随着大模型不断成熟，产业竞争已逐渐从模型能力本身，转向如何让模型真正融入现实世界。相比仅能完成问答交互的大模型，具备自主规划、环境感知、工具调用和持续执行能力的AI Agent（智能体）正成为产业发展的新方向。无论是机器人、智能汽车，还是智能终端，未来都将从"响应指令"演进为"自主完成任务"，而这一变化也对底层计算架构提出了全新的要求。

对于部署在边缘侧和终端侧的AI而言，仅依靠不断堆叠算力已经难以满足实际应用需求。Agent不仅需要运行大模型推理，还需要同时处理视觉、语音、多传感器融合以及实时控制等多种任务，对计算平台的通用性、灵活性和系统效率提出了更高要求。如何打造既兼顾性能，又能够覆盖多样化应用场景的AI计算底座，正在成为产业关注的焦点。

在2026 WAIC期间，安谋科技NPU产品线负责人兼首席架构师舒浩分享了安谋科技面向Agentic AI 的全场景高效计算底座——"周易"X3-Pro NPU。

过去几年，NPU的发展更多围绕提升峰值算力展开，但随着边端AI应用不断丰富，这一思路正在发生改变。基于对AI行业从技术、产品再到应用场景的洞察，舒浩总结出四大方面：一是模型的能力大幅度提升，云端推理市场快速膨胀，同时计算需求慢慢从云端扩展到边端侧的趋势；二是推理范式的变化，从过去单轮对话演变成具备AI智能体多轮协作的工作范式；三是工作负载的变化，各种新兴推理技术和AI推理场景对整个计算底座提出了新的要求；四是整个边端侧场景在不断发展和演进，需要适配更多的新场景和新负载。

舒浩认为，Agentic AI时代的计算平台需要从追求峰值性能转向追求系统效率和场景适配能力。

具体来看，AI模型能力在逻辑推理、软件工程、Agent方面得到大幅度提升，中小模型能力的提升也非常迅速，意味着未来推理算力需求不止集中在云端。模型能力的提升正驱动整个AI应用范式的演进，未来将是一个AI智能体的时代，集感知、记忆、推理、行动持续循环的闭环模式。这种AI智能体的应用范式让NPU需要从一次性的推理加速器去进化成一个AI智能体的计算底座。

边端侧AI不是云端AI的缩小版，而是由功耗、实时性、软件、数据、可靠性共同定义新的计算市场，面对差异化的场景需求和系统约束，AI计算底座应该如何演进？

舒浩介绍道，"周易"X3-Pro采用统一、分层、场景化的计算架构，其核心设计理念是"一次适配，多芯复用；面向场景，灵活配置"。通过统一的软件和硬件架构，开发者完成一次模型适配后，便能够在不同产品之间实现快速迁移，大幅减少重复开发工作，提高模型部署效率，同时降低产品研发成本。

X3-Pro系列在架构设计上进一步强化了通用可编程能力、专用AI计算效率、灵活可配置能力以及面向未来的可扩展性，希望兼顾当前AI应用需求与未来模型持续演进带来的挑战。相比针对单一应用优化的传统AI加速器，统一架构能够覆盖从低功耗IoT设备到高性能边缘服务器等不同产品形态，为多样化终端提供一致的开发体验和计算能力。

舒浩透露，未来，安谋科技会通过X3-Pro lite的系列产品，去覆盖低功耗的端侧推理场景。通过X3 Premium的产品系列去覆盖中等算力的推理场景，最终通过X3-Pro subsys系列产品去覆盖大算力复杂的推理场景。