【CNMO 科技消息】9 月 23 日，在 2026 骁龙峰会期间，高通技术公司宣布携手阶跃、无量火与江波龙开展四方合作，基于第六代骁龙 8 超级至尊版移动平台，将阶跃 StepEdge-Omni 30B-MoE（混合专家）模型面向端侧进行深度适配与推理优化，成功打造具备自主服务和个性化能力的端侧智能体助手，并在峰会现场完成基于高通参考设计的现场演示，验证了复杂智能体 AI 工作流在智能手机上的高效部署与规模化扩展能力。

第六代骁龙 8 超级至尊版与第六代骁龙 8 至尊版

此次合作解决了大参数模型在端侧部署的关键行业痛点，让 300 亿参数量级模型具备在智能手机上规模部署的条件，将推动更加复杂的智能体 AI 体验落地智能手机，并利用端侧用户数据和平台能力实现更加个性化的智能体服务。与每次推理均需激活全部参数的 Dense 模型相比，MoE 模型仅按任务需要激活部分专家模块，在保持大模型容量与能力的同时，显著降低计算量和内存带宽需求，日益成为推动云端规模大模型向终端侧部署的重要技术路径之一。

第六代骁龙 8 超级至尊版移动平台搭载全新 Qualcomm Oryon CPU、下一代 Qualcomm Adreno GPU 和重新设计的 Qualcomm Hexagon NPU，并配备 LPDDR6 内存与高速存储通道。定制 Qualcomm Oryon CPU 峰值频率高达 5GHz，并引入全新的可扩展缓存架构 Qualcomm Oryon FlexCache；Adreno GPU 引入针对 AI 负载打造的 Adreno Matrix Cores，并支持全新 Adreno Neural Fusion 特性；Hexagon NPU 面向智能体 AI 的 Transformer 工作负载引入全新的 Element Accelerator，并将大容量共享内存扩容 50%。

第六代骁龙 8 超级至尊版

在此之上，无量火的自研 Ember 推理引擎与 Ember Kernel 端侧编排内核基于第六代骁龙 8 超级至尊版移动平台的 AI 性能基础和完整软件栈支持，以 XCompute 异构调度实现跨 CPU/GPU/NPU 的统一高性能编排，在不修改模型结构、不损失推理精度的前提下，使阶跃 30B-MoE 模型的运行内存需求相比行业常规方案降低超 50%。基于江波龙提供的端侧 AI 存储解决方案，模型权重可从端侧闪存高效加载，通过存储与计算协同减少大模型对运行内存的持续占用，进一步提升模型加载和运行效率。

得益于此，该端侧智能体助手实现了从邮件理解到行程规划、日历同步、航班酒店推荐、行程分享到邮件草拟的全链路自主办公，全程本地完成，无需云端调用。得益于 NPU+GPU 双引擎协同，模型预填充吞吐性能超过 330 Token/s，对比仅使用 NPU 的通用推理方案提升超过 30%，解码吞吐性能超过 28 Token/s，并能保持持续稳定运行，且首个词元生成速率达到毫秒级，对比云端 API 调用快数倍至数十倍。

高通技术公司高级副总裁兼手机业务总经理 Chris Patrick 表示：" 此次合作展现了硬件、软件、内存和 AI 模型等多个领域的技术进步，如何推动日益复杂的 AI 工作负载直接在移动终端上运行。通过与阶跃、无量火和江波龙合作，我们优化了阶跃 30B-MoE 模型在第六代骁龙 8 超级至尊版移动平台上的部署，在提升吞吐性能、降低内存需求的同时，实现了持续稳定的终端侧运行。"

阶跃副总裁、端侧模型负责人俞刚表示，阶跃 30B-MoE 模型是目前市面上最大的手机端侧模型，也是首个在第六代骁龙 8 超级至尊版移动平台上完成跑通和验证的 MoE 模型。

无量火 CEO 王瑜琨表示，Ember 推理引擎将大模型内存需求降低超过 50%，让手机即可流畅运行 30B 大型 MoE 模型。

江波龙副总裁、嵌入式存储事业部总经理黄强表示，江波龙将行业独有的 iSA 存储智能体率先适配第六代骁龙 8 超级至尊版移动平台，通过存算协同释放平台算力价值。