摘要
大模型正深度融入手机操作系统，使其从辅助工具升级为能跨应用执行复杂任务的智能体。努比亚M153（豆包手机）展示了云端AI的范式，而智谱开源的AutoGLM则为端侧AI提供了技术基础。这一变革的核心驱动力是手机芯片，特别是NPU的算力与能效提升，如高通骁龙8至尊版NPU性能提升37%，联发科天玑9500实现功耗减半。然而，行业仍面临算力与能效平衡、生态碎片化及安全隐私三大挑战。
线索
投资机会：
1. 芯片设计厂商： AI手机的核心竞争在于芯片算力。高通、联发科等头部厂商通过持续迭代NPU性能和能效，构建了强大的技术壁垒，将直接受益于AI手机的普及浪潮。谷歌自研芯片也显示了科技巨头对这一核心环节的重视。
2. 大模型与手机厂商的生态合作方： 类似字节跳动（豆包）与中兴、智谱与手机厂商的合作模式，为没有自研硬件能力的大模型公司提供了快速落地的商业路径。这种“技术授权+生态分成”的模式轻资产、高毛利，值得关注。
3. 端侧AI技术方案提供商： 智谱开源AutoGLM降低了行业门槛，为中小手机厂商和开发者提供了现成的技术底座。围绕端侧AI的模型优化、工具链开发、应用适配等环节存在大量创业和投资机会。
4. 配套硬件供应商： 随着端侧AI算力需求激增，对LPDDR6内存、高规格UFS闪存以及未来可能应用的HBM（高带宽内存）和存算一体技术的需求将同步增长，相关产业链公司将受益。
潜在风险：
1. 技术路线不确定性： 端侧AI与云端AI的路线之争尚未有定论。云端AI性能强大但存在隐私和网络依赖问题；端侧AI安全私密但受限于硬件算力和功耗。若未来技术出现颠覆性突破，当前押注错误路线的厂商投资将面临风险。
2. 生态碎片化风险： 芯片厂商、手机品牌与大模型团队之间缺乏统一标准，导致开发适配成本高昂，AI功能落地效率低下。这种碎片化可能延缓整个AI手机市场的成熟速度，影响投资回报周期。
3. 功耗与用户体验的矛盾： 本地运行大模型导致功耗和发热激增，与用户对手机长续航和轻薄化的需求形成尖锐矛盾。如果无法有效解决，可能导致用户关闭AI功能，使相关硬件投入的价值无法体现。
4. 安全与隐私的系统性风险： 数据在本地处理增加了芯片级安全防护的难度。一旦出现芯片层面的安全漏洞被恶意利用，可能引发大规模的隐私泄露事件，对品牌和整个行业造成毁灭性打击，并引发强监管。
正文
18年前，智能手机开启了生态时代的新范式。语音助手问世后，迅速成为行业标配，但功能多局限于查天气、设闹钟等基础操作。如今，人工智能的登场正推动行业变革。大模型不再是简单的辅助工具，而是深度融入系统流程，能够跨App完成订票、点餐、取消续费等复杂操作，推动手机迈向下一代计算入口。
过去一年，大模型的持续迭代使其稳居科技焦点。当一款将大型语言模型深度融入操作系统的国产AI手机出现后，有评论认为这可能标志着“中国的第二个DeepSeek时刻”的到来。这场从“人工智能作为工具”到“人工智能作为数字工作者”的跨越，正重塑智能手机的核心形态。
AI手机：大模型与终端的深度融合
中兴通讯与字节跳动联合开发的努比亚M153手机（豆包手机），其核心亮点在于将AI Agent能力深度整合至操作系统层面，实现了跨应用自动执行、场景化记忆服务与便捷唤醒交互。有国际科技博客评论，如果该范式被广泛采用，或将极大地加速高级人工智能在移动设备上的普及。另有评论将其与从键盘到触摸屏的转变相提并论。
这一突破背后，是“大模型厂商+手机厂商”的生态合作趋势。豆包没有自研手机计划，通过与中兴的深度合作实现了技术落地。
另一家大模型厂商智谱近期开源了核心AI Agent模型AutoGLM，该模型被业界视为全球首个具备“手机操作”能力的AI Agent，能够完成外卖点单、机票预订等长达数十步的复杂操作流程。此次开源意味着硬件厂商、手机厂商和开发者均可基于AutoGLM，在自有设备或系统中复现能“看懂”屏幕、模拟真人进行点击、输入、滑动的AI助手。目前，AutoGLM已支持微信、淘宝、抖音、美团等超过50个高频中文应用的核心场景。
对于手机厂商而言，AI助手是打破同质化竞争、实现差异化发展的关键。荣耀、小米、OPPO等厂商此前均缺乏能打通所有App的超级入口，而AutoGLM的开源为它们提供了技术底座。大模型正从云端走向终端，推动智能手机完成从“功能集合”到“智能伙伴”的蜕变。
什么才是真正的AI手机？
市场上AI手机的宣传层出不穷，但真正的AI手机与传统智能手机有着本质区别。AI手机是智能手机的下一代进化形态，核心差异在于AI从“辅助工具”升级为“系统级的基础能力和交互核心”。不过，关于AI手机的准确定义，目前行业尚未形成统一标准。
此前行业普遍认为，AI手机的核心差异在于端侧AI能力。传统智能手机的AI功能大多依赖云端，而AI手机将大模型直接集成到芯片中，响应速度更快，隐私保护也更到位。例如拍照时实时消除路人、离线翻译文档等功能，通过内置强大的端侧大模型，AI手机还能理解用户意图、主动提供服务，并跨应用执行复杂任务。
另一种范式是通过搭载系统级AI智能体，依托大模型实现多模态感知与自动化执行能力，采用端云协同技术路线，结合边缘计算降低算力需求，实现千元机适配云端AI功能。国产机型聚焦智能助手开发，如OPPO的“小布”、荣耀的“YoYo”等。荣耀Magic8系列搭载自进化AI智能体操作系统MagicOS 10，覆盖衣食住行购3000多个场景的自动执行，并支持跨生态设备互联。努比亚M153采用智能体框架可完成商品识别、全网比价、跳转支付等完整操作链。
值得注意的是，努比亚M153（豆包手机）上采用的是云端AI，这展示出了AI手机的新范式。运行在云端的AI模型在性能上通常会优于本地运行的模型，但云端模型也存在弊端，例如用户对个人或敏感数据发送到远程数据中心的担忧，以及在无网络连接情况下无法使用的问题。
手机芯片是端侧AI能力落地的“硬件底座”
正是洞察到云端AI的痛点，各大厂商纷纷布局端侧AI，通过强大的硬件支撑实现数据本地处理。手机芯片是端侧AI能力落地的核心载体。
随着AI从单一任务处理向跨场景智能调度演进，芯片的NPU（神经网络处理单元）已成为衡量AI性能的核心指标。如今，主流芯片的AI算力已迈入50TOPS以上级别，而算力供给、能效控制、多模态数据处理能力的三位一体，成为芯片厂商的核心攻关方向。
高通持续强调端侧AI的重要性。第五代骁龙8至尊版移动平台将终端侧AI的性能、能效与应用体验推向新高度。其AI能力源于底层硬件的升级——全新高通Hexagon NPU相较前代平台实现37%的性能提升与16%的每瓦特性能优化。该NPU拥有12个标量加速器、8个向量加速器以及升级的张量加速器，分别处理不同类型的AI任务，并支持INT2与FP8精度以提升计算效率。
联发科发布的天玑9500搭载了超性能NPU 990与超能效NPU组成的双NPU架构。其中，超性能NPU 990的峰值算力较上一代提升111%，在苏黎世AI BenchMark中斩获超15000分的成绩。其集成的生成式AI引擎2.0支持BitNet 1.5 8bit大模型运算，在大幅减少存储需求的同时，将峰值性能下的功耗降低56%。超能效NPU采用存算一体架构，运行功耗较传统NPU降低42%。配合台积电第三代3nm制程工艺，芯片NPU的能效优势进一步强化。联发科还推出“天玑AI开发套件”等工具，并发布《生成式AI手机产业白皮书》，构建从芯片到应用的端侧AI生态体系。
谷歌Pixel 9手机则采用全新定制芯片Tensor G4。该芯片由Google DeepMind设计、三星代工生产，经优化后可运行先进的人工智能模型，是第一款能运行多模态Gemini Nano模型的处理器，可在手机端侧实现大模型理解文本、图像和音频等复杂任务。
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，算力与能效的平衡难题。本地运行百亿参数大模型导致功耗激增，芯片散热与续航压力凸显，而用户对AI功能的高要求与手机轻薄便携的刚性需求形成矛盾。
其二，技术标准与生态协同的碎片化。芯片厂商、手机品牌与大模型团队的适配标准不统一，导致AI能力落地效率参差不齐；同时，手机芯片与车机、智能家居等终端的算力调度缺乏统一架构支持，跨设备协同存在瓶颈。
其三，安全与隐私保护的底层漏洞。本地数据处理增多使得芯片级数据加密技术的不完善问题暴露，隐私泄露风险加剧；而芯片防篡改能力不足，也可能导致AI功能被恶意利用。
AI手机的竞争，本质是芯片算力与生态能力的双重竞争。未来，手机端HBM（高带宽内存）与存算一体技术的突破，将进一步破解算力与能效的平衡难题。作为智能社会的核心基础设施，手机芯片的发展不仅关乎智能手机产业的升级，更在重塑人与智能设备的交互方式。在这场智能革命中，芯片是AI手机的“心脏”，更是开启全场景智能时代的钥匙。
发布时间
2025-12-12 18:34:12
评论 ( 0 )