全球终端市场现“错位”：出货量下滑，AI 渗透率逆势上扬
全球智能终端市场正经历显著结构性变化：在整体出货量下滑的背景下，具备 AI 能力的终端数量却快速增长。
数据显示，今年上半年全球智能手机出货量同比下滑 13.9%，但其中具备 AI 能力的比例已达 66.4%，相对增幅达 21.8%。PC 与平板市场亦呈现相同趋势，尽管出货量分别同比下降 11.7% 和 8.6%，但 AI 渗透率持续走高。
上述数据源自高通委托 IDC 独立研制的产业白皮书《从 AI 设备到个人 AI——智能体驱动的终端进化与产业重构》。
硬件销量承压而 AI 渗透率逆势上扬，这一反差揭示了个人终端市场正在发生的系统性重构。
终端市场撞上临界点：从“堆参数”转向“个人 AI"
终端市场已步入关键转折点，过往依靠“堆参数换销量”的逻辑逐渐失效。屏幕刷新率、摄像头像素及跑分等硬件指标，难以再直接转化为购买力。受硬件成本上涨、供应链波动及用户换机周期拉长等多重因素影响，IDC 指出，AI 成为当前唯一能驱动增长的亮点。
然而，单纯在设备中植入 AI 功能并不能立刻赢得用户买单。由于用户对 AI 实际价值认知尚浅，不愿为此支付溢价，行业面临严重的价值错位。白皮书提出，解决这一困境需推动产业范式向“个人 AI"转变。
“个人 AI"被定义为以智能体为核心运行载体、以用户为中心展开运行的个人智能系统。其核心内涵包括两层：一是智能体作为运行主体，硬件仅作为承载端点；二是智能体围绕用户需求组织信息，实现跨设备（手机、PC、眼镜等）对用户偏好与环境感知的统一理解。
然而，该系统的落地面临巨大挑战。从对话式 AI 演进至智能体 AI，单次任务 Token 消耗量增长约百倍。若完全依赖云端处理，将引发成本、体验与隐私三大瓶颈：
- 成本压力：Token 消耗激增导致推理成本指数级上升，而在用户付费意愿尚未形成的当下，厂商独自承担支出造成收支错配。
- 体验受限：个人 AI 需全时感知并实时决策，云端往返的网络延迟无法满足用户对即时响应的期待。
- 隐私风险：全时感知涉及大量用户环境、位置及习惯数据，一旦云端泄露，后果远超单项数据泄露。
突破算力瓶颈：高通构建端边云分布式架构
针对上述瓶颈，白皮书建议从“云端集中”转向“端边云分布式”架构，打破物理节点边界，形成算力无缝流转、负载动态调度的统一计算体系。系统可根据任务时延、隐私等级及复杂度，自动将负载分配至最优节点：高频轻量任务在端侧处理，中等复杂度任务由边缘节点承接，高复杂度推理按需调用云端。
结合“个人 AI"的五大特征（个性化服务、全时感知与自然交互、连续服务、可进化、安全可信），高通提出了对应的技术解决方案：
个性化与全时感知
为实现个性化，高通在端侧构建个人知识图谱，确保数据不出设备即可记录用户偏好。依托低功耗传感器中枢，设备可在毫安级能耗下保持全天候待机，独立于主系统捕捉语音、手势及环境信息，为智能体提供持续的数据输入。
连续服务与可进化
通过端边云协同的分布式系统，手机、PC 与眼镜共享同一份用户理解，实现服务随人流动的连续性。同时，端侧个人知识图谱利用本地算力持续迭代，使用户用得越久，系统判断越精准。
安全可信
针对隐私红线，高通将隐私保护升级为硬件级能力，并通过端云分布式计算，将敏感数据处理保留在端侧，大幅收窄云端风险敞口。
高通认为，端侧 AI 的真正瓶颈并非单纯算力，而是持续服务能力、多任务并行能力及功耗续航。为此，高通采用多专用模块协同方案：CPU 负责全局调度，NPU 专注大模型端侧推理，传感器中枢维持毫瓦级持续感知，GPU 处理并行计算与图形渲染，以此支撑智能体全天候高效运行。
超越单一入口：高通布局全场景智能体生态
面对“下一代入口为何种硬件”的行业之问，高通给出了不同答案。高通产品技术专家朱元堃指出，“个人 AI"的核心载体不应局限于单一形态，手机、眼镜、PC 等均将成为智能体的端点。未来，所有设备底层连通的是每一个具体的人，用户在不同设备上接触的应是同一个懂自己的智能体。
这一判断基于庞大的终端规模。高通 CEO 安蒙在 COMPUTEX 2026 上披露，全球拥有约 60 亿部手机、20 亿台 PC 及 5 亿辆智能网联汽车。智能体真正要覆盖的，是每个人身边所有联网且带传感器的设备。
不同于其他厂商押注单一赢家，高通选择全覆盖策略，其产品矩阵横跨从两毫瓦耳机到千瓦级数据中心的全部计算层级。这与白皮书对 2030 年的预测不谋而合：届时终端边界将逐步消解，以屏幕为核心的形态弱化，感知、算力与执行单元将分布式地存在于用户周边。
随着终端边界的消融，关于“下一代入口”的争论或将终结，取而代之的是一个无处不在、懂你所需的个人 AI 时代。