文 | 半導體產業縱橫

Omdia的最新預測顯示，2026年全球智能手機出貨量將同比下降12.2%至10.93億部，但同期市場總值反而同比增長6.1%。量少了，錢多了。全球智能手機平均售價預計從2025年的467美元漲至2026年的565美元，漲幅21%、漲價98美元，兩項數據均創行業歷史新高。

推動價格的是存儲成本。2026年第一季度，DRAM和NAND閃存均價環比上漲超過80%，AI服務器對HBM的需求激增，把內存廠商的產能大量吸走，留給消費電子的供給隨之收緊。Omdia預計，即便下半年漲幅放緩至個位數，組件成本仍將維持高位，廠商只能持續將壓力轉嫁至零售價格。市場結構隨之分化：低端機型因成本上漲被迫縮減，高端機型反而在份額上受益，翻新二手市場同步擴大。

對此，中國***的回應方向是需求側補貼：6月18日，商務部等八部門發布《關于加快“人工智能+消費”發展的實施意見》，明確用個人消費貸款財政貼息政策支持消費者購買AI手機、智能電腦、AI眼鏡等產品。手機漲價的同時，AI手機被列為國家消費戰略品類。

手機整體在降，高端在漲。發布會上，手機廠商們已經不再討論處理器有多快。

2026年夏天上市的旗艦手機，處理器幾乎是同一顆驍*** Gen 5。小米在講7000 mAh***江電池，vivo在講折疊屏續航天花板，iQOO在講***散熱，moto在講折疊機身里塞進6000 mAh。安卓陣營里，SoC性能話題淡去，處理器芯片像4G一樣在發布會中***了。

手機廠商被夾在中間，只能在別的地方找出路。

01端側 AI 內卷：千億參數是噱頭，功耗內存才是硬約束

端側AI的參數軍備競賽，在數字上打得很熱鬧。Counterpoint的報告指出，2026年具備GenAI能力的智能手機將占全球出貨量的45%，但分析師同時指出：有能力跑AI的設備，和用戶真正在日常里使用AI功能的設備之間，存在明顯的缺口。硬件能力堆上去了，用戶行為并沒有跟著改變。

聯發科和vivo聯合演示了在天璣9300上跑33B參數大模型；華為宣稱麒麟旗艦能本地推理千億參數稀疏模型；小米高調宣稱旗艦跑通了千億MoE。7B、13B、33B、100B，數字每隔幾個月往上翻一次。然后vivo做了一個反向的決定：把主力端側模型從7B換回了3B。不是因為技術不行，而是因為3B模型只占2GB內存、功耗約750mA，能持續跑128K長文本。在日常使用里，3B做到的事情和7B差不多，但手機不會發燙，電池不會狂掉。用戶要的不是參數更大的模型，而是一個真正改變日常使用體驗的AI，隨時響應、不發燙、不費電，能在打開手機的每一個場景里實際幫到用戶。

這個判斷的背后還有一個行業里不常被提的事實：那些動輒百億、千億的端側參數，本質是稀疏MoE架構——總參數量很大，但每次推理實際激活的只有幾十億，再經過INT4量化壓縮，實際運行的計算量和7B Dense模型差不多。千億是倉庫的總容量，不是每次用到的東西。

這一趨勢意味著手機的AI能力由LPDDR5X內存容量、NPU算力和功耗預算共同決定，穩定落地的口徑幾乎都收斂在7B附近。7B模型經INT4量化后約需4GB內存，處于旗艦手機12-16GB LPDDR5X的可用范圍內；聯發科明確天璣9300的APU 790可以約20 tokens/s的速度推理7B模型，OPPO將7B端側模型部署用于超過100項AI功能，高通雖然不公布參數量，但其AI引擎的實際對標量級相同。再往上，對手機內存容量和散熱的要求就會超出大多數旗艦機的實際邊界。

這個數字對芯片行業的含義隨之改變。過去評判NPU的標準是峰值TOPS，算力越高越好。但當整機廠開始主動用小模型替換大模型，NPU真正需要做的事情是：在750mA的功耗預算下，穩定運行一個長上下文的推理任務，而不是沖峰值跑分。

片上SRAM用于KV Cache的空間、內存帶寬的調度效率、INT4/FP8低精度格式的原生支持，這些指標，比TOPS數字更接近用戶實際感受到的AI體驗。

推理的瓶頸不只在NPU算力，也在存儲帶寬能不能及時把模型權重喂進去。10.8GB/s的讀取速度直接影響模型加載速度和KV Cache刷新效率，這和NPU的TOPS數字一樣決定用戶感受到的AI響應速度。

存儲廠商已經意識到這件事。三星6月23日發布的UFS 5.0方案，順序讀取速度達到10.8GB/s，是上一代UFS 4.1的兩倍以上，整體能效提升超40%。三星把這款產品定位為“端側AI的核心底層基礎設施”。但UFS 5.0要到今年四季度才開始規模量產，意味著它將出現在明年的旗艦里，不是今年的發布會上。Counterpoint的分析指出，存儲約束是GenAI手機目前被鎖在400美元以上價位的核心原因之一。UFS 5.0能帶來性能跨越，但初期成本不會低，高端先受益的格局短期內不會改變。

手機AI競爭的重心，正在從設備本身轉向設備上運行的AI模型層。Counterpoint的研究指出，在高端市場，Google Gemini正在成為這一層的核心，Gemini支撐著蘋果重建的Siri，是三星Galaxy AI的基礎，也驅動著中國主要手機品牌海外版本的AI能力。OEM廠商在模型之上負責編排邏輯、用戶體驗和生態整合，這才是下一階段競爭真正發生的地方。

02新賽道崛起：協處理器 + 端側模型

端側AI的競爭邏輯變了，但有一件事沒變，旗艦機產品在處理器層面已經沒有差異化空間。兩款手機可以用同一顆SoC，但發布會不能講同一件事。差異化只能往SoC管不到的地方找：影像算法、游戲體驗、續航調度，這些體驗層的競爭，SoC的通用設計天然覆蓋不到最優解。

整機廠的選擇是：自己造一顆芯片，把SoC做不好的那件事做到極致。

自從蘋果用A系列拉開了和安卓的性能代差，“自研SoC”就成了手機行業的終極想象。造芯的手機廠許多，但真是的數據表明，正面開發一顆能和高通、聯發科競爭的旗艦SoC，是沒有性價比的選擇。

手機廠后來想清楚的事情是：不需要替代驍龍，只需要在驍龍覆蓋不到的地方造一顆小芯片。

iQOO的Q2***芯片是一個標準樣本。它不碰CPU、不碰GPU、不碰NPU，只做游戲畫面的超分和超幀。驍*** Gen 5的Adreno GPU本來也能做這件事，但同時還要處理系統圖形渲染、UI合成和其他負載，超分的效果和功耗不是最優解。Q2把這個任務單獨摳出來，用專用芯片做到極致，主SoC反而能騰出***保幀率穩定。

小米的自研影像芯片邏輯相同，不是替代驍龍的ISP，而是在ISP完成基礎處理之后，承接計算攝影、多幀合成、長焦畫質優化這些對算力和延遲要求更高的任務。兩顆芯片分工，比一顆芯片全包效率更高，發熱更少。

這條路線的性價比，遠高于自研SoC。協處理器的功能邊界清晰，開發周期短；大量***用12/16/28nm成熟工藝，流片成本只是先進制程的零頭；不需要配套完整的編譯器和驅動生態。一顆游戲芯片從立項到量產，可以卡在SoC換代周期之間完成，比等高通在下一代驍龍里更新GPU快一到兩年。

這樣的趨勢對芯片行業的影響是雙向的。成熟制程的專用芯片需求在增加，12/16/28nm產線的稼動率因此受益。與此同時，高通和聯發科被迫適應這個趨勢：整機廠的協處理器要順暢接入SoC的數據通路，就需要開放更多底層接口，合作模式從“賣一顆芯片”變成“提供一個可以協同的平臺”。

03OpenAI也要造手機了

OpenAI***在2028年推出一款以AI為核心的手機，合作造芯片的是高通和聯發科。這個選擇值得注意。全球最大的AI公司決定做手機時，沒有試圖自研SoC，而是直接找了兩家現有的手機芯片平臺。這再一次說明SoC這層不是重點，搶占Gemini已經在占據的模型層，才是它真正的目標。

這和手機行業正在發生的事情指向同一個方向：SoC正在成為基礎設施，真正的差異化競爭分散到了三個層面，AI模型層、協處理器層和應用層。

AI模型層的競爭，是誰的端側模型在750mA功耗下跑得更久，誰的編排邏輯讓用戶真正用起來；協處理器層的競爭，是誰能把游戲超分、影像處理這些特定場景做到極致；應用層的競爭，是誰能讓在端側AI真正改變用戶的使用習慣。

手機芯片的需求，一端被AI推著往效率走，另一端被成本推著往整合走。兩個方向都在壓縮旗艦SoC的獨占價值，也在給成熟制程、本土玩家打開新的空間。

未來手機的差價將來自廠商的創新力，AI的落地速度，這些真正帶來突破的關鍵點。返回搜狐，查看更多