高通CEO确认AI公司正开发千亿参数手机，内存与散热成关键瓶颈

近日，高通总裁阿蒙在接受媒体采访时表示，某些处于人工智能前沿的公司希望，到2028年，智能手机能够持续运行至少1000亿参数的大语言模型。阿蒙确认部分人工智能公司已经开始开发手机，但未透露相关企业的具体名称、产品形态及技术方案。

随着人工智能代理（AI Agent）逐步承担信息处理、任务规划和应用操作等工作，手机可能需要持续理解用户的个人上下文，并在后台处理相关任务。这将对端侧算力、内存容量、功耗管理和散热能力提出更高要求。

目前，高通已于2026年9月发布第六代骁龙8超级至尊版和标准版两款旗舰移动平台，两款平台均采用台积电2纳米制程，最高主频突破5GHz。高通官方资料显示，定位更高的骁龙8 Elite Extreme Gen 6通过更大的共享内存架构，可在设备端运行超过300亿参数的混合专家（MoE）模型，其CPU性能较上一代提升13%，GPU性能提升44%，NPU性能提升35%，AI每瓦性能提升33%。

如果以总参数量约300亿的模型为参照，1000亿参数意味着模型总规模扩大至三倍以上。不过，参数量并不能直接等同于实际计算负载，模型架构、每次推理激活的参数数量、量化精度及权重加载方式，都会影响实际算力、内存带宽和能耗需求。例如，高通曾以300亿参数MoE模型为例，说明每次生成token时仅约30亿参数被激活，因此仅凭模型总参数量难以直接比较实际运算负担。

业内分析认为，内存容量是手机运行更大规模人工智能模型面临的主要障碍之一。以稠密模型为例，1000亿个参数如果采用4位量化，仅模型权重的理论存储需求就约为50GB；即使采用2位量化，权重也约需25GB。 实际运行时，还需要额外空间存放量化元数据、上下文缓存、运行时数据，以及操作系统和其他应用程序所需的数据。因此，上述数字并不代表完整的设备内存需求。

不过，MoE架构为缓解内存瓶颈提供了另一种思路。 MoE架构可以在每次推理时只激活部分专家参数，并结合权重卸载技术，将暂时不参与计算的专家权重存放在闪存中，需要时再调入内存。这种方案有望降低对常驻内存容量的要求，但也会带来存储带宽、数据加载延迟和额外能耗等问题。

受人工智能数据中心需求增长影响，内存供应和价格同样构成现实约束。TrendForce于2026年9月发布的分析指出，供应商正持续将产能转向服务器DRAM和高带宽内存（HBM），移动DRAM供应持续偏紧，价格预计将在年底进入高位盘整，供给紧张态势将延续至明年。

在这种环境下，手机厂商如果大幅提高内存配置，可能面临物料成本上升和供应受限的双重压力。 但现有市场状况并不能证明，智能手机内存容量在2028年前一定无法突破16GB；未来配置仍取决于内存供需、采购成本和终端产品定位。

除容量之外，持续运行大型模型还涉及功耗和散热问题。即使芯片能够在短时间内完成高负载推理，长时间运行仍可能受到电池续航、设备温度和持续性能的限制，严重时会导致过热降频。先进封装、更高内存带宽和更高效的芯片架构有望改善数据传输效率或持续性能，但不能直接消除模型权重本身的存储需求。

量化也是降低内存需求的重要途径，但需要在模型体积与推理质量之间作出权衡。采用更低位宽量化可以减少权重占用，不过，当量化精度降至4位以下，尤其是2位或1位时，模型表现可能出现不同程度的下降，具体影响取决于模型架构、量化方法和任务类型。 因此，不能笼统地认为所有低位宽量化模型都会出现相同程度的性能损失。

另一种更具市场可行性的策略是采用蒸馏后的200亿至300亿参数模型。经过蒸馏和针对性优化的较小模型，在部分具体任务中有机会接近更大模型的表现，同时降低硬件、功耗和成本要求。 不过，这并不意味着较小模型能够在所有任务上达到1000亿参数模型的能力水平。

值得注意的是，1000亿参数端侧运行的目标由AI公司向高通提出，并非高通已确认的产品路线图。 阿蒙的表态描绘了端侧人工智能的发展方向，但高通尚未提出能持续运行1000亿参数模型的独立产品规格，也未提供相关性能验证。

到2028年，智能手机能否持续运行千亿参数模型，不仅取决于芯片算力，还取决于模型架构、内存配置、闪存访问效率、功耗管理与散热设计能否实现系统级协同。高通与相关人工智能公司后续的技术进展，将影响这一目标的实际可行性。

总体来看，2028年手机持续运行千亿参数模型仍面临内存容量、供应成本、功耗散热与量化质量等多重制约。在芯片算力之外，模型架构、存储效率与系统级协同才是决定其能否落地的关键。高通的表态指明了方向，但从目标到量产，仍需产业链在技术与成本上给出完整答案。

小编将在第一时间分享更多相关最新动态和爆料，敬请关注。