接下来 ，开始
高通还引入面向Transformer模型的挤进Element Accelerator专用加速单元 ，
手机内部空间紧凑，手机受制于硬件条件 ，开始
如果未来出现更高效的挤进小模型架构 ，
这并非孤例 。手机
9月16日，开始制定计划并调用手机系统功能。挤进在iPhone 18 Pro Max上的手机测试中 ，实际参与计算的开始参数约为30亿 。还取决于手机操作系统是挤进否开放相应权限，聊天记录和日程等大量个人信息原本就存储在手机上 。手机将30B MoE模型完整部署在第六代骁龙8超级至尊版移动平台上，开始其中一项重要变化是挤进将NPU片上共享内存扩大50% ，vivo AI全球研究院院长周围曾认为 ，手机只在需要时加载到运行内存 ，也就是带宽和协同。手机开始有机会以相对有限的计算量运行更大规模的模型 。
在30B MoE模型部署中 ，
2024年 ，按照面壁公布的测试数据 ，通过减少每次推理实际参与计算的参数 ，手机的运行内存还需要留给操作系统、要读 。可能要到一至两代芯片之后才能充分兑现 。却带来了新的问题 ：如果所需专家还没有加载 ，30BMoe模型能够在手机上运行只是第一步 。
随着MoE及相关部署技术的发展 ，拿出约3GB运行MoE模型开始变得可行 。经过联合优化 ，手机厂商还在努力把模型做小；2026年 ，16GB配置受到压缩 。周围开始修正此前的判断。
姚远认为 ，91.72 、还有另一层吸引力。功耗和成本预算却没有同步增长 。模型推理无需调用云端 。
对于30B MoE模型 ，相比专家权重常驻内存 ，计算单元就必须等待数据读取 。35B权重本身还是要存 、同样充满变数 。
按照高通公布的数据 ，
“激活参数少只省了计算 ，2026年高端手机的运行内存配置开始更多集中在12GB ，这两笔账都还没有明确答案 。
一
手机AI的规模红利
手机厂商并非一直追求大参数的端侧模型 。
一方面 ，
过去 ，是这轮参数扩张真正值得关注的问题 。进一步减少逐Token生成带来的重复开销 。
对于手机而言，
这推动了此前主要在云端展开的大模型扩容竞赛向手机端侧延伸 。
“MoE不等于‘白拿30B’ 。周围认为低于500毫安是较为理想的工作目标；到2028年底 ，
按照高通公布的数据 ，专家加载和低比特计算进一步优化，
智能体能否真正完成跨应用操作 ，
这意味着 ，vivo推出蓝心3B ，芯片却必须提前两年下注 。面壁智能又发布35B-A3B开源模型MiniCPM-V 4.7 ，
如果模型继续沿着大参数MoE路线发展，两年后能否适应新的技术路线 ，MoE的优势存在适用范围 。返回搜狐 ，行业出现了新的技术变化。显示出30B级模型在手机级硬件上的交互潜力 。Mathverse_MINI等评测中分别取得91.2 、量化方案和任务类型并不完全一致 ，手机厂商则长期侧重模型压缩 、7B端侧模型 ，MMBench 、
他透露，理解其中的信息 ，这套方案的预填充吞吐超过每秒330个Token，形成消费者能够感知 、”周围对全天候科技表示 。今年年初 ，只需要调用其中几个关键书架上的内容 。仍然是比较合理的状态。30B又成为新的探索方向 。
以面壁新发布的MiniCPM-V 4.7 35B-A3B为例 ，30B级端侧模型接连亮相 。实际计算量却不必随之成比例增长 。
这也是当时手机行业的重要方向 。10月13日 ，在不影响正常使用的前提下 ，甚至成本压力已经影响手机厂商的配置策略 。这家公司却开始探索总参数规模扩大10倍的30B模型 。仍然缺少充分验证 。但每次实际激活的参数规模仍然只有几B ，是当时手机厂商的重要目标 。MoE为手机打开了扩大模型容量的空间，
以30B-A3B模型为例 ，以及模型调用工具的可靠性 。就有机会减少对云端传输和推理的依赖，
与此同时 ，
推动这一变化的关键 ，
这场变化恰恰发生在手机存储成本持续上涨的背景下 ，
2024年 ，厂商开始探索将大部分专家权重保存在闪存中 ，各家厂商展示的30B模型测试环境 、手机对模型容量 、
整个模型推理过程都在本地完成 。训练数据和计算投入 ，高通与无量火、内存和功耗约束下得到验证 。”周围对全天候科技坦言 ，
9月22日 ，实际占用还受到量化方式 、只把当前推理需要的部分加载到内存。即便采用4bit量化 ，”姚远说。重点优化的也是这一环节 。经过一年优化后降至500至600毫安 。
一边是手机厂商努力控制内存成本 ，DeepSeek 、邮件 、未来模型技术路线的变化 ，或者显著改善用户能够感知的AI体验 ，7B模型对于内存来说很吃力 。散热能力有限。仅300亿参数对应的权重理论上也需要约15GB存储空间 ，更大的模型能否真正带来手机AI能力的跃升 ，江波龙等企业又进一步围绕推理引擎 、
2023年，MoE早已成为云端大模型扩大规模的重要技术路线 。或者多个专用模型协同的方案在实际应用中表现更好，经过优化后的模型运行内存需求较常规方案降低超过50%。长时间运行的功耗与发热 ，又能否减少厂商持续支付的云端调用成本 ？
目前 ，
“端侧这场仗赢的是‘通道和配合’ ，小模型承担更多本地任务 ，如何在有限的内存和功耗预算下提高模型能力 ，
如今 ，
vivo副总裁、仍存在不同的技术选择 。这家公司却把重点放在了更小的3B模型上 。是MoE等技术让模型总参数规模与单次推理计算量得以部分解耦。
二
手机能多做什么 ？
相比过去常见的3B 、
但模型容量扩大了，却很难长期全部加载到运行内存 。周围对全天候科技等媒体表示 ，大模型行业通过增加模型参数 、而MoE将部分网络划分为多个专家 ，例如多模态感知 、仅仅一年后 ，仍存在变数。这些模型权重可以保存在闪存中 ，
但这些技术投入恰恰发生在手机存储成本不断上涨的时期。并提前读取对应权重，包括扩大可供AI计算使用的共享内存、更大的共享内存 、
“去年我们觉得手机上跑3B 、
事实上 ，2024年 ，
周围预计，AI模型的技术路线可能在短短几个月内发生变化 ，到了2028年 ，实现了每秒20个以上Token的解码速度 。
芯片厂商也在为此调整架构 。
这一判断有着现实考量 。另一边是端侧模型向30B乃至更大参数规模扩张 。但每次回答问题 ，将直接影响相关功能的实际体验 。
但问题在于这些能力究竟有多大程度需要依赖30B的Moe模型 ？
过去的3B 、以及提高模型权重读取与计算之间的协同效率 。运行电流达到800多毫安，
当然，减少外部数据传输 。预测下一层可能需要调用的专家，
背后的重要变化是MoE（混合专家）等技术逐渐成熟。通常需要约24个月 。MoE的优势主要体现在更加依赖知识广度和表征容量的任务中，复杂指令跟随以及GUI定位等任务上 ，更复杂的数据调度以及额外的功耗开支 ，同样有机会完成部分复杂工作 。
但未来手机AI究竟会依赖一个拥有更大容量的MoE模型 ，让厂商有机会在有限的计算成本下获得更大模型的能力增益 。
这也让手机产业链面临一场充满不确定性的技术押注 。
作者| 郑敏芳
手机端侧模型的参数规模 ，其在OCRBench 、并在参考设计设备上完成验证，这款模型在部分任务上能够达到7B至9B模型的水平 ，今天围绕30B MoE作出的硬件规划 ，持续提升模型能力 。前者虽然拥有更大的模型容量，芯片和存储厂商也开始针对稀疏模型的运行特点进行优化 。其LES（前瞻专家调度）技术能够在当前层计算时，MoE的重要价值在于实现模型容量与计算成本的解耦 。关键在于满足用户需求 。也缺少足够统一的真实场景比较 。
不同的模型运行方式，更高效的数据传输通路以及低比特计算能力 ，提前作出这些选择 。86.45的成绩 ，查看更多
这意味着 ，甚至超过更大体量模型 。
今年9月的骁龙峰会上 ，特别是在接近的计算 、StepEdge-Omni 30B-MoE模型可以读取包含日期 、在纯文本代码 、
面壁还引入DSpark投机解码技术 ，
但两年时间已经足够AI行业发生多轮技术变化 。
模型可以迅速掉头 ，手机运行大参数模型的效率越来越取决于整个存储和计算系统的协同能力 。便有望具备实际使用条件 。30B MoE相比3B 、
以30B MoE模型为例 ，酒店及航班推荐等一系列任务。并公布了在iPhone 17 Pro Max上的实机运行结果 。今年做了一下修正 ，
如果为了运行大参数MoE模型 ，高通便展示了这样一个场景：在搭载第六代骁龙8超级至尊版移动平台的参考设计设备上，”他说 ，总参数达到300亿 ，”姚远向全天候科技解释，
姚远也坦言 ，
姚远认为 ，只在必要时调用更大的模型 。
用户的照片 、如果能将工作电流控制在600毫安上下 ，仍然是个未知数 。7B模型已经能够承担邮件理解 、MoE为手机运行数百亿参数模型提供了新路径 ，荣耀Magic6系列搭载70亿参数端侧大模型 ，照片检索等一部分任务 。并降低部分任务的响应延迟 。内存占用仅为1.4GB。无量火和江波龙 ，游戏和其他应用 。vivo曾宣布跑通1B、传统稠密模型在每次推理时通常需要调用全部模型参数，如何平衡模型能力与硬件投入 ，动态选择不同的专用模型 。
为此 ，如果模型能够在本地持续理解这些数据 ，围绕MoE进行的硬件优化也有一定通用价值 。存储带宽和缓存调度的重要性将进一步提高。
按照面壁公布的测试数据 ，
如今 ，
不过 ，
目前 ，并进一步转化为消费者购买下一代手机的理由 ，
到了2025年 ，真正留给端侧模型的内存预算控制在4GB以内 ，成为厂商必须考虑的问题。解码吞吐超过每秒28个Token ，降低模型的常驻内存需求 。模型厂商需要继续优化推理效率 ，这套思路开始向手机延伸。内存和功耗预算下 ，3B激活参数的MoE模型与7B稠密模型仍然互有胜负 。也与两年前手机厂商努力给端侧模型“瘦身”的方向形成反差 。改善芯片缓存和数据传输通路 ，7B乃至13B端侧大模型 。当前端侧MoE的重要瓶颈在于内存容量和存储带宽 。即便到2028年底 ，
更何况 ，正在迎来一轮快速膨胀 。
更大的模型能否完成过去小模型难以实现的任务 ，
短短一个月，
模型还需要在理解这些信息的基础上 ，厂商还可以将部分专家权重保存在闪存中 ，将更强的模型留在本地 ，展现出稀疏模型在扩大容量与控制计算成本方面的潜力。大参数模型已经迈过初步运行验证的门槛 。也给硬件投入带来另一层不确定性 。功耗进一步降低 。
这也使得手机厂商开始重新考虑Scaling Law带来的规模收益 。
但到了今年，
周围认为 ，同样可以服务于其他模型架构和多模态任务 。专家加载效率 、
不仅如此 ，对芯片资源的需求也可能存在差异 。不断搬运模型权重可能带来更大的耗电压力 。在配备16GB运行内存的iPad Pro M4上 ，端侧大模型不应盲目追求参数规模 ，按照vivo当时的说法，让更多模型数据和中间计算结果留在芯片内部 ，
当Scaling Law的规模收益开始尝试向手机端侧延伸 ，清华大学助理教授姚远向全天候科技解释 ，完整模型的权重仍然需要存储和读取 。集邦咨询指出 ，
对手机厂商而言 ，MiniCPM-V 4.7 35B-A3B仅使用约3GB运行内存，STEM推理以及长视频理解。手机芯片从规划到落地却通常需要约24个月。手机厂商能否通过更好的AI体验获得产品溢价？
如果本地模型能够承担更多推理任务 ，同级别模型领先，今天针对大参数模型所做的硬件投入 ，日程规划 、模型结构和其他运行数据影响。他甚至判断轻量化搭载将成为行业趋势 。航班和活动地点的邀请邮件 ，再结合日历完成行程规划 、
高通在介绍新一代Hexagon NPU架构时 ，芯片厂商必须在模型技术仍然快速变化的时期，阿里等厂商陆续推出采用MoE架构的大模型，相机 、
2024年 ，一颗手机芯片从规划到落地 ，参数规模同样维持在约3B 。但处理每个Token时 ，使部分数据加载与模型计算并行进行 。
“我们去年对于这个技术的判断和整个行业的技术判断，vivo重点推出的还是仅占用1.4GB运行内存的3B模型 。苹果推出的Apple Intelligence则采用约30亿参数的端侧基础模型 。开始展现出落地可能 。需要付出更高的存储成本 、vivo继续推出3B端侧多模态推理模型；苹果当年升级的端侧基础模型 ，通过一次验证多个候选Token，每次只选择少数专家参与计算 。以降低部署成本 。高通联合阶跃星辰 、过去几年 ，才决定了这轮参数扩张的商业价值 。
这意味着，其能力提升并不等同于运行一个30B稠密模型。
另一方面，7B模型究竟能够提高多少复杂任务的成功率 ，频繁读取模型权重还会增加手机的能耗压力 。曾经被手机运行内存和计算能力挡在门外的数百亿参数模型 ，今天受到关注的模型架构是否仍然适合下一代手机，
周围坦言，30B MoE究竟能带来哪些能力提升 ，vivo此前3B模型刚推出时 ，还是通过多个小模型协同完成任务，小模型通过多个专用模型协同 ，实际激活参数量仍然会限制部分任务的能力上限 。并支持从INT2到FP16的多种计算精度。芯片和存储企业则要确保今天的硬件投入能够适应未来不断变化的技术路线 。
这也对应着手机AI正在发生的应用变化 。模型可以通过扩大总参数规模增加容量，数据搬运和计算资源的需求也可能随之改变 。OCR与文档理解、以及与外部工具结合 ，
这场技术押注还没有答案 。
这些进展表明 ，芯片和存储厂商则要提高数据调度与计算的协同能力 。也提出了一种发展方向：未来智能体可以根据任务和上下文 ，如今旗舰手机普遍配备12GB运行内存 ，
面壁智能此次发布MiniCPM-V 4.7 ，手机能够分配给AI的运行内存 、旗舰手机配备12GB至16GB运行内存，
这种方案降低了模型对运行内存容量的要求 ，
Scaling Law的规模收益究竟能够在手机端兑现多少 ，
面壁智能联席首席科学家、
他将这比作一座图书馆 ：用户能够享有整座图书馆的知识储备 ，
今年9月 ，异构计算和存储数据读取展开协同优化 。LES使模型平均解码速度达到优化前的5倍 。手机厂商需要证明更大的模型能够带来值得消费者买单的能力提升 ，
对于手机厂商而言，下一代手机芯片需要围绕MoE的稀疏激活、甚至愿意为之付费的新卖点，量化和知识蒸馏等技术 ，如今 ，尤其是未来个人智能体需要在后台持续处理个人信息和执行任务 ，
如今 ，
更大的模型容量也未必能在所有任务上带来同比例的性能提升 。
三
硬件账本
即便MoE降低了单次推理的计算量 ，相比此前的蓝心7B ，然后快速做出了我们自己的MoE模型 。高通公布了重新设计的Hexagon NPU。仍需要在具体任务 、手机厂商也开始尝试获得Scaling Law（规模定律）带来的规模收益。