高通 CEO Cristiano Amon：AI 手机不是聊天机器人，而是下一代个人计算入口

一、嘉宾背景

这期节目来自 Alex Heath 主持的《Sources with Alex Heath》，标题是《Why AI could make phones interesting again》，由 Sources Podcast 于 2026-10-08 上传，时长 2808 秒，接近 47 分钟。它不是一次泛泛的产品发布复述，而是一场围绕 Qualcomm 战略位置展开的访谈：Alex Heath 追问 AI 会怎样改变手机、眼镜、数据中心芯片和下一代网络，Cristiano Amon 则从 Qualcomm 视角把这些分散议题串成一个“混合计算连续体”。

本集有明确受访者：Cristiano，他掌管 Qualcomm。节目开场中，Alex Heath 直接说明 Qualcomm 技术支撑许多 Android 手机、Meta 智能眼镜、一批即将出现的可穿戴设备，以及越来越多汽车；他还特别提到 Qualcomm 在中国有强大的 Snapdragon 品牌和粉丝基础。这些背景决定了 Amon 的发言角度：他不是以消费电子评论员身份预测潮流，而是以芯片、移动平台、车载计算、可穿戴和网络技术供应商领导者身份解释 Qualcomm 为什么认为设备侧 AI 仍然关键。

这也让他的观点天然带有产业利益和能力边界。Qualcomm 的产品和工作范围包括 Snapdragon、AI 与数学处理芯片、Android 手机技术、Meta 智能眼镜、可穿戴、汽车，以及用于安全和个人数据选择的硬件控制。因此，当 Amon 强调手机不会被云端 agent 抽空、智能眼镜是 AI UI 的重要入口、开放软件平台会释放硬件竞争时，这些说法既有一线供应链和平台经验支撑，也必须理解为来自 Qualcomm 领导者的战略叙事，而不是中立研究报告。

二、本期主要内容

节目从中美 AI 氛围差异切入。Amon 说，中国的 AI 更快进入消费者设备和终端采用，美国讨论则更多被前沿模型开发和企业采用主导。他进一步区分两边的关注点：美国更常讨论就业影响、数据中心、算力需求和电费压力；中国则更容易把 AI 当成一种产品功能演进，并且更重视 physical AI 和边缘侧部署。这个开场很重要，因为它为后面所有设备讨论奠定了框架：AI 不只发生在模型实验室，也会在消费者硬件中变成使用习惯。

接着，Alex Heath 把话题转向 AI 风险和政策节奏。Amon 的回答不是“暂停”或“加速到底”，而是继续推进发展路线图，同时建立护栏。他举出的现实风险是网络安全：人类已经把大量系统数字化，软件攻击面很大，如果模型能帮助发现漏洞或攻击系统，就可能降低发动攻击所需的专业门槛。对应到 Qualcomm 的角色，他说公司能在芯片和硬件层面提供 hooks、controls、knobs，让用户决定信息安全、个人图谱是否存储以及如何控制。

手机是节目最核心的部分。Amon 先交代市场状态：智能手机还没有恢复到 2019 年疫情前规模，但它已经是成熟的替换市场，每年仍卖出约 12 亿部。即使没有新功能，人们两三四五年后也会换机；但结构上，premium 和 high tier 占比持续扩大，因为用户把越来越多任务迁移到手机。与此同时，他称内存价格上涨 5 到 6 倍，高端机更能承受，中低端更敏感，并把今年市场下降 20% 归因于高内存价格造成的抑制，而不是需求消失。

在 Alex Heath 追问云端 agent 是否会削弱手机重要性时，Amon 回答说，一些前沿 AI 公司已经告诉 Qualcomm，到 2028 年需要手机至少能运行 1000 亿参数模型，并且接近常开。他把 AI smartphone 定义为：agent 接收语音或文本请求，做规划，决定哪些任务本地完成、哪些去云端，访问个人 memory graph、上下文和手机传感器数据，并跨应用替用户行动。节目后半段又扩展到智能眼镜、数据中心、Modular 和 6G：Amon 认为，智能眼镜因为生成式 AI 从拍摄配件变成 AI UI；Qualcomm 进入数据中心，是因为能效芯片适合算力与能源紧张的新方程；收购 Modular 是为了开放 AI 软件平台；6G 则被他描述为面向 physical AI、实时感知和 token 传输的新基础设施。

三、核心观点：推理、例子与边界

Amon 的第一层核心判断，是 AI 仍处在非常早期，因此不应过早锁定竞争格局、产品形态和社会影响。他用早期互联网作类比：如果当年认定 AltaVista 会赢得搜索、MapQuest 会赢得地图、Orkut 会赢得社交，后来都会显得判断过早。这个类比并不是为了证明今天没有赢家，而是为了说明，当前看到的聊天机器人、云端 agent、手机厂商 AI 功能，都可能只是初始形态。它也解释了为什么 Amon 一边强烈押注 AI 手机，一边承认“battle of the agents”还没有清晰答案。

在风险治理上，他同样避开两个极端。他明确表示，答案不在 bookends：既不是停止发展，也不是毫无约束地全速推进。Amon 选择讨论的风险是网络安全，而不是遥远的科幻式威胁：如果模型让非专业团队也能寻找漏洞、攻击系统，AI 就会扩大数字化社会本来已经存在的攻击面。这个论证的力量在于，它把模型能力、软件系统的普遍性和现实可执行的控制手段连接起来。限制也同样清楚：节目没有提供具体技术方案、监管框架或攻击案例验证；Qualcomm 提出的硬件控制和用户选择，只说明芯片厂商能提供一部分安全基础设施，不能单独解决模型滥用、应用权限和云端数据治理。

关于手机，Amon 的关键判断是：AI 不会让手机变成空壳。Alex Heath 用 Muse 等云端虚拟机式个人 agent 追问，早期 agent 是否意味着 token 计算会离开手机。Amon 的反驳分三层。第一，云与端不是替代关系，今天手机里的应用本来就有的本地运行、有的依赖云端；飞行模式下手机价值大幅下降，说明移动计算一直是连接能力和本地能力结合的系统。第二，有些任务必须在手机上完成，因为 agent 需要操作安装在手机里的应用，调用私人上下文和传感器数据，并降低等待摩擦。第三，他称部分前沿 AI 公司已经要求，到 2028 年手机至少能运行 1000 亿参数模型，并且接近常开。这个数字需要谨慎对待：它是 Amon 在节目中的说法，不是独立验证的行业路线图；但它揭示了 Qualcomm 所看到的客户需求方向。

Amon 对“AI smartphone”的定义也有明确区分。他反对把手机里有 Siri、Gemini 或聊天机器人等同于 AI 手机。真正的 AI smartphone，是 agent 能理解请求、规划任务、在本地与云端之间路由、访问个人 memory graph 和上下文、读取传感器数据，并跨应用替用户行动。这个定义把 AI 手机从“功能清单”推进到“执行环境”。更重要的是，他借早期 iPhone 和 Android 解释：当年 Nokia 或 BlackBerry 可以复制十几个系统内置功能，但真正定义智能手机的是第三方应用生态。对应到 AI 手机，决定性变化不会只来自 OS 或手机厂商自带 AI，而会来自 orchestrator、agents、third-party skills，以及支付等横向服务对 OS、app、公司和设备边界的贯通。

智能眼镜部分延续了同一逻辑：AI 需要贴近人的感官与行动。Amon 把 VR 归入更接近游戏主机的市场，把 mixed reality 视为中间类别，而把 smart glasses 视为最可能成功的 AI 可穿戴。他的理由是，生成式 AI 改变了眼镜的用途。早期眼镜更像摄像头延伸，用来拍照、录像、发布社交内容；有了 AI 后，用户可以问“这是什么”“翻译这个”“带我去那里”“这个人是谁”。眼镜靠近眼、耳、口，如果“AI is the new UI”，它就占据了很好的交互位置。节目里的 Qualcomm 研究例子很具体：小模型在眼镜里加载公司通讯录，用户走路时询问某人是谁，眼镜返回 Alex 和员工号。这说明眼镜的价值不只是拍摄，而是把视觉上下文、身份识别和低摩擦提问连接起来。

但眼镜判断也有硬约束。Amon 自己列出条件：理想重量约 35 克以下，续航 6、8、10 小时，并且必须具备 fashion device 的吸引力。他还承认，手表、pins、pendants、jewelry、带摄像头耳机、badge 等形态都会被尝试；第三种形态能否像 Walkman 或 iPod 一样成为文化时刻，取决于用户是否信任、是否感到有价值、是否足够低摩擦。因此，智能眼镜“最可能成为最大类别”，不是因为模型能力已经解决一切，而是因为它在交互位置上有优势，同时仍要通过硬件、审美、隐私和社会接受度的考验。

数据中心与 Modular 看似离手机很远，实际是 Amon 用来证明 AI 计算会分布在整个连续体中的论据。Qualcomm 进入数据中心的理由，是移动技术已经扩展到 PC 和汽车，自动驾驶芯片接近 server class processor；而数据中心又面临算力暴涨和能源受限。Amon 说 Qualcomm 的 DNA 是按“另一端有电池”来设计芯片，所以在 compute versus energy 方程中有机会。这一说法把 Qualcomm 从手机芯片公司重新定位为能效计算公司。与此同时，他认为 AI 推理正在从单一 Nvidia GPU 叙事分裂成更细的场景：更低 TCO 的推理、prefill、decode，甚至 decode 的进一步拆分。

Modular 则代表软件控制点。Amon 说，AI 将进入数据中心、汽车、PC、手机和可穿戴，开发者需要一个共同平台，类似传统数据中心的 Linux、云里的 Kubernetes、手机生态里的 Android。他说 Qualcomm 希望 Modular 运行在任何硬件上，以 Apache 2.0 开源，甚至会庆祝它部署在 Nvidia、AMD、Broadcom、Intel 或其他芯片上，因为开放平台能让硬件创新真正被使用，Qualcomm 再凭硬件本身竞争。这个观点的限制在于，节目只呈现愿景，没有证明开源平台一定能打破既有软件生态惯性；但它清楚解释了为什么一家硬件公司会把软件开放性视为战略前提。

最后，6G 被 Amon 描述为 AI 时代的网络基础设施，而不是单纯更快下载。他先为 5G 辩护：从消费者角度看，5G 支撑了无限数据套餐和高清视频下载。然后他把 6G 的消费者功能讲成覆盖区内随处可用的高清上行视频，这对智能眼镜“see what I see”很重要。更激进的部分是 physical AI network：无线电信号不只传 payload，也能像雷达一样感知环境；当网络中存在数十亿连接时，可以实时映射世界、检测无人机、管理空中经济、追踪车辆行人公交，并为模型、机器人和 agentic experiences 提供上下文。这里的预测有明确不确定性：Amon 给出 2028 洛杉矶奥运会前后演示和首批 silicon、2029 到 2030 年原型和早期部署、2030 年后规模化的时间表，但这些仍是受访者的路线判断，不应当作已经发生的市场事实。

四、学习与应用

这期节目最实用的学习点，是把“手机上的 AI 应用”和“AI 手机”分开。前者可以是一个聊天机器人、一个系统摘要功能、一个语音助手入口；后者必须能在设备上承载 agent 行动：理解意图、拆解步骤、判断本地还是云端执行、调用个人上下文和传感器，并实际操作应用。用这个标准评估产品时，不应只数发布会上有多少 AI 功能，而要问四个问题：它是否知道足够多的个人上下文？是否能跨应用完成动作？是否能在延迟、隐私、能耗之间做合理路由？是否允许第三方技能和服务进入，而不是只服务第一方生态？

第二个应用，是用 hybrid AI 的视角看架构。Amon 的手机例子提醒我们，云端 agent 与端侧模型不是二选一。复杂推理、长任务、重计算可以在云端；低延迟、隐私敏感、传感器实时输入、已安装 app 操作，往往更适合设备侧。对产品团队来说，正确问题不是“全部上云还是全部本地”，而是为每个任务划分条件：数据是否需要离开设备，用户是否愿意等待，任务是否需要调用本地 app，失败后是否有可解释回退，设备电量和散热是否允许。边界也要说清：Amon 的 1000 亿参数手机模型目标是节目中转述的客户需求，不能自动等同于所有手机很快具备这种能力。

第三个应用，是分析手机市场时不能只看总出货量。Amon 把成熟替换市场、约 12 亿部年度销量、premium/high tier 占比扩大、内存价格上涨、中低端需求受压、AI 换机叙事放在一起。对投资、产品规划或渠道判断来说，“手机市场不增长”这个单句过于粗糙。更有用的拆法是：替换周期多长，高端占比是否继续提高，BOM 中哪个组件在挤压价格带，AI 功能是否足以让用户感知价值，6G 或新网络能力是否会改变使用场景。同时要保留证据边界：内存涨价 5 到 6 倍、今年市场因高内存价格下降 20%，都是 Amon 在节目中的说法，不能在没有外部验证时写成普遍测量事实。

第四个应用，是评估可穿戴时不要只看模型能力。智能眼镜要成立，必须同时满足位置、交互、硬件和社会接受度。位置上，它靠近眼睛、耳朵和嘴巴，适合“看我所见、听我所听、回答我所问”；交互上，它必须比掏手机更低摩擦；硬件上，重量、续航、发热和外观会直接决定能不能日常佩戴；社会层面，摄像头、识别他人、持续上下文感知会带来信任和隐私问题。Amon 的公司通讯录识别例子展示了价值，也暴露边界：企业内部场景可能可控，但公共空间的人脸识别、数据存储和被拍摄者同意会复杂得多。

第五个应用，是理解数据中心芯片竞争正在从“谁有 GPU”变成“哪段推理任务、哪种能效、哪种软件入口”。Amon 提到 inference、prefill、decode、TCO 和能耗，提示我们评估 AI 基础设施时，要把训练、推理、长上下文、批处理、实时 decode、边缘部署分开看。Qualcomm 的叙事是用移动能效 DNA 进入数据中心；这对能源受限的 AI 部署有吸引力，但是否成功取决于实际性能、软件栈、开发者迁移成本和客户采购周期。

第六个应用，是把开放平台视为硬件多样化的必要条件，而不是理想主义口号。Amon 对 Modular 的论证很直接：如果开发者无法方便地把模型跑在不同硬件上，硬件创新即使存在也难以被采用。对企业和开发者来说，这意味着选型时要关注工具链、编译器、运行时、模型迁移成本、授权方式和生态稳定性。开放平台的 tradeoff 是治理和性能优化可能更复杂；封闭平台的优势是成熟和整合，但可能形成锁定。节目没有证明 Modular 一定成功，却提供了一个判断 AI 软件基础设施的框架。

最后，6G 的学习价值在于把网络看成 AI 感知和 token 流动的一部分。Amon 的说法提示，下一代网络可能不只是下载更快，而是上行高清视频、实时世界映射、无线信号感知、无人机检测和分布式 AI 计算的基础。应用上，智能眼镜、机器人、城市管理、交通、空中经济都可能受影响；边界则包括隐私、监管、基础设施成本、覆盖、标准化和时间表不确定性。Amon 给出的 2028 到 2030 年以后路线属于受访者预测，适合用于理解产业方向，不适合当作已经兑现的产品承诺。

来源

• 原始节目：Why AI could make phones interesting again