6月1日，COMPUTEX 2026开幕主题演讲上，高通CEO Cristiano Ammon给出了一个清晰判断：今年就是Agentic AI的元年。

智能体，正在成为AI词元（token）需求的核心引擎。它也在真正意义上推动AI走向规模化落地，并重新定义整个AI的架构与经济模式。

未来的智能体，将不再是被动响应，而是主动替用户跑任务、分配计算资源，把全场景的算力都用上。

智能体驱动终端变革，芯片计算架构迎来新范式

如今，全球有60亿部手机、20亿台可穿戴设备、20亿台个人电脑，以及5亿辆汽车。这些终端，不再只是跑个操作系统那么简单。它们正在成为7x24小时后台智能体的硬件载体。

这背后，是一场从芯片到架构的全面升级。

安蒙直指核心：“整个设备计算领域，我们看到的最大机遇，就是面向AI时代的全面升级。”

智能体能独立运行、持续留存上下文——这要求全新的硬件支撑。高能效的CPU、适配严苛功耗限制的NPU与GPU，这些部件的价值正在急速攀升。而这，恰恰是高通擅长的事。

从功耗低至2毫瓦的耳机（没错，那些配备微功耗Wi-Fi、能连接智能体的个人AI音频设备），一直到需要千瓦级算力的数据中心，高通都有覆盖。

“当所有设备都要为智能体AI的未来而变革时，这对我们和合作伙伴来说，确实是一个巨大的机遇。”安蒙表示。

为此，高通正在构建一套跨层级的专用计算方案——从毫瓦级一直延伸到2000千瓦。高通在智能手机、PC、车载计算和机器人领域的每瓦特性能优势，也正是向数据中心延伸的重要底牌。

智能体规模化落地：汽车、PC终端最新进展

手机、PC与个人AI设备

安蒙提到，智能体正在手机、PC以及一个全新品类——个人AI设备上部署，并且开始加速规模化。

• 像OpenClaw、Hermes这些智能体规划器，已经可以在骁龙平台上跑了。
• Claude Desktop智能体助手，也能在骁龙PC上本地运行。

趋势只会越来越快：用户会越来越多地把任务交给设备，设备也会更加自主地执行和调度任务。

与此同时，Perplexity Computer这样的云端平台正在构建连接终端的规划层；谷歌借助Gemini将智能体AI引入Android，微软也在做同样的事；高通的合作伙伴Humain甚至开发了一套完整的、运行于骁龙平台之上的智能体操作系统。这不是某个公司的独角戏，而是整个行业的合奏。

从屏幕走向物理世界

但这只是其中的一个故事线索。智能体AI正在从屏幕走向物理世界。

汽车、机器人、工业系统——这些将成为智能体AI的重要端点。但与消费电子不同，这些场景对时延、安全性的要求，是以毫秒和毫米来计算的，每一瓦功耗都容不得浪费。

车载领域的智能体层级

在车载领域，智能化分为两大层级：

• 座舱里的AI交互：是专属于你的个性化服务。
• 负责车辆自动驾驶的实体车载AI：是一套独立又协同的系统。它既基于车上情境信息和用户交互，又在道路上通过摄像头、雷达、传感器和地图进行感知、规划与执行。

车载摄像头的数据，一边传给行驶控制层用于自动驾驶，一边作为上下文信息同步给用户专属智能体，优化驾乘体验。

机器人：融合汽车要素的新型AI终端

说到机器人，安蒙认为它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层：

• 第一层：即时执行，类似维持身体平衡的那些下意识行为。
• 第二层：动作执行和情境交互。
• 第三层：逻辑推理。

这需要一套分层计算系统，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：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……安蒙认为，机器人在工业领域蕴藏着巨大机遇。

高通要做的，是提供硬件、软件、AI运维体系，以及机群管控与数据管理，帮助合作伙伴从原型走到量产。

演讲的最后，安蒙还宣布了一个新的数据中心品牌——Dragonfly，与消费性品牌Snapdragon、工业与嵌入式物联网品牌Dragonwing组成了新的产品家族。

6G构建智能体未来，Token经济学重塑AI产业

6G：首个专为AI时代打造的无线通信技术

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。它包含三大核心支柱：连接、分布式计算和感知能力。后两者，是过去通信领域从未有过的新能力。

连接是什么感觉？安蒙用一个比喻回答：你将戴上智能眼镜，所见即所及。这需要极快的上行链路。“6G会把所有人都变成移动的摄影机——你看到的画面，可以实时转换成高画质影片，传送到系统与云端。”它就是为了设备、机器、智能体与汽车之间，进行持续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——这不仅对连接性至关重要，也会成为整个系统的关键。

感知的作用则在于：射频信号将成为物理AI的输入，用于训练那些基于性能建模和优化的模型。效果是什么？每一个无线连接，都会像自动驾驶汽车上的雷达一样实时运作，而且你将一口气获得数以亿计这样的连接。

Token经济学：从对话式AI到智能体AI的爆发

安蒙指出，无论是应用还是SaaS行业，过去的软件都是为人类操作而设计的。未来不同了，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。这将彻底改变对词元（token）的需求。

趋势已经清晰：

• 第一阶段：对话式AI。单轮对话输入提示、获取回复，单次交互消耗约1万个token。
• 第二阶段：推理式AI。支持多轮对话，token用量大幅提升，每项任务约需10万个token。
• 第三阶段：智能体AI。可自主执行多步骤操作、调用多个工具，单任务token用量达到100万而且还在持续增长——短短两代演进，token消耗实现了约100倍的量级增长。

安蒙强调，按照这个趋势，到2030年全球Token消耗量将暴涨至当前的40倍。如果全部算力都上云，成本上根本撑不住。

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，可以节约30%到60%的Token消耗，综合成本降至原先的四分之一。这才是未来AI落地的务实路径。