Con la llegada de la era 6G, el número de dispositivos IoT ha experimentado un crecimiento explosivo, lo que ha llevado a la generación de grandes cantidades de datos en el borde de la red. La comunicación semántica, como una solución innovadora para manejar esta avalancha de datos, puede mejorar significativamente la eficiencia de la comunicación. Sin embargo, los recursos limitados de almacenamiento y computación de los dispositivos terminales restringen la aplicación generalizada de la comunicación semántica en las redes 6G. Para abordar este problema, proponemos una solución de comunicación semántica inteligente impulsada por la computación en el lado del terminal. Específicamente, presentamos un modelo de comunicación semántica basado en Redes Kolmogorov-Arnold (KANs), llamado K-DeepSC. Utilizando tareas de reconstrucción de imágenes como ejemplo, el K-DeepSC propuesto reduce el número de parámetros del modelo en un 44% en comparación con los modelos de comunicación semántica basados en Perceptrones de Múltiples Capas (MLPs), manteniendo un rendimiento similar. Además, para aprovechar al máximo la potencia de computación inactiva de los terminales para tareas semánticas, exploramos la externalización de la computación en las Redes de Potencia de Computación en el Lado del Terminal. Al optimizar la minimización del retraso de la tarea, se emplea un algoritmo de aprendizaje profundo por refuerzo para determinar la estrategia óptima de externalización. Los resultados de la simulación demuestran que nuestra solución propuesta reduce efectivamente el retraso en el procesamiento de tareas semánticas.