方式 [15:52] GPU它大部分的时候是它比较灵活 [15:55] 但是它的能耗会更高 [15:57] 所以我们这个异构架构的话 [16:00] 可以把每一个硬件的部分 [16:02] 都能够用到它的特长 [16:05] 那些端侧确实搞不定的 [16:06] 就利用5G的低延迟链路去和云端协同 [16:11] 我们有非常强大的5G连接 [16:13] 把这个数据传到云端 [16:15] 让云端做完训练（推理）再传回来 [16:18] 所以这些所有的解决方案 [16:21] 都是统一的一个解决方案的一部分 [16:26] 这么看来智能体手机的硬件需求 [16:28] 已经“基本上”满足了 [16:30] 为什么说是“基本”呢 [16:32] 毕竟今年Agent（智能体）概念才刚刚开始落地 [16:34] 随着AI能力的增长 [16:36] 算力的需求还会不断地提升 [16:39] 我们再来看看 [16:39] 移动芯片行业将会如何去应对 [16:42] 比如说高通刚刚举办了2026骁龙峰会 [16:45] 发布了新一代双旗舰移动平台 [16:48] 官方宣称 [16:49] 是专为智能体时代设计的旗舰移动平台 [16:52] 第一块是CPU [16:54] 单从参数上来看 [16:55] 主频是达到了5GHz [16:57] 但比主频更值得说的 [16:59] 是它带来的一个叫FlexCache的缓存架构 [17:02] 简单解释一下 [17:03] 就是让不同的计算核心 [17:05] 共享同一个缓存池 [17:07] 并且可以根据任务负载动态调整分配 [17:10] 因为Agent（智能体）的工作方式是 [17:12] 一个请求进来被拆成一串子任务 [17:15] 这些子任务要在不同的核心之间轮流跑 [17:18] 传统的架构下任务每切换一次核心 [17:21] 数据就可能要重新从内存里加载一遍 [17:25] 而FlexCache让大家共用一个缓存池 [17:29] 任务交接的时候数据还在原地 [17:31] 就不用从头再来 [17:32] 这样带来的好处 [17:34] 就是可以支持智能体保留更长的上下文 [17:37] 更快地响应速度延迟更低 [17:40] 第二块是GPU [17:41] 这次的思路是让GPU自己也具备AI能力 [17:45] 新发布的Adreno Neural Fusion [17:47] 是把AI加速直接放进图形管线里 [17:50] 另外还加了一组专门跑AI的GPU核心 [17:53] 叫Adreno Matrix Cores [17:55] 用来做AI超分、帧生成 [17:56] 和Transformer计算这类事 [17:58] 第三块就是NPU [18:00] 这里主要是两项更新 [18:02] 首先是专为Transformer优化的 [18:04] Element Accelerator [18:06] 里面有两组单元 [18:07] 向量计算单元 [18:08] 负责高吞吐量的AI数学计算 [18:11] 就是让运算更快 [18:12] 还有就是标量计算单元 [18:14] 负责决策逻辑、路由和编排 [18:16] 让推理更准确同时功耗更低 [18:19] 另一个是大容量共享内存 [18:22] 让模型状态、上下文和KV-cache [18:24] 能存在离加速器更近的地方 [18:27] 这样智能体在多个工具和任务之间 [18:29] 切换的时候不用每次都从头加载 [18:32] 另外它还支持MoE（混合专家模型） [18:35] 以及从INT2到FP16的多种精度策略 [18:39] 在执行任务时谁擅长谁上 [18:42] 让简单任务省电、复杂任务效果更好 [18:45] 所以接下来行业的动向 [18:47] 是让NPU、CPU、GPU三条线上 [18:50] 都有AI加速 [18:52] 这恰好是Agent（智能体）这种多步骤任务 [18:54] 最看重的东西 [18:56] 好了我们这个视频 [18:57] 说了这么多的Agent phone [18:58] 智能体手机的底层技术升级 [19:01] 和正在推出的一些产品范式的变化 [19:04] 其实在这背后是AI浪潮来临之际 [19:07] 市场对下一代交互体验的畅想 [19:10] 说实话手机对人们现在来说 [19:12] 实在是太重要了 [19:14] 无论是看小说的老年人 [19:16] 还是“刷社媒”的GenZ [19:18] 又或是同时好几部手机 [19:19] 把它们当移动电脑的上班族 [19:22] 这样形态的硬件 [19:23] 已经成为我们生活和工作的必不可少 [19:25] 而如此由移动互联网形成的紧密关系 [19:29] 正在AI的加持下 [19:30] 面临一次巨大的升级 [19:32] 从“我来操作”到“它替我完成” [19:35] 而当这个变化真正发生的时候 [19:37] 下一代手机的竞争 [19:39] 可能也就不再只是 [19:40] 参数、镜头和芯片的竞争了 [19:43] 谁能成为离用户最近、最懂用户 [19:46] 也最值得用户信任的那个Agent（智能体） [19:48] 可能才是下一轮移动计算真正的入口之争 [19:52] 以上就是这期视频的全部内容了 [19:54] 你们的留言、点赞还有转发 [19:56] 是支持我们《硅谷101》 [19:57] 做好深度科技和商业内容的最佳动力 [20:00] 我是陈茜我们下期再见拜

全球换机周期逼近四年 苹果谷歌与高通押注端侧智能体争夺移动入口