端侧AI手机不是一个软件更新, 是一次硬件革命

每天一篇企业深度分析 · 每周更新评分追踪 · 模仿就是妥协出品

模仿就是妥协出品

昨天，网信办公示了首批7款手机端侧AI服务备案——苹果Apple智能、华为小艺AI、OPPO AndesGPT、vivo蓝心、小米澎湃AI（MiMo）、三星盖乐世AI、努比亚豆包大模型悉数上榜。这七款产品覆盖了国内市场几乎所有主流手机品牌。

很多人看完新闻的反应可能是：”这不就是在手机里装了一个ChatGPT吗？和下载一个AI App有什么区别？”

答案是：区别很大。端侧AI手机不是”手机上能跑AI”，而是手机的硬件架构从设计之初就围绕AI推理来重新规划。它和普通智能手机的差异，不是”多装了一个App”，而是CPU、内存、存储、NPU之间的协作方式被彻底重构了。

这篇文章，我们就来拆解端侧AI手机和普通智能手机到底差在哪里。

开篇：7款备案背后的信号——不只监管，更是产业发令枪

先把新闻看清楚。这次备案的核心信息：

① 七款产品，七家厂商。苹果、华为、OPPO、vivo、小米、三星、努比亚。注意——没有互联网公司的纯App方案（比如单独的”豆包App”不计入），每一款都是手机厂商自研的、深度集成在系统里的端侧AI服务。唯一例外是努比亚豆包——它标注了”手机厂商+外部合作模型公司”，说明努比亚（中兴系）选择和字节跳动的豆包模型合作，而非完全自研。

② 这是”端侧”备案，不是”云端”备案。网信办之前已经批过很多批生成式AI服务备案（ChatGPT类产品、AI绘图工具等），但都是云端服务。这次是首次针对”手机端侧”的专项备案——意味着监管部门明确区分了”跑在云上的AI”和”跑在手机上的AI”，并且给后者单独开了合规通道。

③ 备案时间统一为7月8日，公示时间为7月15日。一周之内七家齐过——这不是巧合，而是监管层在有意加速端侧AI的商业化进程。背后的政策意图很清晰：把AI能力下沉到终端设备上，让普通消费者不需要联网、不需要付费，就能用上AI。

但”在手机上跑AI”这件事，远没有听起来那么简单。接下来我们从硬件层面逐一拆解。

一、架构差异：普通手机是”仓库”，AI手机是”工厂”

普通智能手机的SoC（系统级芯片）内部，最重要的三个计算单元是：

CPU（中央处理器）——万能工，什么活都能干，但效率一般。GPU（图形处理器）——专门处理图形、游戏渲染。ISP（图像信号处理器）——专门处理摄像头拍到的原始图像数据。

这三个单元在传统手机里的分工已经非常成熟。你打开微信，CPU干活；你打王者荣耀，GPU干活；你拍照，ISP干活。各司其职。

但端侧AI手机多了一个角色：NPU（神经网络处理器）——一个专门为AI推理设计的计算单元。它不是CPU或GPU的”马甲”，而是从指令集、数据路径到内存架构都完全不同的一种芯片。

理解NPU为什么不同，需要先理解AI推理的本质。AI推理的核心计算是矩阵乘法——把输入数据（比如一段文字、一张图片）乘以几十亿个模型参数（权重矩阵），得到一个输出。这个过程和CPU擅长的”if-else逻辑判断”完全不同，也和GPU擅长的”并行像素渲染”不同。

NPU的设计哲学是：放弃通用性，把所有设计都押注在”高效做矩阵乘法”这一件事上。用一个比喻来理解：

用CPU跑AI模型——就像用瑞士军刀切牛排，能切但效率极低，而且手机烫得能煎鸡蛋。用NPU跑——就像用专门的牛排刀切牛排，不仅快，而且几乎不发热。

二、NPU：手机上突然多出来的”第二大脑”

NPU不是一个新概念——苹果从2017年A11芯片就开始在iPhone里集成Neural Engine（神经网络引擎），华为从2018年麒麟970开始内置NPU。但这些早期NPU主要只做一件事：辅助拍照——帮你识别人脸、调节曝光、美化皮肤。

端侧AI手机时代的NPU，要做的事完全不同了：它要在手机上直接跑一个”微型ChatGPT”——一个压缩到几GB大小的语言模型，能理解你说的话、帮你写邮件、总结文章、翻译对话。这些任务需要的算力是”美颜拍照”的成百上千倍。

各家NPU的性能参数（基于公开信息估算）：

TOPS是什么意思？Tera Operations Per Second（每秒万亿次运算）。40 TOPS意味着NPU每秒能做40万亿次矩阵运算。作为对比，一颗顶级手机CPU（如A18 Pro的P核）的AI推理能力大约只有1-2 TOPS——NPU的AI算力是CPU的20-40倍。

但NPU面临的最大挑战不是”算得不够快”，而是“内存不够”。这就是下一个核心差异。

三、内存革命：为什么AI手机需要16GB甚至24GB内存

这是端侧AI手机最颠覆性的变化，也是和前几天我们讲的存储芯片产业链直接相关的地方。

一个大型语言模型（LLM）在手机上运行，需要多少内存？取决于模型的大小。以开源模型为例：

看懂了吗？当前旗舰手机的标配是12GB内存。如果你要跑一个7B的端侧模型，光是模型本身就占掉6GB——留给操作系统、微信、相机等应用的内存只剩下6GB。这在日常使用中是完全不够的。

这就是为什么所有AI手机都在往16GB甚至24GB内存冲刺。不仅仅是”多一点”，而是“翻倍”。小米MiMo端侧模型的参数量约7B，华为小艺的端侧模型据说更大——没有16GB以上的DRAM，这些模型根本跑不动。

更关键的是，不只是容量，带宽也必须大幅提升。AI推理过程中，NPU需要不断地从DRAM中读取模型权重——如果内存带宽不够，NPU算得再快也是在”等数据”。当前旗舰手机用LPDDR5X内存，带宽约60-80GB/s——这对于7B模型来说勉强够用，但对于更大的模型就捉襟见肘了。

这直接利好两个产业方向：① 大容量LPDDR5X DRAM需求暴增，② 先进封装（把DRAM和SoC封装得更近以减少数据延迟）。——这正好是我们前几天文章里分析过的长电科技、通富微电的核心业务。

四、存储升级：模型”住在”手机里需要什么条件

DRAM负责”跑”模型，那模型本身存在哪里？答案是手机的UFS闪存（NAND Flash的一种）——也就是手机的”硬盘”。

一个7B参数的端侧AI模型，压缩之后大约3.5GB。听起来不大——但问题是，普通手机的存储是被照片、视频、App数据塞满的。一台256GB的手机，实际可用空间可能只有50-80GB。一个3.5GB的AI模型加上系统预留空间，对存储的压力是真实的。

更重要的是速度。从闪存加载模型到DRAM的过程，决定了你唤醒AI助手的”首字延迟”（从你说完话到AI开始回复的时间）。如果闪存不够快，加载一个3.5GB的模型可能需要2-3秒——这个等待时间是用户无法接受的。

这就是为什么AI手机需要 UFS 4.0 甚至更快的存储。当前UFS 4.0的顺序读取速度约4000-4500MB/s，加载一个3.5GB的模型大约需要0.8秒——可以接受。但如果是一年前的UFS 3.1（约2000MB/s），就需要接近2秒——用户会明显感知到”卡顿”。

更深一层看：UFS闪存里面是NAND Flash颗粒+一颗存储控制器芯片。这颗控制器芯片负责管理NAND的读写、纠错、磨损均衡。闪存越快，对控制器芯片的要求越高。所以端侧AI手机的普及，会带动高端NAND Flash和高端存储控制器芯片的需求。

五、端侧 vs 云端：不只是”快一点”，而是”换了赛道”

很多人会问：既然云端的AI模型（GPT-4、文心一言等）更大更强，为什么非要在手机上跑一个”缩水版”？答案藏在三个维度里：

三个核心优势决定了端侧AI不是”云端的备胎”，而是一条完全不同的赛道：

① 实时性。云端AI处理一次请求的延迟是200-2000毫秒——取决于你的网速和服务器的负载。对于”帮我总结这篇文章”这种任务，2秒的延迟可以接受。但对于实时翻译对话、实时识别道路标志、实时优化拍照参数——2秒的延迟就完全不成立了。端侧AI的延迟是毫秒级，让它能嵌入到每一个需要”实时反应”的场景中。

② 隐私。云端AI意味着你说的每一句话、拍的每一张照片、写的每一个字，都会上传到某个服务器上。对于企业用户和政府用户来说，这是不可接受的。端侧AI的数据全程不离开手机——这也是为什么网信办愿意给端侧AI开绿色通道备案的根本原因。

③ 个性化。云端AI不认识你——它对每个用户说同样的话。但端侧AI可以访问你的通讯录、日历、位置、使用习惯——它才知道”你妈妈明天生日”、”你下周要去上海出差”、”你习惯早上8点查天气”。这种个性化的体验，是云端AI永远做不到的。

当然，端侧AI不是要取代云端AI——两者的关系是“端云协同”：简单任务端侧搞定（快、免费、隐私），复杂任务云端兜底（强、但慢且贵）。小米、华为、苹果的策略都是”两端都做、智能调度”——这才是完整的AI手机体验。

写在最后：这波AI手机换机潮，产业链谁最受益

7款端侧AI服务通过备案，意味着中国手机市场正式进入”AI换机周期”。当每一台新手机都预装了一个能离线运行的AI助手——它能帮你写邮件、总结文章、实时翻译、智能拍照——消费者就没有理由再买一台”不会AI”的手机了。

这波换机潮对产业链的拉动，沿着几条线索展开：

① DRAM需求翻倍。从12GB升级到16-24GB，单台手机的DRAM用量增长50-100%。而且不是量的增长——是”质”的提升：必须用最新的LPDDR5X甚至未来的LPDDR6。全球DRAM三巨头（三星、SK海力士、美光）直接受益，国内长鑫存储如果能跟上节奏也将分到一杯羹。

② NPU成为SoC的”标配”。不再只是旗舰芯片有NPU，中端芯片（骁龙7系、天玑8000系）也会内置NPU——否则手机厂商拿不到备案。高通和联发科的中端芯片出货量远大于旗舰，NPU的渗透率将从旗舰机的30%迅速扩展到全价位段。

③ 先进封装需求暴增。SoC面积增大（多了NPU），DRAM容量翻倍，UFS存储提速——这三样东西需要封装在一起。手机的物理空间是有限的（PCB面积就那么大），只能靠先进封装（SiP、Fan-out）来在更小的空间里塞进更多的芯片。长电科技、通富微电、华天科技都将受益。

④ NOR Flash的”第二春”。AI手机的NPU固件、AI模型的安全启动代码、加密密钥——这些对可靠性要求极高的数据需要存在NOR Flash里。一台AI手机可能用到2-3颗NOR Flash（比普通手机多1-2颗）。全球NOR Flash龙头兆易创新、华邦、旺宏都将受益。

总结一句话：端侧AI手机不是手机的”软件升级”，而是手机的”硬件重构”。它需要的不是更强的App，而是更强的NPU、更多的DRAM、更快的闪存、更先进的封装。这波浪潮中，赚得最多的可能不是手机品牌，而是给它们供应芯片和封装服务的产业链公司。

本文产业技术分析基于公开资料。不构成投资建议 · 市场有风险，投资需谨慎