B-Sports相信对于大多数普通用户而言，“AI手机”依然活在概念当中，即便在距离手机厂商第一次喊出“AI手机”已经过去了7年时间的今天，“AI”都没能成为手机市场的主要驱动力。
相较之下，即便问世稍晚的“折叠屏”B-Sports，似乎都更有用户认知度，并且也确实撑起了安卓手机高端市场，今年出现的“三折叠手机”更是成为了全网热点。那么，这个被国际一线科技大厂竞相追逐，把英伟达和微软两家科技巨头市值推上3万亿美元的新技术，为何在手机上就不灵了？
归根结底，还是在于“AI手机”本身，与AI PC一样，它并没有带来肉眼上可以感知的形态变化，AI的提升，更多来自功能层面，而这波AI浪潮的底层驱动力，则是机身内那颗小小的“芯片”。
回想智能手机第一次与AI的结合，最早可以追溯到2017年9月，当月，手机圈共有两条重磅新闻，首先是9月2日华为推出麒麟970芯片，这款芯片是全球首款内置独立NPU（神经网络单元）的智能手机AI计算平台。
另一款则是主导了苹果未来5年设计，改变手机正面屏幕形态的iPhone X，在所有人都集中于苹果终于在设计上进入“全面屏时代”并提出“刘海屏”作为未来设计方向的同时B-Sports，却很少有人注意到，iPhone X机内搭载的A11芯片，同样增加了“AI能力”。
芯片内建的神经网络引擎（Neural Engine）由苹果自主设计，这是一个专为机器学习而开发的硬件单元。它采用双核设计，每秒运算次数最高可达6000亿次（0.6TFlops），主要负责处理机器学习任务，如面部识别、Animoji等。这个引擎能够接管CPU和GPU的任务，提高运算效率，减少能耗。
没错“NPU单元”、“AI算力”、“机器学习”这些自去年开始被所有科技厂商挂在嘴边的词汇，早在7年前，就已经落地在手机芯片当中。只不过，当时的NPU单元，更多地是为日常的功能提供加速计算，而不是处理重度负载的“AI任务”，比如拍摄中的场景识别、色彩优化、暗光场景下的人脸识别等等。
联发科技计算与人工智能技术事业群副总经理陆忠立博士向钛媒体APP介绍：“用户能够感知到AI能力的最典型场景就是手机在摄影时的各类功能，一方面是图像采集部分，另一方面则是视频显示部分，比如自动切换帧率模式以及对图片、视频的最终画面效果进行动态范围、智能降噪的优化，其中都已广泛应用了AI技术。”
但这些都是比较早期的AI应用，也就是所谓的“分析式AI”，它与大家今天所谈到的“生成式AI”有很大的不同，这些AI技术更多地只是在某一特定应用或场景中实现了体验层的升级而已，或者你也可以把它理解为对传统固定智能算法的“小升级”。
而现如今大家所谈论的“生成式AI”，核心是通过深度学习和大数据分析，使得机器能够创造出全新的内容，如文本、图像和音频。这种AI技术不仅能够模仿已有的数据模式，还能在此基础上进行创新，产生具有多样性和一定不可预测性的输出。
而且与传统的基于固定算法或者基于现有内容进行增强的AI功能相比，生成式AI的应用范围更加广泛，从自然语言处理到艺术创作，它都能提供高效的解决方案，从而极大地提升自动化水平和工作效率。
AI能力的变化，背后也有芯片算力提升的推动，早期的NPU单元和手机芯片的总体算力非常有限，如果用它们来运行生成式AI，可能生成一副图片就需要十几分钟，处理一段文本、理解一段语言，也需要几分钟的时间，因此根本不具备在终端中应用落地的可能性。
近两年火热的“AI芯片”，其最大的变化就是更加强调的是能够在AI方面拥有独当一面的能力，比如上月苹果随iPhone 16系列发布A18 Pro芯片，从最简单的算力层面来看B-Sports，苹果A11芯片的神经网络引擎采用双核设计，每秒运算次数最高可达6000亿次（0.6TFlops），而A18 Pro芯片的神经引擎是16核，算力为35 TOPS（即每秒35万亿次操作）。
简单估算一下，A18 Pro的AI算力差不多是A11芯片的58倍。本月初联发科刚刚发布的天玑9400，同样也在AI能力上进行了增强，其搭载了联发科全新的第八代AI处理器NPU 890。
天玑9400在端侧长文本理解能力以及AI模型文本支持长度方面进一步提升，并且支持50Token/秒大模型运行速度，再加上对多模态AI模型的支持，使得手机能够拥有更多的AI应用场景。
举个现实生活应用的案例，现阶段智能手机的语音助手，当听到“我饿了”的描述时，它们只会机械地帮你打开外卖、地图或者搜索平台，这些都不能帮你解决“饥饿”的实际问题，而天玑9400所支持的智能体，则会通过询问你的喜好，学习你的生活习惯，直接为你寻找或者推荐附近的餐厅。
再比如，当你拍摄了一张数学题，传统的智能助手最多只能告诉你这是一道数学题，或者是通过联网搜索扔给你一个标准答案。而在天玑9400加持下的智能体，则能够实现本地的推理运算，像一个会做题的老师一样，为用户呈现出从解题思路到最终答案的完整过程。
由此可见，更好用、更全能的AI，并不是不存在，而是过去只能通过云端算力或者工作站才能满足，像ChatGPT、kimi等，这类语音助手所具备内容创作能力、文字搜索归纳的效率，都远超大家想象，但它们的背后，都是由一个个服务器组成的算力中心。
未来“AI手机”的竞争，与其说是拼想法，倒不如说是拼芯片，对于终端厂商来说，部署庞大规模的云端算力很显然是一件“费力不讨好”的事情。一方面，高额的持续投入成本很难化解，站在消费者层面，很难接受作为出厂标配的“AI功能”，竟会是一个需要付费的增值服务。
另一方面，AI功能的全面云端化，也会带来因网络延迟、网络波动导致的“体验一致性差”，再加上AI功能“0差异”也很难成为刺激用户换新的手段，因此，AI功能的“端侧移植”可以说是势在必行。
这一趋势不光会出现在“AI手机”当中，隔壁的“AI PC”也很早就走上了相同的道路。钛媒体APP预测，未来几年，无论是苹果、联发科、高通亦或是其他手机芯片厂商，其芯片的迭代重点都会将“AI算力”纳入其中，同时也是通过算力层面或者说硬件层面的领先部署，来为应用层面的更多可能性提供支撑。
官方微信
官方微博
