夜雨聆风6月1日，高通首席执行官Cristiano Amon在COMPUTEX 2026上发表开幕主题演讲，他表示今年是Agentic AI元年，智能体正逐步成为数字体验的核心。安蒙强调，智能体正成为AI词元（token）需求的核心来源，推动AI规模化落地，并将定义AI架构与经济模式。未来的智能体将能够主动代替用户运行计算，任务自动分配，充分利用全场景算力。
智能体驱动终端变革，芯片计算架构迎来新范式
如今，全球 60 亿部手机、20 亿台可穿戴设备、20 亿台个人电脑以及5 亿汽车等各类硬件终端，不再依托手机操作系统运行，转而成为全天候后台智能体的硬件载体。
“整个设备计算领域中，我们所看到重要机遇——面向 AI 时代的全面升级。”安蒙指出，“AI时代由于智能体可独立运行、持续留存上下文信息，其需要全新的硬件架构支撑。这使得用于系统调度的高能效中央处理器CPU、以及适配严苛边缘功耗限制的高密度神经网络处理器NPU与图形处理器GPU价值大幅攀升。
这些正是高通的优势，我们可以构建跨层级系统的能力，覆盖从功耗两毫瓦以下的耳机（配备微功耗Wi-Fi、可连接智能体的个人AI音频设备），一直到需要千瓦级的数据中心。安蒙强调：“当所有设备都要为智能体AI的未来而变革时，这对于我们自身以及合作伙伴来说，都是一个巨大的机遇。为此，我们需要专用计算解决方案，能够从毫瓦级设备一直扩展到2000千瓦的设备。”
面对这一绝佳的市场机遇，高通在智能手机、PC、车载计算和机器人领域有着领先的每瓦特性能表现，并正在将这一优势延伸至数据中心。
智能体规模化落地，在汽车、机器人终端最新进展
安蒙指出，智能体正在手机、PC，以及个人AI设备这一全新品类上部署，并开始实现规模化落地。
OpenClaw、Hermes等智能体规划器，现在已经能在骁龙平台上运行了；Claude Desktop智能体助手，也可以在骁龙PC上实现本地运行。而且你会发现这一趋势只会越来越快：用户将越来越多地使用自己的设备，设备也将更加自主地运行并执行任务。与此同时，像Perplexity Computer这样的云端平台，正在构建连接终端设备的规划层；谷歌正借助Gemini将智能体AI直接引入Android，微软也在做同样的事；高通的合作伙伴Humain也在开发一套完整的、运行于骁龙平台之上的智能体操作系统。
智能体 AI 从屏幕延伸至物理世界，车载智能体加速智能汽车进化
“汽车、机器人、工业系统也将成为智能体AI的重要端点。而这些系统还有着更多的要求：时延、安全性需要以毫秒、毫米为单位来衡量，每一瓦的功耗都至关重要。”
放眼车载智能领域，智能化将分为两大层级。整套智能分为两层架构：在车内场景下，座舱里的 AI 交互是专属于你的个性化服务。除此之外还有负责车辆自动驾驶的实体车载 AI，二者共同组成一套一体化协同系统。它在基于车上情境信息和用户交互的同时，还要在道路上，利用物理 AI通过摄像头、雷达、传感器和地图进行感知、规划、执行，为用户完成导航。
车载AI包括车辆搭载的摄像头、雷达以及各类传感器，一方面接入车辆行驶控制层智能，用于自动驾驶；另一方面采集的数据也作为信息输入与上下文，同步给到用户专属智能体，优化驾乘体验。
在安蒙看来，机器人是一个融合了汽车多种要素的新型AI终端，它需要精度、工业级标准、安全性、冗余备份能力。这正是技术转型中非常令人兴奋的部分，它兼具了消费电子与汽车两大领域的优势。
机器人的计算分为三个层级。第一层是即时执行，我们维持身体平衡以及所有类似的下意识行为；第二层是动作执行，而后是动作与情境交互，第三层则是逻辑推理。这些实现需要构建一个分层计算系统，同时采用分布式智能设计。
高通正在构建的是一个覆盖多形态产品的综合性平台，涵盖自主移动机器人（AMR）、工业机械臂、四足机器人、人形机器人、无人机等各类设备。我们认为，机器人在工业领域蕴藏巨大机遇。我们需要构建硬件、软件，搭建AI运维体系，实现机群管控与数据管理，全方位助力合作伙伴从产品原型阶段顺利落地量产。
6G构建智能体未来，Token经济学重塑AI产业
安蒙表示，高通将6G定义为首个专为AI时代打造的无线通信技术。6G包含三大核心支柱：连接、分布式计算以及感知能力。其中分布式计算与感知能力，是以往通信领域从未具备的全新能力。
连接好比带着智能眼镜，让用户所见即所及，这需要支持非常快速的上行链路（uplink）。安蒙比喻，“6G 将会把所有人变成移动式的摄影机。因为你将有能力将你所看到的画面，转化为高画质影片，并将其传送到系统与云端。它是为了装置、机器、智能体（agents）与汽车之间，进行持续性的内容交换而设计的。”
整个网络本身就是一个AI网络，其分布式AI计算与推理能力从无线基站一直延伸到中心机房乃至数据中心。网络本身将成为一个超大数据中心的一部分；中心机房类似本地企业级数据中心；而无线基站也具备实时计算能力，这不仅是对连接性至关重要，也将成整个系统的关键。
感知的作用在于，我们将射频信号作为物理AI的输入，用于训练那些基于性能建模和优化的模型。这会带来什么效果？每一个无线连接都将像你在自动驾驶汽车上看到的雷达一样，而且你将实时获得数以亿计这样的连接。
无论是应用程序还是SaaS行业，相关软件都是为用户操作而设计，未来则不同。软件和SaaS服务必须同时面向用户与智能体进行设计，且智能体的交互速度更快。这将彻底改变词元（token）的需求。
当前整体趋势会是这样的：第一阶段是对话式AI，用户采用单轮对话，输入提示并获得回复，单次交互约消耗1万个词元（token）。
第二阶段是推理式AI，支持多轮对话，可以看到词元（token）用量大幅提升，每项任务约需10万个词元（token）。
第三阶段则是智能体AI，可自主执行多步骤操作、调用多个工具，单任务词元（token）用量达到100万且在持续增长。短短两代演进，词元（token） 消耗已实现约 100 倍的量级增长。
安蒙强调，依托智能体 AI 的驱动，预计到 2030 年全球Token消耗量将暴涨至当前的 40 倍，全部算力负载上云运行，在成本层面难以为继。实测验证：借助混合调度器在终端与云端之间动态调度任务，可节约 30%～60% 的Token消耗，综合成本降至原先四分之一。
在演讲的最后，安蒙宣布高通推出新的数据中心品牌“Dragonfly”，做为消费性品牌 Snapdragon、工业与嵌入式物联网品牌 Dragonwing 又一新的产品家族。
