COMPUTEX 2026今日正式拉开帷幕。昨日，高通公司总裁兼CEO安蒙于COMPUTEX 2026（台北国际电脑展）发布开幕主题演讲。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。高通具备覆盖端边云的系统级计算解决方案构建能力，从最小型的可穿戴智能体终端，到高性能数据中心，高通的产品组合已覆盖计算连续体的各个层级。此外，安蒙还在主题演讲结束前透露了高通全新数据中心业务品牌Dragonfly（高通飞龙）的最新消息，他表示，高通将在本月底的投资者日上带来更多相关信息。
以下为安蒙演讲全文：
非常感谢大家。
各位好，非常高兴来到COMPUTEX。我认为，对高通、对整个科技行业来说，这都是一个特殊的时刻。能在这里与各位交流，我倍感荣幸，谢谢大家的到来。我们高通对未来充满期待，现场也有不少高通的同事，谢谢你们。
在我开始分享之前，我想说这场演讲不仅仅关乎高通本身，技术的演进是众多公司共同努力的结果，没有任何一家公司可以独当一面，合作才是关键。
因此，我首先要向所有台湾地区的合作伙伴表达衷心感谢——感谢我们的供应商、开发合作伙伴，特别要感谢台积电，一路以来都是我们非常出色的合作伙伴。感谢所有供应商与开发者，也非常感谢整个生态系统中的各位合作伙伴，包括今天在场的许多朋友，谢谢大家。
今天的内容是关于在座的各位和整个出色的生态系统——正是紧密的合作驱动着科技行业不断向前。如今的科技领军企业，正是凭借这样的合作生态才走到今天。再次感谢大会的邀请和各位的到场。
2026年进入智能体之年
我们无比兴奋，因为我们此前一直畅谈的诸多愿景正一步步成为现实、清晰可见。我今天只有一个任务，顺便提一句，我今天不会聊数据中心，我会简单提及，但详细内容我会在本月底（6月24日高通投资者日）进行分享。我今天的核心任务是让大家理解AI将如何在各类设备上演进，AI是一种全新的计算形态，正在走进每一台设备。如果大家听完这场演讲，能够明白边缘侧的设备将因AI发生什么改变，以及这对高通来说有多么激动人心，那我的任务就完成了。
接下来，我会尽全力描述我们所设想的未来。我们对行业的发展趋势有着明确的判断，也会用具体案例让大家直观感受。对于计算技术与我们日常正在或将来会使用的设备而言，现在正是一个变革的黄金时代。
大约两年前，我们提出AI将重塑人机交互界面，进而改变所有个人计算设备的架构——在2026年，这一预测正在成为现实。这也是为什么高通将2026年称为“智能体之年”。如今，AI正从简单响应指令，辅助人机交互的工具，进化为能够自主采取行动的系统。这是 AI 正在演进的方向，并将迎来前所未有的规模化普及。
我给大家举几个例子。想象一下你在家里看到的屏幕：你的智能体将持续为你提供各项活动与日程安排更新和提醒；工作中智能体也将伴随你，帮助你梳理项目、规划任务、提醒并且协助你进行决策；生活中，智能体会为你推送与你相关的信息，为你同步日程、排出事情的优先级。
这种感觉将会有所不同，它将更自主、更个性化，更像是一个真正的伴侣。而这一切都会主动地发生在用户的所有设备上。要理解这一点，我们需要回到这一转变发生的基本逻辑——我们之前也提到过，目前手机是用户数字生活的中心。我记得在骁龙峰会上我也介绍过类似的内容，包括在之前的COMPUTEX，手机是数字生活的核心，因此一切都围绕手机展开：我们与手机的交互方式，无论是通过操作系统、应用程序，甚至其他可穿戴设备，都包含在以手机为核心的生态中。
但现在，情况不同了。智能体正在成为用户数字体验的中心。因此，包括手机在内的各类设备，现在都围绕着智能体运转。这不再是手机的延伸，数字生态的核心，也不再是手机本身，或者操作系统和应用程序。而是发生了变化，这些设备将成为智能体的端点（endpoint）。而且，智能体也不会受限于任何设备或单一生态系统。所有能够将用户与智能体连接起来的一切，都将成为AI的端点。这是一个非常重要的转变。一旦你理解了这个转变，你就能理解整个移动产业将如何演变。今天我们习以为常的事情，明天都将大不相同。作为在高通工作了30年的人，我想告诉大家一件确定无疑的事：移动产业从不是静止的，它始终在演进。
智能体驱动终端变革，高通构建计算连续体
那么，围绕这些AI端点，我想和大家聊聊它们的覆盖规模。这里要强调一下这些设备的体量究竟有多大：如今全球大约有60亿部手机、20亿台个人AI终端——也就是可穿戴设备的演进形态。而如果你把这些设备都视为智能体的端点，这其实只是一个很小的数字。此外，还有20亿台个人电脑，以及5亿辆智能网联汽车，人们将在这些设备上体验并与智能体进行交互。
正如我在开场所提到的，今天这场演讲的核心目的，是帮助大家理解边缘侧设备在AI下一阶段中所扮演的角色。高通早在AI普及之前就告诉大家，这些设备会运行AI，而如今这一点已经清晰可见。在理解了这些设备的覆盖规模之后，我想传递给大家的一个重要信息是：今天的设备并非是为这些体验而设计的。当智能体AI成为我们日常生活的首要AI功能，尤其是在个人计算领域，随着我们越来越多地通过这些设备进行交互。
今天的这些设备，都是围绕用户发起的操作而打造的，而不是围绕智能体。让我来详细解释一下。智能体是不同的。它们全天候运行，持续延续情景信息向前推进。它们能够可靠、安全地规划多项任务，而且能够自主执行，且无需持续的人类干预。仅凭这一点，就足以让我们看到，这些设备将如何变革，以及其架构将如何随之演进。从这一角度来看，智能体基于意图来行动，也意味着AI正在人机交互中扮演全新的角色。
AI能够理解人类意图，并主动理解它需要与之交互的上下文。用户设定一个目标，AI会将其拆解成多个步骤，并在不同的系统以及不同的数据集之间协调执行——包括设备上的个人数据集，个人知识图谱数据，以及云端数据。它进行规划、执行，然后由用户来确认。用户会与它保持互动，直到任务完成。而这就从根本上改变了硬件需求。我们需要不同类型的硬件来实现这一点，因为现在不再只是由用户发起操作——智能体将自主运行。这也将改变操作系统和应用。我认为，这正是在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。
这要求我们能够跨所有计算领域实现紧密集成——尤其是在面临严格的功耗和时延限制的情况下。我再怎么强调功耗的重要性也不为过。想想你的手机：如果光是你自己操作手机，让它的续航撑一整天都已经很有挑战了，那么当你和AI智能体同时操作它时又会怎样？这在功耗和时延方面都是一个巨大的工程挑战。这些设备需要能够支持规划、推理以及跨系统的协调。由此，你就可以开始理解计算将如何演进。你需要一个非常强大且高能效的CPU来负责任务的编排规划。我认为，业界现在已经理解了CPU对于编排规划的重要性，以及规划器（Orchestrator）将运行在何处。 你还需要极高能效、高计算密度的NPU和GPU来支持本地模型的运行。
今天我还会做的一点，是清晰地展示AI将如何在云端和终端之间分布运行。我甚至觉得这一点将变得如此显而易见，以至于我们将不需要再专门去讨论它了。我们不会再单独去谈云端与边缘，因为它们将融合成为一个统一的系统。而要实现这一点，你需要这些设备具备相应的算力，在NPU和GPU上完成相关计算。你还需要获取传感器数据。因为情境信息也至关重要。没有情境信息，智能体就无法为你提供实用、主动的服务。当我们面向智能体 AI 设计下一代设备时，这些能力都将是必不可少的，而新一轮升级确实正在到来。
但并非每一种设备的需求都完全相同。我们作为高通深知这一点。在个人设备领域，这意味着需要全天候智能，能够高度聚焦于对用户而言非常重要的传感器与情境信息，并且具备极致的能效表现, 因为你会随身携带它们，它们本质上是移动设备。你还需要高速联网能力。在汽车与机器人上，这意味着要在最严苛的环境下保持持续稳定的处理性能，同时在必要时能够脱离网络与云端独立运行。而在数据中心领域，推理工作将需要极其庞大的规模，接下来在谈到词元（token）需求时，我会为大家详细说明，并且在数据中心场景中，能效同样至关重要。
我想和大家说的是，对于那些在移动行业深耕了数十年的企业来说，我们始终面对一个现实——计算能力的增长速度与可用能源的提升并不一致。因此，我们必须拿出解决方案，在有限的电量条件下，提供设备所需的全部算力，因为电池要支撑一整天的使用，而且体积受到严格限制。这样的逻辑，在数据中心领域同样成立。关于这部分的更多细节，我们将在本月底（6月24日高通投资者日）进一步公布。
这本身就是高通的优势所在。 我们一直在深耕所有这些边缘侧设备领域，尤其是如今业务高度多元化的全新高通。我们已经能够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。我认为，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。
这正是我们面前的一个绝佳机遇：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。我认为这就是我们的使命，也是给予我们的机会。
智能体已经开启终端上的商用落地
在我们继续推进演讲内容之前，我最后想说的是：目前正在发生的事情令人振奋，尤其是在PC端，各类智能体AI应用正在不断落地。之后我会回过头来谈这个话题，也会再次聊到手机——因为我认为，手机领域的发展趋势，将很好地预示PC及其他设备未来可能的发展方向。请先记住这一点，稍后我们再展开。
接下来，我将按不同的设备类别为大家逐一梳理，展示这些体验正在如何演进。我希望让这一切对大家来说不那么抽象，而是更加直观，因为这已经是眼前正在发生的事情。我想从真正由骁龙平台驱动的设备开始讲起。大家将会看到，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。我想请大家观看一段视频。
这真的很令人兴奋，而且这一切已经是正在发生的现实。可以看到，智能体并不与某一台设备绑定，它跟随用户移动，始终陪伴在用户身边，不管你使用的是哪一台设备。由此，大家就能开始理解这场变革：生态系统的核心——尤其是移动生态——不再是智能手机本身，而是智能体，智能体将贯穿所有的设备。
这非常不可思议。正如我所说的，现在大家应该都不难理解，为什么我们说2026年是智能体之年。智能体正在加速应用，可以看到它在商用设备上落地。OpenClaw、Hermes这样的智能体规划器，现在已经能在骁龙平台上运行了；Claude Desktop这样的智能体助手，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；我们的合作伙伴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。
这确实令人难以置信。在分享接下来的内容之前，我想利用这个机会讲一个关于手机的观点，因为要理解这一点非常关键：目前全球有60亿部手机，用户体验将如何被定义。OpenClaw这类规划器是AI向智能体转变过程中的重要里程碑。我记得，当这类规划器问世时，大量消费者开始购买电脑，比如Mac Mini或其他设备，用来运行这些智能体处理任务，从而通过发消息与电脑进行交互。但这并不只是早期极客的专属操作，而将成为未来大多数人使用电脑的方式。但如果你只有一部手机，你不可能另外再买一台电脑、接上电池、塞进包里带着走。你只会随身携带一台设备，而这些功能都将由手机来实现。
所以，这些设备将会拥有“双重角色”。一个是由用户操作设备，这也是当前所有设备的设计方式。但与此同时，智能体也会自主操作设备，而这就是未来设备的使用方式。这一切会发生在一台设备上，同一台设备承担两种功能，比如手机，这种模式也将影响PC、笔记本电脑的发展方向。
这些个人 AI 设备将实现规模化普及，因为它们对智能体来说是非常自然的载体。比如智能眼镜，它靠近你的眼睛、嘴巴和耳朵，交互方式变得极为自然。这就是我们即将在计算领域看到的重要转变。但这并非只发生在个人计算领域。
智能体 AI 从屏幕延伸至物理世界
当我们展望物理世界中的转型时，同样的变革也正在发生。物理世界是目前我们行业中最令人兴奋的领域之一。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。
接下来我要为大家展示一段演示，我先来介绍一下，在汽车里会如何运行。汽车将会拥有两个智能层。首先在座舱内，AI 会为用户提供个性化体验 —— 这和我们刚才谈到的逻辑一样，智能体将会一直以用户为中心，无论是在什么设备上。当你坐在驾驶座上，你的体验会无缝延续，你会和智能体进行交互。无论是在汽车里、在个人 AI 设备上、在手机上，还是在 PC 上，都没有区别，因为智能体是所有设备的中心，包括汽车在内。
但汽车除了和用户交互之外，还有其他任务。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。所以这是很有意思的地方：汽车拥有两个不同的智能层。
一层是座舱内和用户的个性化交互，是个性化、贴合车内场景的体验；另一层是辅助用户驾驶车辆的物理 AI，而这两者需要作为一体化的系统协同运行。请看这段演示视频，大家会明白这些系统是如何统一工作的。
这非常有意思，大家可以看到，汽车的摄像头、雷达以及所有传感器，共同在这一智能层之上实现驾驶辅助。同时这一智能层还有输入与情景信息为用户提供智能体体验。而我们现在才刚刚处于这一变革的开端。在高通我们看到，软件定义汽车的转型正在进一步升级，向AI 定义汽车演进。
我已经讲了个人计算和汽车，现在我想谈谈物理 AI 的下一个重要领域，机器人。整个机器人行业正在经历变革。这个领域非常有意思，因为它不断挑战计算技术的极限，并且融合了我们在个人计算领域看到的诸多技术 —— 包括感知、理解以及高集成度的传感器系统等。
机器人就像你的眼镜一样，能见你所见、读你所读、理解所处的情境。与此同时，它还融合了来自汽车领域的多种技术要素：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。想要在机器人领域取得成功，你必须懂得如何将其设计为一套分层式计算系统。
首先我们需要理解，机器人的计算分为三个层级。第一层是即时执行，就像我们伸手拿东西没抓稳时，无需思考就会再次尝试，直到拿住。这就是即时执行，我们维持身体平衡以及所有类似的下意识行为，都属于这一层。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。
因此我们需要构建一个分层计算系统，同时还要采用分布式智能设计。研发机器人不只是研发它的“大脑”，还需要配备核心计算单元、运动控制模块，以及各类驱动执行能力。其中环境感知与精细操作能力至关重要。因此，我们要充分融合移动技术与个人计算领域的优势，以及我们在车载与导航领域所看到的技术能力，共同构成一个非常有价值的技术平台。
我们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。在我看来，当下工业领域正迎来巨大机遇。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。
机器人也是一个典型案例，这类设备十分看重续航能力，同时要求计算单元与传感器高度集成。想要让机器人实现规模化普及并把售价控制在合理区间，就必须引入来自消费电子领域的能力，实现高度集成。这对我们以及合作伙伴而言，同样是极具潜力的机遇。
仔细来看，相关领域的发展速度其实十分迅速。这是目前我们和VinMotion、纽鼐机器人等企业合作的两个案例，后续我们也会分享与Figure AI的合作进展。不过，除机器人之外，物理AI在工业领域更是蕴藏着巨大机遇。我一直认为，工业市场并非受限于需求，而是受限于解决方案，取决于相关系统与技术的成熟度。
企业及工业场景下的市场需求本身是十分庞大的。例如在视觉领域，AI赋能的摄像头既能监管安全合规情况，也可监测智慧城市的车流，还能自主触发相应的动作，实现一定程度的自动化运行，相关应用场景还有很多。再看看企业场景的发展趋势：企业日常已经在使用的物品都会迎来全新形态，从智能头盔、防护眼镜，到工牌等各类物品皆是如此。这其中蕴藏的机遇着实令人期待。
以计算机视觉为例就能发现，智能体AI正在重塑各行各业。计算机视觉既可在设备本地运行，也能依托云端部署；必要时还可灵活调用本地机房或云端的更强的大模型。它能够完成视觉感知、理解分析、决策判断并执行动作，真正将视觉信息转化为实时智能。其应用前景极为广阔，而这一切才刚刚起步。
来自视觉及各类传感器的数据，与智能体AI结合，将从根本上改变许多系统与企业的运作模式。目前这一趋势已然显现：比如零售、仓储领域，办公与楼宇管理、石油和天然气、能源领域同样有所应用，此外还有智慧城市场景。
6G构建智能体AI未来基础设施网络
这对于智能体AI而言，是巨大的发展机遇。大家已经看到，智能体AI正在变革个人计算领域，也催生出各类新型个人终端，以及汽车、机器人和工业设备领域。而接下来，还有一项技术层将为整个行业带来颠覆性改变，我个人对此非常期待，它就是新一代无线通信技术。今天我就来解释一下，这项技术和我们刚才探讨的内容究竟有怎样的关联。
在世界移动通信大会上，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。接下来，我会为大家逐一解读这三大支柱。
我们从连接开始说起。基于演讲开头时讲到的内容，我来简单讲讲6G中连接的变化。如果你佩戴了智能眼镜，它们要看到你所看到的，因此，这种连接需要支持非常快速的上行链路。我接下来要说的内容可能听起来会比较有趣——6G将让每个人都成为这个世界中“行走的摄像头”，因为你所看到的一切都可以成为高清视频，并可以将其发送给系统或上传至云端。这正是为了支持终端、机器、智能体、汽车之间的持续情境信息交互而设计，并且通过AI原生空口实现的。
网络能够理解自适应无线环境。你会看到——我不会花太多时间讨论这一点——但你会看到许多不同的技术：自主网络、无线信号预测，即使在高速移动和弱信号场景下，仍然可以实现性能提升，并且在高密度场景中显著提升速率。但归根结底，关键在于能够连接万物，甚至支持“见你所见”这样的用例。这就是连接性的部分。
第二部分是计算。这一点在我讲到第三大支柱——感知时，就会变得清晰。但这正是无线通信领域自移动通信诞生以来，电信基础设施所经历的最大变革。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。
我刚才谈到了自主网络、资源自主分配、射频信号预测，但正是由于感知能力，你才需要这些功能。感知是这个行业最大的变革，它将使电信行业真正成为一个完全不同的行业。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。通过对所有这些数据进行三角定位，你能创建一个社区、一座城市，甚至整个国家的数字孪生。利用这个数字孪生能做什么？无人机探测就是一个例子。你可以探测到所有移动和飞行的物体，管理整个低空经济。你可以在每一条道路上探测到每一辆汽车、每一辆自行车、每一辆卡车、每一个行人，并且能够真的识别这些物体，并在图像上对它们进行标注。
把我们刚才讨论的计算机视觉与智能这个例子，带入到这个庞大的数字孪生中，这将改变一切。而这个与我们正在讨论的智能体AI又有什么联系呢？所有这些，都将是为所有终端设备上运行的智能体所提供的实时情境信息。我认为，对于发生在边缘侧的这一切而言，这是一个令人兴奋的未来，因为AI是一种全新的计算形态，它将成为让计算无处不在的运行方式。
智能体定义AI架构与经济模式
那么，现在我将进入演讲的最后一部分。这是我今天演讲目标的第二部分，即向大家解释边缘设备将如何随着AI而改变。第二部分是试图让大家非常简单地理解云和边缘将如何协同工作。虽然现在这一点已经非常显而易见，但我希望你们能得出与我们相同的结论。这个世界将如何演进？智能体正成为AI 词元（token）需求增长的核心来源，推动AI规模化落地，并将定义AI架构与经济模式。
我们来回顾一下：今天的大多数软件、操作系统、应用商店，都是为用户操作而设计。比如，我们启动应用、运行程序、浏览网页等，所有交互都围绕人来展开。而在智能体时代，一切都改变了。智能体自主运行，与软件交互的速度远超人类，并且可同时跨多个服务执行操作。这正是终端需要进行升级的原因。在所有工作流中，词元（token）将以机器速度生成，而非人类速度。
举个例子，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。由此不难看出这一转变：词元（token）消耗量正快速增长。尽管市场有多种预测，但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。
让我们换个维度来解读同一组数据：2026年，全球每10秒的词元（token）需求约为317亿；到2030年，同样是每10秒，这一数值将达到1.27万亿，增幅高达40倍。而这一爆发式增长，正是由智能体AI生成的海量词元（token）所驱动。
因此，再来看最新预测数据，2030年全球词元（token）总需求将达到千万亿级，我确信这一数字后续还会变化。我甚至都不知道该怎么念这个数，就姑且称之为海量级的词元（token）需求。在这样的体系中，词元（token）就是AI时代的全新货币，接下来我要和大家说明，这一切将如何实现。或许会有不少人提出质疑，但无需争论，因为这就是未来的必然走向，我们此前早已见证过类似趋势。下面我举几个例子说明具体逻辑，先从编程开发说起 —— 编程工作负载正是当下最消耗词元（token）的场景之一。
以一段真实的Claude Code运行场景为例，规划器会对工作负载进行智能调度：将部分任务留在设备端本地计算，把必要内容上传至云端。通过这种分布式智能体AI架构，充分利用跨计算连续体的所有算力资源，可节省约140万词元（token），在获得相同结果的前提下减少成本60%。以上就是编程场景的实际效果。
再举一个完全不同的例子。我接下来要展示的演示任务是创建一个骁龙网页，提示词中包含大量关于该网页的具体设置和要求。左侧是仅在云端运行、在云端生成词元（token）的模式；右侧是同样的生成结果，但采用智能分布式架构。智能规划器会根据设备端与云端的可用算力，对任务进行调度分配。最终可实现的效果完全一致，同时词元（token）用量减少30%、成本降低4倍，这正是分布式AI的优势所在。这就是未来的实际运行方式。我之所以举这个例子，是因为业界一直在讨论云端与边缘计算，二者都至关重要，而现在大家可以清晰看到它们未来将如何真正发挥作用。
这并不是一个抽象的概念，具体来说，讨论的重点从来都不是 “在云端运行的工作负载，也能在边缘侧运行”。需要运行在云端的就运行在云端，需要运行在边缘的就运行在边缘，这是两种不同的情况。 这里有个类比，可能不完美，但有助于大家去理解。我相信在座的每一位的手机里可能都有超过200个应用app，如果让大家针对每个app去判断：什么是在手机上运行，什么是在云端运行。
这么做其实并没有太大意义，你们一定明白云端的重要性。如果你把手机设置为飞行模式，它就几乎没有用处了，但你需要大量的算力，而这就是它的运行方式。AI，或者说智能体AI，是由智能体来替你操作计算系统。随着工作负载开始转移，你亲自处理的工作，以及智能体将处理的工作，都将利用所有可用的计算资源，其运作方式将与今天完全一致。计算资源将被充分利用，AI将在所有设备上运行，并且这将贯穿整个计算连续体，我认为这对于高通而言正是激动人心的，因为这将催生无处不在的AI计算需求。在无处不在的计算中，面对智能体化的未来，计算引擎将变得重要且不可或缺。你将能够自然而然地在最高效的地方处理工作负载，而这正是机遇所在，因为我们跨不同品类终端都具备独特的优势，并且从来不会采用“一刀切”的模式。
数据中心业务预告，发布全新业务品牌高通飞龙（Dragonfly）
正如前面所讨论的，每种设备都需要合适的AI平台，因为它们各不相同、用途上也存在差异。关键在于让智能和能效在任何地方都实现最大化。因此，在演讲结束前，我还有一个消息想和大家分享，让我们观看一段视频。
今天在Computex，我们宣布推出高通数据中心产品的全新品牌。目前，我们已与超大规模云服务商及全球合作伙伴展开合作，共同推进实际部署工作。我们十分激动，这是高通业务多元化发展的新篇章。如今，凭借高通飞龙（Dragonfly）系列，我们的产品组合已覆盖计算连续体中的各个层级——从可连接智能体的最小的可穿戴设备，到高性能的数据中心。在6月24日的投资者大会上，我将更详细地介绍我们的产品路线图，大家敬请期待。
总而言之，我想说的是，我们非常期待看到技术跨所有设备部署的未来。这是一次重大的变革。我们向各位展示了，智能体AI并非即将到来，而是已经到来。它正在重塑计算架构，将催生对新型设备和计算能力的巨大需求，而这一升级周期，有望成为行业有史以来规模最大的周期之一。我们将携手打造定义这一全新时代的产品和技术。
感谢大家的聆听。能在这里进行演讲，我感到非常高兴和荣幸，希望我的分享对大家有所帮助。我迫不及待地希望与全球合作伙伴携手，共同开创崭新的未来。再次感谢，祝大家获得愉快的Computex之旅。
