哈密市网站建设_网站建设公司_HTTPS_seo优化

文｜刘俊宏

编｜王一粟

每年CES最大的看点，还得是消费电子领域中各种各样的“怪东西”。

2026年的CES，也充满了各种奇思妙想的AI硬件。能记忆并提供情绪价值的AI相机、监控用户情绪的AI吊坠、能根据用户情绪显示画面的AI相框、AI指导用户理发的“推子”、场馆随处可见的几十款AI眼镜…当然还有当之无愧的“明星”——各种各样的机器人。

AI硬件，正在重拾移动互联网黄金年代的火热，有些2025年已经拿到了成绩，有些则即将蓄势爆发。

通过这些AI硬件，AI正在一步步迈向物理世界，这不仅需要云端的“大动脉”，更需要边缘侧的无数“毛细血管”。

过去几年间，手机和汽车是最先完成AI改造的智能终端，但这远远不是边缘侧AI落地的终点。因为只要拆开手机和汽车就会发现，AI对边缘侧改变并不只是多一个提供AI算力的SoC。通信、系统控制、电池管理、摄像头等等一系列的电子元件，都在随着AI的需求而改变。

这就意味着，做好物理世界AI，需要成规模的边缘终端侧和云端之间的协同。

为了满足AI时代广泛而细碎的边缘计算，高通旗下的toB品牌高通跃龙这次展示了一些“不太一样”的产品。

在当下大火的具身智能领域，高通带来了机器人通用计算平台和完整技术栈架构。在物联网领域，高通则推出了两款面向边缘侧AI部署的新处理器，主要面向无人机、智能摄像头与工业视觉、AI电视/媒体中枢设备以及视频会议系统等场景。

显然，高通的AI战略主线已经悄然从消费品延伸到了更广泛的千行百业。通过具身智能和物联网边缘计算平台，高通正在从之前SoC厂商的身份，“扩展”到边缘侧，让更多行业都完成AI升级。

跨越智能终端时代，高通想在边缘侧和云端承载更多AI。

2026年，具身智能需要一个通用平台

在过去的2025年，光锥智能见证了具身智能从表演到进入工厂，走向真正的应用。今年的CES上，“工作能力”是不少机器人展位的核心标签。

例如波士顿动力的机器人终于不再“拍跑酷视频”，开始“进厂打工”，能自主更换电池，完成汽车装配任务。LG演示了双臂家用机器人CLOiD，功能主打机器人做饭、洗衣、整理家务。高通跟VinMotion合作的机器人则是展示了异构AI计算架构下，机器人在家务场景下的动作和任务执行能力。

从琳琅满目的演示中看到，机器人产品愈发成熟。之前形状各异的机器人本体、风格迥异的软件架构正在根据落地场景的需求快速收敛。多传感器融合、复合AI（视觉+语言+动作规划）、低功耗异构计算、工业级可靠性和功能安全，成为具身智能的“标准要求”。

随着行业对机器人的需求变得明确，帮助机器人建立“大脑”的通用计算平台需求也随之显现。

2026CES上，高通也带来了面向机器人的完整技术栈架构，发布了具身智能通用计算平台——跃龙IQ10。高通借鉴了汽车自动驾驶的技术架构，将汽车的“感知-规划-控制”架构应用在机器人上，并提供了一系列配套的软硬件解决方案。

具体来说，高通跃龙IQ10提供异构边缘计算、边缘AI和混合关键级系统（可以理解为任务优先级处理器）支持。软件层面，高通也提供软件算法、机器学习运维、AI数据飞轮，以及能支持合作伙伴生态的开发者工具套件。在算法层面，高通也能提供VLA（视觉语言动作模型）和VLM（视觉语言模型）等端到端AI模型支持。

跟其他公司不太一样的是，高通跃龙IQ10平台的“通用程度”更高。按照规划，高通的具身智能计算平台将支持家用机器人（如扫地机器人）、企业级机器人（如工业机械臂、AMR）和人形机器人的全系列部署。

而其他通用计算平台，大多还处于“某一类型”机器人通用的阶段。例如工业机器人普遍用的还是嵌入式控制器、工业PC或PLC居多。人形机器人和机器狗目前使用的主流是英伟达Jetson系列。家用场景（扫地机）用的就比较“杂”了，主要是一些相对成熟的低算力SoC。

诚然，不同类型机器人会存在形态、工作场景、传感器配置、工作任务等的差别，这导致“跨物种”之间采集到的数据很难复用，几乎没法整合数据做联合训练。但相比这些差异，高通更关注的是机器人更底层的“共性”。

同一套计算平台的好处，在于机器人开发者能够使用一套更标准的工具完成全品类的机器人开发。

除此之外，因为在边缘侧锤炼了多年，高通入局机器人通用计算平台还拥有低功耗、高性能的架构优势。

对于机器人来说，低功耗就意味着机器人更长的续航，在消耗同等电力资源下能“干更多活”。这种特性，能让机器人走出零售、分拣等“固定”的“工作岗位”，走向巡检、导览、搬运等更多需要移动的工作场景，可以说至关重要。

“我们正通过推动智能机器人从实验室走向真实世界环境，重新定义物理AI的可能性。”高通技术公司执行副总裁兼汽车、工业及嵌入式物联网与机器人事业群总经理Nakul Duggal说。

物联网，物理世界AI不能没有“毛细血管”

如果说汽车和机器人是未来物理世界AI的“大动脉”，那么连接千行百业的物联网，就是物理世界AI的“毛细血管”。

物种的多样性，让整个碳基生物的世界更加丰富和稳定，在硅基世界也同样如此。要完成物理世界AI的落地，不能只有大动脉，没有毛细血管。

过去二十年，物联网从信息时代的联网，到移动互联网时代完成了初步智能化，目前面临着AI的升级和更大规模的落地。

相比PC、手机、汽车，物联网包含的领域广泛而细碎。它可能是一家工厂里的数百个摄像头，也可能是上千个检测数据的红外传感器。它们不需要超大算力，但更需要低功耗、高稳定性、强通信信号。而在大模型时代，更需要独立处理小规模的数据。

物联网中边缘AI计算非常重要，以通信为例，现在的AI手机几乎都有一项功能“AI信号增强”，这是一种利用AI动态调整信号接收策略的算法，在弱网环境下（如-110dBm），AI增强可使有效吞吐量提升20–30%。

可以说，想要在千行百业中都实现智能化，物联网的边缘计算是绕不开的一环。

在物联网行业扎根十几年的高通，在2026年CES上，再次对边缘计算加码。

北京时间1月6日，高通正式推出了Q-8750和Q-7790两款处理器，用于视觉系统和视频场景的AI边缘计算。

其中，Q-8750是主打物联网高性能处理。其AI引擎算力为77 TOPS，支持INT4/8/16/FP16的精简AI模型精度，可运行110亿参数边缘侧大模型，直接减少边缘侧对云端依赖。视频方面，Q-8750支持12路物理摄像头、三路4800万像素ISP，适合无人机、多视角视觉系统和媒体中枢。

Q-7790则是提供更常见的边缘计算需求。其AI算力为24 TOPS，支持双4K60显示、4K60编码、4K120解码、AV1硬件解码，适用于智能摄像头、AI电视、视频会议系统。

更好的边缘侧AI性能，代表着物联网设备可以做更多事情。以工业嵌入式场景为例，之前行业大多用的是NXP和Renesas的产品。这些芯片更偏传统工业的可靠性和实时控制，对AI算力的支持力度不大。但芯片加入了AI算力之后，物联网边缘侧就能减少应用对云端控制的依赖，自主完成一系列任务。

例如在物理AI的开发环节，高通跃龙的Edge Impulse方案，能够让用户直接在硬件装置上，对全流程数据链路进行管控，完成AI开发的合成数据生成与标注环节。在企业安防和基础设施监控与分析场景，高通结合自家Qualcomm Insight平台（原生AI视频智能服务）和Augentix的摄像头硬件产品能力之后，能实现完整的边缘AI盒子和摄像头AI升级。

最近两年，高通一直在toB场景加码。2025年2月，高通正式推出了面向toB场景的跃龙品牌，主要包括工业及嵌入式物联网、网络和蜂窝基础设施解决方案。

但这并不是高通的全新业务，而是将过去物联网、工业、机器人等整体业务都做了一个整合。跃龙和骁龙两个品牌，一个面向toB，一个面向toC产品。

在过去的五个季度中，高通接连完成了五大并购，来完善跃龙在物联网领域的产品能力。这其中包括Augentix（智能摄像头和视觉系统能力）、Arduino（开源硬件平台，降低开发者门槛）、Edge Impulse（边缘AI开发工具，支持本地大模型部署）、FocusAI（视觉AI服务，安防摄像头+AI）和Foundries.io（开源云平台，支持软件更新和开发工具）。

从收购布局看到，高通的物联网业务正在转变为提供“硬件+软件+服务”完整解决方案，覆盖以视频为主的边缘AI的需求。

“我们不断扩展的工业及嵌入式物联网产品组合，加之强大的开发者生态系统，使我们成为构建可规模化的智能网联业务解决方案的理想平台。”正如高通技术公司执行副总裁兼汽车、工业及嵌入式物联网与机器人事业群总经理Nakul Duggal所说，补上边缘侧AI视觉之后的高通，看到了物联网行业更大的市场空间。

根据Global Market Insights统计报告显示，物联网（边缘计算）是一个具有相当大潜力的市场。2025年市场规模约214亿美元，到2035年行业空间将飙升至2638亿美元，复合年增长率（CAGR）达28%。

要知道，高通最引以为傲的手机SoC，市场空间现在是400多亿美元，而且该市场已经高度成熟。拿下物联网的市场增量，高通无异于再造一条新的增长曲线。

从具身智能到物联网的新布局中，我们能看到高通在AI时代一条清晰的战略主线：用AI计算平台作为底层设施，实现AI从边缘侧到云端全方位部署。

AI大规模落地，需要云端协同

在过去几年中，相比边缘侧，AI行业似乎更愿意在云端投入资源。

但随着AI在手机、汽车、眼镜、机器人等一系列终端设备落地，边缘侧AI的重要性愈发明显。例如AI原生硬件没有边缘侧算力，交互就有明显感知的延迟；汽车边缘侧算力不够，也无从谈起现在高阶智驾。

最关键的一点是，边缘侧才是AI与用户直接开始“对话”的场景。所有交互产生的数据，AI第一次的运算，AI的即时反馈都在边缘侧。

要想真正让AI走入更广的应用，还得需要从边缘侧到云侧的规模化部署。

为了实现AI无处不在的目标，高通已经完成了不少AI端云协同的规模化布局。

在手机领域，如今随处可见的“AI修图”、“AI助手”，就是因为2023年高通在手机上成功运行了Stable Diffusion模型。看到了边缘侧运行AI大模型的可能性之后，几乎所有主打AI能力的安卓旗舰机都开始了AI端云协同的尝试。

在AI PC领域，高通的思路是聚焦AI+移动生产力的设计。

在去年9月高通发布骁龙X2 Elite平台后，这次CES高通又“加更”了新的骁龙X2 Plus平台。新平台的设计主线，就是让AI的能耗比更好。比如，骁龙X2 Plus平台CPU单核性能相比前代提升35%，功耗相比前代降低43%，NPU保持跟之前一样，还是80TOPS的算力配置。预计在今年上半年，就会有搭载骁龙X2 Plus平台的PC上市。

在智能汽车领域，高通正在跳出智能座舱的“舒适圈”，走向整车智能化。

当前，骁龙座舱平台至尊版（智舱）和Snapdragon Ride平台至尊版（智驾）是高通面向智能汽车的最新解决方案。

在过去的竞争中，骁龙座舱平台已经在全球超过7500万辆汽车上落地（截至2025年6月）。如今，高通又披露了与理想、零跑、极氪、长城汽车、蔚来和奇瑞的进一步合作，至尊版平台车型定点总数达到10个。

另外，高通还与谷歌深度绑定，加大云端对汽车边缘侧AI的支持力度。借助谷歌云的云原生开发模式，双方将共同落地汽车操作系统、Gemini Enterprise（汽车AI智能体）等智能汽车软件。高通的硬件计算平台+谷歌的汽车软件，这意味着智能汽车来到了自己的“安卓时刻”。

“未来边缘数据的价值至关重要，谁能掌握利用边缘数据，并将其转化为为用户提供高度相关服务的能力，谁将成为AI竞赛的赢家。”

正如高通公司总裁兼CEO安蒙在CES上传递的。高通清晰地意识到，AI不再是一项功能，而是打造所有消费者体验的基石。补上了具身智能和物联网边缘计算平台的高通，有太多的边缘侧硬件可以改造。

在物理AI大规模落地的时刻，边缘侧和云端也正在走向一个更密切协同的未来。

结语

AI，彻底打乱了芯片行业的旧格局。

曾几何时，英伟达的主要目标客户还是游戏玩家，在AI时代一跃成为云端AI基础设施霸主；PC时代无比耀眼的Intel，在AI时代多次谋求改变；Mobileye之前还是汽车辅助驾驶的通用芯片厂商，现在地位早已不在。

所有规则都在重写，但不变的是：谁更能拥抱AI，谁就能走得更远。

高通以手机业务起家，如今通过战略求变，向机器人和物联网边缘延伸，“个人AI”与“物理AI”双线并行，展现出抓住AI时代主线的决心。如果布局成功，高通有望从消费电子巨头，转型为AI规模化时代最广泛的边缘侧赋能者。