9 月 15 日，联发科正式发布新一代旗舰移动平台天玑 9600 Pro。作为行业首批基于台积电 2nm 制程打造的移动 SoC，它的硬件参数一如既往地亮眼。但它真正值得关注的变化，发生在整颗芯片更底层的架构重构。

在这款芯片上，AI 第一次不再只是 NPU 的一项独立能力，而是进入了 CPU、GPU、ISP 乃至通信、显示等每一个 IP 的架构设计。联发科将这套面向智能体时代的软硬融合计算设计，称为 "AI 原生架构 "。

要了解什么是 AI 原生架构，与其逐个 IP 罗列规格，不如先回答四个问题。那就是旗舰 SoC 为什么非这样设计不可？这些模块在真实使用场景是怎么被 AI 串起来协同工作的？它最终给用户带来了什么？又会将整个行业推向哪里？

端侧 AI 走到今天，传统 SoC 已经不够用了

过去两年，AI 手机完成了从概念到规模的跨越。IDC 公布的数据显示，2026 年国内 AI 手机出货量将达到约 1.47 亿台，同比增长 31.6%，市场占比突破 53%；主流厂商在这一年集体迈过端侧千亿参数大模型的门槛，搭载千亿级端侧大模型的手机出货量突破 2000 万台。端侧大模型正从发布会上 " 能跑 " 的演示，变成了大家每天 " 常用 " 的功能。

但 " 常用 " 二字，便把旧架构的短板暴露了出来。AI 智能体（Agent）的负载形态与过去完全不同，它不是点开一次、算完即走，而是要长时间在后台常驻、持续感知环境、随时被唤醒，甚至主动替你判断和执行。这种工作方式同时考验算力、功耗、存储和内存带宽，对手机的散热和电池也提出了新的挑战。

传统 SoC 恰恰在这块力不从心。在很长一段时间里，NPU 是个相对孤立的单元，与 CPU、GPU" 各算各的 "，同时 NPU 的占用率、功耗需求，却直接被传统性能调度算法所漠视。结果就是空闲时帮不上忙，重载时又会在前台抢资源。所以用户的感受往往是 "AI 一开，手机就发热、掉电、卡顿。"

AI 原生架构如何破局？首先是调度改变和制程红利

那么，联发科要如何破解 "AI 不好用 " 的历史难题呢？我们深入看天玑 9600 Pro 的 AI 原生架构，就会发现它包含了四条主线，分别是 CPU 的天玑智算融合架构、" 超性能 + 超能效 " 的双 NPU、GPU 的天玑神经网络渲染架构、ISP 的天玑智能影像架构。

它们解决的问题并不完全相同，但背后的思路是一致的：让 AI 算力真正进入原有的计算链路，让 CPU、NPU、GPU、ISP 以及内存、存储、电源管理之间形成更深的协同。AI 开始从一种专用能力，变成芯片设计中的基础变量。

这里面首先需要提到的，是天玑 9600 Pro 首次实现了 CPU、GPU、NPU、ISP 的协同电源和内存调度。现在，NPU 不再 " 单打独斗 "，而是实现了与其他计算部件的系统级协同，NPU 的电源和内存需求，也不再被动与 CPU" 打架 "。

明白了这两点，我们就终于可以来具体谈谈，天玑 9600 Pro 以及它的 "AI 原生架构 "，能给消费者带来怎样的体验改变了。

超能效 + 超性能双 NPU，让 AI" 随时跑起来 "

在一款理想的手机里，AI 应该能够始终感知所处的环境与状态，用户不召唤时几乎不耗电，一旦用户提出复杂问题，它又能立刻运行一个数百亿参数的端侧大模型。而这一切发生时，用户正在玩的游戏还不能掉帧。

要同时满足这三点，单颗 NPU 做不到，于是天玑 9600 Pro 让两颗定位不同的 NPU" 轮班 "。其所搭载的第二代超能效 NPU 专门负责环境感知和后台常驻，让 AI 可以长时间 " 醒着 "，但相比天玑 9500 运行 Always-On 端侧轻载模型功耗降低约 40%。一旦进入推理、多模态理解这类重负载任务的计算，超性能 NPU 1090 立刻接手，其大语言预填充性能相比天玑 9500 提升 51%、足以支撑端侧 30B 级 MoE 大模型。

但光有这两颗 NPU 还不够，真正让 " 后台跑 AI、前台依然流畅 " 成立的，是 CPU 侧的天玑智算融合架构。其算力调度引擎 3.0 会预测端侧 AI 的需求，将 CPU、NPU、电源、内存放进同一个 " 调度盘 " 里实时寻优。

官方公布的数据显示，天玑 9600 Pro 的 CPU 快开快关速度较天玑 9500 提升 10 倍，整机还能再省约 10% 的功耗。当前台程序和 AI 同时运行时，智能内存调度能让 25 个应用（含 3B 大语言模型）全保活，而且模型启动还要快 27%。于是，"AI 在后台想、手机在前台用 " 不再会导致卡顿，而是支撑起了次时代旗舰手机的智能体 AI 需求。

一局重载游戏，CPU、GPU、NPU 都在努力

接下来再来看看游戏。在传统思路里，一帧画面几乎全靠 GPU" 硬画 "，想要游戏画面更好？那就得换更大规模的 GPU、跑更高的频率，用功耗来换帧率。但天玑 9600 Pro 不同，它的一帧游戏画面，现在是由 CPU、GPU、NPU 协作完成。

其中，全大核 CPU 负责把游戏逻辑 " 喂足 "，而全新的 G2-Ultra NX 旗舰 GPU 则承担主力渲染。

当画面适合用 AI 超分时，" 天玑神经网络渲染架构 " 就开始发力了。可能有的朋友知道，G2-Ultra NX GPU 本身就内置了神经网络，支持 GPU 原生超分。但联发科却 " 拒绝 " 只照搬公版方案，独立开发了 NPU+GPU 的协同超分路径。

联发科为何要这么做？这是因为公版方案的 NX 单元仅能处理轻负载的 AI 渲染。在部分重载游戏中，这就会导致 NX 算力 " 不够用 "，反过来造成渲染任务排队等待。

而天玑 9600 Pro 以 "GPU+NPU" 实现游戏超分，不仅直接降低了 NX 单元的负载，释放了 GPU 的光栅性能潜力，也便于游戏开发者沿用过往的优化工具，降低了适配难度。

天玑 9600 Pro 已经将这套能力应用到实际游戏中。比如《燕云十六声》可以从 720P 实时超分至 1080P，《无限暖暖》甚至可以将 540P 画面提升到 1080P 级别。AI 在这里承担的已经不再是一个独立功能，而是直接参与一帧游戏画面的生成过程。

这也是 AI 原生架构非常有代表性的一次变化：过去我们讨论 GPU，核心指标往往是着色、光栅和光追性能；到了神经网络渲染时代，AI 算力也开始成为图形性能的一部分。

对手机而言，这条路线尤其重要。移动平台始终受到功耗和散热限制，通过 AI 参与渲染，可以在相同资源预算下进一步提升画质和帧率，让移动图形计算拥有新的增长空间。

从取景到成片，ISP 负责 " 看 "、NPU 负责 " 想 "

关注最近几年手机市场的朋友可能已经发现了这样一个现象，越来越多的影像旗舰手机开始使用联发科天玑 SoC，甚至将他们的影像管线直接通过合作的方式，内嵌到最新的天玑移动平台中。

这种信任和选择背后，反映的正是如今天玑移动平台在影像设计上的独到之处，一个具有强大算力的 ISP，以及能与它协同工作的 NPU。其中，ISP 负责 " 看 "、采集和处理原始画面，NPU 则负责 " 想 "、理解场景并完成计算成像，这种协同就是天玑智能影像架构。

拍照时，天玑 9600 Pro 有业界首发的微单级全景深计算光学影像，能把前景、后景分别拍清晰，再合成一张前后皆清晰的照片。在抓拍时，天玑极速追焦引擎配合 NPU 实现 60fps 专业运动级追焦，追焦速度与对焦速度均较天玑 9500 提升 2 倍。对于追求高宽容度的影像创作者来说，单次曝光也能完美捕捉画面细节，可捕捉明暗光比提升 8 倍，即便是明暗悬殊的场景也能同时保住高光与暗部细节。

视频同样体现了这套协同方式。天玑 9600 Pro 可以通过 AI 语义分析引擎智能识别不同场景，再结合 ISP 进行分区色彩和影调处理，从而实现 4K60 帧的电影级视频直出。

可以看到，天玑智能影像架构让 AI 影像发生了本质的变化。过去 AI 是参与影像的后处理，先拍再修，现在 AI 已经可以实时参与用户的创作过程，这样边 " 看 " 边 " 想 " 的协作更加聪明也更加高效。

从跑分竞赛到体验竞赛，分水岭就此出现

将视角拉到整个行业，天玑 9600 Pro 的意义或许比芯片本身更值得关注。当制程红利减弱、单纯推高跑分越来越难转化为体验差异，旗舰 SoC 的市场竞争正在从 " 谁的某个计算单元跑分更高 " 转向 " 谁能让 AI 又强又省电地常驻、谁的真实体验更好 "。所以，面向智能体 AI 需求，做系统性设计的融合计算架构，将会变成芯片的最新 " 计算单元 "，而天玑 9600 Pro 的 AI 原生架构很有可能会影响未来几代旗舰 SoC 的设计思路。

因为这一切换中，联发科展现出了更强的原创色彩。自研双 NPU 体系、不照搬 Arm 公版的神经网络渲染栈、面向 AI 智能体重构整个 SoC，都不是跟随标准答案，而是在自己定义解题思路。同时，与 Arm 深度合作、与台积电做 2nm 的协同设计优化，并由 vivo、OPPO、阿里云的生态相互印证，更是形成了 " 自研技术体系 + 产业协同 " 的组合。从追赶者到定义者，天玑 9600 Pro 也标志着联发科在 AI 时代的话语权再上一个台阶。

归根结底，衡量一款旗舰芯片的终极标准，从来不是发布会上的一串分数。过去行业内发布会总是释放极限跑分 " 一争高下 "，而天玑 9600 Pro 从工程机到量产机的分数，都比发布会公布的要更好，这也说明联发科对分数没那么在意，他更加在意的是如何通过架构革新，既为行业提供新的解法，也全力打造更好的用户体验。

天玑 9600 Pro 的 AI 原生架构，就是联发科在 AI 时代旗舰手机体验上带来的最佳解法。它本质是在 2nm 制程的底座上，将 AI 从一个孤立的加速单元，变成贯穿全芯、按需协同、又强又省电的底层能力。当 AI 真正 " 无处不在 " 却又 " 润物无声 " 时，下一代旗舰手机的体验分水岭或许也就由此划定。