一家餐厅的名字，藏在早上的一段聊天里。到了晚上，用户不想再翻记录，只告诉手机：找到那家餐厅，把信息发到指定群聊。峰会演示中，智能体读取本地对话记录，找出餐厅，打开WhatsApp并准备好消息，随后询问是否发送。

这是热点科技在夏威夷参加2026年骁龙峰会时，值得记下的一类场景。更关键的变化发生在手机内部：智能体的模型推理、个人记忆处理与任务编排，正由骁龙平台直接在本地承接。手机可以自己理解需求、决定下一步，再操作应用。智能体AI成为今年最大的亮点，既因为它开始替人做事，也因为支撑这些动作的计算正在回到用户手中的设备。

高通将智能体AI放在本届峰会的中心位置，手机、PC与可穿戴设备共同进入讨论

9月22日至24日，从首日移动平台发布，到第二日个人AI、音频与PC主题演讲，再到后续技术体验，峰会逐渐拼出一条完整路径：设备先理解用户当下的处境，再调动模型与应用完成任务；手机负责汇集情境，眼镜和耳机提供更自然的入口，PC承接更复杂的工作。

当然，5GHz移动CPU、300亿参数端侧模型和新一代图形技术依然足够抢眼。但把三天的内容放在一起看，高通更想回答的是：如何让智能体在手机本地高效运行，既能调用个人信息，又能迅速响应，并把功耗控制在移动设备可以接受的范围内？这也是第六代骁龙8超级至尊版最值得展开的优势。

这也改变了我们衡量AI手机的方式。能否回答一个问题，已经不足以说明体验好坏。更关键的是，它能不能少让用户解释一次背景，少切换几个应用，并在涉及发送、预订和付款时，把决定权清楚地交还给人。

个人AI开始争夺记忆与执行能力

一声“Aloha”之后，今年峰会甚至把AI助手放进了参会流程。开场演讲介绍，参会者可以通过短信、WhatsApp和微信询问当天日程，或要求总结主题演讲。这种入口很朴素：先出现在人们熟悉的工具里，再去解决眼前的问题。

Memories.ai演示从个人记忆中查找租车与酒店信息，手机承担跨设备记忆汇集的角色

更深入的个人化体验，来自Memories.ai的演示。笔记本上的工作内容、智能眼镜记录的现实场景，被组织成可查询的记忆；当演示者询问租车地点和酒店时，助手能够利用此前接触过的信息作答。展示界面既有时间线，也有人物、项目和公司之间的关联，并提供删除特定记忆的操作。

这里的变化是，AI不必等用户每次重新输入背景。旅行预订在哪里、之前关注过哪家餐厅、某个项目与谁有关，都可能成为后续任务的起点。按照演示方的介绍，相关视觉理解和记忆索引在本地运行，手机是跨设备记忆汇集的中心。这样一来，调用个人记忆不必每次都先上传原始内容，骁龙手机也从访问AI的入口，进一步成为运行个人AI的计算终端。

AGI则把重点放在执行层。前述寻找餐厅并准备群聊消息的演示，连接了Personal Scribe个人记录与应用操作。另一段展示让佩戴眼镜的用户识别耳机，再到购物应用中寻找商品。对普通人而言，这类体验的价值很直观：不必先把一个生活需求翻译成若干应用里的操作步骤。

第三天的Liquid AI演示进一步尝试主动建议：把跑步节奏、手表信号和对话中提到的不适联系起来，为调整后续运动安排起草消息。这里需要分清，演示的是结合情境提出建议，不能据此把设备视作能够作出医学诊断的工具。

热点科技更关注这几种能力之间的衔接。记忆让AI知道背景，执行让它能做事，情境判断决定它什么时候该出现。手机厂商下一轮差异化，很可能就发生在这三个环节之间。模型能力相近时，谁能准确保留有用信息、减少错误动作，谁才更有机会成为用户每天愿意调用的助手。

手机本地运行是这轮智能体升级的关键

理解这届峰会，首先要看清AI究竟跑在哪里。针对手机端智能体，高通重点展示的是本地计算能力：个人信息的理解、记忆检索、模型推理和操作规划可以直接在骁龙手机上完成。它们并非把手机当作一个聊天界面，再将所有处理交给云端。

AGI展示基于第六代骁龙8超级至尊版的执行层，模型和推理引擎直接在手机上运行

AGI的演示把这一点说得很明确。演示者开启飞行模式后，继续展示模型在手机上判断操作步骤并执行本地任务，并介绍其定制推理引擎直接运行在骁龙平台上。这类过程不需要等待云端模型返回结果，也不会因暂时缺少网络而失去本地推理能力。涉及消息实际送达或在线服务的步骤，则仍需要相应连接。

300亿参数MoE办公助手是另一条更完整的证据。根据四方合作资料，从理解邮件到安排日程、整理建议和草拟邮件，演示中的模型处理全程在手机本地完成，无需云端调用。Liquid AI则强调，在设备上实时构建与更新个人情境，再由本地智能体据此提出建议。不同方案承担的任务不同，但都在把更多推理工作留在用户身边。

这样的部署首先减少了反复上传个人资料的需要。其次，本地处理不必等待云端模型请求的网络往返，更适合需要及时反馈的连续交互。对于高频调用，端侧计算还可以减少对按次计费云端推理的依赖。代价则是手机必须真正承担算力、内存和能耗压力，这恰好是新一代骁龙架构升级要解决的问题。

这里有一个容易混淆的地方：本地推理与联网办事可以同时存在。智能体在手机上决定怎样搜索商品，不代表购物平台也装在手机里；本地规划好行程，也不代表机票库存无需联网查询。把智能处理留在本机，再按任务访问外部服务，是这些体验更现实的工作方式。

因此，骁龙全新手机芯片的价值不止是“能跑大模型”。Oryon CPU负责组织任务，Hexagon NPU处理模型，GPU参与适合它的运算，存储系统保障权重与上下文的数据供给。让这套流程在一部手机里顺畅运转，才是本届峰会把智能体AI推到中心位置的技术底气。

5GHz之外更值得看的平台变化

为承接这些工作，高通今年首次推出骁龙8至尊版双旗舰：第六代骁龙8至尊版，以及定位更高的第六代骁龙8超级至尊版。两条产品线回应了旗舰手机已经分化为基础款、Ultra和折叠屏等多种形态的现实。对终端厂商而言，旗舰平台的选择开始有了更细的层次。

全新Oryon CPU展示峰值5GHz能力，智能体任务同样依赖缓存、调度与各计算单元的协同

具体到超级至尊版，Oryon CPU采用2个超级内核与6个性能内核，峰值主频达到5GHz。这个数字适合成为发布会标题，但它并不意味着所有核心都能长时间以5GHz运行。实际手机还要面对散热、供电和厂商调校，瞬时响应与持续负载应当分别看待。

更贴近智能体工作方式的是Oryon FlexCache。8个核心可以访问共享L2缓存池，按需要分配资源。一个智能体任务往往要理解请求、检索信息、规划步骤、调用工具，再检查执行结果。CPU在这些环节之间不断调度，如果数据需要反复搬运，模型生成得再快，整个任务也可能让人等得不耐烦。

Hexagon NPU的变化同样围绕这种负载展开。新加入的Element Accelerator面向Transformer运算，共享内存容量扩大50%，并支持最高32K词元的上下文窗口。更多模型状态和上下文留在靠近计算单元的位置，有助于减少对外部内存的访问。对需要多轮推理、不断读取上下文的本地智能体，这能减少等待，也为手机上的其他任务留出更多带宽。

在持续感知的一端，高通传感器中枢负责处理语音、活动等情境信号，尽量避免频繁唤醒主处理器。Personal Scribe按照用户指示对对话建立索引、区分发言者，再把重要信息整理进个人知识图谱。对需要陪伴用户一整天的AI而言，低功耗感知能否稳定工作，可能比短暂冲上性能峰值更重要。

这些变化共同说明，智能体AI正在把平台竞争拉回系统工程：CPU安排任务，NPU承担模型推理，感知中枢持续收集经授权的信号，连接模块负责访问其他设备与服务。评价一颗芯片，除了跑分，还需要观察完整任务花了多久、消耗多少电，以及多任务同时运行时是否依然流畅。

现场跑分把旗舰性能落到具体数字

智能体需要新的架构，传统性能也不能缺席。在第六代骁龙8超级至尊版的现场跑分体验中，热点科技记录到一组相当醒目的结果：安兔兔总分5,688,477，约568.85万分；Geekbench 6单核4,394，多核13,310。原始照片中的数值，比只说“性能更强”更直观。

左：安兔兔V12总分5,688,477，右：Geekbench 6单核4,394，多核13,310

安兔兔界面标注版本为V12.0.1（OB-1），分项成绩分别是CPU 1,505,959、GPU 2,042,809、MEM 988,233、UX 1,151,476。Geekbench界面则显示6.5.0 Corporate版本，设备型号为QUALCOMM Art for arm64。本文按现场屏幕读数记录，不把它们写成所有量产机型的固定成绩。

这组结果与5GHz Oryon CPU、新一代Adreno GPU以及内存系统升级放在一起，可以更完整地理解超级至尊版的定位。CPU负责的不只是跑一个测试，还包括应用响应、工具调用和智能体任务调度；GPU既承担游戏画面，也能与NPU配合处理特定AI负载。峰值算力与平台协作，需要一起服务最终体验。

跑分也有明确适用范围。安兔兔页面出现设备可能已Root、系统参数可能改变的提示，而现场设备属于参考设计；软件版本、散热环境与性能设置都会影响结果。所以这里呈现的是此次现场体验的成绩，不据此做跨版本排名，也不将综合分数换算为智能体任务快了多少倍。

在热点科技看来，跑分让我们看到了新平台的性能基础，本地智能体演示则展示了这些能力的新用途。接下来值得期待的，是终端厂商能否把这份基础延伸到长期使用：AI在后台处理任务时，前台应用是否依然流畅，连续游戏和拍摄是否稳定，以及本地推理对续航的实际影响。

300亿参数模型落到手机之后

本届峰会最值得展开的技术进展之一，是高通与阶跃、无量火、江波龙合作，把StepEdge-Omni 30B-MoE模型完整部署到基于第六代骁龙8超级至尊版的参考设计上。现场展示的办公流程涵盖邮件理解、行程规划、日历同步、航班酒店推荐以及邮件草拟。合作资料称，这套演示的处理流程在本地完成，无需调用云端模型。

300亿参数级MoE模型与UFS 5.0进入同一张技术图景，存储与计算协同成为端侧AI的重要条件

300亿参数听起来离手机很远，MoE的意义在于，不必每次都让全部参数参与计算。高通给出的架构示例中，一个300亿参数模型生成每个词元时，只需激活约30亿个被选中的参数。不过，少激活一部分参数，并不等于其他权重凭空消失。模型如何存放、怎样加载到内存，仍然决定了它能否实用。

四方合作正是在这里发力。无量火的Ember推理引擎与端侧编排能力协调CPU、GPU和NPU，江波龙的方案则配合从闪存高效加载权重。按合作方披露，模型运行内存需求较行业常规方案降低超过50%；NPU与GPU协同时，预填充吞吐超过330词元/秒，解码吞吐超过28词元/秒。

这两种速度不能混为一谈。预填充是处理输入和上下文，解码才是逐步生成输出。它们也不能直接回答一份完整行程需要多久：调用工具、检查日历冲突、组织结果，同样会消耗时间。上述数字来自特定参考设计和优化方案，并非热点科技对量产手机的独立测试。

对产业链而言，这次合作揭示了比参数规模更实际的变化。端侧AI已经需要模型、推理引擎、芯片和存储共同设计。内存与闪存不再只是容量配置，数据放在哪里、什么时候搬动，正在影响AI功能能否长期运行，以及终端成本能否接受。

本地推理也不意味着所有任务都能离线完成。理解已下载的邀请函可以在手机上进行，查询实时航班价格或提交预订仍可能需要网络服务。更合理的方向，是尽量把敏感上下文和高频计算留在本地，在确有需要时再连接外部资源。用户应当能知道，这一次任务究竟用了哪些数据、交给了谁。

可穿戴设备把情境信息带回个人AI

手机仍是高通定义的个人AI枢纽，但用户不可能每次都先掏出手机。第二天的个人AI主题演讲，把耳机、眼镜和其他可穿戴设备推到台前：它们更靠近人的视线与声音，也更容易在双手忙碌时提供帮助。

可穿戴设备的价值，正在从显示通知延伸至感知现实环境与发起任务

骁龙START计划展示了一条从芯片、软件到产品落地的路径。基于第一代骁龙AR1+的模组连接眼镜、手机配套应用与云端，品牌可选择不同模型，软件则围绕统一记忆保持情境连续。现场介绍的语音助手Kita，可以接入SoundCloud播放音乐，也可以通过Yelp寻找餐厅并发起预订。具体服务能否在某个市场使用，仍取决于产品和当地生态。

一些更窄的场景反而更有说服力。INSPECS在台上谈到工业安全眼镜：工作人员本来就要佩戴护具，如果拍照、远程协作和语音操作能一起完成，就不必为了记录现场放下手中的工具。这样的产品首先要满足佩戴舒适与防护要求，AI功能才有机会进入真实工作流程。

感知与计算也可以分层进行。高通在主题演讲中介绍，第一代骁龙AR1与AR1+开始支持PrismML的多模态1比特模型，意在减少小型终端运行模型时的内存压力。眼镜可以先处理适合自身功耗预算的任务，再与手机或其他服务协作。对于手机端智能体来说，更丰富的输入意味着它能理解更多现实情境，而不只读取屏幕里的文字。

这类体验背后，始终感知不能等同于始终高负载。高通强调用低功耗感知中枢、ISP与分层AI处理配合，让设备在需要时提供有效情境。语音、摄像头和传感器各自承担一部分工作，手机则汇集信息、保留个人记忆，并在相应的跨设备演示中执行更复杂的任务。

热点科技判断，个人AI入口未必需要一种完全陌生的新硬件。已经戴在脸上或耳边的设备，可能更容易培养使用习惯。不过，持续感知带来价值，也要求明确的开关与边界：何时开始记录、旁人如何知晓、哪些记忆可以删除。这些体验设计会直接决定用户愿不愿意全天佩戴。

SPECS让交互从屏幕走进眼前空间

SPECS是这次值得单独拿出来看的AR眼镜。第二日主题演讲介绍，它将AI辅助、工作工具、娱乐和共享体验带入现实空间；体验区的佩戴照片，也让这副眼镜的实际形态比舞台渲染图更容易理解。

SPECS亮相骁龙峰会，骁龙计算能力延伸到AR眼镜

SPECS的演示视频给出了更直观的交互细节：在海景背景中，一只虚拟水母叠加到视野里，用户按照提示伸出手指，捏合并拖动它。数字内容随着手势在空间中移动，操作对象和现实环境出现在同一视野，空间计算的意义也因此变得具体。

Snap的官方产品资料介绍，SPECS采用两颗骁龙处理器，分别承担计算机视觉与Lenses运行，支持手部追踪。这属于眼镜自身的计算平台，不能与手机上的第六代骁龙8超级至尊版混为一谈。两者共同体现的，是骁龙根据终端形态分配计算能力的思路。

现场佩戴SPECS的体验画面

SPECS演示动图，展示捏合、拖动虚拟物体

这也补上了个人AI的另一部分体验：手机擅长保留信息、运行智能体与操作应用，眼镜则可以把内容放到人正在看、正在操作的位置。SPECS的空间交互展示与手机本地智能体各有侧重，前者不必为了证明价值而复制后者。让不同设备在适合自己的环节工作，跨终端协作才有实际意义。

Cleer给耳机加入了理解环境的眼睛

如果说SPECS把数字内容带到眼前，Cleer展示的概念耳机则尝试让耳边的助手更了解眼前发生的事。舞台大屏上，耳机外形图明确标出了“Multimodal camera”。这让它与传统耳机的区别一下子变得具体：它接收的不再只有声音，还能补充视觉情境。

Cleer概念耳机在舞台上展示

高通在演讲中明确解释，这类摄像头的主要目的不是拍照片或视频，而是在需要时为AI智能体提供周围环境的信息。Cleer首席执行官Charles Wu通过分享介绍了双方的合作方向：把声学与产品设计经验，同骁龙平台的AI、音频、计算和连接能力结合，探索更自然的情境感知体验。

它背后的第二代骁龙音频平台至尊版支持终端侧AI、超低功耗Wi-Fi 6E与云端连接，并覆盖耳塞、开放式耳机、音频眼镜等形态。按照官方技术脚注，平台峰值AI算力达到128 GOPS，在同为250MHz的比较条件下，是第一代骁龙S7音频平台64 GOPS的两倍。更强的本地处理能力，为多种智能体验同时运行提供了空间。

第二代骁龙音频平台至尊版的音频与连接能力，涵盖Snapdragon Sound、低功耗Wi-Fi及XPAN

音质与语音拾取也没有被AI盖过去。平台支持aptX Lossless、XPAN，以及第五代自适应主动降噪等技术。对需要通过语音交互的助手而言，先听清用户的话是基础；对用户而言，一副智能耳机仍然要先做好聆听和通话。

这与手机本地智能体形成了互补方向。耳机可以提供更自然的语音入口和部分环境信息，手机侧则具备运行更大模型、检索记忆与编排任务的能力。具体功能怎样在耳机、手机和云端之间划分，需要由产品方案决定，不能把音频平台本身的AI运算全部算到手机芯片头上。

Cleer此次呈现的产品仍处于概念探索阶段。但方向很清楚：在大家已经习惯佩戴的设备里，补上理解环境的能力。未来能否变成高频使用的产品，要看这种感知是否准确、交互是否及时，以及全天佩戴的舒适度和续航能否一起跟上。

Googlebook把跨设备协作推进到任务内部

PC部分最有意思的变化，是AI从独立对话窗口进入原有工作流程。高通介绍了AnythingLLM结合ON1 Photo RAW管理照片库、Deepgram辅助播客转写与音频质量检查，以及Pokee与Halo在视频会议中识别深度伪造风险等案例。它们把本地计算用在具体工作上，也为AI PC提供了比概念更容易理解的用途。

现场展示的Dell XPS Googlebook搭载骁龙X Elite，跨设备文件访问与任务接续是其重点方向

Googlebook则试图进一步缩短手机和电脑之间的距离。此次亮相的Dell XPS Googlebook与惠普Googlebook 14采用骁龙X Elite平台，不能与本届讨论的骁龙X2系列一概而论。其重点包括原生Android应用、Gemini Intelligence，以及直接访问已连接手机中的照片和文件。

第三天的演示将几个功能串成了一个流程：用户通过Rambler用中英文说出需求，借助Magic Pointer提取屏幕中的配色信息，再通过语义搜索寻找宠物照片，把素材交给Antigravity构建个性化应用。这样的组合，比单独展示一项语音输入或图像搜索，更容易看出系统整合的价值。

但“现场生成应用”也需要说清过程。演示者说明，构建通常需要约15至20分钟，随后展示了此前使用相同提示词生成并安装的版本。因此，这个案例说明了工具之间如何配合，不能写成在台上几秒钟内完成了完整开发。对于最终代码是否可靠、应用是否可持续维护，也仍需另行验证。

跨设备部分介绍的Continue On，目标是让手机上开始的任务在电脑上继续，例如把小屏上的购票选座转到笔记本处理。它与传送一个文件的区别在于，任务进行到哪一步、相关内容是什么，都需要随设备切换而保留。真正减少重复劳动的，是这种状态接续。

对国内用户而言，演示中的海外服务只是样本，关键还要看本地应用、账户体系和权限机制是否接通。AI电脑若仍要求用户频繁复制背景资料、重讲一遍需求，新增的助手入口就很难转化为效率提升。跨终端体验最终应当按完成一件事的过程来衡量。

软件生态决定硬件优势能走多远

当越来越多智能体需要调动不同模型和计算单元，软件适配的难度也随之上升。第二天，Chris Lattner以高通先进AI软件与平台执行副总裁的身份登台，介绍Modular加入高通之后的方向。这部分没有手机主频那么直观，却关系到硬件能力能否被开发者真正用起来。

骁龙X2系列公布Linux支持计划

按其演讲介绍，Modular平台由Mojo、MAX和Modular Cloud构成，分别覆盖底层编程、模型开发与服务，以及云端部署。高通计划把这套平台引入包括骁龙在内的产品组合。Lattner也明确表示，相关工作才刚开始。因此，目前更适合把它看作软件整合路线，不能理解为所有骁龙设备已拥有统一、成熟的开发环境。

这个方向与现场的端侧演示有直接联系。同一项任务可能先做语音识别，再检索个人记忆，调用较大模型规划，最后操作应用。不同环节对时延、算力和能耗的要求并不相同。开发者如果要为每种硬件重新处理模型适配与调度，产品迭代速度就会被拖慢。更统一的软件基础，有望降低这种重复投入。

Linux支持是另一条重要进展。高通公布的计划是：骁龙X2系列在2026年底前率先支持Debian，与Canonical合作推动Ubuntu，并计划于2027年上半年完成相关认证；惠普、华硕和HUMAIN的设备支持计划指向2027年第一季度。NPU和GPU核心驱动也在推进上游提交。这里既有平台计划，也有整机节奏，不能把宣布支持等同于现在所有功能都已可用。

按照高通披露，骁龙PC生态已有超过7300款适配应用，超过13000家企业已部署或测试相关PC。后一个口径同时包含测试，不能直接当作全面部署客户数。这些数字反映生态建设的范围，却还不能替代对关键行业软件、外设和实际工作流的逐项检验。

在热点科技看来，软件层的进展决定了AI PC能走出多远。厂商展示一个优化过的模型并不难，难的是让更多开发者持续交付稳定应用。开放系统、驱动和工具链带来的回报可能慢一些，但对平台长期竞争力更关键。

游戏里的AI开始改变渲染方式

智能体AI是主线，游戏依然是最容易被用户感知的性能考场。第六代骁龙8超级至尊版在Adreno GPU中加入Matrix Cores，让专门的AI运算能力进入图形管线。Adreno Neural Fusion则把AI超级分辨率、帧生成与神经网络处理结合起来，尝试在手机的功耗约束下提高画面质量与流畅度。

Adreno Neural Fusion开关对比展示

这种变化意味着，移动图形体验不再只依靠更高频率和更多传统渲染计算。部分画面信息可以通过模型重建，平台再把节省出的预算用于更复杂的光照、更多细节或更低功耗。真正困难的是，运动中的细线条、透明物体和快速切换的场景，能否持续保持稳定。

现场照片记录了开启与关闭Adreno Neural Fusion的并排对比。屏幕同时注明，这段内容录制于高通实验室，属于技术演示；两侧还标出了不同的分辨率设置。因此，它可以帮助读者理解技术效果，却不应被当作我们对同一量产手机、同一设置进行的独立实测。

高通在主题演讲中披露了GPU性能和能效的代际提升，并展示基于虚幻引擎5 MegaLights的Sanctuary实时演示，强调大量动态光源与光追阴影。但展示场景的复杂度，并不能直接推导出一款商业游戏能达到什么帧率。游戏版本、适配进度、散热和厂商策略都可能改变结果。

AI图形技术接下来要回答的，是玩家更关心的细节：画面清晰度是否提升，快速转动视角时有没有伪影，输入响应是否受影响，连续运行半小时后还能保持怎样的表现。插帧后的显示帧率与原生渲染帧率也需要分开，不能只看一个更高的数字。

值得肯定的是，AI开始进入图形处理的核心过程，而不只是作为游戏外面的附加助手。对旗舰手机厂商而言，这提供了新的体验空间。它能否成为稳定的购买理由，还要等终端和游戏共同完成适配之后，再交给长时间实测。

创作者最需要AI接手的是素材整理

对于每天拍摄、剪辑内容的媒体人，本届峰会一个格外实际的案例，是让AI先整理素材。创作者Joshua Timothy展示的流程，用FFmpeg处理视频，再让本地模型分析画面并建立数据库，把海滩、美食、器材等片段归类，随后通过脚本导入DaVinci Resolve的素材箱。

Spectra ISP的视频能力升级，为从拍摄到后期的创作流程提供更高规格素材

当需要寻找某一类镜头时，创作者不必逐条打开文件，而是从已经建立的索引中检索。演示者提到，他在茂宜岛拍摄了约500段素材。对这样一个素材规模，减少上传等待、提前完成分类，比再多生成几个转场效果更有现实价值。原本耗在找片段上的时间，可以留给叙事和节奏。

这套演示也提供了一个理解端云协同的好例子。主要的视频理解和索引在本地进行，演示者同时说明，末端仍使用云端模型作一致性检查，原始视频不上传。它并非完全断网的剪辑工作流，却说明本地与云端可以承担不同责任。相比笼统地宣称“全部端侧”，把数据流讲清楚更有意义。

影像硬件则为这条工作流提供了更好的起点。按首日中文演讲资料，第六代骁龙8超级至尊版支持8K 60fps拍摄与4K 240fps录制，Spectra ISP通过更精细的场景信息辅助处理，APV的生态支持也在扩展。平台具备能力，不等于所有搭载机型都会开放同样的拍摄规格；传感器、存储、散热及产品定位仍会影响落地。

对于热点科技这样的内容团队，值得借鉴的并非“让AI一键完成一切”，而是把重复工作拆出来：先做素材识别和分类，再查找所需镜头，最后由编辑决定哪些画面能支持报道中的判断。特别是新闻内容，模型给出的标签和摘要仍要回到原始画面核对，避免把相似产品或不同演示混在一起。

当智能体进入创作流程，它的价值可以很具体：少找一次文件、少重复一次导入、少在设备间重新整理目录。创作者保留选题、叙事与事实判断，机器承担更适合持续批量处理的部分。这样的分工，比单纯追求“生成速度”更容易形成长期使用习惯。

热点科技洞察：本地智能体正在重写旗舰体验

回看这届峰会，最值得关注的变化是：手机开始自己承担智能体的核心计算。新一代骁龙不仅提高峰值性能，也围绕模型推理、情境记忆、任务调度和低功耗感知重新组织平台。对用户来说，这意味着个人AI可以更及时地响应，并减少原始个人信息反复上传的需要；对手机厂商来说，则意味着旗舰体验多了一个可以持续打磨的方向。

第二代骁龙音频平台至尊版发布，个人AI正在走向日常佩戴设备

第一轮AI手机竞争，容易把功能数量放在最显眼的位置。接下来，更有意义的问题会变成：同一件事能否少解释一次、少操作几步？让智能体在本地记住经授权的信息，理解用户当前的需求，再调用应用完成任务，比单独增加一个聊天入口更接近实际价值。高通此次展示的300亿参数MoE部署和AGI本地执行，正是向这个方向迈出的具体一步。

现场568.85万的安兔兔成绩，以及Geekbench 6单核4,394、多核13,310，给出了超级至尊版性能基础的一张快照。不过，下一轮旗舰竞争会把这份性能用在更多地方：前台游戏需要GPU，后台智能体也需要推理与调度，手机还要兼顾续航和温度。异构计算、缓存和存储协同能否把资源分配好，将影响用户真正感知到的流畅度。

SPECS与Cleer让这幅图景更完整。眼镜把空间内容与手势操作带到眼前，耳机尝试用视觉情境补充语音交互。它们各自拥有适合自身形态的计算平台，同时也说明个人AI不会只停留在一块手机屏幕里。对于手机侧智能体，未来的机会在于接住更多有效情境，并把它们转化成有用的行动，而不是让所有设备重复做同一件事。

真正拉开产品差距的，仍会是厂商对应用生态的整合。面向国内用户，智能体需要接入常用的办公、本地生活和支付服务，还要让用户看清哪些信息被记住、哪些操作即将执行。本地计算提供了技术基础，可靠的服务连接与清楚的授权流程，才能把演示变成每天都能用的功能。

热点科技的判断是，端侧AI正在从旗舰芯片的附加卖点，进入其核心设计。这个变化已经有模型部署、参考设备跑分和具体演示支撑。接下来值得跟踪的，是量产手机能否把这些能力保持下来：网络不佳时仍能处理本地任务，连续使用时不牺牲基本体验，遇到重要操作时让人容易确认与接管。用户自然地把琐事交给手机，才是这一轮骁龙升级最有说服力的结果。