The AI Phone Era Is Coming: Qualcomm’s CEO Predicts the Next Technology Revolution Will Shift from Apps to AI Agents

智慧型手機典範轉移：從 App 生態走向 AI Agent 主導權爭奪

—科技產業競爭重心過去由作業系統與應用商店主導，但未來的核心門戶將轉向能跨應用自主執行任務的個人 AI 助理。
—AI 代理人模式能否大規模普及，關鍵不在單純調用軟體的能力，而是支付授權、隱私防護、錯誤責任歸屬與跨平台權限等商業基建能否完備。

隨著 AI Agent 具備跨應用調度與自主執行複雜任務的能力，傳統 App 將退居幕後成為調用服務，作業系統對使用者的掌控力面臨重構。雖然如 OpenClaw 等模式展示了代理操作的前景，但真正決定勝負的是跨平台的權限整合、支付驗證與隱私防護。未來智慧型手機的競爭核心將不再是掌控多少應用程式，而是誰的 AI Agent 能可靠完成最多值得信賴的任務。

手機端常駐 100B 參數模型：記憶體容量與功耗散熱成為核心瓶頸

—前沿模型業者要求 2028 年手機具備常駐運行千億參數模型的能力，標誌著 AI 投資從雲端資料中心延伸至個人終端裝置。
—密集型 100B 模型即使以 4-bit 量化也需約 50GB 記憶體容量，使端側晶片競逐指標從純 NPU TOPS 轉向持續推論功耗比與散熱穩定度。

$QCOM 長期

執行長透露多家前沿 AI 公司正自研手機並提出 2028 年常駐千億參數模型的硬體指標，驅動行動運算架構升級。儘管這為高階行動晶片帶來新一輪旗艦升級契機，並同步拉動 $MU 與 $TSM 等供應鏈，但終端成本高漲恐限制初期滲透率。千億參數手機晶片的實質考驗不在於跑分展示，而在於能否在電池續航與散熱可控的限制下持續執行實用運算。

半導體長期

終端裝置常駐運行巨量模型對硬體提出嚴苛要求，推動先進製程提升電晶體密度、先進封裝縮短資料搬移路徑以壓低功耗。行動晶片設計已從追求峰值算力轉向極致能效與散熱架構。行動端巨量模型的普及取決於先進邏輯製程與系統散熱設計能否在狹小空間內維持穩定的持續推論效能。

記憶體 ↑看多長期

千億參數模型即使深度量化，僅模型權重就需佔用數十 GB 記憶體空間，使得高頻寬、低功耗 LPDDR 成為邊緣 AI 的最大硬體瓶頸。行動端對高階 DRAM 容量與頻寬規格的需求將迎來結構性激增。邊緣端常駐大模型推論將記憶體容量與資料存取效率推升為比純運算算力更關鍵的瓶頸，為高階行動記憶體帶來長期需求支撐。