#MWC2026# 第二场专访是关于现在非常火的个人AI，受访人是大家的老熟人高通技术公司执行副总裁兼手机、计算和XR事业群总经理AK 阿力克斯·卡图赞，就是AK哥。

还是先来一段开场白：欢迎大家。这次高通在巴展上有成功的亮相，推出了可穿戴平台至尊版，不仅面向智能手表，还有可佩戴的终端。

小米和荣耀推出了第五代骁龙8至尊版的手机。

展台也有手机、PC、头显、手表等产品，只要是消费者使用的产品，我们都有产品提供。

————————

1.可穿戴平台至尊版能支持2B级别模型，精度够吗？AI功耗控制如何？

这些年模型从体积参数上是在变小的，但结果会越来越精准。过去我们用大模型，但随后就会有相应的小模型问世。

在小的终端上使用2B参数的模型会比较好，但它们都不会做一些重度的计算，不会是特别大的处理。

智能手表等设备都和大算力终端连接，比如手机，可以跑7B、10B的模型，重度任务可以放到手机甚至云端去计算。重度计算都不会发生在可穿戴设备上，会发生在相连接的单元上。

说到杀手级应用，很难说会有这样的应用把其他的都比下去，重点要看平台面向的终端，如果可穿戴设备能有摄像头，不用拿出手机，就可直接带给你问题的答案。

至于功耗，我们的芯片功耗是非常低的，设备的功耗也很低，能在低于1W的功率下运行。

包括摄像头，NPU都会在超低功耗下运行，不会唤起其他模组。

比如AI眼镜，现在使用时间是8小时，但现在我们把芯片放在模组中，体积更小，可以把更多空间留给电池，让使用时间延长到16～20小时。

——————

2.用户换新的时候，端侧AI相应数据如何迁移？

首先，终端侧AI的信息很安全，但另一方面，可穿戴设备也许会丢掉，也会有数据丢失的问题。

所以，我们可以用私有云来做备份，它是为你单独加密的，没有密钥就没有人能访问。这些数据可以通过私有云来还原到手机上。

——————

3.个人AI随用户而动，高通如何实现这些数据跨终端的流转？至尊版出现在不同产品线，XR至尊版什么时候推出？

高通会提供参考设计，其中有软件栈可以实现。另外就是云端会有备份，比如胸针这些可穿戴设备，可以实时传输数据。

此外，还有AI助手也能实现账号中的信息流转，通过收集你的个人信息来实现使用习惯的变化。

另一方面，OEM厂商也能提供不同的设备的流转功能，通过内建平台实现。如果有些厂商没有这样的能力，高通也有SDK帮助他们实现。

XR至尊版会推出的，应该是后边几个月，高通最高端的产品都会推出至尊版。

——————

4.从市场反馈看，眼镜这种被行业很看好的形态，在用户端的口碑则有些两极分化。AK认为智能眼镜这类产品，是否有机会像智能手表那样成为一个真正的入口？对于没有戴眼镜习惯的人，该用什么样的理由让他们能接受多出来的一类设备？

我们关注的是个人AI，AI眼镜是一个不错的产品形态，很多人都戴眼镜，智能眼镜对他们来说，能减少很多烦琐的操作。

当然，每个人的选择不一样，比如我不戴眼镜，我只会戴太阳镜。所以，现在开始有智能吊坠，还有耳机，胸针，首饰配件等产品可以选择。

不同的产品集成了不同的功能，可以听可以检测行为。我们给用户提供相应的AI助手，不用总是拿出手机启动应用，我们就可以给他们提供这样的功能。

只要说句话，发出指令就能解决问题，相信用户就会越来越喜欢使用它们。

——————

5.AI+AR的眼镜，骁龙不同平台之间是如何分工的？个人AI将来是跨品牌协议平台的生态，如何保证低延时和体验？

高通认为如何能把AI+AR结合起来，是非常不错的。几年前，智能眼镜刚刚出现的时候，功能很单一，就只能拍照片。

但现在AI助手能力更强，可以做的事情更多，还能将推理工作任务分流。

高通乐于看到不同终端之间的协同，比如智能手表，可以监控生理状态、血压、还有AI功能、摄像头功能，手表中的数据和眼镜的数据结合起来。

比如可以看到吃的东西、去的地方、锻炼的情况，这些数据结合起来，就可以判断的你生活行为。

这些数据都可以通过AI助手，给到你更好的体验和服务。

跨设备的问题，分为三类产品来看。

终端侧有模型的话，智能眼镜本身就可以完成，时延非常低；

要是复杂点，就要分流到手机上，比如10B的模型，离线状态就可以完成，它的时延也非常低；

更复杂的问题，你可能也有心理准备，需要更长的处理时间，可以在云端解决，这个时候你还可以做其他的事情等待结果。

——————

6.AI+6G要用到不同的处理器和任务，开发者如何调用能力来减少云端AI的调用？

高通和模型开发者一直有紧密合作，一些小模型，还有操作系统供应商也嵌入了模型。就算是云端模型也会提取出小模型，10B～15B参数，另外还有开源模型加入，都有不错的效果，可以确保适配终端侧的运行。

同时，这些小模型的准确度精确度都不错，一般来说，新的大模型推出6个月之后，就会有轻量化的小模型推出，效果也不错。

在终端侧，无论手机、汽车、机器人，都有NPU，可以运行这些小模型。

我们的工程师也会和他们一起做模型优化，来满足终端侧运行的要求。

可穿戴设备的难度可能会更大一些，内存更小，所以需要和其他的设备的运算单元来调用。

——————

内存价格对模型落地有什么影响？高通如何评估？

肯定有影响，如果一直居高不下的话，对个人产品肯定的是。

终端DDR的需求还好，但存储需求更高。据我了解，26～27年这个期间，供应其实是有的，但就是价格波动比较大。（听到这里，人心里估计AK哥也在骂娘）

再往后，到了这段时间后边再看吧。

——————

好了，就这么多了。