Qualcomm攜手Liquid AI推動終端運算革命：讓邊緣AI從靜態模型走向「主動式代理」

Qualcomm執行長Cristiano Amon在Snapdragon Summit技術大會第二天，邀請Liquid AI共同創辦人暨執行長Ramin Hasani進行對談，深刻探討AI在智慧型手機與終端運算設備的下一步發展路徑。這場對談不僅揭示邊緣AI (Edge AI)的未來樣貌，更具體展示雙方如何透過軟硬體深度整合，將當前的靜態AI模型推向具備自我學習能力的「主動式代理」 (Agentic AI)。

從實驗室走向終端：Liquid AI的硬體原生思維

自麻省理工學院電腦科學與人工智慧實驗室 (MIT CSAIL)獨立運作約3年半的Liquid AI，其核心願景是將最大化的AI智慧，精巧地放入最小的運算單元中。有別於傳統先在雲端訓練龐大模型再進行後端優化的作法，Liquid AI在技術架構上採取「硬體迴路」 (Hardware-in-the-loop)的設計策略，從零開始專為終端裝置打造基礎模型。

Liquid AI推出的Liquid Foundation Models (LFMs)採用開放權重模式，模型參數規模涵蓋2億至240億，而目前LFMs每週在Hugging Face平台上的下載量高達140萬次。

針對OEM合作夥伴，Liquid AI提供隨插即用的「Model + Harness」 (模型+安全防護)產品，以及允許OEM進一步客製化模型開發堆疊 (Model development stack)。該公司的長遠目標，是讓這些模型能在每年全球生產40億台裝置中取得50%以上的佈署應用比重。

跨越AI落差：定義「生產級AI」的必要條件

Ramin Hasani在對談中點出當前AI產業面臨的關鍵落差：雖然AI模型能力呈現指數型成長，並且帶動基礎的數學與邏輯推理技術創新，但個人的生產力提升速度，已經遠遠超越企業整體的商業轉型步伐，而當前的市場挑戰在於如何將這些運算「能力」確實轉換為實際「價值」。

為了跨越這道鴻溝，業界必須打造生產級AI (Production Grade AI)。這種AI必須滿足三個條件，包含必須能夠執行高度可靠的動作、系統輸出結果必須具備完全的可驗證性，同時必須能滿足實際佈署環境的種種限制，包含隱私保護、連線需求，以及安全性考量。

推動終端AI平台革命的五大關鍵

為了讓每年高達20億顆新出廠的處理器真正成為下一個AI運算平台，Ramin Hasani認為產業界必須在五個面向上做出改變：

• 裝置智能品質 (Quality)：必須大幅縮小邊緣運算與雲端運算在AI性能上的差距。

• 上下文連結 (Context)：必須建立能跨越多台設備、將使用者體驗串聯起來的智慧記憶層。

• 工具鏈整合 (Harness)：開發工具與AI模型必須同步適應與演進，而非單向配合。

• 硬體限制感知 (Limitations of the physical world)：必須理解物理處理器的運算極限，並且將這些限制直接回饋到模型的協同設計過程中。

• 開發者賦權 (Developers)：必須擁抱開源生態，並且將模型建構的核心能力交還給企業與開發者。

雙方合作亮點：Liquid Context on Snapdragon

建立在上述理念之上，Liquid AI在此次技術大會上正式發表與Qualcomm深度合作的全新產品：Liquid Context on Snapdragon。

這是一層運行於終端裝置上的智慧記憶架構，能夠讀取、壓縮，並且寫入使用者在各種主動互動中的體驗資訊。該技術直接運行於Snapdragon的NPU (神經處理單元)上，確保所有資料處理都是在裝置端完成，完美解決隱私與連線限制的問題。

在實機展示中，該系統能直接授權存取使用者的各類應用 (如訊息、筆記、照片與行事曆)，並且在理解使用者行程後，主動草擬社群貼文或訊息，展現從被動指令到主動服務的重大技術跳躍。

未來的AI系統將不再是固定權重的靜態模型，而是能夠在裝置端持續學習、自我迭代的動態系統。Ramin Hasani強調，這將引領整個AI產業從單純追求「規模最大化」，轉向追求「自適應與高度個人化」。

而Snapdragon平台所具備的異質運算架構，包含CPU、NPU與感測中樞 (Sensing Hub)，正是實現這種高度複雜、貼近使用者情境的邊緣AI革命不可或缺的硬體基石。

《原文刊登於合作媒體mashdigi，聯合新聞網獲授權轉載。》