在MEET2026智能未來大會上，高通公司AI產品技術中國區負責人萬衛星分享了關于終端側AI與混合AI的前沿思考。他指出，AI應用正經歷從感知到生成，再到智能體，最終邁向物理AI的演進過程。目前，行業正從生成式AI向智能體AI過渡，這一轉變標志著AI技術向更自主、更復雜的方向發展。
萬衛星將AI應用的演進劃分為四個階段。感知AI作為基礎階段，已在終端設備中實現廣泛應用。隨著ChatGPT等技術的興起，生成式AI成為第二階段，其核心是通過大規模數據預訓練，在人類監督下完成特定任務，如文本生成、圖像創作和翻譯等。第三階段是智能體AI，它能夠在無需人類干預的情況下自主行動、預測意圖并編排任務。目前，產業正處在這一關鍵躍遷期。第四階段為物理AI，AI將具備理解真實物理世界并做出相應反饋的能力，這一領域尚處于研究初期。
終端側AI的發展呈現出顯著趨勢。模型尺寸不斷擴大，手機已支持近百億參數的模型部署，PC支持約200億參數，車載場景則可支持200億至600億參數。模型質量同步提升，支持思維鏈和推理能力的模型已能在端側運行。上下文處理能力從兩年前的1K-2K增長至今年的8K-16K，特殊場景下甚至可實現128K的端側部署。模態方面，終端AI正從單一文字向文本、圖片、視頻、音頻等多模態，乃至全模態交互演進。
端側運行AI的優勢在于個性化服務。數據在終端產生，本地推理既保護隱私又無需聯網，且完全免費。然而，這一模式也面臨挑戰：終端內存限制模型參數量，帶寬影響推理速度，高集成度設備的功耗控制尤為關鍵。為突破這些瓶頸，高通通過量化壓縮技術將模型精度從8 bit降至2 bit，顯著減少內存占用；采用并行解碼技術提升token生成速率；利用先進NPU和異構計算架構推動AI服務從被動響應向主動個性化轉變。
智能體AI的典型用例展現了其復合性與主動性。例如，用戶可通過自然語言指令智能體發布微博：系統理解意圖后，自動打開應用、搜索照片、添加濾鏡并完成發布，全程無需人工干預。用戶還能通過交互監測回復并執行點贊或評論等操作。這一用例在驍龍峰會上全程端側運行，驗證了技術可行性。高通的芯片已覆蓋智能眼鏡、PC、汽車、手表和IoT設備，支持驍龍設備間的智能互聯。算力較小的設備可通過連接手機或汽車，共享本地數據，實現分布式個性化推理。
混合AI被視為未來發展方向。終端側運行垂類高效模型，提供安全、個性化的服務；云端部署大尺寸模型，提供通用、強能力的支持。高通憑借低時延、高速且安全的連接技術，確保端云協同與連接，為AI體驗的升級奠定基礎。
