在瑞典隆德大学的一次演讲中，乔布斯曾提出一个颇具前瞻性的设想：如果能够记录下亚里士多德的思考过程，人们或许有机会与他进行跨越时空的对话。如今，这一设想正逐步成为现实。高通公司产品技术专家朱元堃在近期的一场AI活动上指出，实现这一目标的关键在于“过程”——通过持续感知和理解用户，AI智能体有望构建出一个“最了解用户的AI”，这一概念被称为“全时感知”，在业内也被称为“一直在场感知”。
IDC最新分析显示，终端产业正经历显著变革。一方面，全球手机、PC和平板市场在集体涨价后销量下滑，手机市场降幅约13%，安卓手机降幅约20%，PC降幅约11%。另一方面，一批具有强感知能力的AI原生终端正在崛起，智能眼镜在中国市场增长约50%，全球增长约30%，扫地机器人销量显著提升，百元价位的AI翻译器、AI阅读器和录音卡纷纷进入市场，甚至有公司开始研发带摄像头和定位功能的员工卡。
IDC中国副总裁王吉平将这一现象称为“AI超级大周期”。他指出，AI超级周期正推动终端市场走向变革的临界点，终端厂商在承受零部件价格上涨和用户换机意愿下滑的同时，传统的“参数内卷驱动销量增长”逻辑逐渐失效，AI终端正成为新的增长亮点。消费者对AI终端的投入增长，分散到了一批具有明确使用场景的AI原生设备中。
当AI智能体进入终端领域，整个产业的中心开始转移。朱元堃提出，个人AI阶段的核心是“Connecting You”，即以用户个人为中心的智能连接。未来所有设备都将成为智能体的端点，这些设备底层连通的实际上是一个具体的人。要实现这一目标，个人AI终端需要具备感知、记忆、推理和执行四个基础模块。感知相当于智能体的五官，负责理解周围环境；记忆负责沉淀长期信息；推理是对感知和记忆的加工；执行则是调用软件或工具完成任务。
IDC最新发布的白皮书《从AI设备到个人AI：智能体驱动的终端进化与产业重构》指出，个人AI必须具备个性化、全时感知和隐私安全三大核心能力，传统计算架构正迎来系统性重塑。王吉平从落地角度归纳了个人AI的四大核心能力：全时感知与自然交互、端侧算力与个人记忆、连续计算与跨端协同、安全可信与隐私保护。
计算架构的分工是个人AI发展的关键。业界共识是采用“端、边、云”三层技术架构。端侧负责感知、个人信息、记忆和本地模型；边缘侧作为介于随身设备和远端云之间的本地算力，处理更复杂的任务；云端则负责世界知识和高复杂度任务。王吉平判断，AI终端的算力分布正从“全都放云端”向“端、边、云架构”转变，不同层级各司其职，在具体场景中寻求体验和成本的最优解。
随着计算架构的理顺，芯片成为关键。朱元堃指出，算力虽然是基础，但不再是唯一标准，AI基准测试将首字时间、解码速度、内存占用和生成精度等因素纳入综合评分。高通将面向智能体时代的SoC设计为一个完整系统，由Oryon CPU、Adreno GPU、Hexagon NPU、传感器中枢和高速内存构成，通过异构计算实现分布式推理。其中，传感器中枢因其低功耗特性，有望成为未来个人AI最重要的信息入口之一。
端侧智能体的发展也面临挑战。朱元堃认为，当前的主要障碍已不完全是技术可行性问题，而是如何定义清晰的产品用例。产业各方需要共同解答AI功能解决的问题、完成时间、能耗上限和模型规模等问题。产品目标明确后，芯片选择、模型大小和软件供应商分工等问题将随之清晰。
王吉平提到，深圳有企业正在研发带摄像头、麦克风和定位功能的员工卡，能够完成录音和轨迹分析，这些功能过去主要由手机承担，现在被拆分到更贴合具体工作场景的设备中。这种拆分正在迫使手机、PC和平板重新定位。例如，国内迷你主机今年增长约70%，依靠低功耗和长待机能力，承担入门级边缘计算和AI学习场景；运动相机、拇指相机和录音卡的走红，也将手机厂商和原有硬件公司卷入新场景。
智能眼镜是另一个具有代表性的个人AI新终端。王吉平认为，眼镜赛道被低估，中国有约七亿近视人群，如果AI眼镜的体验能够与普通眼镜媲美，市场将迅速爆发。Rokid硬件研发总工程师周森表示，智能眼镜凭借几乎无感的伴随式交互和多模态感知能力，将成为未来个人AI的重要入口之一。
手机是否会被新设备取代？王吉平认为不会那么快。手机仍可能是个人AI最主要的形态，但需要从“等你操作”进一步走向“知我所知，想我所想”，主动完成该做的事。智能眼镜则需要补足强端云交互、摄像头感知和感知过程中的安全保障能力。
新形态终端的增多也带来了一个问题：一个智能体能否在不同终端之间通用？朱元堃指出，从技术上看，一个智能体由多个软件模块串联而成，靠着统一的技术底座，在PC上部署好的模型可以迁移到手机或眼镜上。然而，能迁移不等于体验能照搬，开发者需要根据不同设备的算力、内存、功耗和时延调整产品规格、模型参数和响应目标。
高通通过统一的技术架构和软件栈覆盖多个终端品类，CPU、GPU、NPU、摄像头和连接模块可以按设备需求自由组合。同时，高通向开发者开放AI工具链，并推出AI Hub平台，汇聚数百款行业主流AI模型，帮助开发者在本地快速部署模型。朱元堃强调，跨设备协同本质上是一个产业协同和生态共建的问题，需要各方共同制定统一标准。
个人AI的普及不会重走手机的老路。王吉平认为，用户习惯的迁移需要时间，不同年龄段的职场人对AI工具的接受程度存在差异。AI手机更可能像折叠屏手机一样，成为高端市场的重要差异化能力。千元机用户目前仍以基础需求为主，智能体能力要大规模进入这个市场还需等待。朱元堃补充说，个人AI的核心价值在于个性化，用户最终在意的是最符合自己需求的答案，而非绝对最快的答案。
