面向智能体AI时代，高通重构骁龙芯片

在历经过去几年的厚积薄发之后，智能体 AI 已经走到了爆发的临界点。特别是随着最近这些年的 Agent 和端侧推理的火热之后，AI 距离走向千行百业，似乎仅有一步之遥。

但要让 AI 赋能每一台终端，除了需要先在云端搭建强大的算力，以支持更大参数的模型运行以外，还需要面向不同的终端打造相应的算力底座。尤其是在面向一些由电池供电的设备，如何打造在性能、功耗和成本上达到平衡，且在 AI 加速和通用算力方面都能兼顾的芯片，是在当代智能体 AI 新趋势之下给供应商提出的严苛考验。

作为一家深耕移动与计算领域超过四十年的厂商，高通显然已经为此做好了准备。

智能体时代，重塑算力底座

过去一年，智能体成为 AI 产业最热的关键词，芯片的竞争也开始从 " 比算力 " 转向 " 比系统 "。

复盘近几年的 AI 芯片演进，一个趋势愈发明确：真正决定终端体验的，不只是更高的 TOPS，而是 CPU、GPU、NPU、ISP 等异构计算单元如何高效协同，以及如何减少数据搬运、提升存储带宽，让模型始终运行在离计算最近的位置。

高通将这一思路贯彻到了新一代骁龙平台中。在智能体场景下，各模块分工明确：传感器中枢负责环境感知，Oryon CPU 承担任务规划、推理与云端调度，Hexagon NPU 与 Adreno GPU 则协同完成终端侧多模型推理，共同构成智能体的底层计算框架。

首先，在 CPU 方面，高通认为，当前的智能体 AI 时代不但需要主频更高的 CPU，还需要有更出色的 IPC。因为前者能决定任务 " 跑多快 "，后者可以决定 " 每一步干多少活 "。有见及此，高通在先进制程的基础上，对其 Oryon CPU 的微架构和 CPU 子系统进行创新，并推动整体落地方案的全栈定制化设计，以通过对各组件的协同调校，突破了移动芯片的 5GHz 主频天花板。

面向 AI 智能体时代，系统不仅需要更强的推理能力，更需要支持持续运行、多模态与低时延的整体架构。正是在这个需求推动下，高通推出了全新的 Hexagon NPU。

据介绍，在这一代 NPU 中，高通引入了向量计算单元和标量计算单元、Element Accelerator，以加速 Transformer 工作负载，处理控制逻辑复杂的任务，帮助智能体更快地响应、更高效地推理。与此同时，通过引入更大的共享内存与之协同，高通能将更多上下文数据保留在靠近计算单元的位置，在保证移动端能效的前提下，提供更丰富的体验。

作为决定游戏体验的关键因素，GPU 在移动 SoC 中的重要性不言而喻。在将 AI、专用加速硬件和先进的显存架构结合后，高通打造了采用三切片架构的新一代 Adreno GPU，带来性能与能效的进一步提升。

高通表示，作为 AI 赋能的 GPU 专用核心，Adreno Matrix Cores 能够在图形管线内直接运行先进的 AI 模型。真实受惠于这种设计，神经网络计算不再需要离开图形渲染管线即可完成，开发者也能够以更低时延和更低功耗运行日益复杂的渲染模型。

而通过引入一项由 AI 驱动的渲染技术——高通 Adreno Neural Fusion，高通全新一代 GPU 能将神经网络处理、AI 超级分辨率和 AI 帧生成整合到统一的图形管线中，改变了场景的渲染和优化方式，使游戏在呈现更高画质的同时，降低渲染开销和功耗。据了解，Adreno Neural Fusion 还是行业首个且已商用的支持主流游戏引擎的移动端 AI 超级分辨率技术。

在 ISP 方面，高通的升级同样围绕 AI 展开。据了解，高通在新一代 ISP 的影像管线中引入了 Intelligent Pixel Control（智能像素控制）等多项 AI 影像技术，使图像传感器采集的每个像素不仅承载传统亮度与色彩信息，还可同时保留 16 位高位宽 AI 元数据，为后续的实时识别、场景理解和计算摄影提供更丰富的数据基础。

至此，高通为 NPU、CPU、GPU 或 ISP 的每个核心引擎都带来 AI 加持，为打造面向智能体的算力芯片打下了坚实基础。通过对这些新核心的拆解，我们发现，除了架构以外，他们的优化都指向了同一个目标——存储。

存储，是一个值得重视的问题

计算以外，存储已经成为决定 AI 系统性能与效率的关键另一极，这是一个不争的事实。在大模型发展早期，以 GPU 为代表的加速器计算能力曾以惊人的速度提升，但在粗放发展几年后，大家逐渐发现，现在真正限制训练与推理规模的，往往不是 FLOPS，而是数据能否被快速、稳定地送达计算单元。

于是，从 HBM 到 DDR，再到企业级 SSD 与分布式存储，存储正从过去的 " 容量配角 " 演变为与算力并列的核心基础设施，直接影响模型训练效率、推理时延、系统功耗以及整体拥有成本（TCO）。也正因如此，围绕 AI 的存储架构正在迎来新一轮重构。如何在带宽、容量、延迟与能效之间取得最佳平衡，成为产业链共同关注的焦点。

针对这些需求，高通也从缓存、显存，甚至近存等方面入手，为 AI 带来更强的存力保障。

高通表示，无论是智能体规划任务、调用各类工具，大型开放世界游戏持续加载场景，还是多任务处理时同时维持十多个进程活跃，其共同特点都是需要频繁访问海量数据。一旦 CPU 无法快速获取所需数据，计算单元就不得不等待访存，整体性能和响应速度都会受到明显限制。

有见及此，高通为 CPU 的每个核心配备大容量 L1 指令缓存，以有效减少处理器等待时间，提升指令执行效率。与此同时，高通还将 L2 缓存直接集成在 CPU 内，使大型缓存池与核心相邻，以增强处理器的访问体验。

而为针对不同终端实现 CPU 定制化的体验，高通还引入了全新的缓存架构—— Qualcomm Oryon FlexCache。据介绍，该架构的关键价值并不只是扩大缓存，而是让超级内核与性能内核共享同一个异构缓存池。

高通表示，智能体 AI 的多步任务往往不会固定运行在单一核心上，而是会随着调度在不同 CPU 核心之间不断切换。传统架构下，数据迁移容易带来额外访存开销；而共享缓存意味着任务即使换了核心，所需数据仍然保留在同一缓存池中，无需反复搬运，从而降低访问延迟，让推理、响应和多任务体验更加流畅。

针对 GPU AI 计算对高速数据访问能力的需求，高通在新一代的 Adreno GPU 平台中引入专门优化的 18MB Adreno 独立高速显存（HPM），为 GPU 提供大容量、低时延的存储，使基于图块的渲染、帧缓冲和计算负载能够留在图形子系统内部进行。高通强调，三切片和近内存设计可将中间计算结果保留在 GPU 片上，无需反复访问系统内存，进而带来更低时延、更高能效和续航更持久的游戏体验。

在高通最近披露的存储技术中，尤为值得一提的是 HBC（High Bandwidth Compute）。在高通看来，这是破除内存墙问题的一个有效方法，而通过 3D 堆叠将内存和计算单元紧密排列在一起，就是高通这个方案的核心。

据介绍，通过这种方式，能减少数据在计算单元与内存之间的移动，将计算尽量放到数据附近完成，而不是让数据频繁流向计算单元，绕过了传统 SoC 中 " 外部存储器和总线瓶颈 " 的问题，进而在同一架构下兼顾更高的有效内存带宽、更低的单 Token 能耗以及更大的内存容量，并最终以更低的总体拥有成本（TCO）支撑 AI 推理负载。

在美国当地时间 22 日开幕的骁龙峰会上，高通总裁兼 CEO 安蒙透露，公司会在未来几年将这项技术带到手机领域。

从手机到音频，多款 " 芯品 " 齐发

在上述多种技术的支持下，高通于今年的骁龙峰会上面向移动平台、音频平台推出了多款领先 " 芯 " 品。其中，面向智能手机推出的两款骁龙新旗舰，更是高通这些新品中的重中之重。

据介绍，高通的第六代骁龙 8 系列包含两款旗舰平台：第六代骁龙 8 至尊版面向主流旗舰终端，第六代骁龙 8 超级至尊版则采用更先进的封装技术，重点强化持续性能、整体算力及高负载场景表现，覆盖 AI、游戏、影像等旗舰体验。

架构层面，新平台全面围绕智能体 AI 设计。升级后的 CPU、GPU、NPU、ISP 与缓存架构，使终端可支持超过 300 亿参数的 MoE 混合专家模型；Adreno GPU 将 AI 超级分辨率、AI 帧生成融入实时渲染，在提升画质的同时降低时延与功耗；新一代 AI ISP 则支持 8K 60fps 视频、4K 240fps 超慢动作及 VVC 编码，兼顾影像质量与能效。

连接方面，平台搭载 X105 5G 调制解调器及射频系统，成为全球首批面向 3GPP Release 19 就绪的移动方案，并配备支持 Wi-Fi 8、4 × 4 Wi-Fi、UWB 和 Thread 的 FastConnect 8800，进一步增强高速连接与智能终端的互联能力。

得益于上述配置，高通新一代的骁龙旗舰芯片实现了全面的提升。

面向个人 AI 时代，高通还基于领先技术推出了第二代骁龙音频平台至尊版。

据介绍，该平台集先进的骁龙畅听技术、终端侧 AI、以安全为核心的云连接智能，以及集成式超低功耗 Wi-Fi 6E 于一体。值得一提的是，新一代音频旗舰是高通首款集成超低功耗 Wi-Fi 的旗舰音频平台，结合 XPAN 与先进蓝牙技术，可在更远距离、更大带宽下持续连接云端，兼顾无损音频与实时 AI 服务。

具体而言，相比上一代，新平台的 AI 性能提升至 2 倍、功耗降低 40%、芯片占板面积缩小 30%，通过专用 AI 加速器与多核架构，可同时支持 AI 助手、语音交互、健康管理、环境感知和高品质音频，并实现端侧与云端智能体协同。从高通的介绍我们得知，该芯片还支持配备摄像头的终端形态。" 此类摄像头主要用于理解用户所处的周围环境并获取相关上下文信息，而非用于拍摄照片 "，高通强调。

此外，平台还将 AI 深度融入音频体验：自适应 ANC 可根据佩戴状态、运动和环境噪声动态自动调节，AI 增强的 cVc 语音技术则进一步提升通话、翻译及 AI 助手交互的语音清晰度。配合骁龙畅听智能体生态，耳戴式设备还可通过语音完成查询、预约、导航等任务，逐步演进为个人 AI 入口。

来到人工智能重点落地的 PC 方面，高通也拥有了专为智能体 AI PC 打造的旗舰领先平台——骁龙 X2 Elite。据高通介绍，该平台的核心目标并非单纯提升传统 PC 性能，而是让更多复杂的 AI 工作负载能够在终端本地完成。平台集成高达 85 TOPS 的 NPU，并搭配极速内存，为轻薄笔记本提供业界领先的端侧 AI 算力，同时支持运行 300 亿参数级大模型。

相比上一代产品，骁龙 X2 Elite 更大的提升体现在智能体推理效率。高通表示，新平台的词元生成速度最高提升 2 倍，能够以更低时延、更低成本完成本地推理，在提升响应速度的同时，也更好地保障用户数据隐私。

为了适应智能体日益复杂的工作流程，骁龙 X2 Elite 还将上下文长度扩展至 20 万词元。这意味着设备能够保留更多历史信息，支持更长链路的任务规划、多轮对话和复杂推理，让端侧 AI 从简单问答进一步迈向真正的智能体应用。

与此同时，高通也在持续完善端侧 AI 生态。目前骁龙 X 系列已支持超过 450 个 AI 模型，覆盖 Gemma、Qwen 等主流大模型，并兼容 Claude、Perplexity、Codex 等智能体应用，为 AI PC 提供更加丰富的软件与开发生态。高通在峰会上透露，骁龙 X2 系列正在进一步扩大操作系统生态，从 Windows、ChromeOS 延伸至 Linux。

据介绍，高通不仅将提供平台级 Linux 支持，还计划将 NPU、GPU 等核心驱动贡献至上游社区，并联合 Debian、Ubuntu 以及惠普、华硕等合作伙伴推动终端落地，其核心目的在于进一步扩大骁龙 AI PC 的开发者和应用生态。

重构的不仅仅是芯片，还有 AI 计算范式

过去十年，移动计算看的是 CPU+GPU 的表现；但在智能体时代，终端芯片的玩法完全变了。

现在决定体验好坏的，是供应商能不能围着同一个 AI 工作流高效运转，把数据和模型在本地盘活。看看高通这一系列更新就明白了：FlexCache、HBC、AI ISP、Neural Fusion ……林林总总的动作，其实是在强调一件事：系统级 AI。

有意思的是，高通并没有把智能体局限在手机里。手机当大脑、耳机做入口、PC 干重活，再叠加最近几年大举发力的汽车和数据中心，高通的统一底座有能力让不同设备实现模型互通、上下文共享。一张以骁龙为内核的个人 AI 网络，其实已经在水面下成形了。

可以肯定的是，接下来 AI 的竞争，不再只是单纯比谁的模型体量大，而是看谁能把智能体真正塞进生活的每个缝隙里。高通重构骁龙的底气，押的正是这个局。

* 免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

END

今天是《半导体行业观察》为您分享的第 4540 期内容，欢迎关注。

推荐阅读

★对话华为徐直军：绝境下逼出来的 " 何式定律 "

★英伟达最强对手，来了