下午看完了 CNCC 2026 端侧大模型论坛的直播，5 场报告加上问答，听了 3 个多小时。有些数据和观点值得琢磨，谈几点感受。

刘知远开场提到的一个数字，尤其值得关注。他引用了中国电信研究院 2025 年初的一份报告：全国存量手机的算力总和，超过全国存量云侧算力的 10 倍。

这意味着什么？这些年，我们习惯把云数据中心视为人工智能的算力基础，资金、资源和产业关注度也大多集中于此。但实际上，数量庞大的手机早已握有可观的计算能力，只是这些算力大多还没有真正用起来。看到这个数字，我首先想到的是产业格局的变化。一旦终端算力被充分激活，智能的部署方式就可能发生根本性变化，网络、终端和芯片产业的成本结构与价值分配，也都需要重新审视。

论坛上的几组数据，正在让这种变化变得具体。清华大学计算机系的研究员介绍，开源模型的能力密度大约每 3.5 个月就能翻一番——也就是说，用一半的参数量，就有望达到当前最优模型相当的性能。按照这一演进速度，未来 2 到 3 年，手机上有望运行达到 GPT-5.1/5.5 水平的模型。他还提到，MiniCPM-V 4.7 已经能够在手机上运行 350 亿参数的模型，速度达到每秒 20 个 token。

语音生成领域的变化同样直观：生成 1 小时语音的成本，已经降到 5 分钱左右。李宇轩则从更大的产业尺度算了一笔账：全球 AI 总投入已达到 2.7 万亿美元量级，算力和效率哪怕提升 1%，所带来的收益也可能高达数百亿甚至更多。

还有一个历史类比很有意思。报告中提到，IBM 董事长曾经判断，未来只需要 5 台超级计算机，就能满足全人类的计算需求。但真正推动信息革命走向普及的，并不是少数超级计算机，而是进入千家万户的个人电脑和手机。当计算能力走到每个人身边，信息时代才真正成为普遍的社会现实。

人工智能时代，或许也会沿着类似的路径发展。

人工智能最终不只是一个技术问题。凡是足以深刻改变社会的技术，其影响都需要放到更高的层面去审视，甚至需要上升到哲学层面。

今天论坛上的这些数据，让我对这个判断有了更具体的感受。当智能开始从云端走向终端，变化的不只是模型部署的位置和推理成本，还有算力的分布方式，以及整个产业的价值逻辑。

过去，我们更多是在思考如何建设更强大的云；接下来，也许更值得思考的是，如何把已经存在于每个人手中的算力真正利用起来。这笔账，网络要重新算，终端要重新算，芯片产业也要重新算。#CNCC2026##AI时代的技术想象##计算未来#