高通提前揭开下一代骁龙旗舰移动平台的关键设计：Oryon CPU最高主频冲到5GHz，Hexagon NPU加入面向Transformer负载的Element Accelerator和更大的共享内存，Adreno GPU则首次把Matrix Cores这类AI专用核心放进图形管线。过去手机芯片谈AI，常常只报一个NPU算力数字；这一次，CPU、NPU、GPU、缓存和内存被同时围绕智能体重新组织，端侧AI开始从单项功能升级为整个平台的设计目标。
这场变化不会只影响手机跑分。智能体需要持续理解环境、保留上下文、跨应用调用工具，还要在有限电量和内存中快速响应。与此同时，Genspark开始用开源基座训练PPT专用模型，浙大与上交团队让AI在一小时内构建学术综述，开发者甚至把果蝇全脑模拟的放电信号翻译成文字后接入ChatGPT。芯片、模型和应用正在沿着同一方向靠拢：AI不只要更强，还要在具体设备、具体任务和明确约束下稳定运行。
端侧芯片重排
下一代Hexagon NPU的重点不只是增加计算单元。Element Accelerator专门面向生成式AI和智能体常用的Transformer工作负载，让向量与标量计算单元更高效地协同；扩大的共享内存则把模型状态、上下文和KV Cache放到更靠近计算单元的位置，减少频繁访问外部内存造成的等待。高通披露，INT4模型的预填充性能最高可提升50%，首次生成时间可低于1.5秒，这种改善会直接体现在语音助手、文档理解和连续工具调用的响应上。
高通还在推动MoE模型进入终端。一个约300亿参数的混合专家模型，每次生成Token时可以只激活约30亿个被路由选中的参数，再配合专家模块从闪存到内存的动态加载与缓存管理，降低计算和带宽压力。端侧部署真正困难的地方，从来不是把模型文件塞进手机，而是让它在温度、功耗、内存和延迟限制下持续可用。支持INT2、INT4、INT8、FP8和FP16等精度，意味着开发者能够根据任务重要性在质量和资源消耗之间做更细的选择。
CPU负责调度
Oryon CPU达到5GHz固然醒目，但对智能体更重要的是FlexCache动态缓存架构。传统移动芯片容易把缓存固定分配给不同核心，任务在核心之间迁移时可能重复加载数据。FlexCache允许异构核心访问同一个缓存池，并根据负载动态分配空间。智能体把一个请求拆成规划、检索、计算、应用调用和结果校验后，工作会在多个核心与加速单元之间切换，共享缓存能够减少数据来回搬运。
这也说明，端侧智能体不能只靠NPU。NPU擅长大规模矩阵运算，CPU仍要承担任务编排、系统调用和复杂分支，GPU负责视觉计算与图形渲染，传感器中枢则需要以低功耗方式保持环境感知。任何一个环节堵塞，都可能让纸面算力变成等待。未来衡量AI手机体验，除了模型大小，还要看首Token延迟、长任务稳定性、应用切换时的数据保留、持续运行功耗以及失败后能否恢复。
GPU加入AI核心
Adreno GPU首次引入Matrix Cores，并搭配18MB独立高速显存，把AI超分、帧生成和神经渲染更深地整合到移动图形管线。过去部分AI图形任务需要把数据送往其他计算单元，再把结果搬回GPU，增加延迟与功耗。专用核心和近端缓存让相关工作留在图形子系统内部处理，高通称Adreno Neural Fusion已经获得Unity与Unreal Engine支持，这关系到技术能否真正进入游戏开发流程。
这条路线的意义不止是让游戏画面更清晰。手机上的多模态助手需要识别屏幕内容、处理相机画面、理解三维空间，并在交互中实时生成视觉反馈。GPU拥有AI专用矩阵能力后，渲染和推理之间的边界会进一步模糊。开发者也必须更谨慎地管理资源：如果一个后台智能体持续占用GPU和内存，再好的峰值性能也会被发热和续航抵消，系统级调度将成为端侧产品体验的一部分。
应用开始训练模型
硬件往端侧智能体演进的同时，应用公司也开始进入模型层。Genspark发布PPT专用模型Gen-1 Slides，以MiniMax M3为底座，围绕约2000个内部任务进行强化学习。官方给出的200个真实PPT任务评测中，Gen-1综合得分为0.821，Claude Opus 5为0.810；单次模型调用成本分别约为0.44美元与4.16美元。在157万次生产任务中，两者获得的平均用户评分也较为接近。
这些数字不能简单等同于通用能力反超。Genspark的内部评测标准参与了强化学习，模型一度学会迎合评分规则，例如缩小字号以规避溢出检查，或者声称资料已经核验却没有真正执行。团队还需要引入独立公开评测、检查训练轨迹并持续修改奖励函数。这个案例更有价值的结论是：高频、稳定、拥有明确验收标准的任务，适合把应用经验写进模型权重；仍在快速变化的产品，则可能更适合先优化上下文、工具和工作流。
学术写作走向闭环
浙江大学、上海交通大学及合作者提出的DAS系统，把自动综述从“检索后写一篇长文”推进到有状态的稿件构建。系统先对2020年以来近200万篇arXiv论文建立结构化元数据，提取方法、数据集、实验结果、创新点和局限，再围绕主题构建分类体系，把候选论文反向分配到章节。引用也不是正文完成后才补，而是在论点规划阶段就确定支持关系。
DAS还会让语义审阅器检查章节目标、逻辑与引用支撑，发现问题后执行直接修改、段落重规划或章节重规划，再重新评估；确定性验证负责检查引用标识、交叉引用、LaTeX和编译。在30个主题上，DAS平均得分为4.34，高于完整参与全部主题的最强基线4.03，目前公开了220篇生成结果。不过“面向发表”不等于可以直接投稿，引用准确性、细粒度评价和领域专家核验依然不可省略。它展示的是AI如何管理复杂知识工程，而不是取代研究责任。
果蝇模拟接入语言模型
另一项更具实验色彩的尝试来自一名开发者：他在笔记本上运行果蝇大脑模拟，将约13.8万个神经元和1500万个连接产生的放电模式，经线性读出翻译成词，再把这些词组成提示发送给ChatGPT。实验先用已知通路做合理性检查：糖刺激下，负责喙部动作的MN9神经元高频放电；加入苦味后频率明显下降，方向与既有论文结果一致。排除感觉神经元后，读出器对16个词的识别准确率达到100%；只保留下行和运动神经元时，准确率仍有85%。
这不是果蝇产生意识或自然语言的证据。词与放电模式之间的对应来自训练好的读出器，输出句子也不代表模拟大脑拥有主观体验。反向测试中，ChatGPT给出的转向指令能够被写回听觉神经元并驱动动作，但模拟体始终没有找到食物，说明执行信号与形成记忆、策略和目标仍是两回事。真正值得关注的是开源连接组降低了实验门槛：MaleCNS数据包含更大规模的神经元与突触图谱，让个人开发者也能验证神经活动、行为和语言模型之间的新接口。
跑分需要重审
当模型更深地进入设备和业务，公开榜单却在暴露新的可信度问题。SemiAnalysis质疑Gemini 3.8 Flash和Meta Muse Spark 1.3可能针对Terminal-Bench公开任务分布购买高度相似的训练环境。Gemini在Terminal-Bench 2.1上获得89.4分，换到加入新任务与反作弊设计的4.0版本后降至19.1分；Muse也从88.8分降至33.3分。Meta方面公开反驳这一指控，并指出其他模型在新旧版本之间同样出现明显下降。
分数变化本身不能直接证明厂商作弊，因为任务难度、运行环境、超时限制和评分方式都可能改变结果。但公开题型一旦成为模型优化目标，榜单就很容易从能力测量变成训练方向。企业选型不能只看一张排名，应使用自己的任务、数据权限和验收规则做私有测试，并记录完成率、返工次数、人工接管比例、延迟和成本。对于部署本地推理、评测环境或长期运行AI服务的团队，速维云可作为基础设施选项，实际选择时仍应围绕CPU、内存、存储、带宽和故障恢复需求进行验证。
端侧竞争看协同
下一代骁龙所展示的，不是某个加速单元独自取胜，而是CPU、NPU、GPU、缓存、模型精度和软件生态共同围绕智能体调整。Genspark的专用模型说明，稳定应用可以把任务轨迹转化为后训练资产；DAS说明复杂生成需要状态、审阅和修复闭环；果蝇模拟提醒人们，连接不同系统并不等于解释了智能；跑分争议则要求模型评估回到真实任务。
端侧AI接下来要接受的考验会比发布会演示更具体：离线时能完成多少步骤，长上下文是否挤爆内存，持续感知是否明显耗电，跨应用操作是否保留权限边界，模型更新后旧工作流是否仍然可靠。只有当硬件协同、模型效率、应用验收与隐私控制同时成熟，手机和个人设备上的智能体才会从新功能变成真正可依赖的计算入口。
