手机端侧模型的参数规模，正在迎来一轮快速膨胀。

9 月 22 日，高通联合阶跃星辰、无量火和江波龙，将 30B MoE 模型完整部署在第六代骁龙 8 超级至尊版移动平台上，并在参考设计设备上完成验证，模型推理无需调用云端。

9 月 16 日，vivo 宣布预研蓝心 30B MoE 端侧模型。10 月 13 日，面壁智能又发布 35B-A3B 开源模型 MiniCPM-V 4.7，并公布了在 iPhone 17 Pro Max 上的实机运行结果。

短短一个月，30B 级端侧模型接连亮相。曾经被手机运行内存和计算能力挡在门外的数百亿参数模型，开始展现出落地可能。

这场变化恰恰发生在手机存储成本持续上涨的背景下，也与两年前手机厂商努力给端侧模型 " 瘦身 " 的方向形成反差。

2024 年，vivo 重点推出的还是仅占用 1.4GB 运行内存的 3B 模型。如今，这家公司却开始探索总参数规模扩大 10 倍的 30B 模型。

背后的重要变化是 MoE（混合专家）等技术逐渐成熟。通过减少每次推理实际参与计算的参数，手机开始有机会以相对有限的计算量运行更大规模的模型。

这推动了此前主要在云端展开的大模型扩容竞赛向手机端侧延伸。手机厂商也开始尝试获得 Scaling Law（规模定律）带来的规模收益。

但模型容量扩大了，手机能够分配给 AI 的运行内存、功耗和成本预算却没有同步增长。

这也让手机产业链面临一场充满不确定性的技术押注。

一方面，更大的模型能否真正带来手机 AI 能力的跃升，形成消费者能够感知、甚至愿意为之付费的新卖点，仍然是个未知数。

另一方面，AI 模型的技术路线可能在短短几个月内发生变化，手机芯片从规划到落地却通常需要约 24 个月。今天针对大参数模型所做的硬件投入，两年后能否适应新的技术路线，同样充满变数。

手机 AI 的规模红利

手机厂商并非一直追求大参数的端侧模型。

2023 年，vivo 曾宣布跑通 1B、7B 乃至 13B 端侧大模型。仅仅一年后，这家公司却把重点放在了更小的 3B 模型上。

2024 年，vivo 推出蓝心 3B，内存占用仅为 1.4GB。按照 vivo 当时的说法，这款模型在部分任务上能够达到 7B 至 9B 模型的水平，相比此前的蓝心 7B，功耗进一步降低。

这也是当时手机行业的重要方向。2024 年，荣耀 Magic6 系列搭载 70 亿参数端侧大模型，苹果推出的 Apple Intelligence 则采用约 30 亿参数的端侧基础模型。

到了 2025 年，vivo 继续推出 3B 端侧多模态推理模型；苹果当年升级的端侧基础模型，参数规模同样维持在约 3B。

vivo 副总裁、vivo AI 全球研究院院长周围曾认为，端侧大模型不应盲目追求参数规模，关键在于满足用户需求。他甚至判断轻量化搭载将成为行业趋势。

这一判断有着现实考量。手机的运行内存还需要留给操作系统、相机、游戏和其他应用。如何在有限的内存和功耗预算下提高模型能力，是当时手机厂商的重要目标。

但到了今年，周围开始修正此前的判断。

" 去年我们觉得手机上跑 3B、7B 模型对于内存来说很吃力。" 周围对全天候科技坦言，今年年初，行业出现了新的技术变化。

推动这一变化的关键，是 MoE 等技术让模型总参数规模与单次推理计算量得以部分解耦。传统稠密模型在每次推理时通常需要调用全部模型参数，而 MoE 将部分网络划分为多个专家，每次只选择少数专家参与计算。

以 30B-A3B 模型为例，总参数达到 300 亿，但处理每个 Token 时，实际参与计算的参数约为 30 亿。

这意味着，模型可以通过扩大总参数规模增加容量，实际计算量却不必随之成比例增长。

事实上，MoE 早已成为云端大模型扩大规模的重要技术路线。过去几年，DeepSeek、阿里等厂商陆续推出采用 MoE 架构的大模型，展现出稀疏模型在扩大容量与控制计算成本方面的潜力。

如今，这套思路开始向手机延伸。

面壁智能联席首席科学家、清华大学助理教授姚远向全天候科技解释，MoE 的重要价值在于实现模型容量与计算成本的解耦。

他将这比作一座图书馆：用户能够享有整座图书馆的知识储备，但每次回答问题，只需要调用其中几个关键书架上的内容。

随着 MoE 及相关部署技术的发展，厂商还可以将部分专家权重保存在闪存中，只在需要时加载到运行内存，降低模型的常驻内存需求。

周围认为，如今旗舰手机普遍配备 12GB 运行内存，在不影响正常使用的前提下，拿出约 3GB 运行 MoE 模型开始变得可行。

" 我们去年对于这个技术的判断和整个行业的技术判断，今年做了一下修正，然后快速做出了我们自己的 MoE 模型。" 周围对全天候科技表示。

这也使得手机厂商开始重新考虑 Scaling Law 带来的规模收益。

过去，大模型行业通过增加模型参数、训练数据和计算投入，持续提升模型能力。受制于硬件条件，手机厂商则长期侧重模型压缩、量化和知识蒸馏等技术，以降低部署成本。

如今，MoE 为手机打开了扩大模型容量的空间，让厂商有机会在有限的计算成本下获得更大模型的能力增益。

不过，30B MoE 与 30B 稠密模型不能简单地按照总参数比较。前者虽然拥有更大的模型容量，但每次实际激活的参数规模仍然只有几 B，其能力提升并不等同于运行一个 30B 稠密模型。

更大的模型容量也未必能在所有任务上带来同比例的性能提升。

Scaling Law 的规模收益究竟能够在手机端兑现多少，仍需要在具体任务、内存和功耗约束下得到验证。

手机能多做什么？

相比过去常见的 3B、7B 端侧模型，30B MoE 究竟能带来哪些能力提升，是这轮参数扩张真正值得关注的问题。

姚远认为，MoE 的优势主要体现在更加依赖知识广度和表征容量的任务中，例如多模态感知、OCR 与文档理解、STEM 推理以及长视频理解。

以面壁新发布的 MiniCPM-V 4.7 35B-A3B 为例，按照面壁公布的测试数据，其在 OCRBench、MMBench、Mathverse_MINI 等评测中分别取得 91.2、91.72、86.45 的成绩，同级别模型领先，甚至超过更大体量模型。

这也对应着手机 AI 正在发生的应用变化。

过去，手机端侧模型主要承担文字摘要、简单问答、照片识别等相对独立的任务。但随着手机 AI 向个人智能体演进，模型需要理解的内容越来越复杂，包括照片、视频、邮件、日程及用户长期积累的个人信息。

模型还需要在理解这些信息的基础上，制定计划并调用手机系统功能。

今年 9 月的骁龙峰会上，高通便展示了这样一个场景：在搭载第六代骁龙 8 超级至尊版移动平台的参考设计设备上，StepEdge-Omni 30B-MoE 模型可以读取包含日期、航班和活动地点的邀请邮件，理解其中的信息，再结合日历完成行程规划、酒店及航班推荐等一系列任务。

整个模型推理过程都在本地完成。

按照高通公布的数据，经过联合优化，这套方案的预填充吞吐超过每秒 330 个 Token，解码吞吐超过每秒 28 个 Token，显示出 30B 级模型在手机级硬件上的交互潜力。

对于手机厂商而言，将更强的模型留在本地，还有另一层吸引力。

用户的照片、邮件、聊天记录和日程等大量个人信息原本就存储在手机上。如果模型能够在本地持续理解这些数据，就有机会减少对云端传输和推理的依赖，并降低部分任务的响应延迟。

但问题在于这些能力究竟有多大程度需要依赖 30B 的 Moe 模型？

过去的 3B、7B 模型已经能够承担邮件理解、日程规划、照片检索等一部分任务。小模型通过多个专用模型协同，以及与外部工具结合，同样有机会完成部分复杂工作。

姚远也坦言，MoE 的优势存在适用范围。在纯文本代码、复杂指令跟随以及 GUI 定位等任务上，3B 激活参数的 MoE 模型与 7B 稠密模型仍然互有胜负。

"MoE 不等于‘白拿 30B ’。" 他说，实际激活参数量仍然会限制部分任务的能力上限。

智能体能否真正完成跨应用操作，还取决于手机操作系统是否开放相应权限，以及模型调用工具的可靠性。

目前，各家厂商展示的 30B 模型测试环境、量化方案和任务类型并不完全一致，也缺少足够统一的真实场景比较。特别是在接近的计算、内存和功耗预算下，30B MoE 相比 3B、7B 模型究竟能够提高多少复杂任务的成功率，仍然缺少充分验证。

对手机厂商而言，30B Moe 模型能够在手机上运行只是第一步。

更大的模型能否完成过去小模型难以实现的任务，或者显著改善用户能够感知的 AI 体验，并进一步转化为消费者购买下一代手机的理由，才决定了这轮参数扩张的商业价值。

硬件账本

即便 MoE 降低了单次推理的计算量，完整模型的权重仍然需要存储和读取。

以 30B MoE 模型为例，即便采用 4bit 量化，仅 300 亿参数对应的权重理论上也需要约 15GB 存储空间，实际占用还受到量化方式、模型结构和其他运行数据影响。

对于手机而言，这些模型权重可以保存在闪存中，却很难长期全部加载到运行内存。

为此，厂商开始探索将大部分专家权重保存在闪存中，只把当前推理需要的部分加载到内存。

这种方案降低了模型对运行内存容量的要求，却带来了新的问题：如果所需专家还没有加载，计算单元就必须等待数据读取。

" 激活参数少只省了计算，35B 权重本身还是要存、要读。" 姚远向全天候科技解释，当前端侧 MoE 的重要瓶颈在于内存容量和存储带宽。

面壁智能此次发布 MiniCPM-V 4.7，重点优化的也是这一环节。其 LES（前瞻专家调度）技术能够在当前层计算时，预测下一层可能需要调用的专家，并提前读取对应权重，使部分数据加载与模型计算并行进行。

按照面壁公布的测试数据，在配备 16GB 运行内存的 iPad Pro M4 上，LES 使模型平均解码速度达到优化前的 5 倍。

面壁还引入 DSpark 投机解码技术，通过一次验证多个候选 Token，进一步减少逐 Token 生成带来的重复开销。在 iPhone 18 Pro Max 上的测试中，MiniCPM-V 4.7 35B-A3B 仅使用约 3GB 运行内存，实现了每秒 20 个以上 Token 的解码速度。

这些进展表明，手机运行大参数模型的效率越来越取决于整个存储和计算系统的协同能力。

芯片厂商也在为此调整架构。

今年 9 月，高通公布了重新设计的 Hexagon NPU。其中一项重要变化是将 NPU 片上共享内存扩大 50%，让更多模型数据和中间计算结果留在芯片内部，减少外部数据传输。

高通还引入面向 Transformer 模型的 Element Accelerator 专用加速单元，并支持从 INT2 到 FP16 的多种计算精度。

在 30B MoE 模型部署中，高通与无量火、江波龙等企业又进一步围绕推理引擎、异构计算和存储数据读取展开协同优化。

按照高通公布的数据，经过优化后的模型运行内存需求较常规方案降低超过 50%。

姚远认为，下一代手机芯片需要围绕 MoE 的稀疏激活、专家加载和低比特计算进一步优化，包括扩大可供 AI 计算使用的共享内存、改善芯片缓存和数据传输通路，以及提高模型权重读取与计算之间的协同效率。

" 端侧这场仗赢的是‘通道和配合’，也就是带宽和协同。" 姚远说。

但这些技术投入恰恰发生在手机存储成本不断上涨的时期。甚至成本压力已经影响手机厂商的配置策略。集邦咨询指出，2026 年高端手机的运行内存配置开始更多集中在 12GB，16GB 配置受到压缩。

一边是手机厂商努力控制内存成本，另一边是端侧模型向 30B 乃至更大参数规模扩张。如何平衡模型能力与硬件投入，成为厂商必须考虑的问题。

如果为了运行大参数 MoE 模型，需要付出更高的存储成本、更复杂的数据调度以及额外的功耗开支，手机厂商能否通过更好的 AI 体验获得产品溢价？

如果本地模型能够承担更多推理任务，又能否减少厂商持续支付的云端调用成本？

目前，这两笔账都还没有明确答案。

更何况，频繁读取模型权重还会增加手机的能耗压力。周围对全天候科技等媒体表示，相比专家权重常驻内存，不断搬运模型权重可能带来更大的耗电压力。

他透露，vivo 此前 3B 模型刚推出时，运行电流达到 800 多毫安，经过一年优化后降至 500 至 600 毫安。

对于 30B MoE 模型，周围认为低于 500 毫安是较为理想的工作目标；到 2028 年底，如果能将工作电流控制在 600 毫安上下，便有望具备实际使用条件。

手机内部空间紧凑，散热能力有限。尤其是未来个人智能体需要在后台持续处理个人信息和执行任务，长时间运行的功耗与发热，将直接影响相关功能的实际体验。

周围预计，即便到 2028 年底，旗舰手机配备 12GB 至 16GB 运行内存，真正留给端侧模型的内存预算控制在 4GB 以内，仍然是比较合理的状态。

这意味着，模型厂商需要继续优化推理效率，芯片和存储厂商则要提高数据调度与计算的协同能力。

与此同时，未来模型技术路线的变化，也给硬件投入带来另一层不确定性。

如今，MoE 为手机运行数百亿参数模型提供了新路径，芯片和存储厂商也开始针对稀疏模型的运行特点进行优化。

但未来手机 AI 究竟会依赖一个拥有更大容量的 MoE 模型，还是通过多个小模型协同完成任务，仍存在不同的技术选择。

高通在介绍新一代 Hexagon NPU 架构时，也提出了一种发展方向：未来智能体可以根据任务和上下文，动态选择不同的专用模型。小模型承担更多本地任务，只在必要时调用更大的模型。

不同的模型运行方式，对芯片资源的需求也可能存在差异。

如果模型继续沿着大参数 MoE 路线发展，专家加载效率、存储带宽和缓存调度的重要性将进一步提高。

如果未来出现更高效的小模型架构，或者多个专用模型协同的方案在实际应用中表现更好，手机对模型容量、数据搬运和计算资源的需求也可能随之改变。

当然，围绕 MoE 进行的硬件优化也有一定通用价值。更大的共享内存、更高效的数据传输通路以及低比特计算能力，同样可以服务于其他模型架构和多模态任务。

不仅如此，芯片厂商必须在模型技术仍然快速变化的时期，提前作出这些选择。

周围坦言，一颗手机芯片从规划到落地，通常需要约 24 个月。

这意味着，今天围绕 30B MoE 作出的硬件规划，可能要到一至两代芯片之后才能充分兑现。

但两年时间已经足够 AI 行业发生多轮技术变化。

2024 年，手机厂商还在努力把模型做小；2026 年，30B 又成为新的探索方向。到了 2028 年，今天受到关注的模型架构是否仍然适合下一代手机，仍存在变数。

模型可以迅速掉头，芯片却必须提前两年下注。

当 Scaling Law 的规模收益开始尝试向手机端侧延伸，大参数模型已经迈过初步运行验证的门槛。

接下来，手机厂商需要证明更大的模型能够带来值得消费者买单的能力提升，芯片和存储企业则要确保今天的硬件投入能够适应未来不断变化的技术路线。

这场技术押注还没有答案。

本文来自华尔街见闻，欢迎下载 APP 查看更多