Omdia的最新分析描绘出一幅手机市场的图景：到2026年，全球智能手机出货量预计将减少12.2%，降至10.93亿部，但同期市场总值却增长6.1%。用更通俗的话讲，卖出去的手机数量变少了，但这些手机的价格却普遍提高了。据预测，全球智能手机的平均售价将从2025年的467美元升至2026年的565美元，涨幅达21%，单台价格上涨98美元，这两项数据都创下行业新高。价格的上涨主要归因于存储成本的上升。2026年第一季度，DRAM和NAND闪存的平均价格环比上涨超过80%。AI服务器的需求激增，导致对高带宽内存（HBM）的需求旺盛，内存厂商的生产能力被大量抽调，留给消费电子产品的供给因此变得紧张。Omdia预计，即便是在下半年，组件成本的涨幅也会放缓至个位数，但价格仍将维持在高位，厂商只能将成本压力继续转嫁到终端售价上。市场的格局也随之发生变化：低端机型因为成本压力的增大而被迫缩减市场，而高端机型则在份额上获益，翻新和二手手机市场也在同步扩大。面对这种情况，中国政府提出了需求侧补贴的策略。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》，明确提出通过个人消费贷款财政贴息政策来支持消费者购买AI手机、智能电脑、AI眼镜等商品。在这一背景下，AI手机被正式列为国家消费战略的重点扶持品类。手机市场整体价格趋稳，高端机型价格逆势上扬。在近期的发布会上，手机厂商们已经不再热衷于讨论处理器的速度。2026年夏天即将上市的旗舰手机，其处理器几乎都是同款骁龙8 Gen 5。小米在宣传7000 mAh金沙江电池，vivo在展示折叠屏的续航新方案——天鹅板，iQOO在强调电竞散热设计，moto则在展示如何在折叠机身中集成6000 mAh的大容量电池。在安卓阵营中，SoC性能的话题逐渐淡出，处理器芯片就像4G技术一样，在发布会上变得不再重要。手机厂商们陷入了两难境地，只能在其他方面寻找突破口。

01端侧AI的竞争：模型参数是宣传点，功耗和内存才是核心瓶颈 端侧AI领域的参数竞赛在数字上显得异常激烈。Counterpoint的报告显示，到2026年，具备GenAI功能的智能手机将占全球出货量的45%。但分析师同时指出，真正能运行AI功能的设备与用户在日常中实际使用AI功能的设备之间存在明显差距。硬件性能虽然不断提升，但用户的行为模式并没有发生相应的改变。联发科和vivo联合展示了在天玑9300上运行33B参数的大模型；华为宣称麒麟旗舰能够本地推理千亿参数的稀疏模型；小米则大张旗鼓地表示其旗舰手机已经成功运行了千亿规模的MoE模型。7B、13B、33B、100B，这些数字几乎是每隔几个月就会上一个台阶。随后vivo做出了一个逆向选择，将主力端侧模型的规模从7B调整回3B。这并非技术上的局限，而是因为3B模型仅需2GB内存，功耗大约为750mA，能够持续处理128K长文本。在日常使用场景中，3B模型的效果与7B模型相差无几，但手机不会过热，电池也不会过度消耗。用户真正需要的是一个能够切实改善日常使用体验的AI，它需要随时可用、不发热、不耗电，并且能够在用户打开手机的每一个场景中发挥作用。这一判断的背后，还有行业内一个常被忽视的事实：那些动辄百亿、千亿参数的端侧模型，本质上属于稀疏MoE架构——总参数量虽然庞大，但在每次推理中实际激活的参数只有几十亿，再经过INT4量化压缩后，实际运行所需的计算量与7B密集型模型相差不大。千亿参数可以看作是一个大型仓库的总容量，而不是每次实际使用到的全部内容。这一趋势意味着，手机的AI性能实际上由LPDDR5X内存的容量、NPU的算力以及功耗预算共同决定，目前行业内普遍认为稳定落地的模型规模都在7B附近。7B模型经过INT4量化后大约需要4GB内存，正好处于旗舰手机12-16GB LPDDR5X的可用范围内；联发科明确表示天玑9300的APU 790能够以约20 tokens/s的速度推理7B模型，OPPO将7B端侧模型应用于超过100项AI功能，高通虽然没有公布具体的参数量，但其AI引擎的实际规模与此相当。再往上，对手机内存容量和散热的要求往往会超出大多数旗舰手机的实际承载能力。这个参数对于芯片行业的影响也随之发生变化。过去，评判NPU的标准是峰值TOPS，算力越高越好。但现在，当整机厂商开始主动用小模型替代大模型时，NPU真正需要克服的挑战是在750mA的功耗预算下，稳定运行一个长上下文的推理任务，而不是追求峰值运算速度。

片上SRAM用于KV Cache的空间大小、内存带宽的调度效率、对INT4/FP8低精度格式的原生支持，这些指标，比TOPS数值更能贴近用户实际感受到的AI体验。

推理的瓶颈不仅在于NPU的算力，还在于存储带宽能否及时将模型参数喂进NPU。10.8GB/s的读取速度直接影响模型加载速度和KV Cache的刷新效率，这一点与NPU的TOPS数值同等重要，共同决定了用户感受到的AI响应速度。

存储厂商已经意识到了这一点。三星在6月23日发布的UFS 5.0方案中，其顺序读取速度达到了10.8GB/s，是上一代UFS 4.1的两倍以上，整体能效提升了超过40%。三星将这款产品定位为“端侧AI的核心基础设施”。然而，UFS 5.0要到今年四季度才会开始大规模量产，这意味着它将出现在明年的旗舰产品中，今年发布的旗舰手机不会配备这一新方案。Counterpoint的分析指出，存储瓶颈是GenAI手机目前被锁定在400美元以上价位的重要原因之一。UFS 5.0能够带来性能上的飞跃，但其初期成本并不低，短期内高端机型受益的格局不会有太大改变。

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的研究表明，在高端市场，Google Gemini正在成为这一层级的核心，它支撑着苹果重建的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新兴赛道的崛起：协处理器与端侧模型 新赛道正在形成，但有一件事没有变——旗舰手机的处理器层面已经没有太多差异化空间。两款手机可以使用同一颗SoC，但发布会上的宣传内容却不能雷同。差异化的竞争只能转向SoC无法覆盖的领域。在影像算法、游戏体验、续航调度等方面，这些体验层的竞争，SoC的通用设计无法提供最优解。

整机厂的选择是：自己研发一颗专用芯片，将SoC做不好的部分做到极致。

自从苹果用A系列芯片拉开了与安卓阵营的性能差距，“自研SoC”就成了手机行业内一个终极的梦想。尽管有许多手机厂商尝试自主研发SoC，但真实的数据表明，正面开发一颗能够和高通、联发科抗衡的旗舰SoC，在经济上并没有太大优势。

手机厂商后来意识到的事情是：没有必要去替代骁龙，只需要在骁龙无法覆盖的领域研发一颗专用小芯片。

iQOO的Q2电竞芯片就是一个典型的范例。它不涉及CPU、不涉及GPU、也不涉及NPU，只专注于游戏画面的超分和超帧。骁龙8 Gen 5的Adreno GPU虽然也能够处理这些任务，但同时还要承担系统图形渲染、UI合成和其他负载，导致超分的效果和功耗不是最佳状态。Q2将这个任务单独剥离出来，用专用芯片将其做到极致，主SoC反而能够释放更多资源来保证帧率的稳定性。

小米的自研影像芯片逻辑与此相同，它并非要替代骁龙的ISP，而是在ISP完成基础处理之后，接管计算摄影、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。这两颗芯片分工合作，效率比一颗芯片全权负责更高，发热也更少。

这条路线的性价比，远远高于自研SoC。协处理器的功能边界清晰，开发周期较短；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，比等待高通在下一代骁龙中更新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正在增加，12/16/28nm产线的稼动率因此受益。与此同时，高通和联发科被迫适应这一趋势：整机厂的协处理器需要顺畅接入SoC的数据通路，这要求它们开放更多的底层接口，合作模式从“出售一颗芯片”转变为“提供一个可以协同的平台”。

03OpenAI的布局：进军手机市场 OpenAI计划在2028年推出一款以AI为核心的手机，合作研发芯片的是高通和联发科。这个选择值得关注。全球最大的AI公司决定进军手机市场时，没有尝试自研SoC，而是直接选择了现有的两大手机芯片平台。这再次印证了SoC这层并非重点，抢占Gemini已经在占据的模型层，才是OpenAI真正的目标。

这与手机行业正在发生的变化指向同一个方向：SoC正在逐渐成为基础设施，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功耗下运行得更持久，谁的编排逻辑让用户真正能用起来；协处理器层的竞争，是谁能在游戏超分、影像处理这些特定场景中做到极致；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推着向效率发展，另一端被成本推着向整合前进。这两个方向都在压缩旗舰SoC的独特价值，也为成熟制程、本土玩家打开了新的发展空间。

未来手机的差价将来自厂商的创新能力，AI的落地速度，这些真正能够带来突破的关键因素。