Blogs

根据 Omdia 的最新预测，2026 年全球智能手机出货量预计将下降 12.2% 至 10.93 亿部，但同期市场总值预计将增长 6.1%。这意味着全球智能手机的平均售价将从 2025 年的 467 美元攀升至 2026 年的 565 美元，增幅为 21%，价格上涨 98 美元，这两项数据均将创下行业新高。

此次价格上涨的主要驱动力在于存储成本的飙升。预计到 2026 年第一季度，DRAM 和 NAND 闪存的平均价格将环比上涨超过 80%。AI 服务器对高带宽内存（HBM）需求的激增，大量占用了内存制造商的产能，导致供给消费电子的资源日益紧张。Omdia 预测，即便下半年涨幅放缓至个位数，组件成本仍将维持在高位，制造商将不得不持续将成本压力转嫁给零售价格。在此背景下，市场结构将出现分化：低端机型因成本上升而被迫缩减，高端机型则在市场份额上受益，同时翻新和二手市场也将同步扩大。

中国政府针对这一趋势，在需求侧采取了补贴措施。6 月 18 日，商务部等八部门联合发布了《关于加快“人工智能+消费”发展的实施意见》，明确提出将通过个人消费贷款财政贴息的政策，支持消费者购买 AI 手机、智能电脑、AI 眼镜等产品。在手机价格普遍上涨的背景下，AI 手机被提升为国家消费战略品类。

手机整体销量下滑，但高端市场价格却在上涨。在近期的新品发布会上，手机制造商们已经不再专注于强调处理器性能的提升。

预计在 2026 年夏季上市的旗舰手机，将普遍采用高通骁龙 8 Gen 5 处理器。届时，小米将主打其 7000 mAh 的电池技术，vivo 将聚焦其折叠屏手机的续航能力，iQOO 将强调其电竞散热性能，而 Moto 则将宣传其在折叠机身内集成 6000 mAh 电池的能力。在安卓阵营中，SoC 性能的话题已经逐渐淡化，处理器芯片在发布会中的存在感如同当年的 4G 一样变得不那么显眼。手机制造商们面临着来自市场和技术的双重压力，不得不寻求其他途径来寻找出路。

端侧 AI 的“内卷”：千亿参数是噱头，功耗与内存才是硬约束

在端侧 AI 领域，参数量的军备竞赛虽然在数字上显得异常激烈，但 Counterpoint 的报告指出，尽管 2026 年具备生成式 AI 能力的智能手机将占全球出货量的 45%，但“有能力运行 AI 的设备”与“用户真正在日常生活中使用 AI 功能的设备”之间存在显著差距。硬件能力的堆砌并未能有效带动用户行为的改变。

尽管联发科和 vivo 联合演示了在天玑 9300 芯片上运行 330 亿参数的大模型，华为也宣称其麒麟旗舰芯片能够本地推理千亿参数的稀疏模型，小米更是高调宣布其旗舰机型已实现千亿参数混合专家模型（MoE）的运行。参数量数字不断攀升，从 7B、13B、33B 到 100B，但 vivo 却做出了一个反向的决定，将其主力端侧模型从 7B 降回 3B。这并非技术上的退步，而是出于实际考量：3B 模型仅占用 2GB 内存，功耗约为 750mA，但能持续处理 128K 的长文本。在日常使用场景下，3B 模型的功能与 7B 模型相似，但手机发热量更低，电池续航也更持久。这表明，用户真正需要的是能够真正改变日常使用体验的 AI，而非仅仅追求更大的模型参数。他们期望 AI 能够随时响应，不发烫、不耗电，并在手机的每一个使用场景中提供实际的帮助。

这一趋势的背后，还有一个行业内普遍被忽视的事实：那些动辄百亿、千亿参数的端侧模型，本质上是稀疏 MoE 架构。这意味着虽然总参数量巨大，但每次推理实际激活的参数量仅有几十亿，并且经过 INT4 量化压缩后，实际运行的计算量与 7B 的密集模型（Dense model）相当。千亿参数更像是仓库的总容量，而非每次取用的实际数量。

因此，手机的 AI 能力将更多地取决于 LPDDR5X 内存容量、NPU 算力以及功耗预算。目前来看，能够稳定落地的端侧模型普遍收敛在 7B 参数左右。7B 模型经过 INT4 量化后约需 4GB 内存，这在旗舰手机普遍拥有的 12-16GB LPDDR5X 内存范围内是可行的。联发科已明确表示，天玑 9300 的 APU 790 能够以约 20 tokens/s 的速度推理 7B 模型，而 OPPO 已将 7B 端侧模型部署于超过 100 项 AI 功能。高通虽然未公布具体参数，但其 AI 引擎的实际性能与此相当。若要支持更大的模型，对手机内存容量和散热的要求将超出大多数旗舰机的实际承载能力。

这一变化也对芯片行业产生了深远影响。过去衡量 NPU 的标准是峰值 TOPS（每秒万亿次运算）性能，越高越好。但现在，当整机厂商开始主动选择小模型替代大模型时，NPU 的核心任务转变为：在 750mA 的功耗预算下，稳定运行长上下文的推理任务，而非追求峰值跑分。

片上 SRAM 用于 KV 缓存的空间、内存带宽的调度效率以及对 INT4/FP8 低精度格式的原生支持等指标，将比 TOPS 数字更能反映用户实际感受到的 AI 体验。推理的瓶颈不仅在于 NPU 的算力，还在于存储带宽能否及时地将模型权重传输到位。10.8GB/s 的读取速度直接影响模型加载速度和 KV 缓存刷新效率，这与 NPU 的 TOPS 数字同样决定了用户感知到的 AI 响应速度。

存储厂商已意识到这一趋势。三星在 6 月 23 日发布了 UFS 5.0 解决方案，其顺序读取速度高达 10.8GB/s，是上一代 UFS 4.1 的两倍以上，整体能效提升超过 40%。三星将该产品定位为“端侧 AI 的核心底层基础设施”。然而，UFS 5.0 要到今年第四季度才能实现规模量产，意味着它将出现在明年的旗舰机型中，而非今年的新品发布会上。Counterpoint 的分析指出，存储瓶颈是当前生成式 AI 手机价格被锁定在 400 美元以上的主要原因之一。虽然 UFS 5.0 能够带来性能上的突破，但其初期成本不会低，短期内高端市场优先受益的格局难以改变。

手机 AI 竞争的重心正从设备本身转向运行在设备上的 AI 模型层。Counterpoint 的研究表明，在高端市场，Google Gemini 正在成为这一层面的核心力量，它不仅支撑着苹果对 Siri 的重构，也是三星 Galaxy AI 的基础，同时还驱动着中国主要手机品牌在海外市场的 AI 能力。OEM 厂商则负责在模型之上进行逻辑编排、用户体验设计以及生态整合，这才是下一阶段竞争的关键所在。

新赛道崛起：协处理器 + 端侧模型

尽管端侧 AI 的竞争逻辑正在发生变化，但旗舰机在处理器层面缺乏差异化这一点并未改变。两款手机可能采用相同的 SoC，但发布会却不能讲述相同的故事。差异化只能在 SoC 无法覆盖的领域寻找，例如影像算法、游戏体验、续航调度等体验层面的竞争，而这些领域通用设计的 SoC 难以提供最优解。

因此，整机厂商的选择是：自主研发芯片，将 SoC 无法完美解决的问题做到极致。

自苹果凭借 A 系列芯片在性能上与安卓阵营拉开差距以来，“自研 SoC”就成为手机行业的终极目标。尽管许多手机厂商都尝试过自研芯片，但数据显示，正面开发能够与高通、联发科竞争的旗舰 SoC，并非一个具有成本效益的选择。

手机厂商后来领悟到：不必取代骁龙，只需在骁龙的覆盖盲区打造一颗辅助芯片。

iQOO 的 Q2 电竞芯片便是一个典型范例。它不涉及 CPU、GPU 或 NPU 的核心功能，而是专注于游戏画面的超分辨率和超帧率处理。尽管骁龙 8 Gen 5 的 Adreno GPU 本身也能执行此类任务，但它同时还需要处理系统图形渲染、UI 合成以及其他负载，导致超分辨率效果和功耗并非最优。Q2 芯片将这一任务独立出来，通过专用芯片做到极致，从而使主 SoC 能够腾出资源以保持帧率的稳定。

小米的自研影像芯片也遵循相同的逻辑。它并非旨在替代骁龙的 ISP（图像信号处理器），而是在 ISP 完成基础处理后，接管计算摄影、多帧合成、长焦画质优化等对算力和延迟要求更高的任务。两颗芯片分工合作，比单颗芯片全包的效率更高，发热也更少。

这条路线的性价比远高于自研 SoC。协处理器的功能边界清晰，开发周期短；采用 12/16/28nm 等成熟制程，流片成本仅为先进制程的零头；无需配套完整的编译器和驱动生态。一颗游戏芯片从立项到量产，可以在 SoC 换代周期之间完成，比等待高通在下一代骁龙中更新 GPU 要快一到两年。

这一趋势对芯片行业产生了双向影响。成熟制程的专用芯片需求增加，使得 12/16/28nm 产线的稼动率得到提升。与此同时，高通和联发科也不得不适应这一趋势：整机厂商的协处理器需要顺畅接入 SoC 的数据通路，这就要求开放更多底层接口，合作模式也从单纯的“销售芯片”转变为“提供一个可协同的平台”。

OpenAI 也要进军手机市场

OpenAI 计划在 2028 年推出一款以 AI 为核心的手机，并已与高通和联发科合作开发芯片。这一选择值得关注。全球顶尖的 AI 公司在决定进入手机市场时，并未选择自研 SoC，而是直接与两家现有的手机芯片平台合作。这再次印证了 SoC 层并非竞争的重点，其真正的目标在于抢占 Gemini 正在占据的模型层。

这一举动与手机行业目前的发展趋势指向同一方向：SoC 正在逐步演变为基础设施，真正的差异化竞争已分散到三个层面——AI 模型层、协处理器层以及应用层。

AI 模型层的竞争在于谁的端侧模型能在 750mA 的功耗下运行更长时间，以及谁的编排逻辑能真正被用户所接受和使用。协处理器层的竞争则体现在谁能将游戏超分、影像处理等特定场景做到极致。而应用层的竞争则关注于谁能真正让端侧 AI 改变用户的使用习惯。

手机芯片的需求，一方面受到 AI 的驱动，朝着更高效率的方向发展；另一方面则受成本的制约，向着整合的方向发展。这两个方向都在压缩旗舰 SoC 的独占价值，同时也为成熟制程和本土芯片厂商提供了新的发展空间。

未来手机的价格差异，将更多地源于厂商的创新能力以及 AI 的落地速度，这些才是真正带来突破的关键所在。