文 | 半导体产业纵横
Omdia最新预测指出，2026年全球智能手机出货量将同比下滑12.2%，跌至10.93亿部；不过，同一时间段内市场总值反而会增长6.1%。卖得少了，赚得却多了。全球手机平均售价预计从2025年的467美元上升到2026年的565美元，涨幅21%，提价98美元，两项数字都刷新了行业历史纪录。
涨价背后的推手是存储成本。2026年第一季度，DRAM和NAND闪存的平均售价环比上涨超过80%。AI服务器对HBM的需求猛增，大量吸收了内存厂商的产能，留给消费电子产品的供货随之趋紧。Omdia预计，即便下半年涨幅放缓到个位数，组件成本依然会居高不下，厂商只能不断把压力转嫁到零售价上。市场结构随之出现分化：低端机型因成本上涨而被迫收缩，高端机型反而在份额上受益，翻新二手市场也在同步扩大。
针对这一局面，中国政府的回应方向是需求侧补贴。6月18日，商务部等八部门发布了《关于加快“人工智能+消费”发展的实施意见》，明确用个人消费贷款财政贴息政策，支持消费者购买AI手机、智能电脑、AI眼镜等产品。手机涨价的同时，AI手机被列入了国家消费战略品类。
手机整体在降，高端却在涨。发布会上，手机厂商们已经很少再提处理器有多快。
2026年夏天上市的旗舰手机，处理器几乎都是同一颗骁龙8 Gen 5。小米在讲7000 mAh金沙江电池，vivo在讲折叠屏续航天花板，iQOO在讲电竞散热，moto在讲折叠机身里塞进6000 mAh。安卓阵营里，SoC性能的话题逐渐淡去，处理器芯片像4G一样，在发布会中变得隐形了。
手机厂商被夹在中间，只能在别的地方找出路。
01 端侧 AI 内卷：千亿参数是噱头，功耗内存才是硬约束
端侧AI的参数军备竞赛，在数字上打得很热闹。Counterpoint的报告显示，2026年具备GenAI能力的智能手机将占到全球出货量的45%，但分析师同时指出：有能力跑AI的设备，和用户真正在日常中启用AI功能的设备之间，存在明显的缺口。硬件能力堆上去了，用户行为却没有跟着改变。
联发科和vivo联合演示了在天玑9300上跑33B参数大模型；华为宣称麒麟旗舰能本地推理千亿参数稀疏模型；小米高调表示旗舰跑通了千亿MoE。7B、13B、33B、100B，数字每隔几个月往上翻一次。然而vivo做了一个反向决定：把主力端侧模型从7B换回3B。原因不是技术不行，而是3B模型只占2GB内存、功耗约750mA，能持续跑128K长文本。日常使用中，3B做到的事情和7B差不多，但手机不会发烫，电池不会狂掉。用户需要的不是参数更大的模型，而是能真正改变日常体验的AI——随时响应、不发烫、不费电，在打开手机的每一个场景里都能实际帮到用户。
这个判断背后还有行业里不常被提及的事实：那些动辄百亿、千亿的端侧参数，本质上是稀疏MoE架构——总参数量很大，但每次推理实际激活的只有几十亿，再经过INT4量化压缩，实际运行的计算量和7B Dense模型差不多。千亿是仓库的总容量，不是每次用到的东西。
这一趋势意味着手机的AI能力由LPDDR5X内存容量、NPU算力和功耗预算共同决定，稳定落地的口径几乎都收敛在7B附近。7B模型经INT4量化后约需4GB内存，处于旗舰手机12-16GB LPDDR5X的可用范围内；联发科明确天玑9300的APU 790能以约20 tokens/s的速度推理7B模型，OPPO将7B端侧模型部署用于超过100项AI功能，高通虽然不公布参数量，但其AI引擎的实际对标量级相同。再往上，对手机内存容量和散热的要求就会超出大多数旗舰机的实际边界。
这个数字对芯片行业的含义也随之改变。过去评判NPU的标准是峰值TOPS，算力越高越好。但当整机厂开始主动用小模型替换大模型，NPU真正需要做的事情是：在750mA的功耗预算下，稳定运行一个长上下文的推理任务，而不是冲峰值跑分。
片上SRAM用于KV Cache的空间、内存带宽的调度效率、INT4/FP8低精度格式的原生支持——这些指标，比TOPS数字更接近用户实际感受到的AI体验。
推理的瓶颈不只在NPU算力，也在存储带宽能不能及时把模型权重喂进去。10.8GB/s的读取速度直接影响模型加载速度和KV Cache刷新效率，这和NPU的TOPS数字一样决定用户感受到的AI响应速度。
存储厂商已经意识到这件事。三星6月23日发布的UFS 5.0方案，顺序读取速度达到10.8GB/s，是上一代UFS 4.1的两倍以上，整体能效提升超40%。三星把这款产品定位为“端侧AI的核心底层基础设施”。不过UFS 5.0要到今年四季度才开始规模量产，这意味着它会出现在明年的旗舰里，而不是今年的发布会上。Counterpoint的分析指出，存储约束是GenAI手机目前被锁在400美元以上价位的核心原因之一。UFS 5.0能带来性能跨越，但初期成本不会低，高端先受益的格局短期内不会改变。
手机AI竞争的重心，正在从设备本身转向设备上运行的AI模型层。Counterpoint的研究指出，在高端市场，Google Gemini正在成为这一层的核心——Gemini支撑着苹果重建的Siri，是三星Galaxy AI的基础，也驱动着中国主要手机品牌海外版本的AI能力。OEM厂商在模型之上负责编排逻辑、用户体验和生态整合，这才是下一阶段竞争真正发生的地方。
02 新赛道崛起：协处理器 + 端侧模型
端侧AI的竞争逻辑变了，但有一件事没变：旗舰机产品在处理器层面已经没有差异化空间。两款手机可以用同一颗SoC，但发布会不能讲同一件事。差异化只能往SoC管不到的地方找——影像算法、游戏体验、续航调度，这些体验层的竞争，SoC的通用设计天然覆盖不到最优解。
整机厂的选择是：自己造一颗芯片，把SoC做不好的那件事做到极致。
自从苹果用A系列拉开了和安卓的性能代差，“自研SoC”就成了手机行业的终极想象。造芯的手机厂不少，但真实的数据表明，正面开发一颗能和高通、联发科竞争的旗舰SoC，是没有性价比的选择。
手机厂后来想清楚的事情是：不需要替代骁龙，只需要在骁龙覆盖不到的地方造一颗小芯片。
iQOO的Q2电竞芯片是一个标准样本。它不碰CPU、不碰GPU、不碰NPU，只做游戏画面的超分和超帧。骁龙8 Gen 5的Adreno GPU本来也能做这件事，但同时还要处理系统图形渲染、UI合成和其他负载，超分的效果和功耗不是最优解。Q2把这个任务单独抠出来，用专用芯片做到极致，主SoC反而能腾出资源保帧率稳定。
小米的自研影像芯片逻辑相同，不是替代骁龙的ISP，而是在ISP完成基础处理之后，承接计算摄影、多帧合成、长焦画质优化这些对算力和延迟要求更高的任务。两颗芯片分工，比一颗芯片全包效率更高，发热更少。
这条路线的性价比，远高于自研SoC。协处理器的功能边界清晰，开发周期短；大量采用12/16/28nm成熟工艺，流片成本只是先进制程的零头；不需要配套完整的编译器和驱动生态。一颗游戏芯片从立项到量产，可以卡在SoC换代周期之间完成，比等高通在下一代骁龙里更新GPU快一到两年。
这样的趋势对芯片行业的影响是双向的。成熟制程的专用芯片需求在增加，12/16/28nm产线的稼动率因此受益。同时，高通和联发科被迫适应这个趋势：整机厂的协处理器要顺畅接入SoC的数据通路，就需要开放更多底层接口，合作模式从“卖一颗芯片”变成“提供一个可以协同的平台”。
03 OpenAI也要造手机了
OpenAI计划在2028年推出一款以AI为核心的手机，合作造芯片的是高通和联发科。这个选择值得注意。全球最大的AI公司决定做手机时，没有试图自研SoC，而是直接找了两家现有的手机芯片平台。这再次说明SoC这层不是重点，抢占Gemini已经在占据的模型层，才是它真正的目标。
这和手机行业正在发生的事情指向同一个方向：SoC正在成为基础设施，真正的差异化竞争分散到了三个层面——AI模型层、协处理器层和应用层。
AI模型层的竞争，是谁的端侧模型在750mA功耗下跑得更久，谁的编排逻辑让用户真正用起来；协处理器层的竞争，是谁能把游戏超分、影像处理这些特定场景做到极致；应用层的竞争，是谁能让端侧AI真正改变用户的使用习惯。
手机芯片的需求，一端被AI推着往效率走，另一端被成本推着往整合走。两个方向都在压缩旗舰SoC的独占价值，也在给成熟制程、本土玩家打开新的空间。
未来手机的差价将来自厂商的创新力，AI的落地速度——这些才是真正带来突破的关键点。
