智能体让旗舰 SoC 从拼核心，转向拼系统。

过去数年，旗舰手机芯片的升级路径非常清晰，制程更先进、CPU 主频更高、GPU、ISP 更强，再加上算力不断增长的 NPU。

这套方法在生成式 AI 进入手机后依旧奏效，却很难完整回答智能体带来的新问题。因为 AI 不再只在用户点开应用后运行几十秒，而要持续感知声音、画面和环境，在后台理解需求，甚至提前执行任务。

一颗核心能跑多快，仍然重要。但当 CPU、GPU、NPU、内存和存储需要频繁交换数据，决定体验的已经不只是每个单元的峰值性能，而是整颗 SoC 如何组织算力。

MediaTek 资深副总经理徐敬全在天玑旗舰芯片新品发布会上给出了明确判断：" 计算基准将不再是单一核心的能力，而是要将异构的计算单元整合为系统级的融合计算架构。"

这是理解天玑 9600 Pro 的关键，台积电 2nm、超过 330 亿个晶体管和 2+3+3 全大核 CPU，构成这颗旗舰芯片的性能底座。天玑智算融合架构、双 NPU 以及贯穿游戏、影像和通信的 AI 能力，则指向一个更大的变化，旗舰 SoC 的竞争正在从几个核心分别升级，走向计算、存储和调度共同设计。

AI 让手机一直「醒着」，峰值性能不再是唯一标准

智能体首先改变的是手机工作的节奏。

过去，用户打开应用、拍下一张照片或者启动游戏，芯片在短时间内拉高性能，完成任务后迅速回到低功耗状态。智能体却需要持续理解环境，并在前台应用运行时保持在线。芯片一天被唤醒的次数可能是过去的数倍，CPU 的空档也会越来越短、越来越碎。

这意味着，电量未必消耗在一次特别重的计算上，也可能被一次次核心启动、任务切换和数据搬运吃掉。与此同时，AI 不能独占手机性能，用户打游戏、看视频或开会时，后台智能体仍可能运行，大模型与应用争抢内存，CPU 和 NPU 还要频繁交接任务。

MediaTek 无线通信事业部副总经理陈一强在发布会上说，" 过去评价旗舰芯片，会问能够跑多快，智能体时代，还要问能不能一整天这样 "。

这个问题背后，是端侧 AI 的价值和限制同时出现。

MediaTek 董事、总经理暨营运长陈冠州表示，AI 的入口将从 PC 扩展到手机等更多终端，算力将从云端集中式部署走向云端与端侧混合，AI 用户也会从企业进一步扩展到消费者。手机不只是连接云端 AI 工厂的入口，本身也会成为生产 Token 的分布式 AI 工厂。

延迟是一方面，隐私则是更直接的约束。陈冠州说：" 有些隐私资料不能送到云端，只能在终端的人工智能工厂生产 Token。"

但手机只有几瓦的功耗空间、一块电池和有限的内存。如果端侧智能体需要一整天在线，旗舰 SoC 真正稀缺的就不只是峰值算力，而是有限功耗下能够长期调用的有效算力。

2nm 支撑全大核，融合架构负责把算力组织起来

联发科发布的最新旗舰天玑 9600 Pro 就是为 AI 而设计。

天玑 9600 Pro 采用台积电 2nm 制造工艺，集成超过 330 亿个晶体管。

CPU 架构层面，天玑 9600 Pro 的 CPU 继续沿用全大核路线，并升级为 2+3+3 架构：两颗最高 4.55GHz 的 C2-Ultra 超大核，三颗 4.35GHz 和三颗 3.1GHz 的 C2-Pro 大核；L2、L3 与 SLC 总容量达到 34.5MB，并率先支持 LPDDR6 和 UFS 5.0。

和上一代相比，天玑 9600 Pro 单核性能提升 17%，多核提升 15%；达到上一代峰值性能，多核功耗下降 61%。性能继续增长的同时，功耗降幅远高于性能增幅，这才是 2nm 与架构协同产生的核心价值。

不过，MediaTek 没有把 17% 和 15% 当成这一代 CPU 最重要的升级。陈一强在发布会上用餐厅作比喻：炸薯条和煎牛排的速度分别提高，并不代表整个餐厅的出餐效率同步提升，食材怎么流转、订单怎么分配、店长如何动态调度，同样决定最终效率。

AI 计算也是如此。数据会在 CPU、NPU、缓存、内存和存储之间流动，只提高某一个计算单元的峰值性能，系统效率未必按同样比例增长。

手机 SoC 原本就是异构系统，包含了 CPU、GPU、NPU 和 ISP。融合计算是改变设计和评价的出发点，过去先分别定义每个单元，再通过软件调度组合。现在则从一项完整任务出发，反向决定算力放在哪里、数据怎么走、哪颗核心何时唤醒。只有这样，纸面上的算力才不会在数据搬运和等待中被抵消。

天玑智算融合架构因此将 CPU 与 NPU 协同、内存和闪存的数据交换，以及算力、电源、内存资源的调度放进同一套设计中。面对频繁而碎片化的负载，天玑 9600 Pro 把全大核的电源调度做到微秒级，核心快开快关能力达到上一代的 10 倍；系统级智能计算电源管理则尝试减少用户不易察觉的后台损耗。

当 AI 与传统应用同时运行，内存成为瓶颈。MediaTek 通过压缩与动态调度提升内存效率，根据联发科给出的数据，大模型启动速度提高 27% 的同时，可以维持 25 个应用保活。它所解决的不是一项跑分，而是 AI 不清后台、不牺牲前台体验的现实问题。

从全大核 CPU，到 CPU 与 NPU 协同，再到内存和电源调度，天玑 9600 Pro 希望回答的已经不是某一个核心够不够快，而是整颗 SoC 能否把算力变成持续、稳定的体验。 

双 NPU 一颗负责重活，一颗保持始终在线

智能体对 NPU 提出了两个相反的需求，既要运行更大、更复杂的模型，又要以极低功耗保持持续感知。

一颗 NPU 承担所有任务，峰值能力和全天运行很难兼得，天玑 9600 Pro 延续并重构双 NPU 设计。

联发科第二代超能效 NPU 融合低功耗传感器中枢，主要运行轻量模型，功耗较上一代下降 40%。它持续理解声音、动作和环境，为主动式智能体提供全时感知。

超性能 NPU 1090 则负责更重的模型计算，大语言模型预填充性能提升 51%，每瓦生成 Token 数量最高提升 55%。

新一代生成式 AI 引擎 3.0 的 INT4 运算能力翻倍，同时支持 Hybrid Attention、新一代模型压缩技术，以及最高 30B 规模 MoE 模型在端侧运行。30B 并不只是一个参数量标签，它意味着端侧模型可以调用更复杂的专家能力，同时借助 MoE 只激活部分参数，降低计算和内存压力。

更能说明这套分工价值的，是具体应用。

MediaTek 与 vivo 合作的相机助手可以用低功耗 NPU 持续理解取景画面，主动推荐功能和构图。与 OPPO 合作打造了 LUMO 灵感构图功能，则实时分析主体与环境的位置关系。借助智能体还能把分散在酒店、机票、日程和待办中的信息重新组织，在用户发问前主动提醒。

陈一强把 MediaTek 的 AI 思路概括为三个要素：全时运行、足够智能、应用生态。模型能不能跑起来只是第一步，能否持续在线、调用服务并守住隐私，才决定智能体是否真正可用。

天玑 9600 Pro 支持最新的 Gemini Nano，并与 Google 合作推进端侧 AI 隐私保护架构，对智能体访问个人资料进行隔离、追踪和统一管理。智能体越主动，接触的个人信息越多，安全也就越需要从应用层下沉到系统和芯片层。

GPU、ISP 和通信，都开始被 AI 重写

如果 AI 原生架构只增强 NPU，它仍然只是传统 SoC 的一次局部升级。天玑 9600 Pro 更值得关注的地方，是 AI 开始越过独立模块的边界，参与图形渲染、影像处理和通信优化。

天玑 9600 Pro 搭载 G2-Ultra NX GPU，峰值性能比上一代提升 27%，达到上一代峰值性能时功耗下降 24%，光线追踪性能提升 18%。但这次 GPU 升级的关键词不是单项跑分，而是神经网络渲染架构，GPU、AI 计算单元和内存数据通路共同参与渲染，在移动端有限的功耗预算内用 AI 提高画质。

MediaTek 与《三角洲行动》项目组经过近一年联合研发，将移动端光线追踪从固定场景中的技术展示，推进到复杂动态战场。《三角洲行动》项目组技术总监 CAT 强调：品质提升不应该以牺牲帧率为代价。瞄准镜中的环境反射、地面动态倒影和不同材质的光影，最终都要在真实游戏中稳定运行，才能从技术能力变成玩家体验。

影像也遵循同一逻辑。天玑 9600 Pro 集成 Imagiq 1290 ISP，并通过 ISP 与 NPU 融合构建智能影像架构。NPU 负责多帧合成、语义分析和主体识别，ISP 完成分区色彩和影调处理。全景深计算摄影、60fps 运动级追焦、17EV 高动态影像、4K60 电影级视频直出、4K120 Log 原色视频和 4K240 慢动作，都是这套协同架构在不同场景中的结果。

AI 还被引入蜂窝网络、Wi-Fi 和定位。芯片根据实时环境运行网络模型，动态选择基站和通信参数，在复杂蜂窝环境中，卡顿时长较上一代减少 30%，结合终端厂商大模型后可进一步降低 40%；定位精度则较上一代提升 30%。AI 由此从用户能直接看到的生成式功能，变成隐藏在网络与系统背后的基础能力。

把 CPU、NPU、GPU、ISP 和通信放在一起看，天玑 9600 Pro 的路线已经清晰：AI 不再是 SoC 中的一个独立加速模块，而是开始参与计算、存储、调度以及体验形成的全过程。

旗舰 SoC 的下一场竞争，是谁更像一套系统

天玑 9600 Pro 同时发布的，还有面向更广旗舰市场的天玑 9600M。

天玑 9600M 延续 AI 智能体化引擎、调度引擎、智能影像和神经网络渲染等能力，承担的是把这套系统设计覆盖到更多产品档位的任务。

但 9600 系列真正值得关注的，并不是产品线多了一位成员，也不只是 MediaTek 率先进入 2nm。

数据中心的 AI 竞争已经从购买更多加速卡，走向计算、存储、互连和软件协同。同样的变化也在手机上发生，只是约束从机柜电力和网络，变成几瓦功耗、一块电池以及有限内存。随着智能体开始持续感知、推理和执行，CPU、GPU、NPU 各自变强只是入场券，如何让它们协同工作，才决定最终体验。

这也会改变旗舰芯片的评价方式。传统跑分仍能衡量计算单元的上限，却难以反映智能体在一天中反复唤醒、与多个应用并行、持续调用个人数据时的真实成本。

未来更有说服力的指标，将是任务完成时间、单位功耗生成 Token 的数量、应用保活能力，以及长期运行时的温度和续航。谁能先把这些系统指标变成稳定体验，谁才可能建立智能体手机的新门槛。

这样看来，2nm 只是天玑 9600 Pro 的起点。它更重要的信号是，旗舰移动 SoC 正在从单一核心的性能竞赛，跨入一场系统效率的竞争。

当 AI 开始一直运行，最强的芯片不只要跑得快，还要知道何时计算、由谁计算，以及怎样一整天算下去。雷峰网 ( 公众号：雷峰网 )

雷峰网原创文章，未经授权禁止转载。详情见转载须知。