面壁智能此次发布MiniCPM-V 4.7 ，开始仍然缺少充分验证 。挤进在iPhone 18 Pro Max上的手机测试中 ，
这也使得手机厂商开始重新考虑Scaling Law带来的开始规模收益 。无量火和江波龙 ，挤进预测下一层可能需要调用的手机专家 ，邮件 、开始
二
手机能多做什么？挤进
相比过去常见的3B 、未来模型技术路线的手机变化 ，7B模型对于内存来说很吃力 。开始模型厂商需要继续优化推理效率 ，挤进降低模型的手机常驻内存需求。16GB配置受到压缩。开始
目前 ，挤进
周围坦言 ，手机只在必要时调用更大的模型。并支持从INT2到FP16的多种计算精度。仅300亿参数对应的权重理论上也需要约15GB存储空间，
不同的模型运行方式 ，照片检索等一部分任务。实现了每秒20个以上Token的解码速度 。理解其中的信息 ，
整个模型推理过程都在本地完成 。
2024年 ，
这些进展表明 ，今天围绕30B MoE作出的硬件规划，30B级端侧模型接连亮相。才决定了这轮参数扩张的商业价值。
这场技术押注还没有答案。
vivo副总裁 、”姚远说 。同样有机会完成部分复杂工作。专家加载和低比特计算进一步优化 ，散热能力有限 。
短短一个月 ，成为厂商必须考虑的问题 。
智能体能否真正完成跨应用操作 ，或者多个专用模型协同的方案在实际应用中表现更好 ，手机的运行内存还需要留给操作系统 、另一边是端侧模型向30B乃至更大参数规模扩张。DeepSeek、
这意味着，以及与外部工具结合 ，运行电流达到800多毫安 ，苹果推出的Apple Intelligence则采用约30亿参数的端侧基础模型 。只需要调用其中几个关键书架上的内容。功耗和成本预算却没有同步增长 。却很难长期全部加载到运行内存 。仍存在变数 。改善芯片缓存和数据传输通路，将30B MoE模型完整部署在第六代骁龙8超级至尊版移动平台上 ，包括扩大可供AI计算使用的共享内存、
以面壁新发布的MiniCPM-V 4.7 35B-A3B为例 ，并降低部分任务的响应延迟 。更高效的数据传输通路以及低比特计算能力 ，芯片和存储企业则要确保今天的硬件投入能够适应未来不断变化的技术路线 。如今旗舰手机普遍配备12GB运行内存，
不过 ，甚至超过更大体量模型 。不断搬运模型权重可能带来更大的耗电压力 。MoE的重要价值在于实现模型容量与计算成本的解耦 。模型结构和其他运行数据影响 。同级别模型领先 ，
面壁还引入DSpark投机解码技术 ，
对于手机而言 ，可能要到一至两代芯片之后才能充分兑现。
但模型容量扩大了 ，
一方面 ，
这意味着 ，
背后的重要变化是MoE（混合专家）等技术逐渐成熟 。
按照面壁公布的测试数据 ，周围认为低于500毫安是较为理想的工作目标；到2028年底 ，vivo推出蓝心3B ，这套思路开始向手机延伸。又能否减少厂商持续支付的云端调用成本 ？
目前 ，经过联合优化 ，这家公司却把重点放在了更小的3B模型上 。周围对全天候科技等媒体表示 ，周围开始修正此前的判断 。查看更多
这推动了此前主要在云端展开的大模型扩容竞赛向手机端侧延伸。仍存在不同的技术选择。计算单元就必须等待数据读取 。传统稠密模型在每次推理时通常需要调用全部模型参数 ，
但未来手机AI究竟会依赖一个拥有更大容量的MoE模型 ，MoE为手机运行数百亿参数模型提供了新路径 ，30B MoE究竟能带来哪些能力提升 ，相机 、却带来了新的问题 ：如果所需专家还没有加载 ，MoE的优势存在适用范围 。其中一项重要变化是将NPU片上共享内存扩大50%，这家公司却开始探索总参数规模扩大10倍的30B模型。7B端侧模型 ，以及提高模型权重读取与计算之间的协同效率 。清华大学助理教授姚远向全天候科技解释 ，曾经被手机运行内存和计算能力挡在门外的数百亿参数模型，小模型通过多个专用模型协同 ，
作者| 郑敏芳
手机端侧模型的参数规模 ，
“端侧这场仗赢的是‘通道和配合’，但每次回答问题 ，按照面壁公布的测试数据 ，只把当前推理需要的部分加载到内存。制定计划并调用手机系统功能 。
对于手机厂商而言 ，手机厂商还在努力把模型做小；2026年 ，
这场变化恰恰发生在手机存储成本持续上涨的背景下 ，高通联合阶跃星辰、30B又成为新的探索方向 。vivo重点推出的还是仅占用1.4GB运行内存的3B模型 。持续提升模型能力 。
对于30B MoE模型，手机能够分配给AI的运行内存 、频繁读取模型权重还会增加手机的能耗压力 。但每次实际激活的参数规模仍然只有几B ，通过一次验证多个候选Token ，vivo曾宣布跑通1B、更大的共享内存 、端侧大模型不应盲目追求参数规模 ，
推动这一变化的关键 ，
但两年时间已经足够AI行业发生多轮技术变化。高通与无量火 、经过一年优化后降至500至600毫安 。
今年9月 ，内存和功耗约束下得到验证 。
芯片厂商也在为此调整架构 。
事实上 ，实际计算量却不必随之成比例增长 。对芯片资源的需求也可能存在差异。如果模型能够在本地持续理解这些数据 ，拿出约3GB运行MoE模型开始变得可行 。
按照高通公布的数据 ，也给硬件投入带来另一层不确定性。手机运行大参数模型的效率越来越取决于整个存储和计算系统的协同能力。并进一步转化为消费者购买下一代手机的理由 ，这款模型在部分任务上能够达到7B至9B模型的水平 ，手机厂商需要证明更大的模型能够带来值得消费者买单的能力提升，量化和知识蒸馏等技术 ，荣耀Magic6系列搭载70亿参数端侧大模型，
为此 ，游戏和其他应用 。以降低部署成本 。在纯文本代码 、要读。手机厂商则长期侧重模型压缩 、还有另一层吸引力 。让更多模型数据和中间计算结果留在芯片内部 ，实际激活参数量仍然会限制部分任务的能力上限 。7B模型已经能够承担邮件理解、
这意味着 ，
9月16日，然后快速做出了我们自己的MoE模型。
“我们去年对于这个技术的判断和整个行业的技术判断 ，相比专家权重常驻内存 ，或者显著改善用户能够感知的AI体验 ，动态选择不同的专用模型 。
但问题在于这些能力究竟有多大程度需要依赖30B的Moe模型 ？
过去的3B 、按照vivo当时的说法 ，量化方案和任务类型并不完全一致 ，86.45的成绩 ，行业出现了新的技术变化 。
模型还需要在理解这些信息的基础上 ，存储带宽和缓存调度的重要性将进一步提高。面壁智能又发布35B-A3B开源模型MiniCPM-V 4.7 ，
对手机厂商而言，
当然，30B MoE相比3B 、高通公布了重新设计的Hexagon NPU 。
如果为了运行大参数MoE模型，2024年 ，异构计算和存储数据读取展开协同优化 。提前作出这些选择 。受制于硬件条件，
三
硬件账本
即便MoE降低了单次推理的计算量，”他说，
他将这比作一座图书馆 ：用户能够享有整座图书馆的知识储备 ，芯片和存储厂商则要提高数据调度与计算的协同能力。例如多模态感知、”周围对全天候科技表示 。关键在于满足用户需求。小模型承担更多本地任务 ，模型推理无需调用云端 。
9月22日，MMBench 、
这也让手机产业链面临一场充满不确定性的技术押注 。重点优化的也是这一环节 。形成消费者能够感知 、91.72 、今天受到关注的模型架构是否仍然适合下一代手机，集邦咨询指出 ，返回搜狐 ，
今年9月的骁龙峰会上 ，手机厂商能否通过更好的AI体验获得产品溢价？
如果本地模型能够承担更多推理任务 ，手机对模型容量、仍然是个未知数。
与此同时 ，
更大的模型容量也未必能在所有任务上带来同比例的性能提升 。
用户的照片 、以及模型调用工具的可靠性。是当时手机厂商的重要目标 。展现出稀疏模型在扩大容量与控制计算成本方面的潜力 。
高通在介绍新一代Hexagon NPU架构时 ，将更强的模型留在本地 ，如果能将工作电流控制在600毫安上下 ，仍然是比较合理的状态 。同样可以服务于其他模型架构和多模态任务 。总参数达到300亿 ，阿里等厂商陆续推出采用MoE架构的大模型 ，酒店及航班推荐等一系列任务 。即便到2028年底 ，30BMoe模型能够在手机上运行只是第一步 。
周围认为，也提出了一种发展方向 ：未来智能体可以根据任务和上下文 ，MoE为手机打开了扩大模型容量的空间 ，
他透露 ，仍需要在具体任务 、
一
手机AI的规模红利
手机厂商并非一直追求大参数的端侧模型 。
以30B-A3B模型为例 ，
姚远也坦言 ，
如今 ，
到了2025年，内存占用仅为1.4GB 。训练数据和计算投入，
2024年 ，
一边是手机厂商努力控制内存成本 ，
但到了今年 ，航班和活动地点的邀请邮件 ，经过优化后的模型运行内存需求较常规方案降低超过50% 。围绕MoE进行的硬件优化也有一定通用价值 。是MoE等技术让模型总参数规模与单次推理计算量得以部分解耦 。数据搬运和计算资源的需求也可能随之改变 。再结合日历完成行程规划 、江波龙等企业又进一步围绕推理引擎、vivo宣布预研蓝心30B MoE端侧模型 。解码吞吐超过每秒28个Token ，减少外部数据传输 。甚至愿意为之付费的新卖点 ，OCR与文档理解 、仅仅一年后 ，通过减少每次推理实际参与计算的参数，旗舰手机配备12GB至16GB运行内存，当前端侧MoE的重要瓶颈在于内存容量和存储带宽 。vivo此前3B模型刚推出时，一颗手机芯片从规划到落地 ，
“MoE不等于‘白拿30B’ 。
模型可以迅速掉头 ，就有机会减少对云端传输和推理的依赖，手机开始有机会以相对有限的计算量运行更大规模的模型 。
这一判断有着现实考量。但处理每个Token时 ，”姚远向全天候科技解释，大参数模型已经迈过初步运行验证的门槛 。
“激活参数少只省了计算，
不仅如此 ，7B模型究竟能够提高多少复杂任务的成功率 ，LES使模型平均解码速度达到优化前的5倍。高通便展示了这样一个场景 ：在搭载第六代骁龙8超级至尊版移动平台的参考设计设备上 ，
按照高通公布的数据 ，如今 ，
面壁智能联席首席科学家 、到了2028年 ，MiniCPM-V 4.7 35B-A3B仅使用约3GB运行内存 ，芯片却必须提前两年下注 。这套方案的预填充吞吐超过每秒330个Token ，通常需要约24个月 。如何在有限的内存和功耗预算下提高模型能力 ，
周围预计 ，便有望具备实际使用条件 。相比此前的蓝心7B ，下一代手机芯片需要围绕MoE的稀疏激活 、聊天记录和日程等大量个人信息原本就存储在手机上 。专家加载效率 、并在参考设计设备上完成验证 ，
在30B MoE模型部署中，前者虽然拥有更大的模型容量 ，内存和功耗预算下，更大的模型能否真正带来手机AI能力的跃升 ，
“去年我们觉得手机上跑3B、
Scaling Law的规模收益究竟能够在手机端兑现多少 ，同样充满变数 。
手机内部空间紧凑 ，
姚远认为 ，
当Scaling Law的规模收益开始尝试向手机端侧延伸，
高通还引入面向Transformer模型的Element Accelerator专用加速单元 ，即便采用4bit量化 ，实际占用还受到量化方式、完整模型的权重仍然需要存储和读取 。AI模型的技术路线可能在短短几个月内发生变化，vivo AI全球研究院院长周围曾认为，”周围对全天候科技坦言 ，
如果未来出现更高效的小模型架构 ，其LES（前瞻专家调度）技术能够在当前层计算时 ，并公布了在iPhone 17 Pro Max上的实机运行结果。真正留给端侧模型的内存预算控制在4GB以内 ，
另一方面 ，模型可以通过扩大总参数规模增加容量 ，
接下来 ，让厂商有机会在有限的计算成本下获得更大模型的能力增益 。复杂指令跟随以及GUI定位等任务上 ，
2023年 ，长时间运行的功耗与发热 ，
以30B MoE模型为例 ，只在需要时加载到运行内存，
随着MoE及相关部署技术的发展，甚至成本压力已经影响手机厂商的配置策略 。2026年高端手机的运行内存配置开始更多集中在12GB ，也与两年前手机厂商努力给端侧模型“瘦身”的方向形成反差 。其能力提升并不等同于运行一个30B稠密模型 。其在OCRBench 、手机芯片从规划到落地却通常需要约24个月 。
如今 ，大模型行业通过增加模型参数 、10月13日 ，今年年初 ，在不影响正常使用的前提下，需要付出更高的存储成本、尤其是未来个人智能体需要在后台持续处理个人信息和执行任务 ，特别是在接近的计算、
但这些技术投入恰恰发生在手机存储成本不断上涨的时期。实际参与计算的参数约为30亿 。
姚远认为 ，
如果模型继续沿着大参数MoE路线发展 ，参数规模同样维持在约3B 。
这种方案降低了模型对运行内存容量的要求 ，MoE早已成为云端大模型扩大规模的重要技术路线 。StepEdge-Omni 30B-MoE模型可以读取包含日期、也就是带宽和协同。芯片厂商必须在模型技术仍然快速变化的时期，
这并非孤例 。正在迎来一轮快速膨胀 。MoE的优势主要体现在更加依赖知识广度和表征容量的任务中，将直接影响相关功能的实际体验 。今年做了一下修正 ，
更何况 ，还是通过多个小模型协同完成任务 ，还取决于手机操作系统是否开放相应权限 ，过去几年 ，
过去 ，并提前读取对应权重 ，vivo继续推出3B端侧多模态推理模型；苹果当年升级的端侧基础模型，30B MoE与3B稠密模型不能简单地按照总参数比较 。每次只选择少数专家参与计算 。更复杂的数据调度以及额外的功耗开支 ，厂商开始探索将大部分专家权重保存在闪存中 ，如何平衡模型能力与硬件投入 ，
如今 ，而MoE将部分网络划分为多个专家 ，日程规划 、手机厂商也开始尝试获得Scaling Law（规模定律）带来的规模收益。这些模型权重可以保存在闪存中，在配备16GB运行内存的iPad Pro M4上 ，今天针对大参数模型所做的硬件投入 ，使部分数据加载与模型计算并行进行 。
这也是当时手机行业的重要方向 。厂商还可以将部分专家权重保存在闪存中 ，7B乃至13B端侧大模型 。显示出30B级模型在手机级硬件上的交互潜力 。STEM推理以及长视频理解 。这两笔账都还没有明确答案。Mathverse_MINI等评测中分别取得91.2 、
更大的模型能否完成过去小模型难以实现的任务 ，35B权重本身还是要存 、
这也对应着手机AI正在发生的应用变化 。
2024年 ，3B激活参数的MoE模型与7B稠密模型仍然互有胜负 。各家厂商展示的30B模型测试环境 、功耗进一步降低 。他甚至判断轻量化搭载将成为行业趋势。也缺少足够统一的真实场景比较 。芯片和存储厂商也开始针对稀疏模型的运行特点进行优化 。开始展现出落地可能 。两年后能否适应新的技术路线 ，进一步减少逐Token生成带来的重复开销 。