手机端侧AI跨过了可用分水岭,但只走了全程的三分之二

华为全联接大会2026上，汪涛说过一句话：手机模型从2024年的3B发展到今天的30B，未来将进一步走向100B级。

这句话当时被昇腾超节点和百万卡集群的风头盖过去了，但它其实给端侧AI的演进钉了一个实在的坐标。

比数字更值得注意的是，端侧AI正在从演示给你看，变成真的能用。而2026年，就是这个转折点。

判断一个技术到没到可用的份上，不能听厂商怎么说，得有硬尺子。按这把尺子量，端侧AI现在大概走到了全程的三分之二。

什么样才算真的可用

我把可用的标准列成四条，缺一条都不算数。

第一条是离线能力。断了网还能把整条任务链路跑完，这是端侧存在的根本理由，不然直接上云就行了。

第二条是响应时延。首token要压在百毫秒级，解码速度至少每秒20到30个token。低于这个阈值，用户的注意力就断了，直接切出去干别的。

第三条是内存适配。模型得能装进主力价位的机型，还不能把后台挤爆。只在超大杯上跑得动的东西，叫玩具，不叫普及。

第四条是任务闭环。它得能自己完成理解、规划、调用、交付这一整套流程，这才叫智能体，否则只是个高级聊天机器人。

图：四条硬门槛里，前两条基本跨过，第三条正在攻坚，第四条刚起步

前两年说端侧AI是鸡肋，说得很准，那时候充其量只满足了第一条。现在不一样了，前两条基本跨过去，第三条正在咬牙攻坚，第四条才刚起步。

30B为什么能塞进手机

很多人看到30B就吓一跳，觉得手机怎么可能装下300亿参数的模型。

其实现在落地的端侧大模型走的都是MoE路线，也就是混合专家架构。总参数很大，但每次推理只激活其中一小部分。

华为的盘古30B-A2B，就是300亿总参数、大约20亿激活参数。

这个技术选择太关键了。它相当于把能力提上去，功耗和内存却没跟着一起涨。如果走稠密模型的老路，别说100B，30B在手机上根本跑不起来。

所以30B已经商用这句话真正的意思是：端侧AI找到了一条变大但不变重的路。

后面往70B、100B走，已经不是原理问题，是工程问题。工程问题就好办，砸时间砸人，总能往前推。

两颗芯片今年砸钱的方向高度一致

芯片这层最有意思。今年两颗旗舰SoC的升级方向，出奇地一样：都在搞带宽和功耗，没人再单纯堆TOPS。

麒麟9050 Pro这边，晶体管密度做到2.38亿每平方毫米，性能对齐的情况下NPU功耗降了66%。第三方实测的数据是，在Mate XT 2上INT8算力约67.7 TFLOPS，理论峰值70 TOPS左右，比上一代提升约150%。

这里有个细节很重要。这组数据是在LPDDR5X内存上跑出来的，说明带宽的潜力还没完全释放，后面还有空间。

高通那边的骁龙8 Elite Gen 6，Hexagon NPU做了重设计，加了专门加速Token和Transformer推理的单元，共享内存最多扩容50%。现场演示里，30B-MoE跑出了预填充每秒330多token、解码每秒28个token，NPU加GPU双引擎协同比纯NPU又快了30%以上。

两家今年砸钱的方向高度重合：稀疏激活、低比特量化、缓存扩容、KV Cache加速、闪存权重加载、GPU协同推理，全都是围绕数据搬运和功耗在做文章。

这说明行业对瓶颈在哪已经有了共识。核心约束是带宽和功耗，不是算力本身。这反而是好消息，因为带宽和功耗能靠工程迭代一年年磨上去。

还有个细节挺耐人寻味。28 token/s这个解码速度，刚好卡在读起来不费劲的体验下限上。这不像巧合，更像芯片厂商拿着体验门槛在倒推设计指标。

最后一道门在系统层

系统层的价值被严重低估了。HarmonyOS 7今年要往Agent OS转，从底层架构到运行机制再到交互逻辑全面重构，还开放了智能体框架和各种接口。

端侧模型参数再大，如果系统不知道什么时候该唤醒它、该给它什么权限、该让它调哪个能力，那它就搞不清什么时候该介入。

生态层现在的格局是两套体系并行：一边是鸿蒙加盘古加小艺的垂直整合，另一边是安卓加高通AI栈加各家模型厂商的开放组合。

开发者要是想让自己的智能体接入系统级意图流，搞不好得适配两套技术栈。生态一割裂，用户感知到的进步就要打折扣。

还差四道坎

头一道是内存容量下放。运行内存需求压缩50%这件事，意义可能比30B参数本身还大，因为它决定了30B能不能下沉到16GB内存的中高端机型。

第二道是评测口径统一。麒麟的67.7 TFLOPS是第三方INT8测出来的，高通只说相对提升多少、不给绝对值，用的还是INT4和FP8混合精度。INT8的TOPS和INT4的TOPS根本不是一个单位。

第三道是主力机型的实际配置。判断内存门槛过没过，别看芯片支不支持LPDDR6，看主力走量的机型实际装的是什么。

第四道是绕不开的结构性限制。本地模型拿不到实时信息，极限推理和复杂规划还是得靠云端，长时间高负载必然发热降频。

这些不是缺陷，是端侧AI的定位决定的。也正因如此，端云协同从来就不是过渡方案，它就是长期架构。

写在最后

华为画了一条3B到30B再到100B的参数路线图，两家芯片厂商用两颗芯片证明了30B现在就能跑。

把这两件事合起来看，参数竞赛只是浮在水面上的部分，水底下那场关于带宽、功耗、内存和系统调度的工程战，才是主战场。

还有一点值得留意。现在所有可用的证据，都是在LPDDR5X、参考设计、发布会现场这些相对保守的条件下成立的，这意味着真实的天花板还远远没摸到。

至于什么时候轮到普通用户手里的机器，不用等100B落地。等你哪天开着飞行模式，手机能自己独立完成一件以前必须联网才能干的事，那个拐点就到了。