这对应了 AI 产业竞争重心的变化。

未来的竞争不会只在模型参数上，也不会只围绕某一个入口展开。

智Neng体全面进入日常生活、企业生产和geng广阔的物理世界，必须运行在一张geng复杂的计算网络里。

设备、边缘、云、连接、软件和生态，每一层dou决定着它们Neng否真正落地。

基于上述判断，安蒙认为，智Neng体走向下一阶段，关键在于Neng否真正进入设备，并在真实任务中稳定高效地跑起来。

高通给出的答案是：计算连续体。

对于未来的智Neng体，一套串起终端、边缘和云端的分布式部署体系成为必选项。

不过随着智Neng体成为大模型应用的主要形态，它会持续运行、保留上下文、主动规划、多步执行，还可Neng在后台调用多个服务。

这就带来了一系列新的系统要求：

通过这场演讲，安蒙真正想讲清楚的是智Neng体走向geng广阔的现实世界所需要的新型基础设施：从个性化体验到大规模推理，从端侧Neng效到云端算力，高通希望借助「计算连续体」把所有必要的Neng力串起来。

说实话，这事儿不简单，哈哈！

多数人讨论 AI 时只kan算力，忽视连接。

但智Neng体的本质是协作，多个智Neng体之间需要低延迟、高可靠的通信来保持协调。

在这方面高通正致力于推进 AI 原生的 6G。

因此，高通并不是突然开始讲智Neng体。

geng准确地说它是在把过去几年积累下来的移动计算、连接、汽车和边缘计算Neng力，重新放到智Neng体这个新框架中。

简单来说这可Neng与网站的内容质量、结构化数据、robots.txt 文件设置等因素有关，咱就是说这些dou会影响搜索引擎的抓取和收录，害！

确保你的网站内容是有价值且原创的；检查并优化你的网站结构和 meta 标签；Zui后确保你的 robots.txt 文件没有误伤搜索引擎的爬虫，你懂的！

智Neng体不只存在于手机、PC 等个人终端，汽车、机器人、工业设备同样是智Neng体进入物理世界的重要端点。

比如在机器人侧，高通这次值得关注的是首次亮相的跃龙 IQ10 RRD 全栈机器人参考设计。

金山办公。

端侧硬件:智Neng汽车、手机、可穿戴设备等端侧推理兴起,如迅策与博泰车联、赛目科技合作,在智Neng座舱场景落地TokenOS,2026年有望带来数亿级Token调用收入。

Tokenb 消耗量大幅增加，主要是因为 Agent取代了传统大模型，导致单次任务Token消耗从几千飙升至百万级，不对不对，应该是需求端的变化，包括 C 端智Neng体普及、B 端生产级应用落地以及全球出海等！