18年前，苹果凭借智能手机揭开了生态时代全新范式的序幕，Siri出现后，语音助手很快成了行业标配，然而其功能大多只是局限于诸如查天气、设闹钟这类基础操作，跟真正意义上的智能相差很远 。

如今，人工智能的出现使得行业变革成为了被人们所共同认可的事情。大模型已经不再属于只是给手机额外提供那种简单程度、仅仅用于应对问答的辅助性质的工具，而是深深地嵌入到了系统流程之中，就好像是那种在各个方面都能胜任、什么事情都能处理的管家一样，跨越众多App去做完诸如订票、点餐以及取消续费这样复杂的操作行为，从而去推动手机能切切实实地迈进代表着下一代计算的入口 。

在过去的一年时间里，GPT - 5、Gemini 3这类大模型一直不间断地进行迭代升级，以至于人工智能一直牢牢身处科技焦点之中。有一款国产AI手机出现了，这款手机把大型语言模型深度融合进了自身的操作系统里，它刚一问世，众多外媒就纷纷发表评论，有人认为这说不定表示“中国的第二个DeepSeek时刻”已经来临了。这里正产生着一种跨越，即从“以人工智能作为工具”转变为“将人工智能当作数字工作者”，而且这种跨越正使得智能手机的核心形态发生重塑 的情况。

AI手机：大模型与终端的深度融合

由中兴通讯和字节跳动联合开发的努比亚 M153 手机（豆包手机）闪亮登场，这可算得上是 AI 手机领域具有颠覆性的一件事情，其核心突出的亮点是，把 AI Agent 能力深入融合进到操作系统层面，达成了跨应用自动执行、场景化记忆服务以及便捷唤醒交互方面的核心关键突破，切实让手机拥有了“如同人一般操作”的智能特性。

国际科技博客“Tech-Now.io”明确表示，要是这种范式被广泛运用，那么或许会极大程度地加快高级人工智能在移动设备上的推广。美国“Medium”网站更是作出比较地将其与从键盘到触摸屏的转变相类比，声称“这次的大幅度跨越感觉更为显著”。

存在这样一种情况，在这一突破的背后，可以发现，“大模型厂商 + 手机厂商”的生态合作趋势，呈现出凸显的态势。豆包，它不存在自研手机的相关规划，但是，借着与中兴之间进行的深度合作，达成了技术在实际领域的落地。

智谱，是另一家大模型厂商，近期开源了核心AI Agent模型AutoGLM，该模型被业界看作全球首个具备“Phone Use”，也就是手机操作能力的AI Agent，此模型能稳定完成外卖点单、机票预订等长达数十步的复杂操作流程。此次开源表明，硬件厂商、手机厂商以及开发者都可以基于AutoGLM，在自有设备或系统里复现能“看懂”屏幕、模拟真人进行点击、输入、滑动的AI助手。如今，AutoGLM已然支持微信、淘宝、抖音、美团等为数多达超过50个的、频次较高的中文应用的核心场景，它的自动化操作能力跟之前曾经引发过热烈讨论的“豆包手机”的演示水平相类似。

对手机厂商来讲，AI助手是冲破同质化竞争、达成差异化发展的要点。荣耀、小米、OPPO等厂家以前都欠缺能连通所有App的超级入口，而AutoGLM的开源为它们给予了现成的技术根基。大模型正从云端迈向终端，促使智能手机实现从“功能集合”到“智能伙伴”的实质转变。

什么才是真正的AI手机？

现今，市场里 AI 手机的宣传接连不断，然而，真正的 AI 手机跟传统智能手机存在着本质上的区别，它并非是脱离智能手机范围的全新产物，相反是智能手机下一代的进化形态，其核心差异在于，AI 从“辅助工具”提升为“系统级别地基础能力以及交互核心”，不过，对于 AI 手机的准确定义，当前行业还没有形成统一标准。

在此之前行业普遍觉得，AI手机的核心方面存在差异是在于端侧AI的能力，传统样式所带有的智能电话的AI功能多数是依靠云端的，然而AI手机却是把大模型直接整合到芯片中来，如此不但相应的速度更为快速，隐私的作以保护也是更达到应有的位置。比如说在拍照的时候可以马上消除路人、进行离线翻译文档这样子的一些功能，传统手机是根本没办法去实现的；而借助于内部安置强大的端侧大模型，从运用多个不同的应用来执行复杂的任务，AI手机还能够明白用户的意图、主动去供应服务。

该图片疑似AI生成

还有一种情况是，借助系统级AI智能体的搭载，依照大模型达成多模态感知与自动化执行方面的机能，于多个方向做出优化，像是响应速度、隐私保护等，以此提升用户体验，并且能够构建虚拟办公场景、沉浸式学习场景一类。这类设备选用端云协同技术路径，搭配边缘计算削减算力需求，达成价值千元层级手机适配云端AI功能。国内生产的机型着重于智能助手的开发工作，拿OPPO推出的“小布”作为例子吧，还有荣耀称作“YoYo”的，凭模拟识屏以及点击相应操作，来达成交互路径的缩短。荣耀Magic8系列搭载了行业首个能自进化的AI智能体操作系统MagicOS 10这一系统，它可对覆盖衣食住行购等方面的3000 多个场景进行自动执行操作，并具备支持跨生态设备互联的能力。而努比亚M153采用了智能体框架，依靠这框架它能够完成商品识别、全网比价以及跳转支付等一系列完整的操作环节，在系统层面其整合程度相比于传统辅助型AI助手要远远超出。

需要留意的一点是，在努比亚 M153（也就是豆包手机啦）当中所运用的是那种云端 AI 啊，它有着不一样的情况。它和那些着重强调端侧 AI 能力的所谓 AI 手机并不相同呢，反而是呈现出了 AI 手机的一种全新范式啦。在一般通常的情形之下呀。处于云端运行的 AI 模型，相比起在本地运行的模型哎。其在性能的方面，本来是会显得更加颇具优势些的，然而呢，云端模型同样也是有着一些弊端存在啊。有一部分用户呢，是有可能会心里担忧，把个人甚或是敏感的数据发送传导到远程的数据中心那里去的呀，或者是心里期望着，即便没有处于 Wi-Fi 或者蜂窝网络连接的状况之下，也能够顺利使用 AI 模型噢。

手机芯片是端侧AI能力落地的“硬件底座”

察觉到云端AI存在的痛点，众多厂商都开始布局端侧AI，借助强大的硬件支持达成数据在本地做处理，使得敏感信息一直都不上云，既能完全避开安全风险，又能够保证响应的速度。而这最终是要依靠硬件底座给予支持的，手机芯片是端侧AI能力得以落地的核心载体 。

伴随 AI 朝着从单一任务处理朝着跨场景智能调度发展，芯片那个有着神经网络处理之称的 NPU ，变成打量评判 AI 性能的关键指标，直接对本地大模型它的运行效率起到裁断作用。当下，占主流方面的芯片它所具备的 AI 算力已经挺进至 50TOPS 以上的等级，并且算力供应、能效把控、多模态数据加工处理能力这三者形成的一体，成为芯片制造厂商重点攻克钻研面对的方向。

今年于高通骁龙峰会上，高通长久着重强调端侧AI的关键意义。第五代骁龙8至尊版移动平台是这场变革当中的关键载体之一，它不但把终端侧AI的性能水平、能效状况以及应用体验提升至新高度，使其手机的能力边界在AI时代得以拓展。更进一步推动智能设备与用户之间的交互方式达成重要改变。由全新高通HexagonNPU担任核心处理单元的骁龙8至尊版，其独特能力来自底层硬件了不起的质超突破，，作为高通AI引擎关键核心的全新高通HexagonNPU跟前代平台对比在性能上增高37%，并在每瓦特性能方面优化提升了16% 。这个称为NPU的东西具有12个标量加速器，还有8个向量加速器，以及经过升级的张量加速器。其中，标量加速器主要致力于图像识别、音频分析等典型的AI任务，且能为LLM推理提供支持。向量加速器的作用是加速复杂的像素级图像模型，并且在LLM场景里，用于支撑上下文涉及长度范围更长的窗口所需的运算。张量加速器专门担当起加速需要更大且更复杂的多媒体用例以及LVM模型的有关工作。除此之外，高通Hexagon NPU能够支持INT2与FP8精度，借助减少内存占用从而实现提升计算效率，以及对能耗进行优化的目的。

联发科同样没有甘于出现落在后面的情况，它所发布的天玑9500，有着突破性的特点，其搭载了拥有超性能的NPU 990，以及由超能效NPU一起构成的双NPU架构，从硬件的底层方面，为端侧AI具备的“高性能+低功耗+高安全”这三重需求，给予了坚实有力地支撑,。在这当中，超性能NPU 990的峰值算力相比于上一代提高了111%，于苏黎世AI BenchMark里获得了超过15000分的行业首个成绩，能够轻易应对4K高清文生图、多模态内容摘要等重负载AI任务；它所集成的生成式AI引擎2.0率先对BitNet 1.5 8bit大模型运算予以支持，借助专用固化电路跟内存压缩技术，在大幅度削减存储需求的情况下，把峰值性能时的功耗降低了56%，达成了“算力翻倍、功耗减半”的能效突破。于此同时，天玑9500具备超能效NPU，其采用业界处于领先地位的存算一体架构，借助该架构后运行时的功耗较以往传统NPU有所降低，具体是降低了42%，正是此缘故，其能支持AI模型做到全天候以低功耗的状态常驻；除此之外，再加上有台积电第三代3nm制程工艺的助力，芯片NPU原本就有的能效优势得以进一步强化，相较于上一代芯片而言，（其）峰值功耗有明显降低，能降低56% 。除此之外，联发科推出了“天玑AI开发套件”之类的工具，打算把生成式AI应用的研发周期缩短为一天，用以支持在智能手机、智能汽车等多种终端部署创新AI体验，并且发布了《生成式AI手机产业白皮书》，以此定义AI手机的发展路径，构建起从芯片到应用的端侧AI生态体系。

谷歌Pixel 9手机采用的是全新定制芯片Tensor G4，它属于新一代高性能手机芯片且旨在将日常使用场景予以优化，就像能更快地把应用程序打开，能流畅地浏览网页等。Tensor G4是由Google DeepMind进行设计，由三星负责代工生产的，它采用的是Arm架构，经过优化后能够把最先进的人工智能模型运行起来，它也是那第一款能够运行多模态Gemini Nano模型的处理器，仅仅在手机端侧，就可以达成大模型对文本、图像以及音频等复杂任务的理解。

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，存在算力与能效的平衡难题，本地运行百亿参数大模型致使功耗迅猛激增，使芯片散热以及续航压力明显突出，用户对AI功能有着很高要求，而手机轻薄便携具有刚性需求，两者还形成极其尖锐的矛盾，怎样在强大算力与低功耗两者之间寻觅到平衡点，此乃芯片厂商核心课题。

第二点呢，是技术标准以及生态协同呈现出碎片化的局面。芯片生产厂家、手机品牌还有大模型团队之间，它们相互适配的标准并非统一的，这就致使AI能力在实际落地过程当中，效率出现高低不一的状况；与此同时呢，手机所配备的芯片与诸如车机、智能家居等终端设备，在算力调度方面，缺少统一架构的支撑作用，所以跨设备协同的时候，存在非常明显的瓶颈问题。

再则，系安全跟隐私保护层面的底层漏洞。只因本地数据处理量增多，这就让芯片级数据加密技术不完善的状况完全显现出来，致使隐私泄露风险加重；并且芯片防篡改能力欠缺，同样可能致使AI功能遭恶意利用，进而引发安全方面的隐患。

AI手机竞争的本质，乃是芯片算力跟生态能力的双重竞争，这需要芯片厂商突破单一硬件思维，从系统级视角去构建核心竞争力 ; 伴随LPDDR6内存、高规格UFS闪存等相关配套技术的普及，芯片能够支撑更强大的AI功能得以落地，促使多模态交互、复杂任务自主完成等场景迈向成熟 ; 未来，手机端HBM（高带宽内存）以及存算一体技术的突破，会进一步解开算力和能效的平衡难题，给端侧AI的持续升级提供动力 。

从实验室迈向生活场景之路，AI技术得以普及是离不开手机芯片给予支撑的。手机芯片身为智能社会核心基础设施，其发展不但关系到智能手机产业升级迭代，更在于正在重新塑造人与智能设备交互方式，促使AI融入出行、办公、 家居等多重场景当中了。在这场智能革命里边，芯片重要性是不言自明的 ，它既是AI手机的“心脏”，更是开启全 场景智能时代的那把钥匙，未来会持续引领科技产业发展方向的 。

更多精彩的内容，去关注钛媒体微信号，其ID是 taimeiti，或者呢去下载钛媒体 App ，是这样没错吧 。