移动终端智能化面临新挑战：算力、能效与隐私成为关键瓶颈 随着大模型技术快速发展，用户对手机的需求已从"应用驱动"升级为"服务驱动"，期待设备能理解意图、整合信息并完成跨应用任务。但目前面临两难选择：依赖云端计算会带来网络延迟、成本压力和数据合规问题；采用端侧处理则需要克服算力不足、功耗过高和存储限制等现实约束。此情况下，移动芯片平台如何提升单位功耗下的通用计算、图形渲染和大模型推理能力，成为行业突破的重点。 产业链聚焦终端能力，实现"算得动、跑得久、用得放心" 在巴塞罗那GTI国际产业大会上，骁龙8第五代至尊版荣获GTI Award创新技术突破奖，反映出行业对终端侧人工智能的共识：将更多智能任务放在本地完成，可以提高响应速度、减少网络依赖，同时增强数据安全性和合规可控性。 该平台主要通过三个技术方向实现突破：一是升级通用计算能力，采用新一代CPU架构提升单核和多核性能并优化能效；二是优化图形能力和内存体系，新一代GPU在性能和能效上同步提升，并引入独立高速显存；三是增强大模型推理能力，通过异构计算架构和量化技术提高能效比，支持更大规模模型在本地运行。 终端侧人工智能带来的三大变革 首先，用户体验从"点击操作"转向"意图驱动"。基于端侧推理和多传感器协同，手机可以更准确地理解语音、图像和上下文信息，直接在本地完成部分决策和执行，提升连续对话、同声传译等场景的体验。 其次，强化隐私与合规能力。本地处理的个人知识库减少了敏感数据传输风险，符合全球数据保护监管趋势。这对企业和政务等高安全需求领域尤为重要。 第三，行业竞争重点从"硬件参数"转向"软硬协同"。随着搭载有关平台的终端超过20款，厂商间的较量不再局限于屏幕、影像等传统指标，更在于模型适配、系统调度和生态建设能力。 规模化应用需要解决三个关键问题 业内人士指出，推动终端侧AI普及需要：加强软硬件协同优化，确保性能提升转化为实际体验；完善开发工具和生态支持，降低模型部署门槛；建立严格的安全机制，保障智能服务的可靠性和可控性。 未来发展：端侧大模型将成为标配，"个性化"与"普惠化"是重点 目前终端侧AI已进入精进阶段。随着算力提升和技术成熟，手机将从信息入口发展为个人智能终端。未来竞争将集中在两上：通过本地知识库和多模态理解提供更个性化的服务；以及通过量产和生态完善让更多价位产品具备可靠的端侧智能能力。
终端侧智能计算技术的突破正在推动移动设备从信息接收终端向智能处理中枢转变。随着芯片性能提升和算法优化，移动设备有望成为个人数字生活的核心。该变革不仅将重塑移动产业格局，也将深刻影响人们的工作生活方式。如何在技术进步与隐私保护、能耗控制之间取得平衡，仍是行业需要持续探索的重要课题。