2026驍龍峰會前，高通先後發布了新一代旗艦平台CPU、GPU、NPU三個模組的技術細節。5GHz的Oryon CPU、打破「不可能三角」的Adreno GPU、擁有Element Accelerator和更大共享記憶體的Hexagon NPU——這些升級單獨看都是各自領域的亮點，但放在一起，指向的是同一個方向：智能體。
高通技術公司產品市場高級總監Cisco Cheng在官方部落格中的表述很明確：驍龍移動平台就是為智能體時代而打造的。
先理解「負載變化」，才能理解這代晶片
七八年前，AI在手機里只能調優影像、執行簡單指令。現在同樣是拍攝，AI不僅能修圖、生成影片，智能體還能編輯文案、執行分享、發布等一系列操作，這是智能體手機的基本操作。智能體對晶片的要求，和傳統AI完全不同。它不再是單次問答式的推理，而是包含環境感知、長期記憶、多步任務規劃、工具調用在內的連續計算過程。智能體需要接收指令、拆解任務、讀取本地文件、理解螢幕畫面，還要兼顧低時延、隱私安全、離線可用。這套流程對CPU的調度效率、GPU的多模態處理能力、NPU的推理算力、記憶體頻寬與功耗控制提出了系統性要求。
單一部件再強，也扛不住智能體的連續負載。這就是為什麼高通這次對CPU、GPU、NPU三個模組都做了針對性升級。
CPU、GPU、NPU：各管一段，但目標一致
CPU解決「調度」。 Oryon CPU最高主頻達到5GHz，成為首個邁過這道門檻的移動CPU。但更關鍵的是FlexCache緩存架構——將L2緩存統一為所有核心共享的池子。智能體的任務會在不同核心之間流轉，FlexCache確保切換時數據不丟失、不重載，讓CPU真正具備調度複雜任務流的能力。
GPU解決「渲染與AI的融合」。 新一代Adreno GPU首次將AI專用的Matrix Cores引入圖形管線，神經網路計算不再需要離開渲染管線即可完成。配合18MB獨立高速顯示記憶體，AI工作負載在本地處理，降低延遲的同時延長續航。Adreno Neural Fusion則將AI超分和幀生成整合進渲染流程，讓畫質、幀率、功耗三者兼得。
NPU解決「持續推理」。 Hexagon NPU引入Element Accelerator，結合向量計算單元和標量計算單元——向量單元負責高效計算，標量單元負責智能調度。共享記憶體擴容50%，讓模型狀態、上下文資訊和KV緩儲存存在更靠近加速器的位置，減少數據搬運帶來的延遲和功耗。新一代NPU還支持在終端側運行300億參數的MoE模型，每次生成詞元僅激活約30億個參數，以低功耗實現大模型級別的體驗。
三個模組各司其職，但底層邏輯一致：讓數據留在該留的地方，讓算力精準分配到該用的地方。
高通做智能體，不是從零開始
高通從最初布局端側AI就採用了異構計算架構，通過靈活調度CPU、GPU、NPU來應對不同AI負載。這套架構在智慧型手機、PC以及更多智能設備上已經積累了豐富的AI特性，也讓高通在邁入大模型和智能體時代後具備了先天優勢。
新一代旗艦平台的升級，是在這個基礎上的系統性深化。CPU、GPU、NPU的設計均圍繞AI深度優化，實現了全棧為AI築基。這些底層創新提升了AI和智能體的能力，又將在實際應用中釋放價值——給OEM廠商、ISV和開發者提供創新底座，最終轉化為用戶可感知的體驗提升。
一顆晶片的分工邏輯，正在被智能體重寫
過去評價一顆旗艦晶片，看的是每個模組各自跑多快。CPU拼主頻，GPU拼幀率，NPU拼TOPS。但智能體的出現，讓這套評價體系失效了。
智能體不在乎某個模組的峰值有多高，它在乎的是：任務從CPU調度到NPU推理，中間的數據要不要反覆搬運?GPU渲染到一半需要AI介入，算力能不能無縫銜接?用戶在等一個回答，晶片能不能在功耗允許的範圍內儘快給出結果?這些問題的答案，不在某一個模組的參數表里，而在模組之間的協作方式里。新一代驍龍移動平台所做的，正是重新定義這種協作。
當AI進入智能體時代，晶片的價值不再由單點性能定義，而是由它能否讓智能體持續、穩定、低功耗地運行來定義。驍龍新一代旗艦平台正在為這個標準建立新的基線。
