大模型"住"進手機，芯片的"芯"事重了

18年前，蘋果以智能手機開啟生態(tài)時代的全新范式；Siri問世后，語音助手迅速成為行業(yè)標配，但功能多局限于查天氣、設鬧鐘等基礎操作，與真正意義上的智能相去甚遠。

如今，人工智能的登場讓行業(yè)變革成為共識。大模型不再是為手機增添簡單“智能”、應付問答的輔助工具，而是深度融入系統(tǒng)流程，如同全能管家般跨App完成訂票、點餐、取消續(xù)費等復雜操作，推動手機真正邁向下一代計算入口。

過去一年，GPT-5、Gemini 3等大模型的持續(xù)迭代讓人工智能穩(wěn)居科技焦點。當一款將大型語言模型深度融入操作系統(tǒng)的國產(chǎn)AI手機橫空出世，外媒紛紛評論，這或許標志著“中國的第二個DeepSeek時刻”已然到來。這場從“人工智能作為工具”到“人工智能作為數(shù)字工作者”的跨越，正重塑智能手機的核心形態(tài)。

01

AI手機：大模型與終端的深度融合

中興通訊與字節(jié)跳動聯(lián)合開發(fā)的努比亞M153手機（豆包手機）的亮相，堪稱AI手機領域的顛覆性事件。其核心亮點在于將AI Agent能力深度整合至操作系統(tǒng)層面，實現(xiàn)了跨應用自動執(zhí)行、場景化記憶服務與便捷喚醒交互的核心突破，真正讓手機具備了“像人一樣操作”的智能屬性。

國際科技博客“Tech-Now.io”直言，如果該范式被廣泛采用，或將極大地加速高級人工智能在移動設備上的普及。而美國“Medium”網(wǎng)站更是將其與從鍵盤到觸摸屏的轉變相提并論，稱“這次飛躍感覺更大”。

這一突破背后，是“大模型廠商+手機廠商”的生態(tài)合作趨勢凸顯。豆包雖無自研手機計劃，卻通過與中興的深度合作實現(xiàn)了技術落地。

另一家大模型廠商智譜近期開源了核心AI Agent模型AutoGLM，該模型被業(yè)界視為全球首個具備“Phone Use”（手機操作）能力的AI Agent，能夠穩(wěn)定完成外賣點單、機票預訂等長達數(shù)十步的復雜操作流程。此次開源意味著硬件廠商、手機廠商和開發(fā)者均可基于AutoGLM，在自有設備或系統(tǒng)中復現(xiàn)能“看懂”屏幕、模擬真人進行點擊、輸入、滑動的AI助手。目前，AutoGLM已支持微信、淘寶、抖音、美團等超過50個高頻中文應用的核心場景，其自動化操作能力與此前引發(fā)熱議的“豆包手機”演示水平類似。

對于手機廠商而言，AI助手是打破同質(zhì)化競爭、實現(xiàn)差異化發(fā)展的關鍵。榮耀、小米、OPPO等廠商此前均缺乏能打通所有App的超級入口，而AutoGLM的開源為它們提供了現(xiàn)成的技術底座。大模型正從云端走向終端，推動智能手機完成從“功能集合”到“智能伙伴”的本質(zhì)蛻變。

02

什么才是真正的AI手機？

如今市場上AI手機的宣傳層出不窮，但真正的AI手機與傳統(tǒng)智能手機有著本質(zhì)區(qū)別。AI手機并非脫離智能手機范疇的全新產(chǎn)品，而是其下一代進化形態(tài)，核心差異在于AI從“輔助工具”升級為“系統(tǒng)級的基礎能力和交互核心”。不過，關于AI手機的準確定義，目前行業(yè)尚未形成統(tǒng)一標準。

此前行業(yè)普遍認為，AI手機的核心差異在于端側AI能力——傳統(tǒng)智能手機的AI功能大多依賴云端，而AI手機將大模型直接集成到芯片中，不僅響應速度更快，隱私保護也更到位。例如拍照時實時消除路人、離線翻譯文檔等功能，傳統(tǒng)手機難以實現(xiàn)；而通過內(nèi)置強大的端側大模型，AI手機還能理解用戶意圖、主動提供服務，并跨應用執(zhí)行復雜任務。

另一種則是，通過搭載系統(tǒng)級AI智能體，依托大模型實現(xiàn)多模態(tài)感知與自動化執(zhí)行能力，在響應速度、隱私保護等方面優(yōu)化用戶體驗，可創(chuàng)建虛擬辦公、沉浸式學習等消費場景。這類設備采用端云協(xié)同技術路線，結合邊緣計算降低算力需求，實現(xiàn)千元機適配云端AI功能。國產(chǎn)機型聚焦智能助手開發(fā)，如OPPO的“小布”、榮耀的“YoYo”等，通過模擬識屏與點擊操作縮短交互路徑。榮耀Magic8系列搭載行業(yè)首個自進化AI智能體操作系統(tǒng)MagicOS 10，覆蓋衣食住行購3000多個場景的自動執(zhí)行，并支持跨生態(tài)設備互聯(lián)。而努比亞M153更是采用智能體框架可完成商品識別、全網(wǎng)比價、跳轉支付等完整操作鏈，系統(tǒng)層面整合程度遠超傳統(tǒng)輔助型AI助手。

值得注意的是，努比亞M153（豆包手機）上采用的是云端AI。不同于強調(diào)端側AI能力的AI手機，而是展示出了AI手機的新范式。通常情況下，運行在云端的 AI 模型在性能上會優(yōu)于本地運行的模型，但云端模型也存在一些弊端。部分用戶可能擔心將個人或敏感數(shù)據(jù)發(fā)送到遠程數(shù)據(jù)中心，或者希望在沒有 Wi-Fi 或蜂窩網(wǎng)絡連接的情況下也能使用 AI 模型。

03

手機芯片是端側AI能力落地的“硬件底座”

正是洞察到云端AI的痛點，各大廠商紛紛布局端側AI，通過強大的硬件支撐實現(xiàn)數(shù)據(jù)本地處理，讓敏感信息始終不上云，既徹底規(guī)避安全風險，又能保障響應速度。而這終究要依賴硬件底座的支撐，手機芯片正是端側AI能力落地的核心載體。

隨著AI從單一任務處理向跨場景智能調(diào)度演進，芯片的NPU（神經(jīng)網(wǎng)絡處理單元）已成為衡量AI性能的核心指標，直接決定本地大模型的運行效率。如今，主流芯片的AI算力已邁入50TOPS以上級別，而算力供給、能效控制、多模態(tài)數(shù)據(jù)處理能力的三位一體，成為芯片廠商的核心攻關方向。

在今年的高通驍龍峰會上，高通持續(xù)強調(diào)端側AI的重要性。第五代驍龍8至尊版移動平臺正是這場變革的核心載體之一，它不僅將終端側AI的性能、能效與應用體驗推向新高度，拓寬了手機在AI時代的能力邊界，更推動用戶與智能設備的交互方式實現(xiàn)重要轉變。驍龍8至尊版的AI能力源于底層硬件的突破性升級——全新高通HexagonNPU作為高通AI引擎的核心處理單元，相較前代平臺實現(xiàn)37%的性能提升與16%的每瓦特性能優(yōu)化。該NPU擁有12個標量加速器、8個向量加速器以及升級的張量加速器：標量加速器專注于圖像識別、音頻分析等經(jīng)典AI任務，同時支持LLM推理；向量加速器用于加速復雜的像素級圖像模型，且在LLM場景中支持更長的上下文窗口；張量加速器則負責加速更大更復雜的多媒體用例以及LVM模型。此外，高通Hexagon NPU還支持INT2與FP8精度，可通過減少內(nèi)存占用來提升計算效率并優(yōu)化能耗。

聯(lián)發(fā)科也不甘落后，其發(fā)布的天璣9500突破性地搭載了超性能NPU 990與超能效NPU組成的雙NPU架構，從硬件底層為端側AI的“高性能+低功耗+高安全”三重需求提供堅實支撐。其中，超性能NPU 990的峰值算力較上一代提升111%，在蘇黎世AI BenchMark中斬獲超15000分的行業(yè)第一成績，可輕松應對4K高清文生圖、多模態(tài)內(nèi)容摘要等重負載AI任務；其集成的生成式AI引擎2.0率先支持BitNet 1.5 8bit大模型運算，通過專用固化電路與內(nèi)存壓縮技術，在大幅減少存儲需求的同時，將峰值性能下的功耗降低56%，實現(xiàn)“算力翻倍、功耗減半”的能效突破。同時，天璣9500的超能效NPU采用業(yè)界領先的存算一體架構，運行功耗較傳統(tǒng)NPU降低42%，可支持AI模型全天候低功耗常駐；再配合臺積電第三代3nm制程工藝的加持，芯片NPU的能效優(yōu)勢進一步強化，相較上一代芯片，峰值功耗降低56%。此外，聯(lián)發(fā)科還推出“天璣AI開發(fā)套件”等工具，計劃將生成式AI應用研發(fā)周期縮短至一天，支持在智能手機、智能汽車等多終端部署創(chuàng)新AI體驗，并發(fā)布《生成式AI手機產(chǎn)業(yè)白皮書》，定義AI手機發(fā)展路徑，構建從芯片到應用的端側AI生態(tài)體系。

谷歌Pixel 9手機則采用全新定制芯片Tensor G4，這是新一代高性能手機芯片，旨在優(yōu)化日常使用場景，如更快打開應用程序、流暢瀏覽網(wǎng)頁等。Tensor G4由Google DeepMind設計、三星代工生產(chǎn)，采用Arm架構，經(jīng)優(yōu)化后可運行最先進的人工智能模型，也是第一款能運行多模態(tài)Gemini Nano模型的處理器——僅在手機端側，就能實現(xiàn)大模型理解文本、圖像和音頻等復雜任務。

04

手機芯片面臨的三重挑戰(zhàn)

盡管手機芯片的AI能力持續(xù)升級，但行業(yè)仍面臨三大核心挑戰(zhàn)。

其一，算力與能效的平衡難題。本地運行百億參數(shù)大模型導致功耗激增，芯片散熱與續(xù)航壓力凸顯，而用戶對AI功能的高要求與手機輕薄便攜的剛性需求形成尖銳矛盾，如何在強大算力與低功耗之間找到平衡點，成為芯片廠商的核心課題。

其二，技術標準與生態(tài)協(xié)同的碎片化。芯片廠商、手機品牌與大模型團隊的適配標準不統(tǒng)一，導致AI能力落地效率參差不齊；同時，手機芯片與車機、智能家居等終端的算力調(diào)度缺乏統(tǒng)一架構支持，跨設備協(xié)同存在明顯瓶頸。

其三，安全與隱私保護的底層漏洞。本地數(shù)據(jù)處理增多使得芯片級數(shù)據(jù)加密技術的不完善問題暴露無遺，隱私泄露風險加劇；而芯片防篡改能力不足，也可能導致AI功能被惡意利用，引發(fā)安全隱患。

AI手機的競爭本質(zhì)，是芯片算力與生態(tài)能力的雙重競爭。這要求芯片廠商打破單一硬件思維，以系統(tǒng)級視角構建核心競爭力。隨著LPDDR6內(nèi)存、高規(guī)格UFS閃存等配套技術的普及，芯片將能夠支撐更強大的AI功能落地，推動多模態(tài)交互、復雜任務自主完成等場景走向成熟。未來，手機端HBM（高帶寬內(nèi)存）與存算一體技術的突破，將進一步破解算力與能效的平衡難題，為端側AI的持續(xù)升級提供動力。

從實驗室走向生活場景，AI技術的普及離不開手機芯片的支撐。作為智能社會的核心基礎設施，手機芯片的發(fā)展不僅關乎智能手機產(chǎn)業(yè)的升級迭代，更在重塑人與智能設備的交互方式，推動AI融入出行、辦公、家居等多元場景。在這場智能革命中，芯片的重要性不言而喻——它既是AI手機的“心臟”，更是開啟全場景智能時代的鑰匙，未來將持續(xù)引領科技產(chǎn)業(yè)的發(fā)展方向。