无线上直播，雷军也并未到场，仅用了 40 分钟，小米便发布了三款芯片。

2026 年 8 月 24 日，小米一口气发布了三款玄戒芯片，分别是 AI 旗舰 SoC 玄戒 O3、 AI 加速芯片玄戒 O100，以及智驾高算力 AI 芯片玄戒 D100。

过去几年，手机厂商自研芯片通常集中在影像、通信、电源管理等细分领域。但随着大模型开始进入手机、汽车和机器人，端侧 AI 能力正成为手机厂商自研芯片的投入重点。

AI 模型正在变大，如何提供更高的 AI 算力，同时解决模型运行过程中的 " 内存墙 " 问题，正在成为新一代芯片设计的核心命题。

玄戒 O3 是小米自主研发设计的第二款旗舰 SoC，延续了 3nm 工艺制程，总晶体管数量由上一代 190 亿提升至 240 亿。

玄戒 O3 一个明显的变化是进一步强化了 AI 计算能力。除了专门处理 AI 任务的 NPU，小米还在芯片的多个主要模块中部署 AI 加速单元，用于处理不同规模的 AI 任务，避免轻量级 AI 需求频繁访问 NPU 造成的运行效率下降和功耗浪费。

据透露，玄戒 O3 将在今年 9 月随 Xiaomi 18 Fold 首发上市。

相比 O3，玄戒 O100 更能体现当前 AI 芯片设计正在发生的变化。过去几年，芯片竞争最常见的指标是算力。但随着大模型参数规模不断增长，限制模型运行速度的并不只是计算能力。

计算单元的性能提升速度越来越快，需要不断从内存中读取模型参数和中间数据，如果数据传输速度跟不上，计算单元就只能等待。这也是 AI 芯片领域越来越明显的一种 " 剪刀差 " ——算力持续增长，但内存带宽和数据传输能力成为新的瓶颈。

无论是苹果、华为，还是小米，都开始尝试从芯片架构层面解决这一问题。

苹果持续提升统一内存的容量和带宽，让 CPU、GPU 和神经网络引擎能够共享数据；华为也在 AI 芯片中不断强化高带宽存储能力。

小米自主研发设计的 AI 加速芯片玄戒 O100 采用端侧 AI 近存计算架构，在芯片设计上通过将计算单元与存储单元垂直堆叠或拉近物理距离，以大幅减少数据搬运延迟。

该芯片采用了 3D Wafer On Wafer 立体堆叠，通过 Hybrid Bonding 技术，将 2 层 DRAM 晶圆和 1 层 NPU 计算晶圆高温键合在一起。

玄戒 O100 的内存带宽达到 1.22TB/s，内部还集成了 14 核大模型专用 NPU。内部计算单元与存储单元间超高密度的互联通路，端侧大模型推理速度可达最高 330 Token/s。

小米在现场展示了搭载玄戒 O100 和玄戒 O3 的原型机，在离线模式下，通过小米内置的 MIMO 大模型，基本可以做到无延时输出。

随着越来越多 AI 任务开始尝试直接在终端设备上完成，手机、PC、汽车等终端载体对实时性、隐私和离线能力提出更高要求。

就在小米芯片发布的次日，苹果也推出了新一代 M6 和 M5 Ultra 中，M6 首次采用 2nm 制程，面向日常办公、开发、创作和端侧 AI 任务；M5 Ultra 则通过新的多芯片封装架构，进一步提高桌面芯片的性能、内存容量和本地 AI 能力。

面向汽车业务，小米也推出了自研的 3nm 高算力智驾 AI 芯片玄戒 D100，内部包含 20 核 CPU 和强大的 16 核高算力 NPU。单芯片最高支持 160GB 内存容量，最大可支持 200B 以上参数量本地模型部署。

玄戒 D100 还支持多芯片融合计算，可在本地为个人用户提供超高 AI 算力，实现复杂人工智能任务处理，亦可应用于汽车领域，实现智驾算法的运行。

这是小米自 2016 年开始自研芯片以来发力最猛的一次。

一开始，小米对芯片难度认知不够，转向了小芯片路线。2021 年，小米才重启旗舰 SoC 研发，2025 年推出了首款芯片产品玄戒 O1。时隔一年，小米就推出了三款芯片。

据悉，小米过去五年为造芯已累计投入超 180 亿，总预算准备了 500 亿，目前团队研发人员 3000+ 人。

随着端侧 AI 趋势加速，小米手机、小米汽车、机器人等核心业务都将依赖芯片这一 AI 底座，不过，小米明确表示自研芯片将聚焦端侧 AI 推理，"AI 训练芯片面向数据中心，是完全不同的赛道，小米当前的战略选择是做好端侧算力。"