📱 科技 · 芯片

🔥 高通发布新一代Hexagon NPU架构，手机本地能跑300亿参数大模型，端侧AI时代正式到来。

一、Element Accelerator：这次NPU升级的核心

9月11日，高通正式公布了新一代旗舰处理器的Hexagon NPU架构细节，为即将在9月23日至25日夏威夷骁龙峰会上发布的"#骁龙X2 Elite发布#"提前预热。高通产品市场高级总监Cisco Cheng在博客中表示，智能体AI将定义移动计算的下一个时代——这些系统能理解用户情境、跨应用协同、持续推理并完成操作。

此次架构升级的核心叫Element Accelerator，专门针对Transformer工作负载优化。它将向量计算单元和标量计算单元做了深度融合：标量单元负责智能体的决策逻辑、路由和编排，向量单元提供高吞吐量AI数学计算。配合Fast Action Loops和KV-Cache加速，支持最长32K上下文长度。

二、手机跑300亿参数模型，内存瓶颈怎么破？

随着模型规模不断增大，AI性能的瓶颈早已不只是算力——数据在计算单元和外部内存之间频繁搬运，带来的延迟和功耗同样致命。高通这次引入了更大共享内存系统，让NPU和CPU、GPU之间可以更高效地共享数据，减少搬运开销。

精度策略上，新平台支持INT2、INT4、INT8、FP8和FP16全精度覆盖。对于INT4模型，预填充性能提升最高50%，首词元生成时间缩短至1.5秒，解码吞吐也显著提升。Cisco Cheng透露，这套架构的目标是让手机本地能跑300亿参数模型——这意味着很多过去必须上云的AI任务，以后在口袋里就能完成。

三、端侧AI竞赛白热化，高通在下什么棋？

从整个架构布局来看，高通想打造的不只是一个AI加速器，而是一套围绕终端侧智能体AI构建的完整计算体系。苹果有Neural Engine，联发科有APU，三星有自研NPU——端侧AI芯片的军备竞赛已经进入深水区。

高通的差异化在于"系统级思维"：不是单纯堆算力，而是从内存架构、精度适配、多核协同三个维度同时优化。当AI功能从云端向终端迁移，手机需要承担的任务越来越复杂，谁能让端侧推理更快、更省电、更智能，谁就能拿下下一代移动计算的入场券。9月23日骁龙峰会，答案即将揭晓。

综合快科技、高通中国官网报道 | 2026年9月11日