从PC到家电、AR、智能家居！高通靠跨平台边缘AI重构终端赛道

wps_doc_0.jpg

端侧AI的竞争，已经不只是谁先把大模型塞进手机或笔记本，而是谁能把计算、连接、影像、安全和软件工具，稳定地复制到更多形态里。高通在现场反复展示的，也正是这套可复制能力。

AI PC开始比拼规模和日常感

wps_doc_1.jpg

一整面由不同品牌、不同尺寸产品组成的Windows PC墙是高通展台最直观的“肌肉展示”。这里强调的并非某一款机器，而是Snapdragon PC已经从少数先行产品，进入更广的OEM协作阶段。对消费者来说，平台是否成立，最终也要靠可选机型、应用兼容、续航与价格共同回答。

AI PC的讨论正在从NPU算力数字回到体验本身。会议转写、图片处理、搜索和个人知识库这些功能，只有在不频繁唤醒云端、也不明显拖累电池的前提下，才会逐渐变成常用工具。高通的优势是CPU、GPU、NPU与连接能力可以在同一平台协同；难点则是把这种协同变成普通用户能够感知的稳定体验。

电视不再只是内容入口

wps_doc_2.jpg 

在电视演示区，屏幕上出现了Gemini for TV界面，展签则明确写有Q-7790 Google TV Features。相比传统语音助手只负责开关机、搜片和调音量，新的交互方向更接近连续对话：用户可以用含糊描述找内容，也能继续追问，甚至把电视变成家庭信息入口。

这恰好对应Dragonwing Q-7790的定位。高通今年1月公布的资料显示，这颗处理器提供24 TOPS端侧AI能力，并支持双4K60显示、4K60编码和4K120解码。参数本身不是终点，它的意义在于让电视与媒体盒子的AI功能，尽可能在本地完成一部分推理，减少等待，也给隐私和带宽留下更多余量。

嵌入式平台Dragonwing把边缘AI的上限和下限一起拉开

wps_doc_3.jpg

 搭载Dragonwing Q-7790与Q-8750的Thundercomm模组  

展台上两块Thundercomm TurboX系统模组，把平台思路说得很清楚：Q-7790负责覆盖AI电视、协作终端和智能摄像头等更广泛的设备；更高阶的Q-8750则瞄准多摄像头、无人机和高性能媒体中枢。官方资料给出的Q-8750 AI算力为77 TOPS，可支持最多12路物理摄像头，并称可在端侧运行最高110亿参数的大模型。

但真正值得注意的，不是77与24两个数字之间的差距，而是高通开始用一套相对统一的软件架构覆盖Linux、Windows和Android，并把开发工具、原型验证和量产路径放在同一张路线图里。对于设备厂商而言，省下来的不仅是芯片选型时间，更是模型适配、驱动维护和安全更新的长期成本。

新形态 当AI终端不再长得像电脑

wps_doc_4.jpg

电子纸设备是展台里很容易被忽略的一组。现场的汉王M10 MAX和BOOX Note X6，分别以大尺寸阅读、手写和AI辅助功能切入。对这类产品来说，边缘AI并不需要炫技，文字整理、摘要、翻译和检索只要更快、更省电，就足以改变使用频率。

AR头盔把信息贴进道路视野

wps_doc_5.jpg

另一侧的Aegis Rider AR摩托车头盔，则把导航与骑行信息锚定在道路视野中。它提醒我们，下一批AI终端未必都有一块传统屏幕，也未必需要用户主动打开应用。环境感知、低时延计算和连接能力，可能直接藏进头盔、眼镜、门铃和机器人里。

智能家居需要的是理解而不只是联动

wps_doc_6.jpg

智能家居区域最有意思的变化，是控制面板开始尝试“读懂”家庭状态。演示中的AI中枢把能耗、安防视频和事件摘要放到同一界面。过去的智能家居强调设备能不能连上、场景能不能触发；下一阶段则要回答，系统是否能理解异常、给出解释，并在用户授权后采取行动。

本地处理在这里尤其重要。家庭视频、门锁状态和生活规律都是高敏感数据，全部上传云端并不是理想答案。端侧AI可以缩短响应链路，也有机会减少原始数据离开家庭的次数。不过“本地运行”并不天然等于安全，权限管理、模型更新和设备生命周期同样需要被写进产品承诺。

热点科技洞察

高通的护城河正在从单颗SoC转向跨品类平台。PC墙负责证明消费生态，Q系列模组负责进入更多嵌入式场景，二者共同指向同一个目标：让端侧智能成为计算平台的默认能力。

AI体验的分水岭会从“能不能跑”转向“值不值得一直开着”。电视问答、电子纸摘要、家庭安防理解，都是高频但又不能明显增加功耗和延迟的任务。谁能把模型压缩、异构调度和连接做得更自然，谁才更有机会占住入口。

平台扩张也意味着更重的责任。设备越贴近家庭、车辆与个人数据，厂商越需要说明哪些任务在本地完成、哪些数据会上云、系统能维护多久。端侧AI的商业机会很大，但信任不会仅靠TOPS建立。

从IFA 2026现场看，高通要卖的已经不只是一颗处理器，而是一条让不同设备更快进入AI时代的路径。真正的比赛，才刚从样机走向规模化。

作者：Amelia