一个共识的诞生
在 2026 年 CES 上，一个隐性的行业共识开始成形。Samsung 将其称为 “companion（陪伴者）” ，Lenovo 称之为 “ambient intelligence（环境智能）” 。OpenAI 投入数十亿美元打造无屏设备，希望让 AI 成为“持续存在的智能体”。Meta 则收购 Limitless——一款持续记录用户所见所言的 AI 吊坠。
尽管形态各异，所有公司指向同一个判断：下一代计算平台，不再是“被使用的设备”，而是“持续存在的智能”。
这是一次平台范式的根本转变。但问题在于——行业看见了行为趋势，却尚未解决底层架构问题。
从持续陪伴到持续认知
这些产品所追求的体验，本质上要求一种全新的能力：
这不是传统意义上的 AI 应用，而是一种新的计算状态：持续认知。
但这一状态背后隐藏着一个更本质的问题：这首先不是 AI 问题，而是能源与架构问题。要实现“始终存在的智能”，必须解决：
- 本地持续推理的功耗问题
- 内存与上下文的长期驻留
- 低延迟实时交互
- 隐私与数据不外发
- 全天候运行的能效约束
而今天的主流架构——无论云端模型还是移动端 NPU——本质上仍是为间歇性计算设计的。
行为先行：自拍已经给过答案
历史已经提供过一个清晰类比。“自拍”这一行为最初只是一个简单动作：将摄像头对准自己。但它迅速演化为：
- 社交行为核心
- 内容产业基础
- 计算摄影革命
- 手机硬件重构的驱动力
最终催生了一个万亿美元级别的产业链。关键规律是：
行为先出现，硬件随后重构整个产业。
而今天正在形成的，是一个更深层的行为变化：“存在感（Presence）”。不再是“记录自己”，而是：
自拍的问题是：
我看起来如何？
而新范式的问题是：
我是否被理解？
陪伴型 AI 的真实市场已经出现
陪伴型 AI 并不是概念，而是已经验证的市场。
- Replika 用户规模突破 4000 万
- Character.AI 用户日均使用 93 分钟
- Xiaoice 在中国生态中拥有数亿级注册用户
研究进一步表明：
AI 陪伴在缓解孤独感方面，已接近真实人类互动效果，其关键变量不是智能水平，而是“被倾听感”。
但当前产品仍停留在一个阶段：文本式陪伴。
而下一阶段需求显然更进一步：
- 语音优先
- 实时交互
- 持续上下文
- 可回溯记忆
- 长时思维协作
这意味着用户不再只是“聊天”，而是在寻找：
认知层面的共同思考者
从 Samantha 到 Colin：两种未来原型
Samantha：认知存在的原型
电影 Her 中的 Samantha 展示了一个关键概念：
- 持续理解用户
- 记忆情绪与上下文
- 主动参与思考
- 无处不在的认知存在
她代表的是：
AI 作为关系与意识延伸
这不是工具，而是伴随性智能。
Colin：工程化的现实挑战
William Gibson 在《Mona Lisa Overdrive》中提出 Colin：
- 持续存在
- 不依赖唤醒词
- 始终维持上下文
- 随用户思维流动
但 Colin 指向的不是产品形态，而是一个硬件问题：
如何在本地实现持续认知？
这直接挑战当前架构的三个核心假设：
- 计算是“请求驱动”的
- 内存是“外部化”的
- AI 是“间歇运行”的
而 Colin 要求：
为什么现有芯片架构不够
当前移动端架构（CPU + GPU + NPU）本质上优化的是：
突发式推理（Burst Inference）
典型场景是：
- 拍照 → 推理 → 结束
- 请求 → 计算 → 返回
- 激活 → 处理 → 休眠
但“持续认知”完全不同：
- 永不休眠
- 长时间上下文维持
- 持续语音/多模态输入
- 实时响应
- 低能耗连续运行
这带来一个根本性冲突：
计算模型冲突
| 模型 |
特征 |
| Burst inference |
高峰值算力、短时运行 |
| Continuous cognition |
低功耗、长期运行 |
真正的瓶颈：不是算力，而是内存与能耗
在持续 AI 系统中，关键不再是 TOPS，而是：
内存移动成本
数据不断在 CPU、GPU、NPU、DRAM 之间移动，而每一次移动都在消耗能量。
工作记忆驻留
持续 AI 需要：
- 长期上下文
- 多线程对话记忆
- 用户状态建模
- 情境持续更新
这要求：
内存必须“常驻”，而不是“调度”。
能源效率成为核心指标
问题变成：
每一次“有效思考”消耗多少能量？
而不是：
峰值算力是多少？
架构转折点正在出现
下一代系统可能需要新的设计范式：
- 标量核心：控制与决策
- 向量引擎：持续推理与嵌入计算
- 超低功耗常驻内存
- 本地优先的数据路径
- 最小化内存迁移
一些新型存储与计算技术（例如高密度低功耗 SRAM 变体）已经开始指向这一方向。
核心思想是：
减少数据移动，而不是增加带宽。
Apple 的启示与局限
Apple 已经具备关键组件：
- 强大的 Neural Engine
- 成熟的本地推理能力
- 全球分发的硬件生态（iPhone + AirPods）
但问题在于：
架构应用错位
- NPU 被用于摄影（burst workload）
- Siri 仍依赖云端
- 语音助手没有进入持续状态
结果是：
拥有能力，但没有进入正确的计算范式。
经济结构的重写
自拍改变的是“视觉表达”。而认知陪伴改变的是：
这将重塑：
- 手机形态
- 操作系统
- 芯片设计
- 软件生态
- 甚至人机关系本身
新的平台尚未被定义
我们正在进入一个新的计算时代，其核心不是：
而是：
一个始终存在、持续理解你、与你共同思考的智能层
但今天的产业仍处于早期阶段：
- 行为已经出现
- 产品正在试探
- 架构尚未成熟
- 能源问题仍未解决
历史经验告诉我们：
当行为出现但硬件尚未准备好时，真正的赢家往往来自“重新定义架构”的一方。
下一个万亿美元级平台，不会由“最大模型”决定，也不会由“最大云”决定。它将由一个问题决定：
谁能让持续认知，在本地以最低能耗稳定运行？
答案尚未出现。但竞赛已经开始。在这场围绕 认知陪伴与 AI 硬件 的角逐中，谁能率先完成架构上的根本突破，谁就有可能定义下一个时代。
发表于 5 小时前
|
查看: 5|
回复: 0
