CES觀察丨從個人AI到物理AI，高通的AI戰略躍遷

文｜劉俊宏

編｜王一粟

每年CES最大的看點，還得是消費電子領域中各種各樣的“怪東西”。

2026年的CES，也充滿了各種奇思妙想的AI硬件。能記憶并提供情緒價值的AI相機、監控用戶情緒的AI吊墜、能根據用戶情緒顯示畫面的AI相框、AI指導用戶理發的“推子”、場館隨處可見的幾十款AI眼鏡…當然還有當之無愧的“明星”——各種各樣的機器人。

AI硬件，正在重拾移動互聯網黃金年代的火熱，有些2025年已經拿到了成績，有些則即將蓄勢爆發。

通過這些AI硬件，AI正在一步步邁向物理世界，這不僅需要云端的“大動脈”，更需要邊緣側的無數“毛細血管”。

過去幾年間，手機和汽車是最先完成AI改造的智能終端，但這遠遠不是邊緣側AI落地的終點。因為只要拆開手機和汽車就會發現，AI對邊緣側改變并不只是多一個提供AI算力的SoC。通信、系統控制、電池管理、攝像頭等等一系列的電子元件，都在隨著AI的需求而改變。

這就意味著，做好物理世界AI，需要成規模的邊緣終端側和云端之間的協同。

為了滿足AI時代廣泛而細碎的邊緣計算，高通旗下的toB品牌高通躍龍這次展示了一些“不太一樣”的產品。

在當下大火的具身智能領域，高通帶來了機器人通用計算平臺和完整技術棧架構。在物聯網領域，高通則推出了兩款面向邊緣側AI部署的新處理器，主要面向無人機、智能攝像頭與工業視覺、AI電視/媒體中樞設備以及視頻會議系統等場景。

顯然，高通的AI戰略主線已經悄然從消費品延伸到了更廣泛的千行百業。通過具身智能和物聯網邊緣計算平臺，高通正在從之前SoC廠商的身份，“擴展”到邊緣側，讓更多行業都完成AI升級。

跨越智能終端時代，高通想在邊緣側和云端承載更多AI。

2026年，具身智能需要一個通用平臺

在過去的2025年，光錐智能見證了具身智能從表演到進入工廠，走向真正的應用。今年的CES上，“工作能力”是不少機器人展位的核心標簽。

例如波士頓動力的機器人終于不再“拍跑酷視頻”，開始“進廠打工”，能自主更換電池，完成汽車裝配任務。LG演示了雙臂家用機器人CLOiD，功能主打機器人做飯、洗衣、整理家務。高通跟VinMotion合作的機器人則是展示了異構AI計算架構下，機器人在家務場景下的動作和任務執行能力。

從琳瑯滿目的演示中看到，機器人產品愈發成熟。之前形狀各異的機器人本體、風格迥異的軟件架構正在根據落地場景的需求快速收斂。多傳感器融合、復合AI（視覺+語言+動作規劃）、低功耗異構計算、工業級可靠性和功能安全，成為具身智能的“標準要求”。

隨著行業對機器人的需求變得明確，幫助機器人建立“大腦”的通用計算平臺需求也隨之顯現。

2026CES上，高通也帶來了面向機器人的完整技術棧架構，發布了具身智能通用計算平臺——躍龍IQ10。高通借鑒了汽車自動駕駛的技術架構，將汽車的“感知-規劃-控制”架構應用在機器人上，并提供了一系列配套的軟硬件解決方案。

具體來說，高通躍龍IQ10提供異構邊緣計算、邊緣AI和混合關鍵級系統（可以理解為任務優先級處理器）支持。軟件層面，高通也提供軟件算法、機器學習運維、AI數據飛輪，以及能支持合作伙伴生態的開發者工具套件。在算法層面，高通也能提供VLA（視覺語言動作模型）和VLM（視覺語言模型）等端到端AI模型支持。

跟其他公司不太一樣的是，高通躍龍IQ10平臺的“通用程度”更高。按照規劃，高通的具身智能計算平臺將支持家用機器人（如掃地機器人）、企業級機器人（如工業機械臂、AMR）和人形機器人的全系列部署。

而其他通用計算平臺，大多還處于“某一類型”機器人通用的階段。例如工業機器人普遍用的還是嵌入式控制器、工業PC或PLC居多。人形機器人和機器狗目前使用的主流是英偉達Jetson系列。家用場景（掃地機）用的就比較“雜”了，主要是一些相對成熟的低算力SoC。

誠然，不同類型機器人會存在形態、工作場景、傳感器配置、工作任務等的差別，這導致“跨物種”之間采集到的數據很難復用，幾乎沒法整合數據做聯合訓練。但相比這些差異，高通更關注的是機器人更底層的“共性”。

同一套計算平臺的好處，在于機器人開發者能夠使用一套更標準的工具完成全品類的機器人開發。

除此之外，因為在邊緣側錘煉了多年，高通入局機器人通用計算平臺還擁有低功耗、高性能的架構優勢。

對于機器人來說，低功耗就意味著機器人更長的續航，在消耗同等電力資源下能“干更多活”。這種特性，能讓機器人走出零售、分揀等“固定”的“工作崗位”，走向巡檢、導覽、搬運等更多需要移動的工作場景，可以說至關重要。

“我們正通過推動智能機器人從實驗室走向真實世界環境，重新定義物理AI的可能性。”高通技術公司執行副總裁兼汽車、工業及嵌入式物聯網與機器人事業群總經理Nakul Duggal說。

物聯網，物理世界AI不能沒有“毛細血管”

如果說汽車和機器人是未來物理世界AI的“大動脈”，那么連接千行百業的物聯網，就是物理世界AI的“毛細血管”。

物種的多樣性，讓整個碳基生物的世界更加豐富和穩定，在硅基世界也同樣如此。要完成物理世界AI的落地，不能只有大動脈，沒有毛細血管。

過去二十年，物聯網從信息時代的聯網，到移動互聯網時代完成了初步智能化，目前面臨著AI的升級和更大規模的落地。

相比PC、手機、汽車，物聯網包含的領域廣泛而細碎。它可能是一家工廠里的數百個攝像頭，也可能是上千個檢測數據的紅外傳感器。它們不需要超大算力，但更需要低功耗、高穩定性、強通信信號。而在大模型時代，更需要獨立處理小規模的數據。

物聯網中邊緣AI計算非常重要，以通信為例，現在的AI手機幾乎都有一項功能“AI信號增強”，這是一種利用AI動態調整信號接收策略的算法，在弱網環境下（如-110dBm），AI增強可使有效吞吐量提升20–30%。

可以說，想要在千行百業中都實現智能化，物聯網的邊緣計算是繞不開的一環。

在物聯網行業扎根十幾年的高通，在2026年CES上，再次對邊緣計算加碼。

北京時間1月6日，高通正式推出了Q-8750和Q-7790兩款處理器，用于視覺系統和視頻場景的AI邊緣計算。

其中，Q-8750是主打物聯網高性能處理。其AI引擎算力為77 TOPS，支持INT4/8/16/FP16的精簡AI模型精度，可運行110億參數邊緣側大模型，直接減少邊緣側對云端依賴。視頻方面，Q-8750支持12路物理攝像頭、三路4800萬像素ISP，適合無人機、多視角視覺系統和媒體中樞。

Q-7790則是提供更常見的邊緣計算需求。其AI算力為24 TOPS，支持雙4K60顯示、4K60編碼、4K120解碼、AV1硬件解碼，適用于智能攝像頭、AI電視、視頻會議系統。

更好的邊緣側AI性能，代表著物聯網設備可以做更多事情。以工業嵌入式場景為例，之前行業大多用的是NXP和Renesas的產品。這些芯片更偏傳統工業的可靠性和實時控制，對AI算力的支持力度不大。但芯片加入了AI算力之后，物聯網邊緣側就能減少應用對云端控制的依賴，自主完成一系列任務。

例如在物理AI的開發環節，高通躍龍的Edge Impulse方案，能夠讓用戶直接在硬件裝置上，對全流程數據鏈路進行管控，完成AI開發的合成數據生成與標注環節。在企業安防和基礎設施監控與分析場景，高通結合自家Qualcomm Insight平臺（原生AI視頻智能服務）和Augentix的攝像頭硬件產品能力之后，能實現完整的邊緣AI盒子和攝像頭AI升級。

最近兩年，高通一直在toB場景加碼。2025年2月，高通正式推出了面向toB場景的躍龍品牌，主要包括工業及嵌入式物聯網、網絡和蜂窩基礎設施解決方案。

但這并不是高通的全新業務，而是將過去物聯網、工業、機器人等整體業務都做了一個整合。躍龍和驍龍兩個品牌，一個面向toB，一個面向toC產品。

在過去的五個季度中，高通接連完成了五大并購，來完善躍龍在物聯網領域的產品能力。這其中包括Augentix（智能攝像頭和視覺系統能力）、Arduino（開源硬件平臺，降低開發者門檻）、Edge Impulse（邊緣AI開發工具，支持本地大模型部署）、FocusAI（視覺AI服務，安防攝像頭+AI）和Foundries.io（開源云平臺，支持軟件更新和開發工具）。

從收購布局看到，高通的物聯網業務正在轉變為提供“硬件+軟件+服務”完整解決方案，覆蓋以視頻為主的邊緣AI的需求。

“我們不斷擴展的工業及嵌入式物聯網產品組合，加之強大的開發者生態系統，使我們成為構建可規模化的智能網聯業務解決方案的理想平臺。”正如高通技術公司執行副總裁兼汽車、工業及嵌入式物聯網與機器人事業群總經理Nakul Duggal所說，補上邊緣側AI視覺之后的高通，看到了物聯網行業更大的市場空間。

根據Global Market Insights統計報告顯示，物聯網（邊緣計算）是一個具有相當大潛力的市場。2025年市場規模約214億美元，到2035年行業空間將飆升至2638億美元，復合年增長率（CAGR）達28%。

要知道，高通最引以為傲的手機SoC，市場空間現在是400多億美元，而且該市場已經高度成熟。拿下物聯網的市場增量，高通無異于再造一條新的增長曲線。

從具身智能到物聯網的新布局中，我們能看到高通在AI時代一條清晰的戰略主線：用AI計算平臺作為底層設施，實現AI從邊緣側到云端全方位部署。

AI大規模落地，需要云端協同

在過去幾年中，相比邊緣側，AI行業似乎更愿意在云端投入資源。

但隨著AI在手機、汽車、眼鏡、機器人等一系列終端設備落地，邊緣側AI的重要性愈發明顯。例如AI原生硬件沒有邊緣側算力，交互就有明顯感知的延遲；汽車邊緣側算力不夠，也無從談起現在高階智駕。

最關鍵的一點是，邊緣側才是AI與用戶直接開始“對話”的場景。所有交互產生的數據，AI第一次的運算，AI的即時反饋都在邊緣側。

要想真正讓AI走入更廣的應用，還得需要從邊緣側到云側的規模化部署。

為了實現AI無處不在的目標，高通已經完成了不少AI端云協同的規模化布局。

在手機領域，如今隨處可見的“AI修圖”、“AI助手”，就是因為2023年高通在手機上成功運行了Stable Diffusion模型。看到了邊緣側運行AI大模型的可能性之后，幾乎所有主打AI能力的安卓旗艦機都開始了AI端云協同的嘗試。

在AI PC領域，高通的思路是聚焦AI+移動生產力的設計。

在去年9月高通發布驍龍X2 Elite平臺后，這次CES高通又“加更”了新的驍龍X2 Plus平臺。新平臺的設計主線，就是讓AI的能耗比更好。比如，驍龍X2 Plus平臺CPU單核性能相比前代提升35%，功耗相比前代降低43%，NPU保持跟之前一樣，還是80TOPS的算力配置。預計在今年上半年，就會有搭載驍龍X2 Plus平臺的PC上市。

在智能汽車領域，高通正在跳出智能座艙的“舒適圈”，走向整車智能化。

當前，驍龍座艙平臺至尊版（智艙）和Snapdragon Ride平臺至尊版（智駕）是高通面向智能汽車的最新解決方案。

在過去的競爭中，驍龍座艙平臺已經在全球超過7500萬輛汽車上落地（截至2025年6月）。如今，高通又披露了與理想、零跑、極氪、長城汽車、蔚來和奇瑞的進一步合作，至尊版平臺車型定點總數達到10個。

另外，高通還與谷歌深度綁定，加大云端對汽車邊緣側AI的支持力度。借助谷歌云的云原生開發模式，雙方將共同落地汽車操作系統、Gemini Enterprise（汽車AI智能體）等智能汽車軟件。高通的硬件計算平臺+谷歌的汽車軟件，這意味著智能汽車來到了自己的“安卓時刻”。

“未來邊緣數據的價值至關重要，誰能掌握利用邊緣數據，并將其轉化為為用戶提供高度相關服務的能力，誰將成為AI競賽的贏家。”

正如高通公司總裁兼CEO安蒙在CES上傳遞的。高通清晰地意識到，AI不再是一項功能，而是打造所有消費者體驗的基石。補上了具身智能和物聯網邊緣計算平臺的高通，有太多的邊緣側硬件可以改造。

在物理AI大規模落地的時刻，邊緣側和云端也正在走向一個更密切協同的未來。

結語

AI，徹底打亂了芯片行業的舊格局。

曾幾何時，英偉達的主要目標客戶還是游戲玩家，在AI時代一躍成為云端AI基礎設施霸主；PC時代無比耀眼的Intel，在AI時代多次謀求改變；Mobileye之前還是汽車輔助駕駛的通用芯片廠商，現在地位早已不在。

所有規則都在重寫，但不變的是：誰更能擁抱AI，誰就能走得更遠。

高通以手機業務起家，如今通過戰略求變，向機器人和物聯網邊緣延伸，“個人AI”與“物理AI”雙線并行，展現出抓住AI時代主線的決心。如果布局成功，高通有望從消費電子巨頭，轉型為AI規模化時代最廣泛的邊緣側賦能者。