《科创板日报》8 月 5 日讯（记者 黄心怡）从豆包到千问，从手机到汽车，大模型正在走出云端聊天框，迈入物理世界。

最新的车机软件更新显示，特斯拉中国在部分新交付车型车机中上线基于豆包大模型的智能语音助手。而多位知情人士向《科创板日报》记者透露，千问已进入特斯拉中国车机的深度测试阶段。

与此同时，全球的终端巨头都在进行相关探索。谷歌将 Chrome OS 与 Android OS 整合至其操作系统，凸显了 Gemini 智能体在顶层 AI 设计中的核心地位。英伟达也推出了为个人智能体打造的端侧处理器。在国内，中兴通讯、阶跃星辰等纷纷布局 AI 智能体手机，荣耀首款机器人手机 Robot Phone 发布在即。此外，包括苹果智能在内的 7 款手机端侧 AI 模型服务首次完成备案。

多名业内人士对《科创板日报》记者表示，当前端侧 AI 正从 L2 级助手协同向 L3 级任务代理演进。行业正从传统终端单品的 AI 化，演进为整个终端生态的 AI 化，智能体发展的新周期已经到来。不过，续航瓶颈、隐私安全与生态协同等挑战仍未真正跨越，成为制约规模化落地的关键变量。

▍市场遇冷，AI 终端逆势上扬

传统终端市场正经历产业发展的阵痛。据 IDC 最新数据 ,2026 年全球智能手机出货量预计将同比下降 13%，约减少 1.6 亿部，总量降至约 11 亿，其中安卓手机降幅约 20%，而 PC 降幅约 11%。

但另一条市场曲线逆势上行。IDC 预测，2026 年中国 AI 手机出货量将达 1.47 亿台，同比增长 31.6%，在整体市场中的占比突破 53%；全球 Gen AI 手机出货量预计达 4.32 亿台；端侧 AI 市场规模预计突破 8000 亿元。

IDC 中国副总裁王吉平将这一结构性反差概括为 "AI 超级大周期 "，寒冬与机遇并存，产业正站在从传统单品向 AI 原生生态过渡的临界点。

" 此前更多强调 AI for device，例如实现 AI 照片修复、AI 文档处理或 AI 翻译等功能。如今，无论是翻译器还是手机，终端本身正在经历演进的过程。行业正从‘ AI for device ’转向‘ AI for user ’——以用户为中心的 AI。" 王吉平称。

高通公司产品技术专家朱元堃也表示，未来，所有的设备都将成为智能体的端点，实现跨设备的交互体验，而这是一种以用户个人为中心的智能连接。

" 我们希望行业能够逐步达成共识，打破现有壁垒，实现设备端底层的连通。这种底层的连通，看似是所有设备之间的互通，但其核心连通的是一个具体的人，也就是‘ Connecting You ’。所强调的不再是人与人之间的连接，而是以用户个人为中心的智能连接。这代表着一个全新的、个性化且以用户为中心的行业趋势，同时也是一个行业共同追求的目标。当这样的生态得以构建，AI 智能体将重塑现有的工作流程。以往是人去操作机器，而现在，希望设备能够真正理解用户，并提前为用户进行规划。"

▍云侧集中走向端云协同

终端真正具备个人 AI 能力，离不开对智能体底层能力的系统拆解。高通公司产品技术专家朱元堃表示，智能体体验可划分为四个基础模块：感知、记忆、推理与执行。感知是智能体的 " 五官 "，去听、去看、去感知周围环境；所有感知信息需要被沉淀为 " 记忆 "，形成对个体长期、全方位的理解。感知和记忆相结合，能够形成对个体的全方位了解。只有这样，才能更好地理解用户、服务用户。" 在此基础之上，智能体最终调用工具完成具体任务执行。

这四个模块并非停留在软件逻辑层面。朱元堃强调，它们指明了芯片硬件平台、软件架构，以及未来操作系统的演进方向，是未来产品化、工程化研发中必须突破的技术路径。换言之，感知、记忆、推理与执行的闭环，正在从应用层下沉为底层计算架构的设计纲领。

王吉平则从产业落地的视角补充了两大驱动因素。他表示，个人 AI 的规模化落地，核心依赖算力、算法与模型的持续迭代。一方面，模型与算法需要进一步优化；另一方面，端侧 NPU 的浮点运算能力仍需提升，因而推动异构计算架构的演进是当前阶段的硬性要求。模型算法迭代与算力架构升级的双轮驱动，构成了个人 AI 落地的重要力量。

与此同时，算力分布格局也在发生结构性变化。王吉平观察到，算力正从集中于单一端侧或云端，逐步走向端云协同。今年春节以来，行业热议的 AI 工作站、AI 边缘主机等概念，均折射出这一趋势。传统终端的概念已被拓宽，不再局限于 PC、平板电脑或手机。终端还可以成为重要的边缘侧算力载体，为家庭或办公场景中的各类设备提供更强的算力支持。随着终端 AI 化程度加深，计算架构从云侧集中逐步走向端云协同，并进一步演进为端、边、云协同。

王吉平还提到了 AI 吊坠这一品类值得关注。"很多厂商正在布局 AI 吊坠这个领域，因为可能针对不戴眼镜的用户，那吊坠可能是另外一个选择。"

▍挑战犹存：续航、隐私与生态

当前端侧 AI 的规模化落地，仍面临多重瓶颈的制约。全时感知作为个人 AI 价值产生的关键能力，首当其冲遭遇续航挑战。

" 人类的感知，不能只是直接抵达最终的结果，个体一生的记忆和体验的增量过程至关重要。这就是全时感知的重要性。" 朱元堃进一步解释，要打造一个能够持续感知、持续理解用户的 AI 智能体环境，有一定的技术挑战，尤其是续航问题，我们正在积极寻求解决方案。因为只有具备全时感知的可能，AI 智能体才有可能掌握用户的思考链条，真正构建一个最了解你自己的 ' 你 '，并最终服务于 ' 你 '。"

王吉平也提到了续航的重要性。"为了实现用户与 AI 智能体之间 7 × 24 小时不间断的服务与交流，终端产品还需要兼顾低功耗和长待机。"

如果说续航是可量化的工程难题，隐私安全则是一道关乎信任的底线命题。王吉平提醒：" 随着智能体 AI 生态的发展，需要越来越关注产品的安全性。无论是眼镜的摄像头，可能会推出的智能耳机的传感器、各种语音设备，这些终端都和个人隐私、个人信息安全相关。保障个人信息不被泄露，并在系统运行过程中有针对性地使用相关信息，将成为未来 AI 终端非常重要的能力。"

而这一切都依赖于产业生态的系统性协同。王吉平呼吁供应链厂商，包括芯片厂商与底层方案厂商，要提供全方位软硬服一体化的解决方案，让终端厂商更容易实现落地。终端厂商要跳出单一个人主义、单机配置的思维方式，从软、硬、服形成一个闭环经济，打造未来新的盈利模式。大模型厂商和应用开发商则需要思考怎样帮助终端厂商实现端边云分布式的架构，并在不同场景实现落地。

朱元堃表达了同样的立场。他表示，如今，AI 正在重新定义终端，也在重新定义计算。不同终端对算力和功能的需求不同，比如 AI 眼镜侧重感知、长续航与低功耗；手机则需要兼顾密集的算力和长续航；PC 在具备更强续航的情况下，可以运行更大的模型，是重要的生产力工具；对于汽车，需要全时感知，从而支持更多的驾驶辅助功能。这场由智能体驱动的个人终端产业变革，单凭一家企业无法完成，需要依靠全产业协同共建。