手机“大脑”追逐智能体落地：主动智能下的技术抉择

21世纪经济报道记者 骆轶琪

过去几年，手机SoC的竞争主线还是CPU、GPU、NPU性能，以及制程工艺的迭代。但随着智能体开始从“回答问题”走向“理解意图、调用工具并替用户执行任务”，手机芯片面临的挑战正在发生变化。

近期，高通和联发科先后发布新一代旗舰移动SoC，均指向“Agentic AI”（AI智能体）时代的技术和应用需求。

这背后反映的并不是芯片巨头掀起“跑分大战”，而是手机作为当前智能体的核心落地载体，其底层核心计算框架也在发生变化：SoC需要从单纯追求峰值算力，转向解决智能体持续运行时的计算、内存、存储、功耗和调度等问题。

与此同时，手机市场本身又处于存储等核心元器件成本上涨、整机需求承压的环境中。对于高通和联发科而言，如何在增加AI能力的同时控制成本和功耗，也成为新的现实约束。

在AI技术驱动下，智能手机行业正面临一轮全新的技术变迁。

2026骁龙峰会上，高通公司总裁兼首席执行官安蒙（Cristiano Amon）在演讲中回顾道，关于AI技术，行业最初主要在谈论AI对影像能力的增强，但如今，已经看到AI正在从根本上改变使用智能手机的方式。

“AI的演进已经进入了新阶段。”他进一步分析，行业正从“以手机为中心”的体验模式，迈向“以智能体为中心”的新时代。“未来体验的核心将不再只是手机，而是智能体。这也将改变智能手机在整个系统中的角色。”安蒙如此总结。

当然，安蒙认为，即便技术发生深刻变迁，手机依然会是必不可少的终端之一，只是其角色所串联起的能力已经在演变。

他提到：“手机是属于你的终端，它始终陪伴着你，也最了解你。每当换新手机时，我们都会花很多时间把各项设置调整到最符合自己使用习惯的样子。有趣的是，自智能手机诞生以来，过去二十多年的智能手机体验几乎一直围绕着App展开。而在智能体时代，体验的起点不再是App，而是意图本身。”

高通技术公司高级副总裁兼手机业务总经理Chris Patrick给出了更为清晰的终端生态图景。个人计算的未来将是“以用户为中心的生态”：通过一系列智能终端的集合，每个终端都贡献理解用户和世界的独特层。其中，PC可以理解用户如何工作、创作和沟通；XR设备可以看到用户如何与周围世界交互；音频产品知道用户在听什么以及进行哪些重要对话；可穿戴设备可以追踪用户的健康、生活习惯和日常活动。

“这些终端共同构成了对你的生活日益丰富且个性化的理解。这一切的核心是智能手机。”Chris Patrick指出，手机是体验融合、情境汇集的地方，也是让智能体验变得最具个性化的地方——智能手机是智能体时代的控制中心。

拆解来看，智能手机具备的“随身、情境感知、连接”三个核心条件，决定了这类终端在智能体时代也正面临全新的工作负载。

过去，手机上的核心计算单元中，CPU完成通用计算任务，GPU负责图形处理，NPU则可能支撑某个具体AI功能。现在，一个智能体任务可能同时涉及感知、理解、推理、规划、调用工具、读取上下文、跨应用执行等多个环节，而且这些任务可能持续存在于后台。

这实际上把手机SoC面对的问题从“算得有多快”，推向了另一个层面：如何让整套计算系统在有限功耗下持续、高效地处理越来越复杂的任务。

正如Counterpoint Research首席分析师Soumen Mandal对21世纪经济报道记者分析，过去，手机SoC的竞争主要围绕CPU、GPU、ISP、基带以及制程展开。进入Agent手机时代后，竞争重点正在逐步转向AI性能、内存效率、功耗、设计架构、模型压缩、量化、多模型处理，以及软硬件协同优化。

为此，高通推出旗舰移动平台产品组合——第六代骁龙® 8超级至尊版移动平台和第六代骁龙® 8至尊版移动平台。

这也有别于过去高通通常只发布一款旗舰平台的做法。Chris Patrick指出，旗舰智能手机市场与几年前的情形大不相同。如今，消费者可在基础款、Ultra款、折叠屏等多种机型中选择。这也意味着，单一标准已经无法定义旗舰。

具体来看，新平台搭载全新一代Qualcomm Oryon CPU，采用8核架构，包括2个超级内核和6个性能内核。同时，为了支持现代工作负载所需的响应速度和瞬时性能，新一代平台突破了5GHz主频。两个平台的核心差别在于AI计算和GPU相关设计。

更值得关注的是高通在计算和存储能力之间的协同优化。

Chris Patrick介绍，考虑到CPU还要快速访问数据，高通引入Oryon FlexCache，这一全新缓存架构让所有8个核心可以访问共享的L2缓存池，按需动态分配资源。

“在智能体时代，这一点比以往任何时候都更为关键。”他分析道，如今的智能体AI不再只执行单一任务。“它们推理、检索上下文、调用工具并在CPU复合体中持续调度工作负载。依托FlexCache，所有内核均可访问相同的缓存资源，实现更快、更高效的任务切换。”

据介绍，这种设计的优势不仅限于AI方面。从游戏和内容制作到视频编辑和多任务处理，现代工作负载变得日益复杂，需要数据和资源的快速移动。

换句话说，CPU在智能体时代承担的角色正在从“执行计算”向“组织计算”转变。

针对AI功能需求，Chris Patrick指出，高通对Hexagon NPU架构进行了重新设计。它的核心是Hexagon Element Accelerator，旨在加速词元处理、提升模型性能并支持最高32K词元的上下文窗口。这使智能体AI能够处理更多信息并更快响应。此外，高通还将NPU共享内存提升了50%，把更多数据保存在片上，减少系统内存访问频次。

结合近期手机厂商发布的新一代AIOS系统不难发现，厂商们正尝试在端侧搭载30B规模大模型。这也是手机核心芯片厂商在应对的方向。

Chris Patrick感慨，终端侧AI的创新速度相当惊人。2023年首次进行终端侧Stable Diffusion演示，同年晚些时候支持100亿参数语言模型；如今，通过携手合作伙伴和模型厂商，骁龙现在可直接从闪存运行超300亿参数的混合专家模型（MoE）。

“随着智能体AI能力不断增强，它们需要具备更强推理能力、支持更丰富上下文的更大模型。MoE模型可调用更广泛的专业知识库，但仅需激活模型中相应的部分专家模块。”他分析道，结合UFS 5.0和高通的智能闪存到内存管理技术，高通实现了在终端侧运行300亿参数规模的模型，而这类模型过去需要占用巨大内存空间。“这是边缘AI的重大突破，将接近云端级的智能带到终端侧。”

安蒙还在峰会上谈到，高通正在把此前面向数据中心提出的High-Bandwidth Compute（HBC）思路引入骁龙平台。其核心逻辑，就是让内存与加速器紧密连接。

对于手机SoC上计算和存储协同的趋势，Soumen Mandal对21世纪经济报道记者指出，Agentic AI手机将需要更高的DRAM容量和带宽，但具体需求将在很大程度上取决于模型架构和压缩方式。一个拥有300亿参数的模型并不一定需要全部加载到DRAM中。MoE（混合专家）架构、量化以及智能模型加载等方式，都可以降低实际的内存需求。

“高通正在推进片上内存（on-chip memory）以及从闪存直接加载至内存（flash-to-memory）的模型方案，而联发科则在引入KV Cache压缩技术，以减少内存占用。”Soumen Mandal补充道，未来的发展趋势将逐步转向存算一体（in-compute memory），这也将进一步加强SoC与内存架构之间的耦合。

过去多年来，手机SoC的进化史可以概括为一条相对清晰的路线：更快的CPU、更强的GPU、更高的AI算力，以及更先进的制程。

但智能体正在改变这条路线。当手机从“你操作它”转变为“它理解你的意图并替你完成任务”时，SoC需要处理的不再只是一次计算，而是一条持续运行的任务链。

一场新的技术沿革正在开启：真正的竞争，在于谁能够在有限的功耗、散热和成本约束下，让越来越多的算力持续工作，并且让这些算力真正理解用户、记住用户，最终替用户完成任务。AI带来了新的增量需求，同时也把手机芯片带进了一场更加复杂的系统工程竞争。