10月9日，联发科新一代MediaTek天玑旗舰芯片——天玑9400正式亮相，成为安卓阵营首颗采用台积电第二代3nm制程的手机SoC。

平静已久的手机SoC赛道，由此画出了一道全新的起跑线。

全球智能手机在2016年以后进入存量市场，国产手机品牌带头围绕相机、折叠屏做硬件创新，在不断拉长的换机周期争取珍贵的单机利润增长，而作为性能引擎的手机SoC，这些年来却少有令人印象深刻的进步。

去年问世的天玑9300成为最近几年为数不多的令人惊艳的手机SoC之一，各项性能跑分力压同期的苹果A17 Pro和高通骁龙8Gen3。以天玑9300为开端，三巨头之间开始弥漫的硝烟，为新一轮竞争周期打了个前瞻。

2024年是智能手机新一轮换机潮的开始。伴随着各类硬件创新陷入同质化瓶颈，智能手机的较量回归最硬核的主线——手机SoC。而迎面赶上的生成式AI浪潮，也将给稳固已久的手机SoC竞争格局，带来不小的变数。

手机SoC的新竞争是从3nm的博弈开始的。

今年第二季度开始，全球芯片行业进入缓慢复苏期，台积电以营收同比达40.1%的高增独领风骚，去年下半年才正式开始接单营业的3nm占据晶圆总收入的15%。

手机SoC作为台积电3nm异军突起的主要推手，对于制程工艺的选择向来激进。从2007年进入智能手机时代开始，芯片制程每推进一代，手机SoC总能最早吃到螃蟹，3nm也没有例外。

台积电3nm的第一单是苹果A17 Pro，天玑9400是安卓阵营首颗采用台积电第二代3nm的SoC。业内透露，台积电3nm产能利用率已达100%，且严重供不应求，未来不排除5nm产线转换为3nm填补供应[1]。

手机SoC向3nm蜂拥而至的背后，是智能手机在明显放缓的硬件创新节奏中，越发尖锐的“性能-功耗”矛盾。

衡量手机SoC性能，简单理解就是单位时间里干的活越多，性能越高，但同时功耗也就越大，这就会直接影响手机的续航。

手机品牌在硬件上的“过分努力”加剧了这种矛盾。一个例子是折叠屏手机，其展开后屏幕尺寸相较于直板手机成倍增长，代价却是同样倍增的功耗，所以手机品牌才会急着将电动车还没普及的硅碳电池安上手机，核心就是为了解决功耗问题。

但由于存在SoC “性能-功耗”划定的硬件创新上限，种种手段不过是在螺狮壳里做道场，成全这个总要牺牲那个，而制程升级是个昂贵却能够一劳永逸的办法。

制程数字越小，代表晶体管体积越小，同样面积的芯片内能塞更多的晶体管，而电信号能在更短的距离内传输，提高了芯片的工作频率和运行速度，两厢综合，能带来芯片整体性能质的飞跃；同时由于制程越小、工作电压更低，使得功耗降低。

芯片行业有一句老话，“一代产品，一代工艺”，说的就是制程提升所带来的产品端性能和功耗的飞跃。

全球第一颗采用台积电4nm的手机SoC是天玑9000，问世至今已有3年，过去几年手机SoC发展进入瓶颈期，怪台积电不够努力也并非毫无道理。

如今3nm虽迟但到，越早用上的也就在手机SoC新一轮竞赛中确立了优势。

相比于苹果A17 Pro采用的初代3nm，天玑9400采用的第二代3nm在技术上更加成熟，而相比于采用4nm的天玑9300，在整体设计上也彻底放开了手脚。

CPU采用了“1+3+4”全大核架构，其中“1”是指Cortex-X925（代号黑鹰），是Arm全新一代超大核，对比上代X4性能提升36%，AI性能提升41%，是Arm五代超大核中性能提升最大的，直接对齐PC级CPU。

GPU采用了最新Immortalis-G925，是Arm史上性能最高、效率最高的GPU。同时成为业内首颗将PC端顶级OMM追光引擎引入移动端的SoC。

AI加速方面，全新搭载的NPU 890 AI性能跑分超过6700分，功耗降低了35%，具备率先支持端侧LoRA训练和端侧高画质视频生成，并面向开发者提供AI智能体化的能力。

台积电第二代3nm给了联发科更锋利的武器，但天玑9400的突破还在于日臻成熟的设计哲学，在“既要且要”的行业语境下，有了更明确的取舍和坚持。

衡量手机SoC性能有一个基本公式：性能=时钟频率（每秒执行多少个周期） × IPC（每一时钟周期内执行多少指令）。产品迭代也主要围绕这两个维度做提升。

天玑9400的CPU部分沿用了天玑9300“1+3+4”的架构，主核“黑鹰”Cortex-X925时钟频率为3.62GHz，较9300的Cortex-X4的3.25GHz稳步提升，但更让业内瞩目的却是IPC进一步提升了15%。

外界常常将时钟频率视衡量性能更直观的标尺，但高频的代价往往是更高的功耗和更严重的发热问题，卡住了智能手机的脖子。

作为一种对便携性要求很高的设备，智能手机一方面不能像PC一样长期插电使用，电池容量又受限于体积，续航本就捉襟见肘；另一方面由于体积小，散热差，对发热极其敏感，如果GPU一样暴力堆核心怼性能，那大概率会收获一面能煎蛋的“平底锅”。iPhone早期被诟病的发热问题就来源于此。

因此更科学的设计思路，是在一定时钟频率的基础上，首先考虑尽可能地做IPC提升。

类似于CMOS图像传感器的“底大一级压死人”，IPC就是手机SoC的“底”，而提升IPC，考验的是芯片的架构设计，也是芯片设计公司内功的体现。

天玑9400的IPC提升主要来源于“黑鹰”Cortex-X925，作为Arm最新一代超大核，联发科深度参与了“黑鹰”的设计，新的架构带来最新优化的指令集，通过更科学的资源调度，例如线程分配，在不同场景中尽可能“物尽其用”，减少性能的冗余。

比如在浏览网页等一些无需高算力输出的场景下，SoC能够在相对低频的情况下，游刃有余地完成任务，使得整体功耗进一步下探。

IPC和功耗以外，天玑9400还突破了手机SoC在算力时代的另一个痛点——存储。

一颗SoC的基本运算流程是：CPU从内存调取数据，根据指令分配给GPU/NPU做对应的计算工作，再把结果重新返回给内存/缓存。

决定整个过程速度的除了CPU/GPU/NPU的计算速度之外，还有数据从内存调取以及输送的速度。随着CGN（CPU、GPU、NPU）性能的疯涨，与内存传输速度之间的差距也越来越大，也就是所谓的“内存墙”，决定了芯片算力的上限。

为此，天玑9400业内首个搭载了三星LPDDR5X 10.7Gbps，后者是目前全球最快的移动内存，性能较上一代提升了25%，功耗降低了25%。并以“黑鹰”架构为底，提升了缓存容量，缓存较内存距离CGN更近，数据传输耗费的时间更短。

自2021年推出天玑9000系列起，联发科在高端手机SoC的发展驶入了快车道。

从天玑9000采用台积电4nm，到9300系列果断抛弃大小核设计、领先业内采用全大核设计，联发科逐渐从追逐者转变成为了技术引领者——截至今年上半年，天玑9300仍霸占各大手机SoC性能天梯图、跑分排行榜的榜首位置。

天玑9400站在前代的肩膀上，重新对照消费者的真实需求，对纸面性能数字的实际效益进行了更深入的思考，和面向更长远未来的设计预埋。

在大模型入端浪潮迭起、即将深刻改变终端设备的当下，这种反思是必要且及时的。

随着各大机构公开上半年销售数据，智能手机的复苏被一再确定。而在研报和手机品牌新品会上被频繁提及的“AI手机”，成为这一波复苏不可或缺的推手。

大模型入端是AI大模型浪潮的下半场，智能手机作为过去十几年体量最大的移动终端被赋予了重任：既要为大模型变现，又要利用大模型为智能手机贡献新的增长点。

但相较于手机品牌和机构的热闹，消费者对AI手机的概念仍然模糊，体验仍然鸡肋，根源在于AI手机的硬件核心——SoC还没到位。

调研机构IDC和Counterpoint都给出过AI手机的定义，共同将手机SoC列入“准入门槛”。

IDC认为，AI手机是搭载了满足AI算力需求的移动端芯片，并加载了深度学习AI功能的智能手机，且NPU算力必须大于30 TOPS[2]，Counterpoint规定AI手机需要拥有集成或独立的神经网络运算单元（如APU/NPU/TPU），本身具备强大的AI算力[3]。

按这样的标准在市面上所谓的AI手机中挑挑拣拣，符合要求的所剩无几，因为算力“过线”的手机SoC，在很长时间里只有天玑9300、苹果A17 Pro、高通骁龙8Gen3，而搭载这几款芯片的AI手机其实并不算多。

图源：千际投行

天玑9400预告已久，早前就被传出已经被多家头部手机品牌旗舰机型锁定，也反映了这种“僧多粥少”的窘境。

作为AI手机SoC的新晋成员，天玑9400确实不负众望。除了算力的成倍提升和功耗可观的下降外，天玑9400的更大突破在于业内首个在端侧实现了推理和训练，并面向开发者提供AI智能体化的能力。

受制于电池容量、内存大小等硬件配置，目前终端设备执行复杂的生成式AI任务，大多是依靠云端协同的方式，即云端训练模型、终端用模型进行推理，但这种模式也面对诸如数据安全、传输速度等问题，始终会牺牲一部分消费者体验，例如流畅性。

天玑9400的解决思路是，在端侧直接实现训练和推理两条腿走路，既规避了数据安全和传输问题，又能让手机“越用越懂”。根据介绍，通过搭载天玑9400，手机可以在消费者夜间休息时，通过NPU做到低功耗训练，“睡醒的时候就越懂消费者一点。”

过去的十几年，相较于PC厂商跟随芯片大厂处理器的迭代节奏亦步亦趋、将“首发XXX处理器”作为宣传标语大写加粗，手机品牌在产品创新的维度上，总是有除了SoC以外更好的选择。

生成式AI浪潮催生了AI手机的诞生，将智能手机的竞争与手机SoC前所未有地紧密联系在一起，也将创新的压力从手机品牌的手上移交给了SoC厂商。

“30 TOPS的NPU”卡住了绝大多数SoC厂商，但这其实只是个基线。如今大多数生成式AI的应用还在APP层面，而大模型入端的未来在于AI操作系统（AIOS）的应用。

有机构测算，以苹果开发的多模态大语言模型Ferret-UI（参数量130亿）为例，以手机屏幕分辨率1920*1080、用户允许最长推理时间2s、硬件算力利用率60%测算，要AI生成一张高分辨率的图像所需峰值算力是99 TOPS[4]。

由此得出搭载AI OS的的处理器算力门槛在100 TOPS。随着AI大模型与手机软硬件更加深度的融合，对SoC算力的需求只会越来越大。

业界首发端侧视频生成、端侧LoRA训练、端侧混合专家（MoE）模型…在移动终端向着智能体化的发展路径上，天玑9400已在AI要地完成战略部署，带来近年来同领域内最大的一场革新。

性能向个别指标的倾斜，也将彻底颠覆SoC传统的设计思路，赛道的重塑已箭在弦上，看似热闹的AI手机SoC大军中，拿到入场券的实则比想象中更少。

1983年，摩托罗拉生产了世界上第一部手机DynaTAC 8000X（大哥大），30多个电路板上的几千颗晶体管，组成了重达2磅（907g）的机身，充电10小时，通话半小时。

DynaTAC 8000X

1995年，LSI Logic为索尼PlayStation设计了第一颗SoC，将微处理器、JPEG视频解码器和3D图像引擎集成在一块电路板上，手机由此走上了“瘦身”之路，便携性加身，得以飞入寻常百姓家。

以此为起点，芯片制程的推进、晶体管的微缩得以让越来越多的零部件被加入机身，手机的“功能箱”不断壮大，兑现成每年指数级增长的销售额。回顾手机发展的历史，每一部令人印象深刻的作品背后，都有一颗SoC作为创新的引擎。

如今，生成式AI为智能手机勾勒了崭新的形态以及更不可测的未来，手机SoC再次担负起了落地的重担，为智能手机在AI终端的未来图景里力争一隅。