如果說大模型最早帶來的衝擊，是讓用戶開始習慣和機器進行自然語言對話，那麼 Agent 的下一步，則是讓 AI 從「回答問題」走向「完成任務」。它不再只是一個聊天窗口，而是可以理解場景、拆解任務、調用應用、協同設備，並在更長周期里記住用戶偏好的系統級能力。
對於許多人來說，AI 是一個 ChatBox
，更是一個 AI Agent。
過去，手機、平板、PC、汽車、耳機、手錶等設備，更多是在各自的硬體形態和作業系統里提供功能；而在 Agent 普及之後，終端之間的邊界會被進一步打散。用戶真正需要的，不一定是打開某個 App，完成某個孤立操作，而是在一個連續的生活場景里，讓手機、汽車、IoT 設備和雲端服務協同起來，主動給出更合適的服務。
過往二三十年的時間裡，智能設備的晶片從決定最主要的運算任務，變為決定跑分、功耗、遊戲和影像能力的底層硬體，現在，晶片也需要成為 AI 體驗的入口、算力底座和生態接口。
這就是 MediaTek 在天璣開發者大會 MDDC 2026 上想要傳遞的核心資訊：一方面通過手機、汽車、IoT 和 AI 基礎設施等全棧產品組合，提供覆蓋多場景的算力底座；另一方面，則通過天璣 AI 智能體化引擎、AI 開發套件、汽車平台和遊戲技術，向開發者開放更多能力。
天璣 AI：從端側算力，到系統級 Agent OS
在 AI Agent 的落地過程中，手機仍然是最關鍵的終端之一。
原因並不複雜。手機擁有最密集的用戶數據、最高頻的使用場景，以及最成熟的應用生態。它既是個人資訊的入口，也是跨設備協同的樞紐。因此，當 Agent 從應用層走向系統層，手機很自然會成為智能體化體驗的第一現場。
過去三年，天璣 AI 生態圈實現了明顯增長：生態夥伴成長量提升至 240%，天璣 AI 開發套件下載量提升至 440%。MediaTek 也提到，智能體自主任務量已經從 2025 年每日 1.2 億次，增長至 2026 年每日 8.7 億次，一年增長 7 倍。這些數據至少說明，Agent 已經不再只是概念層面的未來敘事，而是開始進入開發者和用戶體驗的增長通道。
為了應對這一趨勢，MediaTek 在大會上發布了天璣 AI 智能體化引擎 2.0。
相比 1.0 版本更多由用戶指令驅動、通過 App 獨立執行單一任務，2.0 版本的關鍵變化在於主動感知驅動。藉助天璣 SensingClaw 技術，天璣平台可以提供低功耗的全時感知能力，讓設備製造商打造具備主動感知和跨應用驅動能力的 Agent OS。
換句話說，未來的 AI 助手不只是「你說一句，它做一步」，而是能基於視覺、聽覺、位置、環境狀態等資訊，提前理解用戶所處的場景，並調動不同應用和設備完成更複雜的任務。
在大會現場，MediaTek 公布了與 OPPO、Xiaomi 和傳音的合作案例。
天璣能力將賦能 OPPO 小布助手，打通系統級原生應用數據，並結合小布記憶建立用戶專屬記憶資料庫。它可以完成體檢報告解讀、自動規劃健身計劃並導入日曆等任務。小米這邊，重點放在跨端智慧體驗上，用戶通過一句指令，即可調用全場景設備執行任務，實現任務在多設備之間的流轉。傳音則更強調 Always On 主動感知能力，比如 AI 助手可以在免喚醒、自運行的狀態下，完成查物流、比價等複雜任務。
三家頭部手機品牌的案例其實都在說一件事，AI Agent 不再只是手機里的一個應用，而是正在成為系統層能力的一部分。它既需要晶片端提供足夠高的 AI 算力，也需要端側持續感知能力，還需要隱私、安全和應用生態之間的協同。
開發套件 3.0：讓端側 AI 更容易落地
如果說 AI 智能體化引擎面向的是系統級體驗，那麼天璣 AI 開發套件 3.0 則是面向開發者的工具箱。晶片平台企業一直強調端側 AI 的價值：響應速度更快、隱私保護更好、離線能力更強，也能降低對雲端資源的依賴。
不過真正把模型放到手機、平板、車機等終端上，並不是簡單的「搬運」，開發者往往要面對模型壓縮、算子兼容、功耗控制、內存占用、部署效率等一系列工程問題。天璣 AI 開發套件 3.0 正是為此而來。
3.0 版本首先支持 LVM 模型可視化部署，從命令行升級到 GUI 模組化，參數設置可以實時生效，模型部署和調優效率提升 50%。對於很多應用開發者來說，這降低了從模型到終端運行之間的門檻。
新增的 Low Bit 壓縮工具包，可以降低生成式 AI 模型壓縮過程中的設備內存占用，在相同質量下模型壓縮率提升可達 58%。這對於端側大模型尤其關鍵，因為終端設備的內存、功耗和散熱空間都更加有限。eNPU 開發工具包可以幫助開發者充分發揮天璣晶片中超能效 NPU 的優勢，讓常駐輕載 AI 模型功耗節省 42%。對於 Always On 感知、語音喚醒、環境識別等場景來說，低功耗比峰值算力更重要。AI 要真正做到隨時在線，就必須先解決「一直運行」帶來的能耗問題。
天璣 AI Partner 作為一站式模型端側轉換助手。它可以支持模型分析、調整、驗證等流程自動化，幫助開發者將原本可能需要 5 天的模型轉換工作壓縮到半天左右，端側 LLM 模型部署耗時節省可達 90%。
從這些升級可以看出，MediaTek 並不只是把 AI 算力作為晶片參數來展示，而是在試圖補齊開發流程中的關鍵環節。對於開發者來說，端側 AI 的真正門檻並不只有「晶片夠不夠強」，還包括「工具鏈夠不夠順」「模型適配夠不夠快」「優化成本能不能降下來」。
汽車平台：從智能座艙，到 AI 定義汽車
過去幾年，「軟體定義汽車」已經成為行業共識。智能座艙、智能駕駛、整車 OTA 和車雲服務，讓汽車從一個以機械結構為核心的交通工具，變成了持續更新的智能終端。而隨著大模型和 Agent 技術進入車內，行業又開始進入「AI 定義汽車」的新階段。
在 MediaTek 的判斷里，汽車正在從單純的交通工具，進化為懂用戶、預測用戶需求、無縫融入生活的智慧第三空間。MediaTek 車用平台已經與全球 20 家以上頭部車企開展深度合作，在手項目超過 190 個，累計出貨量達到 3500 萬套，近 5 年出貨量增長接近 4 倍。這說明 MediaTek 進入汽車領域並不是從零開始。它把手機晶片平台中積累的性能、能效、連接、影像、AI 和生態經驗，遷移到了更長生命周期、更高安全要求的汽車場景中。
在天璣智能座艙方案中，MediaTek 將未來座艙的能力分為幾個關鍵方向：全模態交互、主動式服務、並發指令執行和端雲協同。
這與傳統車機語音助手有明顯差別。過去的語音助手往往是被動響應，用戶說一句，它執行一個固定任務；而未來的智能體座艙，需要能識別車內人員、理解環境狀態、判斷用戶意圖，並把導航、社交、地圖、餐飲、支付等服務串聯起來。
比如在大會案例中，工作日早上用戶帶孩子上車後，系統可以自動識別乘車人員，並主動詢問是否需要先送孩子上學再去公司，甚至根據時間推薦順路買咖啡。這類場景的價值，不在於單點功能有多新，而在於車機從「工具」變成了「上下文理解者」。
要實現這樣的體驗，底層平台必須解決三類問題。
第一是平台層。車端需要高效運行大參數 AI 模型，還要支持多模型、多任務並行。MediaTek 提到，天璣旗艦座艙平台可以提供最高 400 TOPS 的 AI 算力，並通過軟硬協同架構，將 AI 平台需求壓縮 90%。在五屏重度渲染場景下，仍可流暢運行雙大模型，速度超過 50 token/s。
第二是模型層。汽車的生命周期往往長達 6 到 10 年，但 AI 模型的疊代周期可能只有幾個月。如何讓車輛在整個使用周期內持續用上新模型，是智能座艙必須解決的問題。天璣座艙 7 系列直接集成 NVIDIA GPU 資源庫，支持基於 CUDA 開發的新模型和算法遷移到座艙平台；天璣座艙 S 系列則支持天璣 AI 開發套件，幫助主流模型及其衍生模型更快完成適配。
第三是應用層。天璣軟體平台提供場景映射、智能模型加載、端雲協同和系統調優等工具。比如端雲協同可以在複雜任務需要雲端處理時，由端側先完成需求預處理和篩選，只上傳關鍵 token，在保護隱私的同時降低雲端成本。
汽車 AI 並不等於把手機助手搬進車機，車內是一個多用戶、多模態、多螢幕、高安全要求的環境。它既要理解駕駛員，也要理解乘客；既要提供娛樂，也要避免干擾駕駛；既要依賴雲端能力，也要保證本地響應和隱私安全。因此，汽車 AI 的挑戰比手機更複雜，也更考驗平台級能力。
遊戲技術：移動端正在靠近主機級體驗
在 AI 之外，遊戲仍然是天璣平台展示性能和生態能力的重要場景。
移動遊戲的體驗升級，過去主要圍繞高幀率、高畫質和低功耗展開。現在，隨著移動 GPU 能力提升，以及遊戲內容向 3A 化發展，移動端開始追求更真實的光影、更精細的模型、更低延遲的音頻和更長時間的穩定運行。
本次大會上，MediaTek 重點介紹了 Ray Tracing Pipeline，也就是 RTP 移動端光線追蹤技術。與傳統光追方案相比，RTP 的目標是跨端適配 PC 與 Mobile 的渲染管線，實時呈現複雜遊戲光影效果，包括動態物體、骨骼動畫，以及視野外環境和物體反射。
MediaTek 已經與騰訊《三角洲行動》項目組合作預研新的 RTP 技術方案。它的意義在於，如果 PC 端渲染管線可以更順暢地遷移到移動平台，那麼跨端 3A 遊戲的開發周期和適配成本都有機會被降低。
另一個重點是虛擬幾何體技術。MediaTek 天璣與團結引擎深度適配 Virtual Geometry，依託天璣移動平台 GPU 渲染能力，在移動端環境下實現超過 10 億級三角面渲染，並在 1.5K 高解析度下持續輸出 1 小時滿幀體驗。這意味著手機遊戲在模型精細度上的限制，有機會進一步被突破。
音頻方面，天璣 LE Audio 低延時技術通過全鏈路優化，在天璣旗艦移動平台上帶來 32 ms 的低延遲藍牙立體聲表現。該技術已經在《和平精英》測試服中落地，用於降低音頻延遲。對於競技遊戲而言，音頻延遲並不是感知層面的微小差異，而可能直接影響玩家對敵方位置和操作節奏的判斷。
此外，天璣平台還展示了 GPU Dynamic Cache、天璣倍幀技術 3.0、自適應調控技術 5.0，以及面向安卓遊戲開發者的一站式分析和調優工具 Dimensity Profiler 2.0。
GPU Dynamic Cache 架構允許 GPU 同時調度系統緩存和內存，讓開發者可以通過系統緩存傳輸關鍵遊戲數據，節省頻寬並降低功耗。目前，該技術已與《逆戰：未來》《暗區突圍》等遊戲合作。
天璣倍幀技術 3.0 則新增 Depth 等選項，可以更好預測並生成高質量虛擬幀，支持 165 幀和 144 幀，也支持 UE、Unity 等引擎插件接入，並覆蓋手機、平板和座艙平台。《王者榮耀》可藉此解鎖 144 幀低功耗體驗，《明日方舟：終末地》也獲得更高流暢度和更低功耗表現。
自適應調控技術 5.0 新增智能幀控和場景預判功能，可以讓晶片、遊戲和螢幕之間的資訊流動更細。以《鳴潮》為例，合作後 1% low 幀和功耗指標都有明顯優化；《和平精英》等遊戲也能在重載場景下實現 CPU 和 GPU 負載降低。
這些技術共同說明，移動遊戲的優化已經不再是晶片廠商單方面拉高性能，也不是遊戲廠商單方面壓縮畫質，而是軟硬體協同越來越深入。晶片、引擎、遊戲內容、調優工具和開發流程，都在被重新打通。
MediaTek 還將端側 AI 引入遊戲場景。大會現場公布了天璣 AI Play 與《三角洲行動》的合作成果，藉助天璣移動平台的端側 AI，讓遊戲內 CC 語音智能伴侶響應更快，相比雲端延遲大幅降低 56.7%。這意味著，AI 在遊戲中的角色，不只是 NPC 或劇情生成，也可以進入語音交互、實時陪伴、戰術輔助等更即時的體驗場景。
過去談移動晶片，行業更習慣討論 CPU、GPU、NPU、影像 ISP、製程工藝和功耗表現。但在 AI Agent 和多終端協同的趨勢下，晶片平台的競爭正在變得更複雜。它既要有足夠強的底層算力，也要有開發套件、模型工具、跨端能力、系統接口和合作夥伴網路。
這也是為什麼 MediaTek 在大會上反覆強調開發者與生態。
AI Agent 的落地不會只由晶片廠商完成，系統廠商需要把 Agent 變成原生能力，應用開發者需要把功能重新智能體化，終端廠商需要解決跨設備流轉，汽車廠商需要把 AI 與車內傳感器、座艙系統和雲端服務結合起來，遊戲廠商則需要在高畫質、高幀率、低功耗之間找到新的平衡點。
未來用戶評價一台手機、一輛車，甚至一個 IoT 設備時，可能不再只看硬體參數，也會看它能不能理解自己、能不能主動完成任務、能不能在不同場景之間自然流轉。
