高通第六代骁龙8超级至尊版发布：5GHz与端侧30B大模型

“我们正在从以手机为中心的模式，转向以智能体为中心的新体验。手机、PC、眼镜、可穿戴设备以及汽车，都将成为智能体的终端入口。”在 2026 骁龙峰会上，高通公司总裁兼 CEO 安蒙指出。

高通发布第六代骁龙8超级至尊版

过去二十年，智能手机始终围绕 App 运转。而 AI 智能体则需要全天候感知环境、理解上下文，并在无需用户实时操作的情况下自主执行复杂任务。这种全新的工作流要求计算架构彻底重构：CPU 负责智能体编排调度，NPU 高效处理 AI 推理，GPU 承载并行渲染与计算，协同通信能力也提升到了前所未有的高度。

为此，高通首次同时推出两款 2nm 制程移动旗舰平台——第六代骁龙8超级至尊版和第六代骁龙8至尊版。

2nm 制程双旗舰

其中，位于产品序列顶端的超级至尊版集成了多项突破性规格：最高主频达到 5GHz 的 Oryon CPU、首次引入 Matrix Cores（矩阵核心）的 Adreno GPU，以及支持在端侧运行 300 亿参数 MoE（混合专家）模型的 Hexagon NPU。

第六代骁龙8超级至尊版核心规格

破解“内存墙”：CPU、GPU、NPU 系统级动刀

第六代骁龙8超级至尊版最惹眼的参数是 5GHz 的 CPU 主频。

5GHz 移动 CPU

但端侧 AI 智能体真正的痛点在于“内存墙”与续航限制，而非单纯的峰值算力。模型推理需要高频读取权重、上下文、KV-cache 及中间计算结果。数据若在片上存储与系统内存间频繁搬运，会造成极大的延迟与功耗浪费。

为了打破内存墙，高通对整套 SoC 展开了系统级重构：

Oryon CPU 引入 FlexCache：8 个核心共享同一个 L2 缓存池，并根据负载动态分配。AI 智能体在串联执行多项任务时，数据无需在每次任务交接时重新自系统内存读取，有效消除了调度等待时间。

Oryon FlexCache 缓存架构

Adreno GPU 配备独立高速显存：搭载第二代 18MB 独立高速显存（HPM），用于暂存渲染瓦片、帧缓冲和中间结果，大幅降低图形管线对外部内存的依赖，实现 12% 的功耗缩减。

Adreno GPU 架构升级

Hexagon NPU 共享内存扩容 50%：让模型状态和 KV-cache 更多保留在片上，减少外部 DDR 访问频率。

Hexagon NPU 架构与共享内存

结合对 LPDDR6 内存与 UFS 5.0 闪存的支持，大模型权重能够常驻高速闪存，并按需快速调入内存，从片上到系统各层级缓解数据搬运压力。

专为 AI 智能体设计的异构协同系统

AI 智能体需要全天候执行“感知—理解—规划—执行”的闭环，单靠某个特定计算单元无法承载这一复杂的异构负载。

为智能体协同打造的计算平台

在第六代骁龙8超级至尊版上，各模块达成了明确分工：

Oryon CPU 掌控控制流、任务分发与云端 API 路由；
Hexagon NPU 运行端侧核心大模型。其新增的 Hexagon Element Accelerator 针对 Transformer 关键算子进行了专门加速，最高支持 32K Token 上下文窗口，部分模型预填充速度提升达 80%；
Adreno GPU 性能提升最高达 44%，能效提升 40%，且首次内置 Matrix Cores，允许超分辨率和插帧等 AI 任务直接在图形管线内部处理，省去与 NPU 之间的数据往返；
高通传感器中枢 搭载双 Micro NPU，性能提升 85% 的同时功耗降低 20%，无需唤醒主芯片即可常态化感知语音、用户活动和环境情境。

Adreno GPU 首次加入 Matrix Cores

300 亿参数 MoE 落地端侧：从单次问答到连续工作流

这一架构最直观的落地成果，是手机端侧成功跑通 300 亿参数的 MoE（混合专家）模型。

该模型在推理生成每个 Token 时仅激活约 30 亿参数，在模型知识容量与移动设备的功耗、内存上限之间找到了极佳的平衡点。

端侧运行 300 亿参数 MoE 模型

高通联合阶跃星辰、无量火、江波龙，成功将 StepEdge-Omni 30B-MoE 部署在手机端。得益于异构调度与存算协同，该方案使模型运行内存占用降低逾 50%，预填充速度突破 330 Token/s，解码速度超过 28 Token/s。NPU 与 GPU 双引擎协同使预填充吞吐量提升了 30% 以上，能够顺畅处理邮件理解、行程规划、日历同步及酒店航班推荐等一连串复合任务。

端侧 AI 走向工作流