大模型"住"进手机，芯片的"芯"事重了

文 | 半导体产业纵横

18年前，苹果以智能手机开启生态时代的全新范式；Siri问世后，语音助手迅速成为行业标配，但功能多局限于查天气、设闹钟等基础操作，与真正意义上的智能相去甚远。

如今，人工智能的登场让行业变革成为共识。大模型不再是为手机增添简单“智能”、应付问答的辅助工具，而是深度融入系统流程，如同全能管家般跨App完成订票、点餐、取消续费等复杂操作，推动手机真正迈向下一代计算入口。

过去一年，GPT-5、Gemini 3等大模型的持续迭代让人工智能稳居科技焦点。当一款将大型语言模型深度融入操作系统的国产AI手机横空出世，外媒纷纷评论，这或许标志着“中国的第二个DeepSeek时刻”已然到来。这场从“人工智能作为工具”到“人工智能作为数字工作者”的跨越，正重塑智能手机的核心形态。

AI手机：大模型与终端的深度融合

中兴通讯与字节跳动联合开发的努比亚M153手机（豆包手机）的亮相，堪称AI手机领域的颠覆性事件。其核心亮点在于将AI Agent能力深度整合至操作系统层面，实现了跨应用自动执行、场景化记忆服务与便捷唤醒交互的核心突破，真正让手机具备了“像人一样操作”的智能属性。

国际科技博客“Tech-Now.io”直言，如果该范式被广泛采用，或将极大地加速高级人工智能在移动设备上的普及。而美国“Medium”网站更是将其与从键盘到触摸屏的转变相提并论，称“这次飞跃感觉更大”。

这一突破背后，是“大模型厂商+手机厂商”的生态合作趋势凸显。豆包虽无自研手机计划，却通过与中兴的深度合作实现了技术落地。

另一家大模型厂商智谱近期开源了核心AI Agent模型AutoGLM，该模型被业界视为全球首个具备“Phone Use”（手机操作）能力的AI Agent，能够稳定完成外卖点单、机票预订等长达数十步的复杂操作流程。此次开源意味着硬件厂商、手机厂商和开发者均可基于AutoGLM，在自有设备或系统中复现能“看懂”屏幕、模拟真人进行点击、输入、滑动的AI助手。目前，AutoGLM已支持微信、淘宝、抖音、美团等超过50个高频中文应用的核心场景，其自动化操作能力与此前引发热议的“豆包手机”演示水平类似。

对于手机厂商而言，AI助手是打破同质化竞争、实现差异化发展的关键。荣耀、小米、OPPO等厂商此前均缺乏能打通所有App的超级入口，而AutoGLM的开源为它们提供了现成的技术底座。大模型正从云端走向终端，推动智能手机完成从“功能集合”到“智能伙伴”的本质蜕变。

什么才是真正的AI手机？

如今市场上AI手机的宣传层出不穷，但真正的AI手机与传统智能手机有着本质区别。AI手机并非脱离智能手机范畴的全新产品，而是其下一代进化形态，核心差异在于AI从“辅助工具”升级为“系统级的基础能力和交互核心”。不过，关于AI手机的准确定义，目前行业尚未形成统一标准。

此前行业普遍认为，AI手机的核心差异在于端侧AI能力——传统智能手机的AI功能大多依赖云端，而AI手机将大模型直接集成到芯片中，不仅响应速度更快，隐私保护也更到位。例如拍照时实时消除路人、离线翻译文档等功能，传统手机难以实现；而通过内置强大的端侧大模型，AI手机还能理解用户意图、主动提供服务，并跨应用执行复杂任务。

另一种则是，通过搭载系统级AI智能体，依托大模型实现多模态感知与自动化执行能力，在响应速度、隐私保护等方面优化用户体验，可创建虚拟办公、沉浸式学习等消费场景。这类设备采用端云协同技术路线，结合边缘计算降低算力需求，实现千元机适配云端AI功能。国产机型聚焦智能助手开发，如OPPO的“小布”、荣耀的“YoYo”等，通过模拟识屏与点击操作缩短交互路径。荣耀Magic8系列搭载行业首个自进化AI智能体操作系统MagicOS 10，覆盖衣食住行购3000多个场景的自动执行，并支持跨生态设备互联。而努比亚M153更是采用智能体框架可完成商品识别、全网比价、跳转支付等完整操作链，系统层面整合程度远超传统辅助型AI助手。

值得注意的是，努比亚M153（豆包手机）上采用的是云端AI。不同于强调端侧AI能力的AI手机，而是展示出了AI手机的新范式。通常情况下，运行在云端的 AI 模型在性能上会优于本地运行的模型，但云端模型也存在一些弊端。部分用户可能担心将个人或敏感数据发送到远程数据中心，或者希望在没有 Wi-Fi 或蜂窝网络连接的情况下也能使用 AI 模型。

手机芯片是端侧AI能力落地的“硬件底座”

正是洞察到云端AI的痛点，各大厂商纷纷布局端侧AI，通过强大的硬件支撑实现数据本地处理，让敏感信息始终不上云，既彻底规避安全风险，又能保障响应速度。而这终究要依赖硬件底座的支撑，手机芯片正是端侧AI能力落地的核心载体。

随着AI从单一任务处理向跨场景智能调度演进，芯片的NPU（神经网络处理单元）已成为衡量AI性能的核心指标，直接决定本地大模型的运行效率。如今，主流芯片的AI算力已迈入50TOPS以上级别，而算力供给、能效控制、多模态数据处理能力的三位一体，成为芯片厂商的核心攻关方向。

在今年的高通骁龙峰会上，高通持续强调端侧AI的重要性。第五代骁龙8至尊版移动平台正是这场变革的核心载体之一，它不仅将终端侧AI的性能、能效与应用体验推向新高度，拓宽了手机在AI时代的能力边界，更推动用户与智能设备的交互方式实现重要转变。骁龙8至尊版的AI能力源于底层硬件的突破性升级——全新高通HexagonNPU作为高通AI引擎的核心处理单元，相较前代平台实现37%的性能提升与16%的每瓦特性能优化。该NPU拥有12个标量加速器、8个向量加速器以及升级的张量加速器：标量加速器专注于图像识别、音频分析等经典AI任务，同时支持LLM推理；向量加速器用于加速复杂的像素级图像模型，且在LLM场景中支持更长的上下文窗口；张量加速器则负责加速更大更复杂的多媒体用例以及LVM模型。此外，高通Hexagon NPU还支持INT2与FP8精度，可通过减少内存占用来提升计算效率并优化能耗。

联发科也不甘落后，其发布的天玑9500突破性地搭载了超性能NPU 990与超能效NPU组成的双NPU架构，从硬件底层为端侧AI的“高性能+低功耗+高安全”三重需求提供坚实支撑。其中，超性能NPU 990的峰值算力较上一代提升111%，在苏黎世AI BenchMark中斩获超15000分的行业第一成绩，可轻松应对4K高清文生图、多模态内容摘要等重负载AI任务；其集成的生成式AI引擎2.0率先支持BitNet 1.5 8bit大模型运算，通过专用固化电路与内存压缩技术，在大幅减少存储需求的同时，将峰值性能下的功耗降低56%，实现“算力翻倍、功耗减半”的能效突破。同时，天玑9500的超能效NPU采用业界领先的存算一体架构，运行功耗较传统NPU降低42%，可支持AI模型全天候低功耗常驻；再配合台积电第三代3nm制程工艺的加持，芯片NPU的能效优势进一步强化，相较上一代芯片，峰值功耗降低56%。此外，联发科还推出“天玑AI开发套件”等工具，计划将生成式AI应用研发周期缩短至一天，支持在智能手机、智能汽车等多终端部署创新AI体验，并发布《生成式AI手机产业白皮书》，定义AI手机发展路径，构建从芯片到应用的端侧AI生态体系。

谷歌Pixel 9手机则采用全新定制芯片Tensor G4，这是新一代高性能手机芯片，旨在优化日常使用场景，如更快打开应用程序、流畅浏览网页等。Tensor G4由Google DeepMind设计、三星代工生产，采用Arm架构，经优化后可运行最先进的人工智能模型，也是第一款能运行多模态Gemini Nano模型的处理器——仅在手机端侧，就能实现大模型理解文本、图像和音频等复杂任务。

手机芯片面临的三重挑战

尽管手机芯片的AI能力持续升级，但行业仍面临三大核心挑战。

其一，算力与能效的平衡难题。本地运行百亿参数大模型导致功耗激增，芯片散热与续航压力凸显，而用户对AI功能的高要求与手机轻薄便携的刚性需求形成尖锐矛盾，如何在强大算力与低功耗之间找到平衡点，成为芯片厂商的核心课题。

其二，技术标准与生态协同的碎片化。芯片厂商、手机品牌与大模型团队的适配标准不统一，导致AI能力落地效率参差不齐；同时，手机芯片与车机、智能家居等终端的算力调度缺乏统一架构支持，跨设备协同存在明显瓶颈。

其三，安全与隐私保护的底层漏洞。本地数据处理增多使得芯片级数据加密技术的不完善问题暴露无遗，隐私泄露风险加剧；而芯片防篡改能力不足，也可能导致AI功能被恶意利用，引发安全隐患。

AI手机的竞争本质，是芯片算力与生态能力的双重竞争。这要求芯片厂商打破单一硬件思维，以系统级视角构建核心竞争力。随着LPDDR6内存、高规格UFS闪存等配套技术的普及，芯片将能够支撑更强大的AI功能落地，推动多模态交互、复杂任务自主完成等场景走向成熟。未来，手机端HBM（高带宽内存）与存算一体技术的突破，将进一步破解算力与能效的平衡难题，为端侧AI的持续升级提供动力。

从实验室走向生活场景，AI技术的普及离不开手机芯片的支撑。作为智能社会的核心基础设施，手机芯片的发展不仅关乎智能手机产业的升级迭代，更在重塑人与智能设备的交互方式，推动AI融入出行、办公、家居等多元场景。在这场智能革命中，芯片的重要性不言而喻——它既是AI手机的“心脏”，更是开启全场景智能时代的钥匙，未来将持续引领科技产业的发展方向。