在人工智能技术快速发展的当下，智能体正逐渐从简单的对话工具转变为能够主动执行任务的实体。这一转变不仅改变了人们与技术的互动方式，也重新定义了计算资源的分布与利用模式。高通公司首席执行官安蒙在Computex展会上提出“计算连续体”概念，试图通过构建一个覆盖从耳机到数据中心的广泛计算网络，为智能体的常态化运行提供基础设施支持。
传统软件的使用模式以用户主动操作为核心，而新一代智能体则具备全天候在线、自主拆分任务、跨系统调度等能力。这种转变使得同一台设备需要同时支持用户操作与智能体自主运行两种模式，对硬件性能提出了更高要求。以智能手机为例，在满足用户日常使用需求的同时，还需为后台运行的智能体预留计算资源，这对设备的功耗管理和响应速度构成了双重挑战。
智能体的常态化运行引发了关于计算资源部署位置的深入讨论。完全依赖云端处理虽然可行，但在成本、延迟和隐私保护等方面存在明显短板。高通通过实际案例分析指出，将部分计算任务分流至终端设备可显著降低token消耗——在特定编程任务中，这种混合部署模式使成本降低了60%。随着全球设备数量持续增长，预计到2030年每十秒产生的token数量将达到万亿级别，这对计算架构的优化提出了迫切需求。
终端设备计算能力的提升为这种转变提供了技术基础。2023年时，端侧模型性能、专用处理单元软件栈及应用生态尚不成熟，但到2026年，小规模模型、多模态感知和跨设备智能体框架等技术取得突破性进展。这使得终端设备从单纯的功耗优化载体，转变为能够独立完成情境感知、决策制定和任务闭环的关键节点。高通强调的“每瓦性能”指标，正是这种技术演进方向的集中体现。
作为移动计算领域的核心供应商，高通正在将其技术优势扩展至更广泛的计算场景。其推出的骁龙X2 Elite平台首次进入桌面计算市场，华硕等厂商已基于此开发出迷你PC产品。在机器人领域，高通发布的Dragonwing IQ10参考设计集成了700TOPS算力、18个Oryon CPU核心及专用安全模块，为行业提供了完整的开发套件。这种从芯片到系统解决方案的转变，体现了高通构建跨层级计算生态的战略意图。
汽车行业成为这种技术融合的典型案例。高通将座舱交互与驾驶辅助系统整合为统一的AI架构，通过分层处理模式优化算力分配。这种设计理念同样延伸至工业和城市管理领域，智能摄像头既能监测安全合规，又能分析交通流量并触发相应措施。尽管不同场景对算力的需求差异显著，但底层技术架构保持着高度一致性。
在通信技术层面，高通将6G定义为首个为AI时代设计的无线标准，在传统连接功能基础上增加了分布式计算和环境感知能力。这种变革使无线网络能够主动收集物理世界信息，为智能体提供更丰富的情境数据。软件生态的配合也在加速推进，主流AI模型均已实现对骁龙平台的支持，多家合作伙伴正在开发专门的智能体操作系统。
数据中心的战略布局是高通计算连续体的重要组成。虽然新品牌Dragonfly的具体参数尚未完全公开，但该公司已确认与多家超大规模云服务商展开合作。这标志着高通在2017年服务器芯片尝试后，通过收购Nuvia团队重新进入该领域，试图将终端设备积累的能效优势延伸至数据中心市场。
财务数据印证了这种战略转型的成效。最新财报显示，高通汽车和物联网业务收入同比增长20%，其中汽车板块创下单季度收入新高。这种增长态势反映出计算需求正从智能手机向更多设备类型扩散，为高通构建跨领域计算网络提供了市场基础。当前，云服务商向边缘计算延伸与终端厂商向云端拓展形成交汇，智能体成为双方技术路线融合的关键节点。
在这场计算架构的重构中，设备设计、芯片架构和资源分配模式都将发生根本性变化。高通提出的计算连续体概念，本质上是对AI产业链价值分布的重新定义。当计算资源不再集中于特定节点，而是形成动态分布的网络时，整个行业的技术路线和商业逻辑都将面临深度调整。这种变革不仅关乎技术实现，更将决定企业在智能时代的位置坐标。
