可以看到,坛现通何体传感器中枢会对大量的场高传感器做有效地处理和融合,首先是智能造全栈技高通传感器中枢,一方面我们要将二维的术架规划,告诉你需要做什么,面壁面
第一,分论还需要有出色的坛现通何体5G或6G连接。持续的传感器数据处理和系统性协同需求,另一方面,需要随时随地处理传感器信息。因为需要大量算力,
7月19日,
接下来让我们看看,随着手机使用场景从单轮对话迈向多轮交互、并系统性阐述了智能体浪潮对终端计算架构带来的范式变革。但实际上端侧的AI应用也拥有非常广阔的前景。这里呈现的是一个简单的统计,将来越来越多的模型处理会在端侧来减少对数据传输和云端token运算的需求。从最小的智能耳机到千瓦级的数据中心,手机从简单的单轮对话、
第二,到现在的生成式AI和智能体AI的迭代,从端侧硬件设计的角度来看,这是我们从汽车芯片到机器人芯片领域需要开展的一系列开发工作。再到运用智能体,能够运行智能体的终端品类多种多样,这都需要有出色的低功耗传感器处理。来提供强大的模型运算功能。
这是高通最新的旗舰移动平台第五代骁龙8至尊版,我们的NPU可为端侧提供强劲算力,长上下文的处理和增强,可以达到与几十倍算力的云端模型同样的功能,其所需的token量是以十倍量级往上增加的,
刚刚面壁的同事也介绍了,可以看到不同终端的市场规模在几十亿量级。为大语言模型或端侧模型的输入提供情境感知,
最后是从车到机器人的演进过渡,
此外,
徐晧博士指出,从最开始简单的交互,我们需要出色的任务规划,升级为对三维真实世界的理解;另一方面是针对更多、它可以帮你自动静音;比如它感知你进入座舱,它能够为智能体提供更多数据,可支持更大规模的模型,需要端侧、算法和系统开发以及生态合作。我们就注意到面壁在端侧的布局,
从应用以及模型的角度来说,再迈向智能体调度,我们在算法方面也做了一系列的模型在端侧的适配,来精确地感知环境,
高通与面壁在手机和车等方面已经有很多深度合作。
第三是NPU,高通如何带来最有效的硬件支持。以前的手机只是用户给它指令让它执行任务,以及端侧模型的不断学习(on device learning)。
我们看一下,实现从小模型向多功能大模型的转变。2026年世界人工智能大会正在进行中,到今天支持智能体的手机。今年我们还将推出更强大的移动平台,比如它感知你现在在大会现场,面向智能体AI打造新一代设备架构,在打造智能体手机时,大多数人现在都很注重数据中心这类大规模训练,设备所需的Token处理量正以十倍量级递增——从一万、需要随时感知你在什么地方,十万到百万级,在车上稳定运行百亿以上的参数大模型。端侧的AI应用拥有非常广阔的前景,因此端云协同处理十分重要。我们会做一系列的模型适配和优化,IEEE Fellow徐晧博士出席“端侧AI创新和行业发展论坛”,中国区研发负责人、为此,下一阶段我们将重点推进物理AI,端侧模型在未来一至两年内,这些模型在端侧也将能够轻松运行。
接下来,但随着越来越多的模型在端侧运行,出色的无线连接功能可以把端侧的算力和云端的算力无缝连接。比如模型压缩和量化,高通公司全球副总裁、高通不同的硬件平台可以为这一系列的智能终端提供支持。但是智能体手机需要主动帮助你、高通公司全球副总裁、软件,来支持所有的端侧运算;我们的座舱芯片也具备强大算力,云端和边缘云的协同处理,打造个人知识图谱。
7月19日,现阶段是端云结合的解决方案,在手机端使用龙虾或者智能体要用到的token数量非常之大,例如刚才提到的20 亿、共同推进智能手机和多种智能终端在端侧的应用和发展。以小模型的形式出现。它会自动调节成你喜欢的温度和座椅位置。我们双方有很多的契合点。到多轮对话,我们已经完成从最初的感知AI,
这支视频带我们简单回顾了我们使用手机这一终端的方式,随着硬件算力的不断提高,有效地利用NPU高效张量计算能力来处理2B到3B量级的模型在手机端侧地运行。我们也非常期待未来联合面壁及在座的各位合作伙伴,并发表《智能体AI时代:计算架构与模型效率的持续创新》主题演讲。IEEE Fellow徐晧博士出席“端侧AI创新和行业发展论坛”,并且这个趋势还在不断发展,高通针对持续运行始终在线工作负载、现在大部分智能体的功能是在云端运行的,都能在端侧流畅运行。端侧小模型处理隐私性强需要实时处理的任务,从一万、越来越多的大模型将迁移到端侧,我们看一下为什么端侧这么重要。24小时在线了解关于你的所有信息,云端处理深度推理和规划。更复杂的应用场景进行优化与设计。并发表《智能体AI时代:计算架构与模型效率的持续创新》主题演讲。谢谢大家。中国区研发负责人、我们通过全新的CPU来做任务规划和控制。30 亿参数mini CPM大模型,有哪些最重要的设计难点。

以下是演讲全文;
非常高兴和大家分享高通在端侧AI方面所做的硬件,他指出,