天玑9600 Pro的330亿晶体管、每瓦Token效率提升55%——当AI能力下沉到手机，商品被发现的方式又变了一层

9月15日，联发科正式发布天玑9600 Pro，这是安卓阵营首款采用台积电2nm制程的移动SoC，集成330亿晶体管。CPU采用2+3+3全大核架构（取消小核），单核性能提升17%，多核功耗大降61%；AI方面采用双NPU架构，端侧可运行最高30B参数模型，每瓦Token生成效率提升55%；首批支持LPDDR6和UFS 5.0，vivo X500 Pro系列将于9月21日全球首发搭载。

几乎是同一时间，苹果随iOS 27推送了重新设计的Siri AI公测版：新版Siri能理解个人上下文、屏幕内容，可跨应用完成多步骤任务；技术上苹果与谷歌达成多年协议使用Gemini大模型（年费约10亿美元），在中国大陆则通过Apple Intelligence扩展接入千问，用于问答与写作工具场景。两件事指向同一个趋势：AI的能力正在从云端下沉到终端，而终端的AI入口正在被多个模型共同定义。

端侧AI能力跃升：手机本地即可运行大模型

一、端侧AI变强，对电商意味着什么？

芯片参数看起来离卖货很远，但端侧AI能力每上一个台阶，都会改变商品被"发现"和"决策"的方式。三件事值得关注：

四个能力叠加的结果是：手机上的AI助手会从"偶尔用的功能"变成"高频使用的入口"。它帮用户找商品、比参数、算价格、做决策——而它读的是结构化的商品信息，不是漂亮的形容词。

跨应用任务执行：购物入口被压缩，AI成为筛选层

二、"多模型入口"带来的新课题

苹果Siri同时接入Gemini（海外）与千问（中国区），这个安排揭示了一个重要现实：消费者面对的AI入口可能是多个模型的组合，同一个问题在不同模型里的答案可能不同。对商家来说，这带来两个直接课题。

·课题一：可见性要在多个入口里验证。不能只测一个AI助手。建议用主流的两三个AI入口分别提问，看自家商品是否被提及、理由是什么。不同模型的数据源和偏好不同，结论也会有差异。

·课题二：信息一致性的价值被放大。当多个模型都在读你的商品信息时，任何前后矛盾（标题说A、详情说B）都会被某一方捕捉到，影响推荐。信息一致，是在多模型环境里被正确理解的前提。

·课题三：本地化信息会更重要。中国区接入千问意味着中文语境、本地消费习惯的表达更关键。用词要贴近本地买家的真实说法，而不是生硬的参数堆砌。

多模型入口：可见性需要在不同AI中分别验证

三、卖家现在该做的三件事

·第一件：把商品信息做成"可被AI引用"的形式。参数写进文字（不能只印在图上）、规格结构清晰、价格与库存准确一致。这是AI在任何终端上理解你的基础，不依赖硬件怎么变。

·第二件：让商品视觉"可被清晰识别"。端侧多模态会读取图片和屏幕内容。主图主体清晰、信息不遮挡、场景真实，才能被准确匹配；堆满文字和贴纸的图，人和AI都读不懂。

·第三件：做一次多入口可见性自测。用两个以上AI助手，按你品类的真实使用场景提问，记录自家商品是否出现、排名与理由。这是最直接的诊断，成本为零。

实操提醒：端侧AI的普及不会一夜之间发生，但信息工程的建设越早越划算。建议从今天起做两件事：一是把主力商品的关键参数从图片里"搬"进文字，二是用两个以上AI助手测一次自家商品的可见性。两件事都不花钱，却是应对端侧AI入口最扎实的准备。

案例：一次自测让卖家看清了差距

一个做小家电的卖家，一直觉得自己商品页做得不错：主图精美、详情页设计感强。但他用两个AI助手测试了同一批问题后，发现了问题——他被推荐的那款商品，参数在图片里以艺术字呈现，AI读不出来，所以很少被引用；而竞品把参数逐条写进了属性栏和详情文本。

他把全部主力商品的参数补齐到文字和属性字段，重做主图让信息分区清晰不遮挡，同时把客服高频问题（尺寸、功率、适用场景）的答案也写进详情。

两个月后，他在两个AI入口里的被提及率都明显上升，客服重复咨询也少了很多。他说：我不知道AI手机什么时候普及，但把信息做规范这件事，对今天的买家就已经有用了。

进阶：硬件迭代，信息资产不贬值

从4G到5G、从直板到折叠、从App到AI助手，终端和入口一直在变。每一次变化都会有人焦虑"要不要重新准备"。但回头看，真正被淘汰的不是没跟上某个新硬件的商家，而是商品信息始终混乱、内容质量始终粗糙的商家。

把"商品信息工程质量"当成长期资产来建设：参数完整、图文清晰、信息一致、评价真实。这些投入在每一个入口都能复用，也不会因为模型换代而贬值。硬件会变，能被准确理解的商品永远稀缺。

端侧AI普及：商品信息规范程度决定被推荐的几率

多入口可见性自测需要一点方法，否则测了也看不出问题。建议固定三个动作：一是用同一个品类场景问题在多个AI里问，记录自家商品是否出现、排在第几位；二是记录AI提到你的理由（是因为参数、评价还是价格），判断它到底读懂了什么；三是记录竞品被提到的理由，找出信息建设的差距。三条记录对比一次，改进方向就清楚了。

还有一个实用的小习惯：把自测结果按月份存档。因为AI产品迭代很快，同一个问题几个月后的答案可能完全不同。有了连续几个月的记录，你就能看出自己的信息建设有没有见效、竞品在哪些方向上发力，这比单次测试有价值得多。

四、FAQ

Q1：端侧能跑30B模型，对普通商家有什么实际用处？

短期用处是AI助手响应更快、更懂个人上下文、可离线处理部分任务。对商家的实际影响是：AI购物入口会更高频、更好用，商品被AI筛选和推荐的场景会更多。

Q2：苹果Siri接Gemini又接千问，商家要做什么？

做多入口的可见性验证。不要只测一个AI，用两三个主流入口分别提问，观察差异。同时确保商品信息在各个渠道都一致，避免被不同模型读出矛盾信息。

Q3：参数写进文字会影响页面美观吗？

不会。用结构化表格呈现参数反而更专业、更易读。真正影响观感的是文字堆叠遮挡商品、信息杂乱，而不是信息本身完整。

Q4：现在投入信息规范化，会不会太早？

不早。当前AI推荐已经实际发生，而信息规范化对真人买家同样有效——降低咨询量、减少退货、提升转化。这是一笔现在就能见到回报的投入。

Q5：不同AI助手推荐结果不同，该优先优化哪个？

优先覆盖你的核心用户常用的入口。同时保持信息统一，让不同模型都能准确理解——这比针对某个模型做特殊优化更可持续。

Q6：小卖家没时间做这些怎么办？

分优先级：先做销量最高的十款商品的参数补全和主图信息规范，其余的按批次推进。用工具批量处理主图和详情，可以显著降低单品的整理成本。

让AI在任何终端都读懂你的商品——青虎AI主图、详情图批量生成，参数清晰、信息规范、主体可识别

https://www.iqinghu.com/workbench/login?type=1&urlCode=1786006604406

扫码注册青虎AI，立即体验一站式AI电商内容生产