电厂 | 对谈高通中国研发负责人：从手机到机器人，高通的全栈AI方法论

7月上海世博中心，我们在一个安静的会议室里，见到了高通公司全球副总裁、中国区研发负责人、IEEE Fellow徐晧。他刚结束两场WAIC 2026的演讲，节奏紧凑，观点密集。从2024年起，“端侧AI”就是高通在这个科技前沿阵地上的重点分享内容。而到了今年，这个概念还在不断往外延展：不再只是手机、电脑，机器人、智能座舱、AI Box……几乎所有能联网的设备形态，都在被纳入高通的计算版图。

徐晧本人的经历，也很有意思。1989年考入大学，当时学的是自动控制，后来转向无线通信，2003年加入高通。回头看，这二十多年，他从一个自动控制专业出身的学者，亲历了全球移动通信的崛起，如今又站到了端侧AI与具身智能的产业前沿。这种从“控制”到“通信”再到“AI”的轨迹，本身就是一个技术周期的缩影。

以下是我们的对话整理。

智能体元年，高通持续推进分布式AI布局

Q：高通已经连续第9年参会WAIC了。2024年的主题是端侧AI，2025年聚焦端侧AI与智能座舱。您怎么总结高通在WAIC 2026年的关键词？

A：我们把今年看作“智能体之年”，所以智能体肯定是一个关键词。我们一直在推进智能体在手机、机器人，以及各类终端形态上的应用。分布式AI也是重点。今天，高通产品所支持的平台，已经覆盖了智能耳机、手表、手机、PC、机器人、车、AI Box（边缘AI计算盒子）、数据中心……设备形态从小到大，功率从毫瓦到千瓦级，我们都有对应的平台和芯片。总的来说，我们正在向新的智能化方向突破。目标很明确：让AI能够更好、更广泛地应用，触及每个用户。

Q：本届展会上，机器人供应链展商数量最多。您最早学自动化专业，对口的正是机械行业；后来转向无线通信研究。十几年过去，您的职业轨迹重新与机器人、物理AI产生关联。怎么看这种行业变化？

A：对，有点返回初心的感觉。工业界和科技的发展，其实也有周期。很多今天看起来很新的方向，往往都能在过去找到它的源头。我当年选择自动控制专业，是因为那时候有很多航天卫星火箭相关的技术研究，科技前瞻性和应用潜力很强。现在回头来看，当时学的控制、电机技术，正好又非常适配今天的机器人研究。后来我遇到了导师T.Rappaport，就把研究重心逐渐转向了无线通信领域，也比较早接触到毫米波等前沿技术。当时这些研究距离真正的大规模应用还有很长的路，但后来都逐步成为移动通信技术演进的重要组成部分。今天回过头来看，无论是AI还是机器人，其实也处在类似的发展阶段。很多我们现在讨论的技术方向，未来可能会像当年的移动通信一样，经过持续积累和创新，逐步走向成熟并改变产业。在高通的一个好处是，我有很大的自由度来跟踪最前沿的科技，无论是通信还是AI和机器人，每个方面都在跟进研究。某种意义上，虽然研究对象在变化，但始终没有离开“让技术更智能地服务现实世界”这条主线。

Q：您对端侧AI、具身智能、5G/6G都非常熟悉。在现在这个时间节点，您更关注哪个？精力分配有优先级吗？

A：我尽量做到每个都1/3。在无线通信领域，我会领导团队做很多6G相关的工作。不过因为已经在这个领域工作了几十年，积累了不少经验，面对一个题目时会有比较强的直觉，能比较快地判断哪些方向值得深入探索。但在机器人和AI领域，我基本上每天都得花时间学习，因为变化太快了。AI和机器人领域有非常多重要的研究成果是开源的，大家的起点都很高，全球研究者都在基于最先进的技术不断推动研发。所以，我大部分晚上和周末的时间都在看跟AI和机器人有关的知识。总之，在这三个领域，研究方式不太一样。无线通信更多依赖长期积累形成的经验和判断；而在AI和机器人领域，则需要始终保持学习状态，不断吸收新知识。

智能体手机转向端侧模型，面临两大挑战

Q：现在大家都在谈“世界模型”“物理AI”“具身智能”。该怎么理解这些概念？它们的关系是什么？

A：世界模型强调的是对整个世界的理解，更多用在自动驾驶和机器人领域。因为汽车、机器人的工作模式需要不断拓展到新环境中，这时候就需要建立对环境的感知。比如机器人从这个房间进到另一个房间，需要通过摄像头、传感器获得对距离的感知，完成3D建图，才能知道下一步怎么完成任务。我们可以在仿真世界中模拟这个房间、模拟机器人来进行训练和验证。而物理AI，更多强调的是跟真实物理世界产生接触、交互。当然，物理AI范畴的研究也包含对物理规律的理解，比如机器人在拿杯子时需要考虑摩擦力和重力值，但它更强调的是和外界有闭环互动。至于具身智能，强调的则是“具身”，比如人形机器人的本体设计是它“具身”的部分，解决的是当AI被放进一个具体形态中，我们如何运用它。三个概念各有侧重，但本质上都在从不同角度解决AI的问题。

Q：视频模型、自动驾驶、机器人、数据采集公司，都说自己在做世界模型。在这么多业态里，高通的角色是什么？

A：有些概念比较新，大家容易把它用到不同的场景中，我们得根据场景来判断它到底意味着什么。但从高通的角度来说，我们还是注重在擅长、能持续产生价值的部分。一方面，硬件方面我们有非常多年的积累，可以用一个集成度非常高的芯片完成各类处理任务。从数据中心到手表耳机，我们定义了不同规格的产品，形成矩阵型的产品布局。在硬件基础上，我们还在做软件。我们要支持不同的操作系统，无论是安卓、Windows，还是车载OS、机器人OS，得让开发者能够方便地部署和使用AI能力。在软件层，我们还在完成一个很重要的命题：适配不同的AI模型。比如在手机、车载的端侧场景，受功耗、存储和算力限制，模型需要进行压缩，参数规模要压缩到几十亿级别；如果要处理复杂任务，还需要考虑和云端模型的协同，这都是很复杂的任务。

Q：高通很早就在说“端云协同”的概念，现在也有很多企业尝试推出智能体手机产品。想要真正实现手机的智能体验，在芯片层面是不是还面临一些挑战？

A：对。智能体手机、AI手机的发展趋势，是把越来越多的功能放在端侧，在端侧执行各类任务。这一方面是隐私考量，另一方面云端上传下载也会带来时延和Token付费的问题。但这就面临几个难点。一个是端侧小模型的性能，2 billion、3 billion、4 billion规模的模型想要完成端侧任务，需要模型厂商在现有基础上持续突破。另外，智能体手机需要学习大量的个人数据、对用户形成个人知识图谱，才能带来个性化的体验。而这对功耗、存储都会带来考验。所以这里面有一系列技术难点，但也有非常大的市场，值得大家互相打磨、一起努力。

涉足数据中心，高通完善全栈AI布局

Q：在这个新时代，高通的愿景是不再只是一家端侧SoC企业，而是要做“全栈AI平台”。提起“全栈AI平台”，读者会想起英伟达、谷歌这样的公司，可以请您解读高通的“全栈”有何不同？

A：我们所说的全栈，指的是从硬件、软件、算法到模型的全部覆盖。现在有几十亿的端侧设备在应用高通的技术和芯片，因此我们对端侧AI的需求、场景和挑战有着长期而深入的理解，也积累了大量低功耗、高集成度的技术能力。这些都是高通在AI时代的重要优势。此外，高通针对各类端侧场景，形成了非常连续性的产品规划。比如在驾驶辅助方面，我们研发了针对车载场景的芯片、ADAS系统、各类软件。现在我们也在跟宝马等行业伙伴合作，推广相关方案。

Q：高通现在也涉足了数据中心领域。在高通投资者日上，高通CEO安蒙曾经说过，“对高通而言，入场从来不算晚。”早晚可以是跟友商同行比，也可以是和行业的成熟度比？高通怎么定义这个入场时机？

A：我这几天听凯文·凯利的演讲，他说现在还没有真正的AI Expert出现。因为AI太新了，每个人都有机会，特别是年轻人。AI变得非常流行也就是最近这几年的事，ChatGPT发布也就是3年前而已，Agent今年才走红。各类AI Agent都在快速演进，从科技发展的规律来说，现在还不存在早晚之争，而是还在AI的上升期、变化期——更重要的是能否持续创新。而高通拥有各方面的积累，随着能力进一步延伸到数据中心，我们能够更好地打通云边端协同，在分布式AI时代发挥自身独特优势。

（注：除特殊标注外，文中图源高通）