330亿晶体管塞进2nm，联发科把旗舰芯片的账本换了

过去几年看旗舰芯片，套路很固定：制程往前挪一代，CPU主频往上抬一点，GPU、ISP、NPU各自加码。这套打法在生成式AI进手机之后依然管用，但遇到智能体，就有点答不上来了。

原因不复杂。AI不再是你点开应用才跑几十秒的东西，它要一直听、一直看、一直在后台理解你想干什么，甚至提前把事办了。芯片一天被唤醒的次数，可能是过去的数倍。

MediaTek资深副总经理徐敬全在发布会上把话说得很直白：“计算基准将不再是单一核心的能力，而是要将异构的计算单元整合为系统级的融合计算架构。”

一颗芯片，两种活法

智能体带来的第一个变化，是手机的工作节奏被改写了。

以前芯片是短跑选手：打开应用、拍张照、启动游戏，短时间内把性能拉满，任务完成迅速回到低功耗。现在它得像个值夜班的人，持续在线，CPU的空档越来越短、越来越碎。

这意味着电量未必耗在一次特别重的计算上，也可能被一次次核心启动、任务切换和数据搬运吃掉。更麻烦的是，AI不能独占性能——你打游戏、看视频、开会的时候，后台智能体还在跑，大模型和应用抢内存，CPU和NPU频繁交接任务。

MediaTek无线通信事业部副总经理陈一强在发布会上说：“过去评价旗舰芯片，会问能够跑多快，智能体时代，还要问能不能一整天这样。”

这句话背后是端侧AI的价值和限制同时冒头。MediaTek董事、总经理暨营运长陈冠州表示，AI的入口将从PC扩展到手机等更多终端，算力从云端集中式部署走向云端与端侧混合，AI用户也会从企业扩展到消费者。手机不只是连接云端AI工厂的入口，本身也会成为生产Token的分布式AI工厂。

延迟是一方面，隐私是更直接的约束。陈冠州说：“有些隐私资料不能送到云端，只能在终端的人工智能工厂生产Token。”

但手机只有几瓦的功耗空间、一块电池和有限的内存。端侧智能体要一整天在线，旗舰SoC真正稀缺的就不只是峰值算力，而是有限功耗下能长期调用的有效算力。

2nm打底，融合架构负责组织算力

天玑9600 Pro采用台积电2nm制造工艺，集成超过330亿个晶体管。

CPU继续走全大核路线，升级为2+3+3架构：两颗最高4.55GHz的C2-Ultra超大核，三颗4.35GHz和三颗3.1GHz的C2-Pro大核；L2、L3与SLC总容量达到34.5MB，并率先支持LPDDR6和UFS 5.0。

和上一代相比，单核性能提升17%，多核提升15%；达到上一代峰值性能时，多核功耗下降61%。性能继续涨，功耗降幅远高于性能增幅，这才是2nm与架构协同产生的核心价值。

但MediaTek没把17%和15%当成这一代CPU最重要的升级。陈一强在发布会上用餐厅打比方：炸薯条和煎牛排的速度分别提高，不代表整个餐厅出餐效率同步提升，食材怎么流转、订单怎么分配、店长如何动态调度，同样决定最终效率。

AI计算也是如此。数据在CPU、NPU、缓存、内存和存储之间流动，只提高某一个计算单元的峰值性能，系统效率未必按同样比例增长。

手机SoC本来就是异构系统，包含CPU、GPU、NPU和ISP。融合计算改变的是设计和评价的出发点：过去先分别定义每个单元，再通过软件调度组合；现在从一项完整任务出发，反向决定算力放在哪里、数据怎么走、哪颗核心何时唤醒。只有这样，纸面上的算力才不会在数据搬运和等待中被抵消。

天玑智算融合架构因此把CPU与NPU协同、内存和闪存的数据交换，以及算力、电源、内存资源的调度放进同一套设计。面对频繁而碎片化的负载，天玑9600 Pro把全大核的电源调度做到微秒级，核心快开快关能力达到上一代的10倍；系统级智能计算电源管理则尝试减少用户不易察觉的后台损耗。

当AI与传统应用同时运行，内存成为瓶颈。MediaTek通过压缩与动态调度提升内存效率，根据联发科给出的数据，大模型启动速度提高27%的同时，可以维持25个应用保活。它解决的不是一项跑分，而是AI不清后台、不牺牲前台体验的现实问题。

双NPU：一颗干重活，一颗始终在线

智能体对NPU提出了两个相反的需求：既要跑更大、更复杂的模型，又要以极低功耗保持持续感知。一颗NPU承担所有任务，峰值能力和全天运行很难兼得，天玑9600 Pro延续并重构了双NPU设计。

联发科第二代超能效NPU融合低功耗传感器中枢，主要运行轻量模型，功耗较上一代下降40%。它持续理解声音、动作和环境，为主动式智能体提供全时感知。

超性能NPU 1090负责更重的模型计算，大语言模型预填充性能提升51%，每瓦生成Token数量最高提升55%。

新一代生成式AI引擎3.0的INT4运算能力翻倍，同时支持Hybrid Attention、新一代模型压缩技术，以及最高30B规模MoE模型在端侧运行。30B不只是一个参数量标签，它意味着端侧模型可以调用更复杂的专家能力，同时借助MoE只激活部分参数，降低计算和内存压力。

更能说明这套分工价值的，是具体应用。MediaTek与vivo合作的相机助手可以用低功耗NPU持续理解取景画面，主动推荐功能和构图；与OPPO合作打造的LUMO灵感构图功能，则实时分析主体与环境的位置关系。借助智能体还能把分散在酒店、机票、日程和待办中的信息重新组织，在用户发问前主动提醒。

陈一强把MediaTek的AI思路概括为三个要素：全时运行、足够智能、应用生态。模型能不能跑起来只是第一步，能否持续在线、调用服务并守住隐私，才决定智能体是否真正可用。

天玑9600 Pro支持最新的Gemini Nano，并与Google合作推进端侧AI隐私保护架构，对智能体访问个人资料进行隔离、追踪和统一管理。智能体越主动，接触的个人信息越多，安全也就越需要从应用层下沉到系统和芯片层。

AI开始越过模块边界

如果AI原生架构只增强NPU，它仍然只是传统SoC的一次局部升级。天玑9600 Pro更值得关注的地方，是AI开始越过独立模块的边界，参与图形渲染、影像处理和通信。

换句话说，旗舰SoC的竞争正在从几个核心分别升级，走向计算、存储和调度共同设计。一颗核心能跑多快仍然重要，但当CPU、GPU、NPU、内存和存储需要频繁交换数据，决定体验的已经不只是每个单元的峰值性能，而是整颗SoC如何组织算力。

这也是智能体给旗舰芯片出的新题：不是某一项跑分能不能赢，而是这颗芯片能不能一整天都醒着，还不把电量和体验一起烧掉。