Oryon CPU架构的突破，帮高通在CPU单核、多核性能上都领先于同代联发科旗舰SoC，在手机CPU能效方面稳居第一梯队。
高通自研的Hexagon NPU，最新一代AI算力突破了80TOPS，据称今年即将突破100TOPS，从算力绝对值层面来说，高通自研NPU有比较明显的优势。
联发科、小米的CPU、GPU核心模块都是基于Arm IP授权进行定制设计，均为Arm架构；三星的Exynos CPU虽然是Arm架构，但GPU却采用了AMD的RDNA 3架构。
▲小米玄戒O1 CPU内核，来源：小米
ISP和NPU没有“公版”之说，因此各家都是自研定制，比如ISP方面联发科的Imagiq、小米的自研ISP；联发科旗舰芯NPU有42TOPS算力，小米也有自研6核NPU。
前段时间关于芯片“自研”的讨论成为科技圈第一大话题，实际上，正如前文所说，芯片自研与否与是否采用了Arm架构或Arm IP授权并无直接关系。
一个手机SoC里面包含上百个IP模块，如何让各个模块高效、低功耗地集成在一起，并保证其协同工作，还要实现差异化优势，这是真正的难点所在。
一位芯片行业人士告诉智东西，最难的不是“自研”，而是真正把芯片设计的每一个细节吃透，做出一个成熟好用、性能功耗平衡优秀的芯片，实际上，实现这件事的过程，就是在自研芯片。
可以看到，一方面，自研芯片核心技术可以直观地给产品带来性能或体验的优势，另一方面，芯片自研带来的不仅是芯片产品本身，更是对一家厂商整个技术版图的重要补全，对厂商优化芯片与操作系统、大模型、应用的协同都会有帮助。
不做深度自研，很难像苹果一样实现人无我有的优势，强化手机AI芯片自研技术，已经成为行业的必然方向。
三、都说苹果AI掉队了，怎么突然被苹果“反将一手”？
正如前文所说，如今早已不是“唯TOPS论”的时代，随着端侧AI快速发展，AI应用真正落地的能效表现成为行业关注焦点。
优秀模型一个接一个，但AI手机上的AI应用能否高效利用端侧AI大模型能力，如何在有限的能效内更高效地运行AI，最终实现好的AI体验，仍然存在很大优化空间。
在芯片本身过硬的基础上，手机AI芯片的相关开发加速工具支持完善程度也十分关键。
在这方面，苹果在今年WWDC上，迈出了非常关键的一步——向所有App开放权限，允许App直接访问苹果智能核心的设备端大语言模型。
如何访问？苹果发布了基础模型框架，也就是如今业内常常被讨论的苹果开源机器学习框架（MLX），让开发者可以使用苹果的模型，开发工具层面的App Intents则让开发者能在整个系统中关联自己App的内容和功能。
具体来看，苹果MLX支持Python、C++、C和Swift等多种主流编程语言，根据GitHub信息，其API对于开发者来说熟悉易用，同时支持函数变换的组合性、延迟计算模式、动态图构建、跨设备运行能力以及统一内存模型。
在性能方面，跟传统的机器学习框架相比，苹果MLX内存传输开销为零拷贝，同时对苹果芯片GPU计算能力进行了优化，未来MLX可以直接调用ANE专用指令集，而其他框架大多是间接支持或有限支持；动态图响应速度方面，MLX能达到毫秒级，PyTorch为秒级，TensorFlow则需分钟级。
对于开发者们来说，MLX的实时错误追踪比传统静态图框架快3-5倍，85%的NumPy/PyTorch代码可直接迁移，并且还可以利用苹果芯片统一架构减少跨平台适配工作。
可以说，苹果MLX是全流程的开源框架，从模型训练到推理的端侧优化，并且深度整合了自家的硬件。
安卓阵营中虽然没有能完全对标苹果MLX的开源机器学习框架，但在开发者提效降本方面也都发布了各自的软件平台或开发工具。安卓阵营的芯片厂商更多通过闭源SDK或开源协作的方式支持AI开发。
比如高通的AI软件栈，可以让开发者在手机上市几个月前，通过高通Device Cloud，基于骁龙8 Elite开发AI应用服务，进行调试、优化。AI应用可以通过ONNX、DirectML等框架和高通AI软件栈，实现NPU的加速。
▲高通AI软件栈
联发科这边则有天玑开发工具集（Dimensity Development Studio），比如其中的Neuron Studio能基于神经网络进行自动化调优，帮开发者进行跨模型的全链路分析，节省调优时间。
此外，联发科的天玑AI开发套件2.0，通过开源弹性架构提升开放度，模型库适配的模型数量提升了3.3倍，对DeepSeek这样的热门模型的关键技术实现端侧支持，提升tokens的生产速度。
总体来看，让AI芯片的能力可以被开发者高效地用到AI应用中，实现更好的端侧AI体验，这事目前仍然只有苹果做的是最完善的，安卓阵营并非不做，但生态层面的不统一、各自为战仍然会带来很大挑战。
结语：手机AI芯片之战，不能输的硬仗
在AI手机高歌猛进之下，手机AI芯片走到了舞台C位，成为巨头兵家必争之地。
虽然苹果看似在AI功能落地的“丰富度”上少了些惊艳感，但仔细梳理却能看到其AI功能端侧实现占比极高，其从底层芯片、操作系统到大模型、应用的打通，是安卓阵营极难段时间追赶的。
苹果AI诚然有其内部深层次问题，从团队到技术，但归根结底，苹果依然按照他最擅长的做法——小步快跑，来做AI，苹果确实在“架桥铺路”上花费了更多时间，但一旦打好地基，AI大厦的上限将充满巨大想象空间。
这也是安卓阵营从终端厂商到芯片厂商都不断加码芯片自研技术布局的重要性所在。真正好的端侧AI体验，离不开这些底层技术的支撑。
毫无疑问，AI的到来给手机芯片市场注入了新的活力，带来了新的变量，能否做出好的手机AI芯片将成为决胜AI手机之战的关键。
