个人AI的「三道坎」：算力之外，内存续航与生态协同更棘手

事件概述

近日，在财新圆桌活动上，高通与IDC联合发布了《从AI设备到个人AI：智能体驱动的终端进化与产业重构》白皮书。IDC中国副总裁王吉平指出，2026年手机市场预计下滑约13%，PC市场下滑约11%，而智能眼镜、Mini PC等新型终端正在增长。IT产业将从“AI for device”（给设备加功能）转向“AI for user”（以智能体为核心、围绕用户调度多终端算力）。高通公司产品技术专家朱元堃强调，端侧AI的核心价值在于让AI真正理解个人——包括感知、记忆、推理和工具执行，而云端无法独立完成感知与记忆环节。

核心信息

• 个人AI的关键差异是“上下文”：真正的个人AI需要感知用户环境、记录个人历史、基于当下情境理解意图。这些数据在手机、PC、眼镜、耳机等距离用户最近的终端上，而非云端。
• 内存与续航是比算力更紧的瓶颈：朱元堃表示，端侧智能体的主要限制是内存和续航，而非性能。模型参数量、个人记忆和上下文都占用内存，而LPDDR5X升级到LPDDR6可使内存带宽提升约50%。低功耗持续感知（如通过传感器中枢Sensing Hub）是关键工程难题，需各计算单元在能效最优单元上运行。
• 跨设备协同并非技术问题，而是生态协同问题：手机、PC、眼镜等多终端协作面临品牌、操作系统、模型利益链的割裂。王吉平指出，当前最大短板是“安全问题”——全时感知需要摄像头、麦克风、位置等敏感数据，用户必须能控制设备记住什么、向谁共享。

值得关注

• 高通提出横向平台路线：通过Oryon CPU、Adreno GPU、Hexagon NPU、传感器中枢以及统一AI软件栈，为不同品牌终端提供共同计算底座，与苹果、谷歌的纵向生态路线形成对比。
• 个人AI的终局是分布式系统：端、边、云协同，算力、感知、连接和跨终端部署能力将成为竞争核心，而非单一NPU峰值算力。
• 隐私与信任是产业化前提：用户需要能掌控个人记忆在不同设备间的流转权限，否则持续感知可能从个性化服务变成风险源。