大家好，这里是最佳拍档，我是大飞。今天来聊一个我最近反复看了两遍的访谈，嘉宾是高通总裁兼 CEO 克里斯蒂亚诺·安蒙（Cristiano Amon）。他 1995 年以工程师身份加入高通，管过半导体业务，主导了 5G 战略。现在带着公司往 PC、汽车和数据中心的方向走。硅谷科技商业播客《Sources》的主持人亚历克斯·希思（Alex Heath）跟他聊了将近一个小时，话题从中美 AI 落地差异一路聊到了 6G 通信架构。我挑几个觉得值得展开的点跟大家聊聊，先说一个安蒙提到的差异。

高通在中国有庞大的骁龙用户群，所以他对两个市场的体感是很直接的。中国市场里 AI 往终端设备上渗透的速度很快，消费者对新交互方式的接纳度也高。而美国那边，产业讨论主要集中在前沿基础模型的研发和企业级生产力工具的部署上。安蒙参加高通在中国办的峰会时，对中国用户对骁龙品牌的热情感受很深。这个品牌认知度给了高通一个独特的窗口去同时观察两个市场，两国对 AI 未来的预期也不太一样。

美国民调显示公众对 AI 的情绪偏谨慎甚至负面，安蒙的解释是任何底层技术跃迁都会带来不确定性。回顾过去几次通信和计算架构的代际演进，类似的讨论也都出现过。他举了个例子：高通内部在运营支出基本持平的情况下可以推进多条新业务线，靠的就是 AI 工具在芯片研发设计中的提效。当然，生产力工具对就业结构的重塑是一个全球的共性议题。

美国还有一个比较特殊的讨论点就是数据中心的能耗上限和电力供应约束，公众会担心这是否推高公用事业的成本。不过像这类围绕电力承载力的讨论在中国相对少一些，产业界更多把 AI 当作终端体验自然迭代的关键模块。尤其是对物理 AI 和边缘计算的关注度很高，安蒙说道整个人工智能产业目前仍处于极其早期的阶段。

他打了个比方：就像互联网发展的初始节点一样，如果在当年断言 AltaVista 已经终结了搜索引擎竞争、MapQuest 统治了电子地图，显然不符合产业发展的客观规律。因为如今底层的模型范式和上层的应用形态都还没有定型。这个判断从他嘴里说出来还是有点分量的，毕竟高通是芯片层供应商，跟产业链上下游都有接触。

关于 AI 监管，主持人问到了海外科技界关于是否需要放缓前沿模型研发节奏的讨论。安蒙的观点是答案不在任何一个极端，既不可能完全停滞也不应该缺乏秩序。基础技术的路线图演进需要持续的投入，工程上的防护边界也必须前置建立。他特别强调了一个被讨论较少的现实风险就是网络安全：数字化边界在扩张，软件系统的攻击面成倍放大。

一旦高能力模型被用来自动化漏洞挖掘，网络防护体系就会面临实质性威胁。从高通的视角来说他们在硅片底层构建安全锚点和控制逻辑，确保数据权限的硬隔离。比如用户信息的安全存储、个人记忆图谱是否留存的决定权，都需要在芯片层面提供确定性的硬件安全机制。

安蒙今年 5 月随经贸代表团访问过中国，主持人问他在高层商业对话中体会最深的是什么。他说半导体产业如今客观上处于全球地缘与经济讨论的焦点位置，AI 是所有关键议题的技术背景。产业层面对于构建负责任的技术生态有明确共识。从商业协作角度看，中美科技企业之间长期形成的供应链协同与商业合作关系是全球科技产业稳定运转的基石。

高通会继续发挥这个作用，接下来聊到了智能手机。这部分安蒙的分析挺细的，先把几个关键数据摆了出来：到目前为止全球智能手机大盘仍然没有恢复到 2019 年疫情前的出货规模。目前的市场规模某种程度上是被宏观供应链压着的，普及率见顶之后市场自然过渡到了以存量置换为主的成熟阶段。

安蒙说他从 1G 时代参与通信研发至今经历过每一个通信代际的演进，技术周期末期向替换型市场收敛是必然规律。但是话说回来这依然是一个每年出货 12 亿部的成熟市场，即便没有颠覆性功能的刺激，高频使用的设备在两到五年后也会形成固定的换机需求。在大盘之下产品结构也发生了明显分化，高端及旗舰机型在总出货量中的占比逐年都在涨。

原因是用户在移动终端上处理的任务复杂度和频率还在提升，PC 依然承担大量的生产力工作。但是随着 AI 的引入越来越多原本依赖 PC 的高负载场景正在逐步往手机迁移。至于今年的大盘承压，安蒙说主要推手在供应链端：移动端内存等关键部件的价格涨了 5 到 6 倍，对成本敏感的大众中低端机型挤压严重。

高端机型溢价空间大抗风险能力强一些，入门级产品受制于物料成本出货量收缩明显。这种被供应链成本压抑的需求伴随端侧 AI 架构落地有望在下一轮周期中得到逐步释放。安蒙的原话是：当端侧 AI 带来的交互重塑与接下来的 6G 技术演进形成共振时，终端设备的价值量会被行业重新审视。

手机仍然是规模最大的成熟开发生态平台，用户要获取 AI 算力与服务移动终端仍是核心入口。然后就到了一个关键的分歧点，主持人提到类似 Muse、Grokbot 这些智能体产品底层主要是运行在云端虚拟机里的，大量 Token 消耗和计算逻辑都由云端完成。如果未来主流的 Agent 服务主要基于云端推演，端侧芯片的算力还有那么必要吗？

安蒙透露了一个信息：部分头部 AI 机构向高通提出的芯片演进路线有明确诉求，他们希望到 2028 年移动终端能够在本地常驻并且高效运行至少 1000 亿参数规模的大模型。甚至部分软件生态厂商也在通过合作探索自有硬件形态，比如字节跳动联合努比亚推出的豆包 AI 终端。行业对把智能体部署在终端入口这件事已经有了清晰认知。

安蒙认为把云计算和边缘计算截然对立起来在工程上不成立，极端复杂的超大规模计算需要依托云端数据中心完成。而跟用户高频交互、依赖低延迟响应的特定任务必须由端侧芯片即时处理。他用了一个很直白的类比：一台设备上可能装了几百个应用，用户不需要区分哪些在本地运行、哪些在云端调用。

但是一旦网络断了体验就明显受阻，更关键的变量是交互摩擦力和情境感知。如果一个面向日常任务的 Agent 每次交互都要等云端往返通信，延迟会极大削弱实用价值。用户真实的上下文数据包括私人图谱、传感器实时流以及对本地应用的操作权限物理上全在终端上。因此端侧算力是确保这些本地情境被安全、即时调用的基础。

安蒙不认同终端硬件会退化为轻量级接收壳体这种设想，他给了两点依据。一是回顾计算技术发展史：当年 Palm webOS 推出时行业里也盛行过所有计算都将转向网页端、硬件只保留浏览器外壳的观点，但是随后原生 App Store 生态的大爆发证伪了这条路径。二是开源权重模型的大规模普及正在推动本地化部署快速增长。

从头部加速计算公司的业务构成也能看出来，除了超大规模公有云厂商之外私有化部署、主权 AI 基础设施与垂直云占据了相当体量的算力份额。一旦产业接受了本地化私有部署混合计算的逻辑就顺理成章：部分计算保留在本地，部分交付云端。而本地算力的物理终点必然会从服务器和 PC 进一步延伸至个人移动终端。

那到底什么是真正的 AI 手机呢？安蒙说这个定义在智能体具备了系统级的执行能力之后才会变得清晰。这不是在系统里加个问答对话框就完了，而是用户发出一个综合性任务指令后终端操作系统能够自主进行任务分解：决定哪些用本地模型、哪些调用云端，再结合本地的个人记忆图谱完成端到端的事务处理。

本地传感数据与私域上下文只存在手机端，智能体可以基于这些输入直接操作本地的各类软件。安蒙把目前的产业发展阶段定义为第一阶段：各手机品牌主要在原有 OS 之上增加若干独立的 AI 增强功能，本质上还是传统智能手机的局部功能叠加。下个阶段的关键在于系统级调度器的建立以及向第三方开发者生态的开放。

未来不同领域的垂直 Agent 与技能模块需要跨越孤立的应用边界在系统底层横向互联。他又拿移动互联网做类比：初代 iPhone 和 Android 推出时传统手机厂商也曾认为系统自带的十几个软件完全可以被模仿，但是智能手机真正的变革力量来自随后繁荣起来的第三方应用。AI 手机的演进也会遵循类似逻辑：底层软硬件框架搭建就绪后，应用生态的创新会从根本上重构系统的交互范式。

聊完手机主持人转向了可穿戴设备，安蒙把不同形态分开来看：VR 在硬件属性和使用习惯上更接近沉浸式游戏主机的细分市场。早期行业叙事曾把它当成下一代的通用计算平台，显然预期给的是太高了。但是从物理形态和交互习惯来看并不适合全天候移动携带。介于两者之间是融入环境感知与透视技术的混合现实，在移动穿戴场景中安蒙认为最具大众化确定性的形态是智能眼镜。

安蒙说智能眼镜的快速成熟靠的不是光学显示技术的突破，而是多模态生成式 AI 融入带来的质变。目前智能眼镜市场的出货规模已达数千万台量级，高通的合作开案数量大约是 40 款。早期智能眼镜本质上是相机的延伸，主要用于第一视角拍照和短视频记录。引入多模态模型后设备能基于视觉输入做实时翻译、对象识别、上下文导航，变成了高频的个人信息助手。

如果相信 AI 是新的人机交互界面那么距离人眼、耳和口最近的眼镜形态在交互效率上确实有独特的物理优势。从消费电子工程角度看安蒙给出了智能眼镜规模化普及需要满足的几个硬条件：整机重量得控制在 35 克以内，基础续航要达到 6 到 10 小时外观设计得符合大众日常佩戴的美学标准。他特别提到高通研究团队做的一个小应用：在眼镜里放一个小模型加载了公司通讯录，走动时就能实时识别面前的人是谁。

智能眼镜的优势在于“所见即所得”的环境理解，智能手表依然有不可替代的健康监测价值。而类似胸针、挂坠或带摄像头的耳机等新型设备行业目前还在早期的实验阶段。主持人追问是否还会出现能被数百万用户使用的全新终端品类，安蒙觉得有这种可能性难点在于最终物理形态会以什么方式被大众接受。

他说这有点像数字音频普及前夕的探索期：Walkman 或 iPod 出现之前大众很难预设随身携带独立音频设备的需求。所以新硬件形态的爆发通常得具备几个条件：包括功能确定、用户信任、交互摩擦力低。只要有创新产品同时跨过了这些工程门槛新的硬件品类就有机会成立。

再来看高通的数据中心策略，安蒙说高通的基因来自移动计算在高能效算力架构上有深厚的工程积累。公司多元化遵循一条明确的技术延展逻辑：从移动芯片逐步拓展到高算力 PC，再延伸到智能汽车用于支持 L2+ 到 L4 级自动驾驶的算力芯片。架构规模和复杂性已经达到了服务器级处理器标准，高通在这个过程中积累了研发大型高性能计算平台的技术资产。

安蒙说数据中心计算架构的供需关系正在发生改变：早期产业对通用 GPU 高度依赖，随着模型推理在整体算力消耗中的占比大幅上升数据中心客户对能效比和总体拥有成本的敏感度明显提高了。计算任务本身也在被拆分为预填充与解码等不同负载阶段，数据中心面临的物理瓶颈正在转向电力供应。

而高通长期的工程研发前提就是围绕严苛的能耗受限场景实现极限性能输出，因为把低功耗高性能架构拓展到功耗受限的数据中心推理与通用计算领域是技术逻辑的自然延伸。关于收购 Modular，安蒙对克里斯·拉特纳及其团队评价很高：说他们在底层软件与编译器工程领域有行业公认的深厚积累，LLVM 和 Swift 都是拉特纳的手笔。

双方能合作是因为对未来算力基础设施开放性有共同的认知，高通的理念是通过标准化底层技术推动产业的规模化扩张。当前的 AI 计算领域软件栈事实上存在较强的封闭生态绑定，但是随着 AI 算力不仅部署于大型机房还广泛分布于汽车、PC、移动终端及各类边缘节点，开发者面临着高度复杂的异构硬件环境。

在成熟的软件工程中 Linux、Kubernetes 或 Android 都充当了开放和中立的底层统一平台，而当下的 AI 架构正缺这样一层通用解耦方案。Modular 的目标就是打造兼容异构硬件的现代软件层，高通明确了该软件框架会基于 Apache 2.0 协议向全球开发者开源。安蒙说他们支持该框架适配运行包括英伟达、AMD、博通及英特尔在内的各类芯片平台。

高通会为每一个在英伟达或 AMD 芯片上的 Modular 部署叫好，只有推动行业建立统一的开放软件标准降低开发者的迁移门槛整个计算生态才能回到比拼底层硬件性能、能效比与工程架构的公平竞争上。作为数据中心领域的后来者推动软件层的开源与解耦是高通发挥自身硬件能耗优势的前提。

最后聊到 6G 的话题，安蒙先是客观评估了 5G 的贡献：从网络运营与数据消费的成本来看没有 5G，全球电信运营商在经济模型上完全撑不起大规模的无限流量套餐模式的普及。大容量高清视频流媒体的普及也是建立在 5G 带宽能力之上的。通信产业的演进有一个规律叫奇数代奠定基础、偶数代释放红利：2G 实现了数字语音的全球覆盖，4G 推动了移动宽带与智能手机生态的大爆发。

6G 在技术预研之初底层架构就是面向物理 AI 与高阶智能体生态设计的。在终端功能层面，6G 的一个关键突破是实现了全覆盖区域内超高规格视频与传感数据的大上行传输。核心价值在于支持智能眼镜等下一代穿戴设备持续向云端或边缘节点同步实时的物理环境信息。安蒙说 6G 会把所有人都变成行走在这个世界上的摄像头，持续的上行高清视频会为模型提供“见我所见”的实时环境上下文。

但是更根本的变化是 6G 网络把通信基础设施和物理感知计算深度融合在了一起。基站与终端之间高频交互的无线电磁波信号不只负责传输有效数据载荷，它的信号物理特性本身将被用作分布式雷达传感器。全球海量的蜂窝连接网络将构成一个实时感知物理世界的分布式雷达系统。比如在低空经济领域成规模运行的无人机空域管理与动态监控可以直接依托 6G 基站网络实现空间定位与轨迹感知。

网络对动态物体、交通流及物理空间变化的实时建模数据将直接作为物理世界模型与具身智能系统的底层输入。通信网络从最初的语音连接发展到数据包传输，在 6G 架构下会进一步变成分布式 AI 算力与环境感知的数据底座。安蒙也给出了 6G 的几个关键时间节点：2028 年洛杉矶奥运会期间高通将正式向全球展示 6G 端到端的技术原型与端侧演示。

芯片工程实现层面相关基础能力预计在 2028 至 2029 年前后的下一代骁龙平台中验证。2029 至 3010 年行业将出现早期商用测试与原型网络部署，面向消费级市场的大规模商用落地预计在 2030 年之后逐步展开。安蒙最后说道：现在所有人都在谈数据中心，没人想聊手机市场直到 AI 超级换机周期到来的那一天加上 6G 的共振关于手机的讨论才会重新热闹起来。

手机不会消失，它是人类有史以来创造的最大规模的开发生态平台。人们不会走到数据中心去敲门说给我点 AI，但是你会通过移动设备来获取这些能力。当然这个判断是否成立可能需要几年时间来验证，但是端侧算力和云端算力之间的关系确实不是谁取代谁那么简单。那么大家觉得未来的 AI 手机会是什么样子呢？是会像安蒙说的那样靠系统级 Agent 调度和第三方生态重构交互，还是会像云端智能体那样直接绕开手机硬件呢？欢迎在评论区留言讨论。感谢收看，我们下期再见。