北京
网易数码《品·见》高层访谈栏目
本期嘉宾：高通技术公司高级副总裁兼手机业务总经理Chris Patrick
作者 | 韩一冰
本期精彩观点：
1. 移动终端的散热与续航限制，决定了单纯“堆频率”不可持续，针对性的微架构调整才是破局关键。
2. 十几瓦的GPU峰值性能实际是“用不到的”，我们将资源聚焦在4W这一“甜点区间”，因为这才是大多数游戏和AI的真实运行场景。
3. 传统的基准测试与真实用户体验的相关性正变得越来越低，我们关注的是真实游戏表现，而非跑分数字。
4. 端侧AI的独特优势在于“情境感知”，云端不知道你刚踢完球，但手机知道，并能据此建议你预留换衣时间。
5. 智能体（AI Agent）的第一步不是宏大的概念，而是基于低功耗实时感知，成为一个真正懂你的“私人化助手”。
北京时间2025年9月24日，2025骁龙峰会•中国专场媒体群访中，高通技术公司高级副总裁兼手机业务总经理Chris Patrick与产品市场高级总监马晓民，围绕第五代骁龙8至尊版的技术设计、行业竞争应对及生态布局，阐述了高通在移动平台领域的战略逻辑。作为年度旗舰，该平台已获OEM厂商积极反馈，其「不唯参数、聚焦体验」的路径，也为移动行业提供了新参考。
靠微架构与精细调优，摆脱频率依赖
针对“CPU频率提升有限但性能显著增强”的疑问，高通团队从自研架构迭代与细节优化两方面给出解答。
Chris Patrick梳理了自研CPU的技术脉络：“去年发布的骁龙8至尊版，是我们首次将自研CPU引入到移动平台”，而第五代骁龙8至尊版搭载的是“第三代自研CPU，用在移动平台上的第二代”。经过上一代实践，团队在微架构层面改进和电源管理提升上积累了经验，所有优化都集中于一个目标：真正为移动平台的独特需求和SoC进行深度优化，其中移动终端的散热、续航限制，决定了单纯堆频率不可持续，针对性的架构调整才是关键。
马晓民进一步补充性能释放的细节：“绝对性能只是CPU优化方向的一部分，而我们更关心的是它能不能持续地发挥性能”。新芯片的CPU单核IPC（每时钟周期指令数）曲线比上一代明显要好，长时间运行仍能稳定输出；同时，CPU产品里的SME硬件模块对于跑分有帮助，且这一代产品相比上一代的频点数更多，能针对游戏、多任务等场景更细致地调优，最终实现以更小的投入，换得更好的性能。
在SME指令集生态上，Chris Patrick透露：“我们与友商采用的方案有所不同”，虽需更多生态适配努力，但他同时表示：“有合作伙伴反馈，我们的SME1性能实际上已显著超越了友商的SME2”，这一突破让硬件优势得以真正落地到应用层面。
GPU策略以真实体验为核心 聚焦4W核心场景
面对“骁龙GPU峰值性能不及竞争对手”的提问，高通团队明确「以真实体验为核心」的逻辑，并用技术细节佐证。
Chris Patrick指出行业趋势：“传统的、现有的基准测试，与真实游戏表现和用户体验的相关性正变得越来越低”。今年推出的Qualcomm Adreno独立高速显存（HPM）技术，虽对跑分有一定影响，但对GPU在真实游戏中的使用体验收益更显著，目前已有数款游戏适配，总线和DDR的数据传输吞吐量大幅提升，整体帧率和流畅度显著提升，Chris Patrick表示，“因此我们的关注重点是真实游戏中的性能表现，而非GPU基准测试分数”。
马晓民也用数据强化了这一观点：“如果去看GPU曲线，可以发现几乎都用在4W的地方，这也是大多数游戏场景、甚至一些AI使用到GPU的场景”；而“十几瓦的峰值性能，实际是用不到的”。显然，高通的策略是把4W范围内的性能跟功耗平衡做到极致，让用户在日常使用中既能享受到流畅，又无需担心续航损耗。
端侧AI从“演示”到“常态”，需突破技术与场景门槛
当前端侧AI面临“演示多、实用少”的困境，高通团队从硬件设计与落地路径两方面给出破局思路。
在硬件层面，Chris Patrick强调前瞻性设计：“我们在AI方面的研究已经持续二十多年，并且一直和学界保持非常紧密的联系，全新NPU的设计秉持着面向未来的思路，面向未来会出现的模型类型、底层模型技术以及不同比特数字格式”。此前高通率先在边缘侧运行Stable Diffusion和Image Generation，正是这种设计的实践成果。
针对可穿戴设备的AI需求，他提到“安蒙在演讲中也有提到，我们的核心思考在于如何将分布式AI技术部署到不同终端中”。高通拥有从智能手表、耳塞到手机的全产品线，当前重点研究“如何在这些产品间合理分配计算资源”，比如眼镜负责视觉采集、手机承担复杂推理，通过「轻量化前端+高性能后端」的协同平衡功耗与精度。
马晓民则总结了端侧AI落地的五大核心要求：“要在手机端成功部署，第一是每秒能处理的Token数要足够高”，避免输出缓慢；第二需“保持足够低的功耗”，防止续航崩溃；第三要“保证私人重要的东西在手机内部”，确保安全；第四需“内存开销足够小”，控制成本；第五是“准确性要足够高”，否则用户会放弃使用。为满足这些要求，高通通过“最先进的解码算法”“量化功能”，实现“更低的功耗、更快的Token速度、更隐私、更安全”。
谈及“智能体AI”，马晓民认为第一步是打造私人化助手，他表示大多数消费者更希望看到它是私人化助手，需基于手机NPU和传感器中枢，实时感知各种运动、对话，进行信息收集和训练，最终以非常低的功耗实时提醒用户在什么场景需要什么行动，在马晓民看来，这才是AI智能体真正实现的第一步。
在云端与端侧的关系上，Chris Patrick表示二者是协同而非对立，目前，云端在处理复杂的大规模方面仍具明显优势，部分应用会先在云端开发；但随着量化技术持续突破，混合专家等新型模型出现，部分处理在边缘侧完成以提升速度，最终大规模推理在云端进行的混合模式将成主流，今年及未来几年，会有越来越多的AI能力迁移至边缘终端。端侧的独特优势在于能及时获取身边的数据，比如手机知道用户下午两点有会议且刚踢完足球，会建议预留更多时间换衣，提供更具情境性的判断。
内存架构系统级优化，支撑大模型端侧运行
内存是大模型推理的核心支撑，马晓民将第五代骁龙8至尊版的内存设计定义为「系统工程」，从全维度提升效率。
他首先澄清内存的广义概念：“内存本身是一个比较宽泛的概念。大家通常会把DDR称为内存，但如果从整个系统角度来看，里面的缓存也算是内存的一部分”。他提到当前平台采用64位内存架构，完全能够支持所需的内存容量；同时，高通持续向更低比特率的量化推进，让手机运行较大模型时既能有效控制内存开销，又不会牺牲其精度。
核心策略是“尽可能减少对外部内存的访问，优先访问高效的片上内存”，比如系统级缓存（SLC）、Adreno HPM高速显存——“非必要情况下避免使用外部内存，能有效降低功耗和时延”。仅在“大模型运行中不可避免的数据搬运、必须访问DDR的场景”，才会调用外部内存，且通过量化算法“确保这些场景下的内存开销最小化”。
视频创作生态以APV编解码器为核心 打造开放体系
针对高级视频编码的布局，Chris Patrick介绍，高通支持高级专业视频编解码器（APV）的核心目的，是满足创作者在开始剪辑之前获得最高质量原始素材的需求。目前软件生态已见进展，Chris Patrick表示，DaVinci Resolve将支持高通提供的APV，作为专业剪辑工具，其支持让创作者可直接用手机完成“拍摄-剪辑”的专业流程。
与友商封闭生态不同，高通的目标是“赋能一个更加开放的生态”，他提到：“友商主要在其自有生态内运作，而我们已有多家公司参与，期待形成健康的生态体系，最终为创作者提供最佳的体验，通过开放合作降低专业创作的设备门槛。”
基准测试回归场景 微架构优于制程堆砌
关于基准测试，Chris Patrick认为：“分数不可能是完美的，跑分结果永远无法代表终端用户真正的需求”，但它仍是“与消费者直观沟通的方式”。他特别肯定中国市场的引领性，通过实际负载（如游戏）而非单纯的GPU基准测试评估性能。同时Chris Patrick肯定的表示，中国市场在此领域始终处于领先地位。
马晓民补充：“基准测试结果仅衡量部分使用场景，无法体现SoC带来的丰富体验”，比如连接性、续航等维度都难以覆盖，因此建议用户“了解基准测试的具体测量内容，以及与真实场景的相关性”。以去年引入的Speedometer基准测试为例，其基于WebView引擎，能反映国内主流应用的运行速度，今年该平台的Speedometer分数大幅提升，且高通正与厂商合作，拆分视频、游戏等场景的CPU功耗占比，让优化效果更直观。
在制程工艺上，Chris Patrick强调：“每一年，我们都需要审慎决策，选择合适的制程工艺，找到性能和能效的最佳平衡”，核心是“SoC层面的微架构调整”，比如CPU的IPC优化、GPU的HPM技术。同时，他也明确道：“今年制程是小幅提升，但微架构有大幅改进。至于明年2nm，需结合当时的模型需求、功耗目标判断，当前重点是把第五代骁龙8至尊版的体验做好”。
第五代骁龙8至尊版的技术布局，体现了高通从「参数竞赛」向「体验驱动」的转变：CPU的精细调优、GPU的场景化设计、端侧AI的落地导向、内存的系统级优化，以及视频生态的开放赋能，均围绕用户需求展开。随着端侧AI进入多模态关键期，开放生态逐步成型，移动终端或将迈入「体验为王」的新阶段。
