安卓首款3nm、PC級Arm V9架構、第八代NPU——天璣9400，成為了移動AI芯片的最新最強成果！

相比上一代生成式AI芯片天璣9300，其AI能力更上一層樓，榮登蘇黎世ETHZ移動SoC AI性能榜單之首。

天璣9400首次實現了端側DiT架構支持，無需聯網就能在手機上體驗Sora同款架構視頻生成。

還有業界首發的端側LoRA訓練，可以高效離線訓練專屬于自己的LoRA生圖模型，同時保證隱私不泄露。

大模型方面，天璣9400能夠運行的模型窗口文本長度提升到了32K，是天璣9300的8倍。

同時還支持端側運行多模態大模型，并以50 Tokens每秒的超高速度超越了前SOTA。

綜合AI性能方面，天璣9400以6773分的成績領跑了蘇黎世ETHZ移動SoC榜單，是天璣9300的1.4倍。

從整體上看，天璣9400采用臺積電第二代3nm制程，相較上一代單核性能提升35%，多核性能提升28%，同性能功耗降低40%……

此外，聯發科這次不僅把端側AI能力用在了模型運行上，更是集成了天璣AI智能體化引擎（Dimensity Agentic AI Engine）。可以根據你的需求實現跨應用操作，而且會記憶你的各種習慣，讓手機越用越聰明、越用越好用。

天璣9400，讓AI手機越用越聰明

先來看看聯發科通過天璣9400為我們帶來的一系列端側AI新功能。

首先，聯發科與小紅書合作，首發了端側SDXL生圖功能。

不僅各種風格都能駕馭，關鍵是整體速度比云端生成還要快兩倍。

而且在Diffusion模型端側化這條路上，聯發科還邁出了更大一步，將視頻生成模型也帶到了端側。

這項技術同樣是業界首發，實現了從靜態圖像到視頻的大跨越。

實際體驗下來，只用不到一分半，一段視頻就生成完成，如果放到云端……恐怕是連隊都還沒排到。

相比之下，端側的算力雖不如云，但勝在專屬于用戶個人，不需要和海量用戶爭搶。

另一個優勢便是，所有數據都在本地儲存和處理，隱私安全更有保障。

說到這里，就要隆重介紹下天璣9400首發的端側LoRA訓練功能——只要有照片，就能訓練出專屬于自己的本地LoRA模型。

利用訓練出的模型，可以生成任意姿態、任意背景的個人寫真，足不出戶拍遍全世界。

還有聯合虹軟推出的端側AI智能修圖功能，通過在端側學習到的用戶人臉信息，可以對模糊的照片智能修復。

相比于傳統的智能超分等處理方式，不僅更清晰，而且能夠保留面部細節，處理出的照片更加自然。

除了一系列重磅功能的首發，天璣9400也打破了多項業界紀錄，比如它的端側多模態模型運算速度達到了50Tokens每秒。

利用面壁智能推出的小鋼炮模型，可以快速識別二元一次方程組圖像并做出解答。

同時還能理解圖片中文字的對應關系，秒速讀懂外文菜單，推薦菜品并直接算好價格。

當然整體AI性能也經得起檢驗，在權威的蘇黎世ETHZ AI Benchmark 6.0榜單中以6773分的總成績排名第一。

該榜單涵蓋了不同類型的34款模型，同時包括int8、int16、fp16等多種，涉及速度和準確性等多種指標，是對AI能力的全面評估。

兼容適配上，聯發科也已經與國內外的9家大模型廠商達成合作，支持了一系列的主流大模型。

在強大的端側AI算力支持下，聯發科提出了“智能體AI手機”的新概念，讓移動終端變得更智慧。

天璣9400中內置的AI智能體化引擎（Dimensity Agentic AI Engine ），能夠將AI模型和應用變成一個個智能體，讓手機變成一個強大的“后援軍團”。

以點外賣這個場景為例，普通的AI助手最多不過是能夠幫助我們打開外賣軟件，但智能體化之后，可以全程通過語音交流，完成從選擇餐點到完成支付的整個過程。

基于通義千問大模型驅動的智能體，現已經支持了多款智能體化應用。

而且隨著使用過程的深入，智能體會記住你的習慣偏好，變得越來越聰明、越來越懂你、越來越好用。

比如根據你的喜好推薦電影，然后根據之前的購票習慣，不用多做解釋就能幫你選好習慣的位置。

當然要實現這樣的效果，除了聯發科自身提供的算力，也離不開生態的支持，從芯片到終端，從模型到應用都必須全面發力。

為此，聯發科聯合vivo、OPPO等多家廠商共同發起了AI智能體化引擎先鋒計劃，一同讓智能體應用生態變得更完整豐富。

另一方面，聯發科也在積極與開發者合作，為AI智能體、第三方應用程序和大模型之間提供統一的標準接口，實現AI跨應用串聯。

這不僅能夠縮短AI產品的開發周期，更有利于加速構建應用更豐富、體驗更出色的AI生態。

伴隨著算力專屬、隱私保障、無網絡運行等需求，發展端側AI已逐漸成為新的共識。

其中，AI手機是端側AI的終極載體，無論是設備保有量還是使用時長，均多于PC產品。

從手機AI科技樹的角度，聯發科是當之無愧的強者，今天的天璣9400將加速手機的智能體化，借助先進的AI技術和生態，豐富和提升人們的生活。

在這背后，必然離不開強大技術的支撐。

軟硬件技術協同發力

在技術上，聯發科在軟硬件兩方面同時進行研發，讓軟硬件共同配合，實現了端側AI的新跨越。

例如，龐大的內存占用是AI模型端側化的一個重要瓶頸，為此，聯發科采取了低位寬KV緩存技術，同時結合分組查詢注意力（GQA）極致 ，降低了50%的內存需求。

此外，天璣9400不僅搭載了聯發科第八代AI處理器——NPU 890，還將模型的運算工作全部放入NPU中，用更適合AI運算特點的NPU來加速運算，具體來說有一系列舉措：

將專家路由等模塊全部轉移至NPU，實現了端側混合專家（MoE）模型的純NPU運算；

對于DiT（類Sora）模型，針對4D、5D的張量，利用NPU硬件獨特的時域神經元硬件指令進行加速；

對于端側LoRA訓練，采用了新的反向傳播算子指令集，將過去C/GPU上的指令，融入到了NPU能夠支持的加速指令中……

聯發科技，作前沿科技的推動者

所以歸結起來，聯發科技的新技術和新產品，究竟在帶來什么呢？

這個問題可以從多個層面來回答。

首先對于終端用戶，是更低門檻的AI普惠。

越來越多的AI能力被帶進端側，意味著手機用戶不用在浩如煙海的云服務中挑的眼花繚亂，直接在本地就能體驗到豐富多彩的AI應用。

另一方面，聯發科天璣9400主導的智能體化應用方式鋪展開來，AI應用的使用也將進一步下沉。

同時還會帶動智能手機的使用門檻進一步降低，讓因種種原因不會操縱手機的老年人等群體，在電子信息時代避免“掉隊”。

第二，是給方興未艾的大模型繼續灌注強心劑。

大模型的前期投入耗資巨大，而開發者想要收回成本，用戶規模是一大必然要素。

而聯發科技憑借終端保有量的優勢，加上模型使用的便捷化，無疑為大模型帶來了更多的應用場景。

當然，對于終端廠商以及聯發科自身，新的功能也是獲得用戶關于端側AI反饋的重要途徑。

隨著越來越多AI概念的產品化、落地化，用戶對AI產品的期望，以及對其不足的認識，都變得更加具體，能夠更有針對性地反饋出改進意見。

總之，這一系列舉措將有望串聯起更完整、更宏大的端側生成式AI生態，讓芯片廠商、終端廠商、應用開發者和用戶共同從中汲取收益，通過相互促進實現產業的共同繁榮。

去年，聯發科技首款端側生成式AI芯片天璣9300正式亮相，已讓更多的人感受到端側特別是手機上的AI開始變得觸手可及。

半年后，天璣9300的升級版9300+又與人們見面，端側AI的戰場變得更加熱鬧，模型和應用側也有越來越多的從業者開始關注終端市場。

天璣開發者大會上，聯發科在芯片、模型及應用等層面與開發者、合作伙伴共同探索端側技術路線，進一步筑起了端側的生態基建。

如今的天璣9400又成為了新的王者級5G智能體AI芯片，并將端側智能從基礎的大模型嵌入，帶到了智能體化這一新的高度，在“智能”與“智慧”之間，畫出了一道新的分水嶺。

PS：首批采用天璣9400芯片的智能手機即將上市，屆時可以通過這些設備體驗到天璣9400更強大的端側AI能力。

AI終端，終端AI，AI即將觸手可及，無處不在。