9月15日，联发科（MediaTek）正式发布了旗舰5G智能体AI芯片-天玑9600 Pro。除了台积电2nm制程、2+3+3全大核CPU、LPDDR6和UFS 5.0等基础性能升级，更值得关注的是，它采用全新的AI原生架构，开始把CPU、NPU、GPU以及内存、电源和系统调度放进同一套AI计算体系中。
大模型进入手机之后，为什么“一颗NPU”已经不够？
按照MediaTek的设计思路，天玑9600 Pro并不只是继续提高NPU算力。其天玑智算融合架构让CPU与NPU深度协同，天玑调度引擎则进一步统一调动算力、电源和内存资源；与此同时，双NPU分别承担高性能推理与低功耗持续感知，GPU和ISP也开始直接引入AI计算。 从架构上看，这已经与过去“CPU负责通用计算、GPU负责图形、NPU负责AI”的相对独立分工有所不同。
这种变化的背景，是手机AI正在从生成式AI走向智能体AI。过去两年，大模型进入手机后，端侧AI最容易被量化的指标，是NPU算力有多高、能够运行多大的模型，以及生成速度有多快。文本生成、图片处理、实时翻译等应用，本质上仍属于相对明确的单次任务：用户发起请求，系统调用模型完成计算，随后返回结果。Agent则不同。它需要持续感知用户和环境，理解上下文，进行任务规划、调用工具并执行操作，再根据执行结果进入下一轮判断。换句话说，AI开始从“用户叫它时才工作”，变成可能长期存在于手机后台的一套计算工作流。
这会显著改变SoC的负载模式。一个智能体工作时，CPU可能负责规划和应用调用，NPU负责模型推理，GPU处理视觉和部分AI计算，内存持续搬运模型、上下文和应用数据，同时系统还必须保证拍照、游戏、视频等前台任务不受影响。
当AI从一个偶尔调用的功能，变成持续运行的系统能力，新的问题出现了——仅仅在SoC里增强NPU性能，就够了吗？
从NPU单点加速到AI原生SoC，手机芯片正在发生什么变化？
调研机构Counterpoint将从生成式AI到智能体AI的这种变化概括为手机从“App-driven”向“Agent-driven”演进：Agent开始成为OS与应用之间新的编排层。 IDC也认为，2026年的一个重要变化是AI开始从“feature”走向“foundation”，设备开始尝试理解上下文、预测需求并代表用户行动。
一个智能体在后台工作时，可能同时需要CPU进行任务规划和应用调用，NPU完成模型推理，GPU处理视觉和部分AI任务，内存不断提供上下文和模型数据，同时还要控制整机功耗，避免影响用户正在进行的游戏、视频或拍摄。这时候，单独把NPU做强，就像只提高厨房里某一道工序的速度，未必能够提高整个系统的出餐效率。
Arm今年推出的CSS for Mobile 2，也反映出智能体带来的底层计算架构的变化。Arm明确将CPU置于智能体AI的核心位置，通过第二代SME技术，强化CPU处理智能体任务分发的能力，同时也在GPU中集成了AI引擎。天玑9600 Pro正是行业首个以“AI原生架构”从底层重构SoC的旗舰芯片，将AI深度融入CPU、NPU、GPU、ISP等各计算单元，实现系统级软硬协同。
首先是重新做强性能底座。天玑9600 Pro采用台积电2nm工艺和“2+3+3”全大核CPU，包括两颗最高4.55GHz的C2-Ultra超大核，同时配置34.5MB缓存，并率先支持LPDDR6和UFS 5.0。官方数据显示，其单核性能较上一代提升17%，多核提升15%。
对传统手机而言，这些首先意味着性能和能效升级；但对于智能体AI而言，更大的缓存、更快的内存和存储还承担着另一项任务——让模型、上下文以及多个前后台任务之间的数据能够更快流动。
更关键的变化发生在计算资源的融合。MediaTek将这一设计称为“天玑智算融合架构”，核心是让CPU与NPU深度协同，再通过天玑调度引擎，把算力、电源和内存资源纳入统一调度。 这意味着AI计算不再被简单理解为“把任务丢给NPU”，而是要根据任务状态，决定什么由CPU完成、什么时候调用NPU，以及如何分配内存和电源。
这种改变对应的正是Agent的真实工作方式。过去用户打开一个AI应用，芯片只需要在几秒钟内完成一轮高强度推理；未来手机可能在用户没有看屏幕时，就已经在后台整理会议内容、理解照片和视频、识别重要信息。发布会上，MediaTek在发布会上用了一个更直观的表述：过去评价旗舰芯片，问的是“能不能跑”；到了智能体时代，还要问“能不能一整天这样跑”。
其背后考验的已经不是一次峰值性能，而是持续运行时整颗SoC的计算效率。
一颗NPU变成两颗，端侧AI开始需要“大小核”？
如果说过去NPU的主要任务，是在需要时快速完成一次AI推理，那么智能体AI提出的是另一组要求：一部分AI需要足够强，能够处理大模型、多模态和复杂推理；另一部分AI则要足够省电，可以长时间驻留后台，持续感知环境和用户状态。两类负载对芯片的要求并不相同。
这也是天玑9600 Pro升级双NPU架构的重要原因。按照MediaTek的设计，第二代超能效NPU主要承担低功耗、长时间运行的AI任务，与低功耗传感器中枢结合，让智能体能够持续感知声音、动作和环境信息；超性能NPU 1090则面向更复杂的端侧AI计算，包括大模型、多模态、生成式AI以及复杂Agent。官方数据显示，第二代超能效NPU功耗较上一代降低40%；超性能NPU的大语言模型预填充性能提升51%，每瓦特生成词元数最高提升55%，同时支持最高30B的MoE混合专家模型在端侧运行。
如果借用CPU“大小核”的思路来理解，这实际上是在给端侧AI做更细的算力分工：高性能计算不必一直在线，而需要一直在线的AI，也没有必要始终唤醒高性能NPU。这一变化与智能体AI的工作方式直接相关。传统生成式AI往往由用户主动触发，比如要求AI总结一篇文章或者生成一张图片，计算任务虽然复杂，但开始和结束都很明确。智能体则可能在用户没有操作手机的时候继续工作：判断环境是否发生变化、识别重要信息、理解当前场景，并决定是否需要进一步调用大模型或者其他系统能力。
MediaTek的解释是，智能体“必须一直都醒着”。因此，低功耗NPU可以负责Always-On的轻量模型和持续感知，只有遇到更复杂的理解、推理和执行任务时，再调用更高性能的计算资源。 这比单纯追求NPU峰值算力更接近手机的真实使用场景，因为对于一台需要运行一整天的移动设备而言，AI不仅要回答得快，还必须控制每一次唤醒、感知和推理消耗的电量。
这种分工体现到具体应用中例如，MediaTek与vivo展示的“AI一键高光”利用端侧多模态大模型理解视频中的人物、表情和情绪变化，再自动筛选和生成高光片段。 这类任务需要较强的多模态理解和模型推理能力，更适合调用超性能NPU。
当用到低功耗NPU时则体现了“持续感知”的意义。发布会上展示的小布助手案例中，AI可以从分散在不同App中的酒店、机票、日程等信息中找出重要事项并主动提醒用户。它与过去“打开助手—提出问题—得到答案”的交互逻辑不同，智能体需要长期理解用户状态，在需要的时候主动出现。
可以看到，端侧AI的算力调度开始出现类似异构计算的分层：持续感知交给低功耗单元，复杂推理交给高性能单元，再由整个SoC根据任务需要进行调用。
AI进入GPU、ISP和通信，用户体验也开始被重新定义
天玑9600 Pro另一项更值得关注的变化，是AI开始离开传统意义上的“NPU专区”，进入GPU、ISP乃至通信等原本各自独立的计算模块。
过去谈手机AI，用户最容易感知到的往往是语音助手、图片生成、照片消除等功能，背后通常由NPU完成模型推理。到了天玑9600 Pro这一代，AI正在参与游戏渲染、计算影像、网络选择甚至定位。用户未必会意识到自己正在“使用AI”，但AI开始参与越来越多手机基础体验的计算过程。
最典型的变化首先出现在GPU。天玑9600 Pro采用G2-Ultra NX GPU。MediaTek公布的数据是，其同功耗下性能提升18%，在上一代峰值性能下功耗降低24%，光线追踪性能提升18%。但相比这些传统GPU指标，更值得注意的是“NX”所代表的变化：这一代GPU内部加入神经网络加速能力，而MediaTek进一步通过天玑神经网络渲染架构，将GPU、AI计算能力和内存数据通路结合起来。
这意味着移动GPU的工作方式也开始发生变化。过去如果希望提高游戏分辨率，最直接的方法是让GPU渲染更多像素，但分辨率越高，计算量和功耗通常也越高。在AI神经网络渲染中，GPU可以先以较低分辨率完成部分渲染，再通过AI重建更多画面细节，用算法换取部分传统图形计算量。
发布会上，MediaTek展示了在天玑9600 Pro加持下的《王者荣耀》相关效果：通过天玑神经网络渲染架构，将原生720P的CG画面实时超分到1080P。其他展示中也出现了从540P或720P重建至1080P的场景。 这类技术的意义并不只是“让画面更清晰”，而是在手机严格的功耗和散热约束下，尝试同时获得画质、帧率和能效。
同样的逻辑也在向光追和高帧率扩展。天玑9600 Pro还结合第三代光线追踪引擎、OMM光追硬件加速和倍帧技术等能力，MediaTek与《三角洲行动》等游戏进行了高帧率和光追合作。 从产业角度看，GPU正在从单纯的图形渲染器，逐步变成传统图形计算与AI计算混合的处理平台。这说明AI进入GPU，本身已经成为移动图形架构的一条明确演进方向。
影像是另一个更容易被普通用户感知到的领域。过去所谓AI摄影，很多时候发生在照片拍摄完成之后，例如识别场景、调整色彩或者进行后处理。天玑9600 Pro采用Imagiq 1290图像处理器和天玑智能影像架构，更进一步强调ISP与NPU的融合计算，让AI直接参与实时影像处理过程。
例如全景深计算光学影像，需要NPU参与多个景深画面的计算与合成；60fps运动追焦则由超性能NPU协同追焦硬件引擎完成。与此同时，芯片还支持4K 240FPS高速慢动作、4K 120fps Log以及17EV高动态影像等能力。过去ISP、CPU和NPU更多按照各自任务分工，现在影像数据可以在不同计算单元之间协同处理。
最后容易被忽略的是通信。在传统认知中，蜂窝网络、Wi-Fi或者GNSS定位很少被归入“AI体验”。但天玑9600 Pro已经把AI用于蜂窝基站选择、Wi-Fi速率调校以及卫星定位。据介绍，AI蜂窝选网2.0可以辅助智能切换基站，AI Wi-Fi技术则利用AI推理优化信号密集环境下的传输速率；AI定位2.0则通过智能选星提升定位精度。用户不需要主动唤醒AI，芯片已经在后台判断应该连接哪个基站、如何调整无线连接，以及怎样获得更准确的位置。
从天玑9600 Pro的这些变化可以看到， AI正在从一个独立功能，逐渐变成手机各个计算模块共同使用的一种基础能力，并带来了与过去完全不同的用户体验。
下一代手机芯片竞争趋势，从“峰值性能”走向“持续智能”
过去十多年，旗舰手机芯片的竞争标准相对清晰：CPU比单核、多核性能，GPU比图形性能和帧率，进入AI时代之后，又增加了NPU算力。每一次新品发布，都伴随着更高的主频、更高的跑分和更强的峰值算力。
这些指标依然重要，但智能体AI的普及正在改变旗舰SoC的评价方式。
原因在于，Agent带来的并非又一个高负载应用，而是一种新的持续性计算负载。游戏、视频剪辑甚至大模型生成，都有相对明确的开始和结束；智能体却可能在用户没有操作手机时持续运行，感知环境、理解上下文、整理信息、调用应用，并在合适的时候主动提醒或执行任务。
这背后对应的是完全不同的芯片设计逻辑。如果只是追求短时间峰值，提高频率、增加算力是一条直接路径；但当AI需要长期驻留后台，功耗、唤醒速度、内存访问、任务调度以及前后台资源冲突都会成为新的瓶颈。如果Agent的代价是明显缩短续航、增加发热，甚至影响用户正在进行的游戏、拍摄和视频，再高的AI峰值算力也很难转化为长期体验。
天玑9600 Pro的架构变化，正体现了这种思路。它依然需要强大的性能基础：2nm制程、“2+3+3”全大核CPU、34.5MB缓存、LPDDR6等技术继续提升CPU和系统性能。但更值得关注的是，MediaTek开始强调CPU与NPU协同，以及对算力、电源和内存资源进行统一调度。官方数据显示，其单核性能较上一代提升17%、多核提升15%；超大核功耗相比上代降低37%，多核功耗节省61%。性能提升之外，能否以更低的能耗持续提供这些性能，正在成为同样重要的指标。
NPU的变化更加明显。超性能NPU面向大模型、多模态和复杂Agent任务，第二代超能效NPU则承担全时感知和长期运行，两者开始按照AI负载进行分工。后者功耗较上一代降低40%，前者在提升大模型处理能力的同时，每瓦特生成词元数最高提升55%。
对于一天可能被反复唤醒数百甚至数千次的智能体而言，每一次感知、判断和推理节省下来的能耗，最终都会体现在整机续航上。与此同时，AI的边界还在继续扩展。它开始进入GPU神经网络渲染、ISP计算影像、蜂窝选网、Wi-Fi调校和定位等传统手机计算链路。未来手机中的AI负载不会只存在于某个“AI应用”中，而会分散到游戏、影像、连接以及系统后台的更多环节。
这也意味着，旗舰SoC可能需要一套新的评价维度。除了CPU主频、GPU跑分和NPU峰值算力，还要考察AI能否低功耗持续在线，模型响应是否足够快，不同计算单元之间的数据能否高效流动，前后台任务能否并行，以及Agent运行时是否会明显影响用户正在进行的其他操作。
最后，从天玑9600 Pro可以看到，旗舰SoC正在从“高性能组件的集合”，向面向持续AI工作流的系统级计算平台演进。这意味着跑分导向的时代已经过去，架构和体验为王时代已经到来，未来竞争的不再只是每一个计算单元分别有多强，还包括整颗芯片能否根据不同任务，更高效地组织和调用这些算力，从而为用户带来真正的智能体验。
当AI从偶尔调用的功能变成持续在线的系统能力，下一代旗舰SoC的竞争，也将从“谁的峰值性能更强”，逐渐走向“谁能让智能更持久、更高效地运行”。
编辑：芯智讯-浪客剑