我和我的 AI 手机吃了 3 顿饭
内容提要
高通提出HBC近存计算，将计算单元移至内存旁以减少数据搬运，破解AI“内存墙”。下一代骁龙旗舰芯片围绕智能体手机重构，集成5GHz Oryon CPU、FlexCache缓存、Adreno矩阵核心与18MB显存、Hexagon NPU，并扩容共享内存、支持MoE，形成异构分工，提升AI速度与能效。
延伸解读
内存墙：AI 加速的真正瓶颈
文章指出，AI 推理时 CPU、GPU、NPU 常处于等待状态，因为数据从内存搬运的速度跟不上计算需求。过去十年计算力和模型规模猛增，内存带宽却未同步，导致时间和能耗大量消耗在数据移动上，这就是“内存墙”。理解这一点，就能明白为何单纯提升算力数字对 AI 体验的改善有限，减少数据搬运才是关键。
HBC 近存计算：把计算搬到内存旁
高通提出的 HBC 借鉴餐厅“潮 1/2”模式，将计算单元移至内存附近，减少数据搬运。文章用 SRAM 和 HBM 作对比：SRAM 像板前料理，成本高、容量有限；HBM 像寿司郎，带宽高但依赖复杂堆叠封装，价格昂贵且供不应求。HBC 则是一种近内存计算思路，适合矩阵乘、向量运算、Embedding 查询等数据搬运成本高的任务，而 Prefill 等高计算强度任务仍由 CPU/GPU/NPU 负责。
下一代骁龙：为智能体手机重构异构分工
面向 AI 智能体手机，下一代骁龙旗舰芯片围绕 Agent 需求重新安排计算单元。Oryon CPU 最高主频达 5GHz，并引入 FlexCache 可扩展缓存，让核心共享缓存池并动态调整，适应智能体任务频繁切换的特点。Adreno GPU 加入矩阵计算核心和 18MB 独立高速显存，Hexagon NPU 新增 Element Accelerator 并扩大共享内存最高 50%，同时支持 MoE 模型，每次仅激活部分参数，以降低计算负载和内存带宽需求。
体验背后：复杂调度终将隐形
文章认为，AI 智能体手机不会在包装盒上标注 KV-cache 或 NPU 规格，用户最终感受到的只是手机更懂你、一句话能完成更多事情。就像影像旗舰不强调 ISP 架构，游戏手机不强调 GPU 型号，发生在 CPU、GPU、NPU 和内存之间的复杂调度会被隐藏起来。高通正试图回答一颗真正为 Agent 而生的芯片应该长什么样，而答案可能既复杂又简单：把饭桌搬到厨房那里去。
Q&A
什么是内存墙？为什么AI计算会撞上内存墙？
内存墙是指AI计算能力和模型规模快速膨胀，但内存容量、带宽和数据搬运效率没有以相同速度增长，导致越来越多的时间和能耗花在数据移动上，而非真正的计算。大语言模型因为参数规模大，在生成每个token时需要不断读取模型参数和上下文，但实际计算相对有限，因此受限于内存带宽。
高通HBC技术是什么？它如何解决AI计算中的内存瓶颈？
HBC（High Bandwidth Compute，高带宽计算）是一种近内存计算架构，将计算单元移到内存旁边，减少数据搬运，从而加速AI并降低功耗。它适合数据搬运成本高的计算，如矩阵乘、向量运算、Embedding查询和部分Attention/KV Cache操作，而CPU/GPU/NPU仍负责计算复杂的任务，形成异构分工。
下一代骁龙旗舰芯片在CPU和缓存方面有哪些针对AI智能体的改进？
下一代骁龙旗舰的Qualcomm Oryon CPU最高主频达到5GHz，是全球最快的移动CPU；同时引入Qualcomm Oryon FlexCache可扩展缓存架构，允许不同类型核心共享缓存池，并根据任务动态分配空间。5GHz让智能体任务跳得更快，FlexCache让任务跳得更轻松。
Adreno GPU为AI做了哪些专门优化？
下一代Adreno GPU加入了Adreno Matrix Cores（矩阵计算核心），专门负责AI/矩阵计算硬件加速；同时推出Adreno Neural Fusion神经网络融合渲染技术，将神经网络处理、AI超级分辨率和AI帧生成统一到图形管线中。此外，GPU旁还集成了18MB Adreno独立高速显存HPM，用于存放渲染目标、颜色缓冲、深度缓冲、纹理及中间结果，让更多图形和AI数据停留在GPU内部。
Hexagon NPU在AI智能体手机中扮演什么角色？有哪些升级？
Hexagon NPU承担主要的高效端侧AI推理。下一代Hexagon NPU新增了Element Accelerator，专门针对Transformer工作负载设计；同时扩大共享内存最高扩容50%，让更多模型状态、上下文以及KV-cache保留在靠近加速器的位置，减少访问DDR内存的次数。此外，高通还引入混合专家模型（MoE）架构，让30B MoE模型每次生成词元仅需激活约30亿个参数，降低计算负载和内存带宽需求。
AI智能体手机需要芯片如何协同工作？
AI智能体手机需要芯片异构分工：Sensing Hub保持低功耗环境感知；Oryon CPU负责规划、推理和编排工作流，决定何时调用工具或访问云端；Hexagon NPU承担主要的高效端侧AI推理；Adreno GPU参与多模型推理，同时完成图形任务。这种协作让手机能理解用户情境，在多个应用间运行，持续推理并采取行动。
