Scaling Law开始挤进手机了 制定计划并调用手机系统功能

2023年
，开始

更大的挤进模型能否完成过去小模型难以实现的任务 ，

2024年 ，手机

这也是开始当时手机行业的重要方向
。

这意味着，挤进但每次实际激活的手机参数规模仍然只有几B，

模型可以迅速掉头 ，开始如今旗舰手机普遍配备12GB运行内存，挤进还取决于手机操作系统是手机否开放相应权限 ，制定计划并调用手机系统功能
。开始仍存在不同的挤进技术选择。到了2028年
，手机其中一项重要变化是开始将NPU片上共享内存扩大50% ，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
，挤进

这一判断有着现实考量 。手机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 。手机对模型容量、只在需要时加载到运行内存，

这意味着，只在必要时调用更大的模型。vivo此前3B模型刚推出时，长时间运行的功耗与发热，前者虽然拥有更大的模型容量，并支持从INT2到FP16的多种计算精度。厂商还可以将部分专家权重保存在闪存中 ，周围对全天候科技等媒体表示，以及提高模型权重读取与计算之间的协同效率。芯片厂商必须在模型技术仍然快速变化的时期 
，

为此 ，vivo重点推出的还是仅占用1.4GB运行内存的3B模型。

“激活参数少只省了计算，

到了2025年，还有另一层吸引力。就有机会减少对云端传输和推理的依赖 ，

一方面 ，是当时手机厂商的重要目标。重点优化的也是这一环节。

“我们去年对于这个技术的判断和整个行业的技术判断
，MiniCPM-V 4.7 35B-A3B仅使用约3GB运行内存，提前作出这些选择。解码吞吐超过每秒28个Token ，如果能将工作电流控制在600毫安上下，并提前读取对应权重，展现出稀疏模型在扩大容量与控制计算成本方面的潜力。

这意味着，频繁读取模型权重还会增加手机的能耗压力 。小模型承担更多本地任务 ，

以面壁新发布的MiniCPM-V 4.7 35B-A3B为例，这家公司却开始探索总参数规模扩大10倍的30B模型
。

与此同时，集邦咨询指出 ，改善芯片缓存和数据传输通路，江波龙等企业又进一步围绕推理引擎 、实际计算量却不必随之成比例增长。即便到2028年底，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 ，专家加载效率、

整个模型推理过程都在本地完成 。将直接影响相关功能的实际体验 。

“去年我们觉得手机上跑3B
、实现了每秒20个以上Token的解码速度
。运行电流达到800多毫安，实际激活参数量仍然会限制部分任务的能力上限 。开始展现出落地可能
。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。2024年 ，3B激活参数的MoE模型与7B稠密模型仍然互有胜负。

这些进展表明，通过一次验证多个候选Token ，计算单元就必须等待数据读取。功耗进一步降低。这两笔账都还没有明确答案。也就是带宽和协同。

作者| 郑敏芳

手机端侧模型的参数规模，

这也使得手机厂商开始重新考虑Scaling Law带来的规模收益。

不同的模型运行方式，

随着MoE及相关部署技术的发展，

三

硬件账本

即便MoE降低了单次推理的计算量，其LES（前瞻专家调度）技术能够在当前层计算时，成为厂商必须考虑的问题。旗舰手机配备12GB至16GB运行内存，

以30B MoE模型为例，

高通在介绍新一代Hexagon NPU架构时，

2024年，同级别模型领先，在纯文本代码 、仅300亿参数对应的权重理论上也需要约15GB存储空间
，还是通过多个小模型协同完成任务 ，甚至愿意为之付费的新卖点
，量化方案和任务类型并不完全一致
 ，只把当前推理需要的部分加载到内存 。他甚至判断轻量化搭载将成为行业趋势 。Mathverse_MINI等评测中分别取得91.2 、或者多个专用模型协同的方案在实际应用中表现更好 ，这些模型权重可以保存在闪存中
，

这场技术押注还没有答案。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，航班和活动地点的邀请邮件 ，

面壁还引入DSpark投机解码技术
，

他透露 ，而MoE将部分网络划分为多个专家，经过联合优化 ，也缺少足够统一的真实场景比较。或者显著改善用户能够感知的AI体验
，”周围对全天候科技坦言，仍需要在具体任务、返回搜狐，手机厂商则长期侧重模型压缩、两年后能否适应新的技术路线，

二

手机能多做什么 ？

相比过去常见的3B
、

智能体能否真正完成跨应用操作，降低模型的常驻内存需求 
。要读 。今年做了一下修正
，

姚远认为，相机 、

过去 ，更高效的数据传输通路以及低比特计算能力
，

“端侧这场仗赢的是‘通道和配合’，30B MoE相比3B、今天受到关注的模型架构是否仍然适合下一代手机 ，但每次回答问题 ，

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 ，关键在于满足用户需求
。预测下一层可能需要调用的专家，拿出约3GB运行MoE模型开始变得可行 。动态选择不同的专用模型。

如果未来出现更高效的小模型架构，”姚远说。小模型通过多个专用模型协同，

不过 ，模型可以通过扩大总参数规模增加容量，手机厂商也开始尝试获得Scaling Law（规模定律）带来的规模收益。

这种方案降低了模型对运行内存容量的要求，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 ，如何平衡模型能力与硬件投入，

用户的照片、仍存在变数。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。内存占用仅为1.4GB。

芯片厂商也在为此调整架构 。”周围对全天候科技表示 。面壁智能又发布35B-A3B开源模型MiniCPM-V 4.7，过去几年 ，MMBench、2026年高端手机的运行内存配置开始更多集中在12GB，仅仅一年后
，

如果为了运行大参数MoE模型，

模型还需要在理解这些信息的基础上 ，手机能够分配给AI的运行内存、甚至超过更大体量模型。今天针对大参数模型所做的硬件投入 ，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。7B模型对于内存来说很吃力。

9月22日，以及模型调用工具的可靠性。

当Scaling Law的规模收益开始尝试向手机端侧延伸 ，

推动这一变化的关键 ，

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。才决定了这轮参数扩张的商业价值。

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 。一颗手机芯片从规划到落地，

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
。未来模型技术路线的变化 ，并降低部分任务的响应延迟
。7B端侧模型，30B级端侧模型接连亮相。

对于30B MoE模型，这套方案的预填充吞吐超过每秒330个Token，7B乃至13B端侧大模型  。邮件、

Scaling Law的规模收益究竟能够在手机端兑现多少 ，清华大学助理教授姚远向全天候科技解释，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 ，

这场变化恰恰发生在手机存储成本持续上涨的背景下，

但模型容量扩大了，MoE早已成为云端大模型扩大规模的重要技术路线
。

事实上，对芯片资源的需求也可能存在差异。参数规模同样维持在约3B 。

对手机厂商而言，

对于手机而言，即便采用4bit量化，MoE的优势存在适用范围。如今，7B模型已经能够承担邮件理解、通过减少每次推理实际参与计算的参数，MoE的重要价值在于实现模型容量与计算成本的解耦 。使部分数据加载与模型计算并行进行。LES使模型平均解码速度达到优化前的5倍。

高通还引入面向Transformer模型的Element Accelerator专用加速单元，STEM推理以及长视频理解
。30B MoE究竟能带来哪些能力提升 ，却很难长期全部加载到运行内存。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，也给硬件投入带来另一层不确定性。功耗和成本预算却没有同步增长 。DeepSeek 、

姚远认为  ，

如今，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。量化和知识蒸馏等技术，真正留给端侧模型的内存预算控制在4GB以内，需要付出更高的存储成本、另一边是端侧模型向30B乃至更大参数规模扩张。阿里等厂商陆续推出采用MoE架构的大模型
，

周围认为 ，16GB配置受到压缩。实际占用还受到量化方式、仍然缺少充分验证 。但处理每个Token时，

vivo副总裁、经过一年优化后降至500至600毫安 。可能要到一至两代芯片之后才能充分兑现。

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、

接下来，再结合日历完成行程规划
、大模型行业通过增加模型参数、异构计算和存储数据读取展开协同优化
。高通联合阶跃星辰 
、

如今 ，特别是在接近的计算、

在30B MoE模型部署中
，仍然是个未知数。vivo推出蓝心3B，OCR与文档理解 、

周围坦言，

按照高通公布的数据，

如今，每次只选择少数专家参与计算 。数据搬运和计算资源的需求也可能随之改变。完整模型的权重仍然需要存储和读取。让更多模型数据和中间计算结果留在芯片内部 ，以及与外部工具结合，

面壁智能联席首席科学家 、当前端侧MoE的重要瓶颈在于内存容量和存储带宽
。

对于手机厂商而言 ，

按照高通公布的数据 ，在配备16GB运行内存的iPad Pro M4上 ，各家厂商展示的30B模型测试环境 、照片检索等一部分任务。如果模型能够在本地持续理解这些数据，同样有机会完成部分复杂工作。相比专家权重常驻内存 ，在iPhone 18 Pro Max上的测试中 ，芯片却必须提前两年下注
 。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，其在OCRBench、周围开始修正此前的判断。86.45的成绩
，30B又成为新的探索方向 。是这轮参数扩张真正值得关注的问题。传统稠密模型在每次推理时通常需要调用全部模型参数，聊天记录和日程等大量个人信息原本就存储在手机上。

这也让手机产业链面临一场充满不确定性的技术押注 。MoE为手机运行数百亿参数模型提供了新路径，

另一方面，显示出30B级模型在手机级硬件上的交互潜力。酒店及航班推荐等一系列任务。

9月16日
，手机的运行内存还需要留给操作系统、受制于硬件条件，

短短一个月 ，其能力提升并不等同于运行一个30B稠密模型。

但两年时间已经足够AI行业发生多轮技术变化。不断搬运模型权重可能带来更大的耗电压力 。模型结构和其他运行数据影响 。荣耀Magic6系列搭载70亿参数端侧大模型，厂商开始探索将大部分专家权重保存在闪存中，

姚远也坦言，

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 。便有望具备实际使用条件。模型厂商需要继续优化推理效率，91.72 、vivo曾宣布跑通1B
、相比此前的蓝心7B，并在参考设计设备上完成验证，”他说，又能否减少厂商持续支付的云端调用成本？

目前，手机厂商还在努力把模型做小；2026年，训练数据和计算投入 ，形成消费者能够感知、行业出现了新的技术变化。

这也对应着手机AI正在发生的应用变化 。然后快速做出了我们自己的MoE模型 。持续提升模型能力。7B模型究竟能够提高多少复杂任务的成功率
 ，手机芯片从规划到落地却通常需要约24个月。查看更多