•
首創雙NPU架構一鳴驚人！聯發科天璣9500重磅加碼主動式AI體驗
一個問題，在當前的智慧型手機中，如果AI需要成為具有自主意識、會主動實現功能的“常駐能力”，而不只是一個需要頻繁被動煥新的“功能模組”，什麼樣的晶片架構才能真正跟得上這樣的改變？
聯發科給出的答案是：以更犀利的算力和更友好的能效表現，創造超性能+超能效雙NPU架構，始終讓“AI Always on”。
這是一次從技術形態到使用方式的轉變：目的是讓AI不再依賴被動喚醒，而是作為系統能力始終線上、隨時響應，融入使用者的每一次操作。
這一趨勢正在形成共識。
隨著大模型下沉，端側AI的使用頻率越來越高，從輸入法裡的預測補全，到拍照時的構圖建議，從鎖屏摘要到圖像生成，AI正在從“呼叫一次”變為“時刻可用”。
為此，SoC不僅要能跑得快，更要讓AI跑得久、跑得穩，甚至在使用者毫無察覺的情況下完成即時響應。
天璣9500圍繞這一目標重構晶片底座：首發雙NPU架構，結合存算一體、硬體壓縮等多項關鍵技術，在ETHZ蘇黎世移動SoC AI榜單中蟬聯榜首，相比上一代跑分翻倍。
顯然，聯發科不僅追求生成速度的提升，更意在建構AI在終端常駐運行所需的基礎條件。
AI能力Always on
天璣9500正在讓手機的AI變得更快、更聰明，也更貼近你的使用節奏。
寫文案、整理想法、擴寫內容、總結語音筆記……這類需要組織語言、梳理思路的任務，現在可以更快完成。
3B大模型在天璣9500上的輸出性能相比上一代提升100%，內容生成更快、更流暢，連續輸出時思路更連貫。
當輸入變長，它也能高效處理。
天璣9500支援128K上下文窗口，是上代的4倍，能一次性讀入相當於10小時錄音的數萬字文字。
對於會議記錄、採訪稿、對話內容等長文材料，它可以根據要求快速提取重點，顯著減少整理所需時間。
在文生圖任務中，天璣9500支援的DiT模型推理性能提升100%，首次實現端側4K超高畫質生圖，僅需10秒即可完成生成。
你可以根據一句文字描述，快速獲得高品質圖片，不依賴雲端、不限網路環境，適合隨時創作、分享或作為創意素材打底。
圖生圖方面，天璣9500支援個性化風格生成。
你可以用已有圖片為基礎，自訂輸出風格，例如將照片轉為手繪、插畫、水彩風，或套用特定藝術濾鏡。在表達創意的同時，也提升了圖像內容的獨特性和辨識度。
你可以用它進行素材美化、或嘗試創意改圖，完成社交發佈、內容創作等日常任務。
為了讓這些能力真正服務於日常場景，聯發科與手機廠商也在深入合作，共同推動端側AI落地。
vivo與聯發科基於天璣9500聯合打造了藍心AI錄音機、分鐘級訓練的定製美顏，以及全場景的藍心大模型端側推理與訓練能力；
OPPO則在小布識屏與AI意圖搜尋上，與天璣9500進行異構計算和記憶體最佳化協同，還有更多品牌正與聯發科圍繞天璣9500展開端側AI能力部署探索。
不只是生成和理解，天璣9500也具備了一種全新的AI運行方式，讓AI能力在手機中保持持續線上。
這意味著，部分AI功能可以常駐系統後台，無需反覆喚醒，也不會影響你的使用節奏。比如在拍照時，它會自動運行，實現幀幀追焦，即使你不停移動，焦點也能始終精準鎖定，畫質清晰穩定，達到單反級水準。
“AI Always on”不是某一項功能，而是一種新的運作方式，讓AI真正融入日常使用，在不打擾你的情況下，持續提供幫助。
超性能+超能效，首創雙NPU架構
要讓端側AI真正進入日常應用，實現“Always on”的常駐智能體驗，必須從硬體架構開始重構運行基礎。
天璣9500圍繞這一目標，首次提出“雙NPU”設計，通過超性能核與超能效NPU協同工作，建構了一套真正面向AI常駐場景的系統方案。
超性能NPU990面向高強度推理任務，搭載全新深層次AI引擎2.0，核心演算法調度與執行結構全面重構，支援大模型在本地高效運行。
在ETHZv6.0.3測試中，其得分達到15015，相比天璣9400提升超過一倍，展現出極強的通用算力與生成能力，繼續實現 AI性能的霸榜。
這一性能奠定了AI助手在本地完成摘要、翻譯、命名等複雜任務的能力基礎，也為後續常駐化提供了算力保障。
超能效NPU則專注於AI功能的低功耗常駐場景，是支撐“Always on”體驗的關鍵元件。
其首次採用存算一體架構，將傳統架構中分離的計算單元與快取單元進行物理融合，避免高頻資料搬移帶來的冗餘能耗。得益於此，天璣9500可顯著改善常駐AI任務下的發熱與續航問題。
為了量化能效表現，聯發科引入“能效曲線競爭力”分析體系，實際測得該架構在3~4W功耗區間內，推理效率相比天璣9400提升56%。
相比傳統只能在峰值性能中“跑分”的設計，這一架構重心明確落在真實使用條件下的性能釋放，真正支撐起AI的持續線上與多輪互動。
與硬體架構革新同步，天璣9500還在系統層面對端側AI落地面臨的三大關鍵問題給出瞭解決路徑。
- 模型載入速度慢，AI助手啟動時延遲高，使用者體驗割裂；
- 模型駐留記憶體時功耗高，裝置易發熱，續航難以保障；
- 端側模型訓練記憶體佔用過大，定製化和個性化能力難以部署；
針對這些挑戰，天璣9500引入三項系統級技術方案——
在載入階段，首發四通道UFS 4.1，打破傳統頻寬瓶頸，模型載入速度提升40%；
在記憶體調度上，結合硬體級壓縮，4B大模型在1.6GB內即可運行，即使在DRAM資源有限的場景中也能穩定部署；
在推理階段，1.58bit量化、專用Transformer電路與Eagle推理加速演算法三項技術協同發力，生成速度比天璣9400提升2倍以上，保障多輪互動響應的連貫性與即時性；
在訓練端，天璣9500配合vivo自研演算法對端側訓練鏈路進行壓縮與結構最佳化，將記憶體需求降至2GB，首次實現在終端側完成個性化美顏等訓練任務，讓模型能夠隨著使用者使用不斷進化。
多項技術疊加上後，圍繞載入慢、功耗高、訓練難這三大典型挑戰，天璣9500已經從硬體到底層演算法形成了一套系統級應對方案，打通了從模型喚醒、持續運行到個性化最佳化的完整鏈路。
但架構革新與系統整合的意義遠不止於此。
這些技術不僅是對痛點的響應，更是為AI從“可呼叫”走向“默認線上”的狀態提供支撐。
在天璣9500上，AI能力不再是某個應用場景中的附加項，而是貫穿圖像、語音、文字、感測器等多模態輸入的系統能力，隨時響應、主動協同。
也正因此，天璣9500的雙NPU設計不是一次單純的性能演進，而是一場圍繞端側AI運行機制的深層次重建。
AI能力融入原生操作流程
為什麼移動AI的演進方向指向“Always on”的端側形態？這並不是一個“端”與“雲”的路線抉擇，而是源於使用者行為習慣與AI使用方式的同步演變。
在AI進入移動裝置早期，它的存在往往是顯式的、階段性的——使用者有具體操作，AI才啟動響應，互動模式以“工具使用”為核心。
但今天，這種互動邏輯正在改變。
越來越多的AI能力開始融入使用者的原生操作流程，成為互動的一部分。
這種轉變帶來一個核心前提：響應需要是即時的，不可依賴被動載入或臨時喚醒。
換句話說，AI如果想要發揮“主動服務”的價值，就需要常駐於系統之中，成為裝置資源調度的一部分，而非外掛式工具。
在這個意義上，Always on不僅是硬體運行狀態，更是面向互動體驗的一種基礎能力。
只有AI能力常在，系統才能實現及時響應，才能支撐從人發出指令到AI感知意圖之間的過渡階段。
而這種即時性，正是推動“無感互動”成為可能的關鍵條件。
當使用者不再需要明確表達請求，系統便已給出恰當響應，AI也就從“輔助功能”逐漸變為“使用默認”。
這也意味著，端側AI將不再侷限於某類特定任務，而是開始在系統各層持續參與，推動人機互動朝著更自然、更流暢的方向演進。在這一背景下，聯發科提供了一套具有現實落地能力的技術組合。
通過超性能+超能效的雙NPU架構覆蓋高性能與高能效場景，通過系統級整合解決載入、推理、訓練等關鍵瓶頸，天璣9500為AI從“嘗鮮”走向“好用”提供了堅實支撐。
AI真正融入日常，不僅取決於模型本身有多強，還取決於底層系統是否準備好為它持續供能。
這一代的天璣9500，正在讓這種準備成為現實。 (量子位)