高通 CEO：AI 公司要求 2028 年手机跑 1000 亿参数模型

高通 CEO Cristiano Amon 本周透露，AI 原生公司正带着一个具体的硬件规格找上高通：到 2028 年，在移动设备上持续运行 1000 亿参数的大语言模型。Amon 通过Alex Heath 的 Sources 专栏把这一趋势描述为「谁来定手机硬件需求」的结构性转变。他说：「AI 公司开始做手机了。」用他在采访中的原话：「到 2028 年，我必须确保自己有能力把至少 1000 亿参数的模型装进一部手机。」

意义不在参数量本身，而在于提出要求的是谁。要求设备端跑 1000 亿参数的客户不是三星、小米或任何传统手机 OEM。而是 AI 实验室 —— 这些公司建立的是云优先的软件业务，如今正在设计或委托硬件，以便在没有持续服务器连接的情况下运行前沿模型。

AI 实验室正在改写手机芯片规格

传统手机厂商围绕相机图像信号处理器、蜂窝基带性能和电池效率来定 SoC 需求。Amon 描述的这一类客户则围绕推理吞吐、每瓦内存带宽和每生成一个 token 的功耗包络来定芯片 —— 一份截然不同的工程需求，也是高通花了两年时间准备去回答的。

延伸阅读：美光 500 亿美元财报，AI 存储超级周期的一场大考

当前的旗舰移动芯片说明了行业已经走了多远。高通的骁龙 8 Elite Extreme Gen 6于 2026 年 9 月 22 日发布，采用台积电 2nm 工艺，通过扩大的共享 NPU 内存池支持在设备端运行 300 亿参数的混合专家模型。苹果的 AFM 3 Core Advanced在其最强的苹果芯片硬件上运行一个 200 亿参数的稀疏架构，每次请求激活 10 亿到 40 亿参数。联发科的天玑 9600 Pro宣称有相当的 300 亿参数支持。移动行业在 2026 年末的实际上限约为 300 亿参数。Amon 转述的需求信号是这个规模的三倍以上。

1000 亿参数的内存缺口：50 GB 装不进 2026 年的手机

核心的硬件约束不是处理速度。而是内存容量，以及把模型权重以足够快的速度流入计算单元、以可用速率生成 token 所需的带宽。

一个 1000 亿参数的模型量化到INT4—— 面向设备端部署最激进的标准精度削减 —— 大约需要 50 GB 的可访问存储。当前旗舰智能手机出厂配 12 到 24 GB 的 LPDDR5X DRAM。缺口约 26 GB —— 这是更快的神经处理单元无法弥合的约束，因为权重必须先驻留在内存里，任何计算单元才能处理它们。

带宽让问题雪上加霜。移动内存系统的工作带宽为每秒 50 到 90 GB。英伟达 H100 的带宽是每秒 3.35 TB。这大约 37 倍的差距解释了为什么在数据中心流畅运行的推理到了边缘就变得不切实际，无论设备端 NPU 多强。

为什么 MoE 稀疏激活消不掉 50 GB 的占用

混合专家已成为设备端大模型的主流架构，因为它减少了每个 token 的计算量。MoE 模型每一步推理只激活一部分参数 —— 一个 1000 亿参数的 MoE 每个 token 可能只路由经过 30 亿到 130 亿激活参数，大幅减少每生成一个词的 FLOPs。

但稀疏激活不减少内存占用。MoE 模型的每一个参数仍然必须驻留在内存里，并在推理期间保持可寻址；权重存储需求不会因为计算路径变窄而缩小。一项2026 年考察带宽受限边缘硬件上 MoE 推理的研究发现，推理成本跟随的是模型总参数而不是激活参数，因为瓶颈从计算转移到了权重流送。一个 1000 亿参数 MoE 模型完整的 50 GB 占用，无法仅靠架构设计消掉。内存必须造进设备里。

高通已有什么，还有什么没解决

高通带着过去两年攒下的基础设施来迎接这个挑战。它的 Hexagon NPU、Element 加速器和 Oryon CPU 被设计为跨内存层次协作，共享权重而不做冗余拷贝。Sensing Hub 架构已经能以低功耗持续运行 2 亿参数的模型—— 建立起一个常驻手机的 LLM 所需要的始终在线推理框架。

于 2026 年 7 月 29 日完成的39 亿美元收购 Modular，把 Chris Lattner 带进高通，出任高级 AI 软件与平台执行副总裁。这笔收购的目的是一套「一次编写、到处运行」的 AI 编译栈，抽象掉历代 NPU 之间的差异。在 1000 亿参数的规模上，软件可移植性有直接的商业价值：把一个前沿模型移植到新芯片架构很昂贵，而统一的编译层减少了原本有利于在位平台的摩擦。OpenAI 的 gpt-oss-20b 已经在高通骁龙 PC 硬件上运行，证明从 AI 实验室的模型到高通推理栈的管道在 200 亿参数规模上已经打通。

高通没有公开说明的，是用来弥合 26 GB 缺口的内存架构。要在 2028 年达到 50 GB 可访问的高带宽移动 DRAM，需要 LPDDR 容量路线图的大幅跃升、以消费级价位把 HBM 式堆叠内存集成进手机封装，或者一种能以 token 生成速度流送的 DRAM 加闪存混合架构。这些路径在技术上都没有被排除，但也都不在当前的旗舰量产之中。高通也还没有说明 1000 亿这个目标指的是稠密模型、按总参数计的 MoE，还是按激活参数计的 MoE —— 这些区分会大幅改变内存需求。

对 Amon 2028 年之说的实际检验，要等到一套能以移动带宽容纳 50 GB 模型权重的芯片组和内存规格可以公开验证时才会到来。在那之前，这句话最具体的含义是：正在构建 AI 下一层软件的公司，如今在主动为将要运行它的硬件提规格 —— 而且他们要的，比今天出货的任何东西都多得多。