当眼镜、耳机、手机都有 AI，谁来统一你的「第二大脑」| 2026 高通骁龙峰会 S10E31

概览

本期节目基于 2026 年高通骁龙峰会的现场体验与采访，讨论 Agentic AI 如何把计算入口从手机扩展到眼镜、耳机、电脑、吊坠等设备。高通描绘的未来不再以 App 为起点，而是由 AI 理解用户意图，在不同终端之间完成感知、记忆和行动。

尽管入口越来越分散，手机短期内仍不会消失。它可能从直接承载所有交互的设备，转变为保存个人上下文、连接可穿戴设备和分配算力的中枢。但 AI 功能尚未形成足以推动大规模换机的“杀手级应用”，硬件涨价也迫使消费者重新衡量 AI 带来的生产力是否值得额外成本。

更深层的问题在于：不同设备收集的视觉、声音和行为数据如何形成统一的个人记忆？节目从端侧记忆模型、隐私保护、跨设备协议和软件栈等角度展开，指出高通正在尝试打通芯片、模型与开发工具，但真正实现跨品牌、跨系统的“第二大脑”，仍依赖开放标准以及整个产业生态的协作。

分段落总结

[01:18] 从 App 中心转向智能体中心

[事实] 本期节目来自 2026 年高通骁龙峰会现场，内容包括新品发布、实际体验以及对高通高管和行业嘉宾的采访。

[事实] 峰会的核心叙事是：手机体验正从以 App 为中心转向以智能体为中心，体验起点不再是用户打开哪个 App，而是用户的意图。

[事实] 节目将讨论聚焦于三个问题：新型 AI 设备带来了什么、手机的地位是否会改变，以及多个 AI 设备产生的个人记忆应由谁统一。

[03:59] 眼镜成为端侧 AI 的代表入口

[事实] 现场展示了大量端侧 AI 硬件，其中眼镜给主持人和多位媒体从业者留下了最深印象。

[事实] 主持人认为现场体验的眼镜更接近“戴在脸上的个人电脑”，其软硬件、视野显示和交互体验均好于预期，但体积和重量仍然明显。

[事实] 另一项演示让多模态模型直接在眼镜端侧运行，无需联网即可识别眼前物体及其属性。

[推测] 离线视觉理解对视障人士、野外研究者及网络条件有限的使用场景可能尤其有价值。

[06:58] AI 电脑与中国厂商的端侧应用

[事实] 搭载骁龙芯片的电脑演示了由 Gemini 查看吉他谱、通过摄像头观察用户动作并实时指导弹奏的功能。

[事实] 节目认为，这种视觉交互式教学还可以扩展到其他乐器、语言和技能学习。

[事实] 现场还展示了千问 Book、豆包手机、荣耀机器人手机等合作项目；千问 Book 可以通过手机上的自然语言指令，在电脑端调用修图软件完成任务。

[事实] 主持人观察到，高通此次许多端侧应用及模型合作来自中国公司。

[08:50] 手机不会消失，但角色正在改变

[事实] 眼镜、耳机、手表、智能盒子和其他终端正在分散过去集中于手机的交互入口。

[事实] 受访嘉宾认为，手机仍保存大量个人上下文、偏好、隐私和支付信息，因此依然是 AI 理解用户的重要中枢或中转站。

[事实] IDC 嘉宾指出，手机和 PC 在算力分层中还会为眼镜等设备提供算力，并承担设备之间的连接任务。

[事实] 高通发布的新芯片强调 CPU、NPU 和感知能力的提升，希望手机既能处理自身的端侧 AI 任务，也能支持眼镜、耳机、吊坠和戒指等配件。

[12:25] 硬件能力增长不等于消费者愿意换机

[事实] 主持人认为，现有 AI 功能虽然可以完成点外卖等任务，但尚不足以成为支付换机溢价的理由。

[事实] IDC 嘉宾表示，AI 会增加芯片和内存成本，消费者需要比较生产力提升与额外支出之间的投入产出比。

[事实] 节目引用 IDC 预测称，2026 年手机市场出货量将下降 16.7%，平均价格将上涨约 28%。

[事实] 嘉宾提出“内存经济”和“AI ROI”的概念：有限内存应部署到能够产生更高 AI 投入产出比的云端或终端设备上。

[推测] AI 能否推动下一轮换机潮，关键不是参数提升，而是能否出现解决具体需求、足以改变日常体验的杀手级应用。

[17:38] “记忆—理解—行动”的个人 AI 路线图

[事实] 随着眼镜、耳机、戒指和吊坠持续收集视觉、声音与行为数据，行业需要解决信息存储、通信协议以及端云分工问题。

[事实] 高通展示的路线图分为 Remember、Understand 和 Act 三个阶段：先记录信息，再判断重要性与隐私属性，最后根据综合情境采取行动。

[事实] 峰会案例中的 AI 结合跑步速度下降和用户提到脚部受伤的信息，主动询问是否取消次日出游安排。

[事实] 主持人将这种能力概括为 AI 从被动响应转向主动理解意图和提供建议。

[21:03] 海量多模态数据如何成为可检索记忆

[事实] 节目指出，用户积累了大量视频、音频、照片和文件，但如何从中提取重要信息并主动提供个人建议，仍是行业重点研究的问题。

[事实] 一家端侧记忆公司认为，现有多模态模型的上下文窗口过短，难以持续理解长时间视频并在之后回忆用户经历。

[事实] 其方案是通过 indexing model，将视频、音频、文字、动作和三维空间等信息高效转换为机器可理解、可存储和可检索的内容。

[事实] 该公司与高通进一步合作，计划让其多模态模型在高通 NPU 上处理来自摄像头的视频流，为后续智能体的回忆、推理和任务执行提供基础。

[24:43] 端侧隐私与云端推理的取舍

[事实] 受访者认为，感知数据和个人记忆涉及大量敏感信息，原则上应保留在本地可信设备中。

[事实] 更复杂的推理或智能体任务可能仍需调用云端能力更强的模型，具体选择取决于任务能否被有效完成。

[事实] 峰会演示会记录用户见过的人、参加的会议和对话内容，主持人认为这类持续记录容易令人感到隐私受到侵犯。

[推测] 如果个人记忆始终保存在用户信任的端侧设备中，并由用户控制调用权限，持续感知型 AI 才更可能获得用户接受。

[26:39] 跨品牌、跨系统统一记忆

[事实] 用户的手机、眼镜、汽车和其他设备可能来自不同厂商，因此统一记忆需要解决跨平台的数据传输和协议兼容问题。

[事实] 高通高管表示，公司目前正推进骁龙设备之间的互操作，并希望未来形成开放的行业标准，让其他设备和操作系统接入。

[事实] 高通预计相关工作在下一年会有更多进展，但采访中没有披露具体实施细节。

[事实] 节目认为，未来跨设备连接不仅要传输图片或打开应用，还应在更换设备时延续个人记忆、权限以及正在执行的任务。

[推测] 如果信息仍分散在各家封闭生态中，消费者同时使用多个 AI 终端时可能很难获得连贯体验。

[30:40] 收购 Modular，补齐软件基础设施

[事实] 节目称高通在 7 月以全股票方式收购 Modular，按当时股价估算交易价值约 39 亿美元，是其近年来重要的收购之一。

[事实] Modular 的技术栈包括面向高性能编程的 Mojo，以及帮助模型在不同硬件上部署和运行的 MAX。

[事实] 高通表示，希望这些工具降低开发难度，让开发者自行选择计算运行的位置，并支持第三方硬件。

[事实] 节目将高通面临的任务分为两层：一是让模型适配不同硬件，二是让用户记忆跨设备、跨平台持续存在；Modular 主要帮助解决前一层问题。

[推测] 这项收购显示，高通试图从芯片供应商进一步扩展为覆盖编程工具、模型部署和终端生态的平台提供者。

[34:08] 高通的生态野心与两道关卡

[事实] 节目认为，高通正在尝试把新设备的跨平台感知、手机的中枢作用、个人 AI 记忆以及主动行动能力整合为一套完整叙事。

[事实] 让模型跨硬件运行可以借助软件栈推进，但让个人记忆跨设备持续存在，仍需要设备厂商、操作系统和应用共同参与。

[事实] 高通高管强调，不希望合作伙伴被单一硬件限制，并认为不同硬件供应商应凭实际性能和产品能力竞争。

[推测] 高通尚不能被确认已经迎来类似 CUDA 的平台时刻，但峰会呈现出其构建底层通用生态的明确方向。

[35:38] 从峰会 Demo 到真实产品仍有距离

[事实] 主持人认为，芯片算力和功耗改善推动了端侧 AI 设备爆发，但具体使用场景、设备间记忆和任务统一仍是明显挑战。

[事实] 当前常见演示集中在点外卖、订机票和购物等任务，节目认为产业还需要更多能够真正落地的场景。

[事实] 主持人以自己已经闲置的 Meta Ray-Ban 眼镜为例，指出产品实际体验尚未达到购买时的预期。

[事实] 模型稳定性、商业服务、产品流畅度和软件缺陷都会影响最终用户体验，会议演示并不能代表真实环境中的完成度。

[推测] 个人 AI 的技术蓝图已经相对清晰，但能否成立将取决于长期迭代、生态协作和日常体验，而不是单次峰会上的展示效果。

播客点评/总结

本期的价值在于，它没有停留在新品和芯片参数层面，而是把眼镜、耳机、手机、电脑以及端云计算放进同一个个人 AI 系统中考察。通过现场体验和多位行业人士的采访，节目较完整地呈现了手机从唯一入口转向连接中枢的可能路径。

讨论最有启发性的部分，是将“第二大脑”拆解为记录、理解和行动，并进一步追问记忆放在哪里、由谁控制、如何跨设备迁移。这使隐私、协议、模型部署和开发生态之间的关系变得具体，也指出统一个人 AI 并不是单靠一颗性能更强的芯片就能实现。

节目的局限是许多内容仍来自峰会 Demo、厂商路线图和早期合作，开放标准、跨品牌互操作及真实产品时间表都缺少可验证的细节。[推测] 部分宏大愿景最终能否落地，还要观察设备续航、隐私授权、模型可靠性和商业合作等现实条件。

[推测] 本期适合关注 AI 硬件、智能眼镜、端侧模型、手机产业和开发者生态的听众，也适合希望理解“AI 终端越来越多以后，谁来管理个人数据与记忆”这一问题的普通消费者。