2nm天玑,决定赌一把大的
联发科发布首款Pro旗舰天玑9600 Pro,首发台积电2nm,并用AI原生架构把CPU、GPU、NPU、ISP整合成融合计算体系。本文拆解这场发布会的真实含义:旗舰芯片的竞争,正从单点跑分转向整颗SoC的协同效率。
旗舰芯片发布会看多了,会有一种词库疲劳:更快的、更强的、更省的,形容词年年换,结构年年像。但这两天联发科的这场发布会,值得停一停——不是因为跑分,而是因为天玑9600 Pro第一次把「Pro」给了自己的旗舰平台,还第一次用台积电2nm,并且提出了一个略显激进的口号:AI原生架构。
一句话概括我的判断:旗舰SoC的竞争,正在从「某一个计算单元的性能提升」,转向「整颗SoC的协同效率」。这不是话术升级,是考题换了。
📈 先把「AI原生架构」这句话翻译成人话
发布会最爱造词,「AI原生」听起来就像又一个。但它对应的其实是行业里一个已经发生的变化:手机成了AI能力最重要的入口之一。
过去AI在云端,手机只负责收发请求;现在生成式AI持续下沉,消费者智能体进入新阶段,设备要在本地承载理解和推理能力。这意味着手机SoC不能再是「CPU管日常、NPU管AI、GPU管游戏、ISP管拍照」的各管一摊,而是要高效调动内部多种算力资源,协同完成一个任务。
天玑9600 Pro给出的解法,是把CPU、GPU、NPU、ISP这些异构计算核心,通过软硬融合整合成一个系统级的融合计算架构。翻译一下:以前是四个部门各写各的周报,现在是有统一的调度层,任务来了按需分派。
这个变化的价值,芯片圈的人私下聊起来很直白:融合计算的关键从来不在算力堆了多少,而在调度做得好不好。堆料谁都会,让NPU在GPU渲染时插得上手、让ISP在拍照时借得到算力,才是真正的架构功夫。
由此,旗舰芯片的性能基准也变了——从「这颗CPU单核多少分」,升级为「这颗SoC协同效率有多高」。考题一换,玩法就全变了。
🔋 2nm首发:一张必须抢的船票
天玑9600 Pro的另一个标签是:率先采用台积电2nm制程。在先进制程的节奏上,联发科这次没有留任何保守余地。
为什么2nm这么重要?因为在AI负载下,峰值性能其实不是最稀缺的资源,能效才是。端侧大模型推理是持续性的功耗消耗,智能体常驻意味着芯片要长时间在高负载区间工作。制程每前进一代,能效天花板就被抬高一次——这才是AI手机时代制程竞赛的真正意义。
当然,2nm不是免费的午餐。据多位产业链人士的说法,最先进制程初期晶圆成本显著更高,良率爬坡也需要时间,谁首发谁就要承担这部分溢价。敢抢首发,说明联发科判断:AI时代的旗舰市场,能效溢价可以覆盖制程溢价。
这也是天玑9600 Pro作为天玑首款Pro旗舰的深层含义:Pro不是命名游戏,是把最贵、最激进的制程押注在最高端的定位上,赌的就是「旗舰用户愿意为AI时代的能效买单」。
把这次发布的关键变化放在一张表里,看得更清楚:
| 维度 | 变化 | 意味着什么 |
|---|---|---|
| 制程 | 率先采用台积电2nm | 能效天花板被抬高,AI负载更可持续 |
| 定位 | 天玑首款Pro旗舰 | 最高端押注最激进技术 |
| CPU | 双超大核 | 单线程响应优先级提升 |
| NPU | 重构双NPU | 推理与调度分工更细 |
| 架构 | AI原生、融合计算 | 异构算力统一调度 |
| 场景 | 神经网络渲染、智能影像 | AI进入渲染与成像管线 |
💡 双超大核与双NPU:算力为什么要重排
如果说制程是地基,架构就是房子。这次天玑9600 Pro在架构上动了两个最大的地方:CPU换成双超大核,NPU推倒重构。
先说CPU。过去几年旗舰SoC的CPU演进,某种意义上被「游戏帧率」绑架了,堆多核、堆高频。但AI时代的日常负载变了:智能体要实时理解你的指令、屏幕要响应你的语音、系统要在后台持续调度任务。这些场景对单线程的响应速度和能效极度敏感。双超大核,本质是把资源往「响应速度」上倾斜。
再说NPU。重构双NPU,不是简单把算力翻倍,而是分工——一颗更擅长跑大模型推理,一颗更擅长做实时调度和轻量任务。这在端侧智能体的工作模式下几乎是必然选择:既要跑得动模型,又要随时响应系统级的调度请求,两颗NPU各司其职,比一颗大NPU硬扛更高效。
| 单元 | 传统思路 | 天玑9600 Pro的思路 |
|---|---|---|
| CPU | 多核堆吞吐 | 双超大核保响应 |
| NPU | 单元堆算力 | 双NPU分工推理与调度 |
| 整体 | 各算各的 | 融合计算统一调度 |
这背后是一个产业逻辑的转弯:智能手机过去十年的体验提升,主要靠单个单元的规格竞赛;未来十年,体验提升要靠系统级的协同。芯片设计的重心,从「造更强的器官」变成「养更好的神经系统」。
🎮 神经网络渲染与智能影像:融合计算的两个落地现场
架构讲得再玄,最后都要落回场景。这次发布会给了两个最有说服力的现场:神经网络渲染,和智能影像。
神经网络渲染,是把NPU的推理能力接进GPU的渲染管线——传统渲染是按固定管线逐像素计算,AI渲染则是让模型预测和补全画面。它对SoC的要求恰恰是协同:GPU负责图形计算,NPU负责AI推理,两者必须实时交换数据。这正是融合计算架构最典型的用武之地,放在过去异构各算各的架构下,这种跨单元的实时协作很难做顺。
智能影像同理。影像是手机SoC里数据量最大、时延要求最苛刻的场景之一,ISP负责成像管线,NPU负责AI语义理解——夜景降噪、语义分割、人像处理,都需要两者密切配合。AI原生架构等于把这条通路提前修好了。
再加上通信和显示体验的升级,天玑9600 Pro的策略其实很清晰:在AI最难落地、也最考验协同的几个场景——游戏、影像、常驻智能体——先把融合计算的红利兑现出来。
回看端侧AI这几年的演进路径,会更理解这次发布的位置:
- 2022年前后,生成式AI在云端引爆,大模型成为行业主线
- 2023至2024年,端侧小模型落地,AI手机概念兴起
- 2025年,智能体成为终端叙事的新主线
- 2026年9月,联发科发布天玑9600 Pro,提出AI原生架构,旗舰SoC进入融合计算时代
每一步都在把更多计算压回终端,而这一次,芯片架构开始主动为这种压力做结构性设计。
⚠️ 融合计算之后,旗舰芯片到底比什么
把镜头拉远,这场发布对整个旗舰芯片格局的含义,可能比参数本身更重要。
旗舰移动平台的竞争,过去十年的叙事主线是制程和CPU微架构:谁的工艺更先进、谁的大核更强。但当AI成为终端的核心负载,叙事正在切换——比的是整颗SoC在AI任务下的协同效率。这是联发科用「AI原生架构」抢占的新话语高地。
对高通、苹果这些同样深度绑定台积电先进制程的玩家来说,这未必是坏事,反而是一种确认:制程竞赛大家都在卷,下一阶段的差异化只能在架构层面找。融合计算大概率会成为旗舰SoC的标配思路,区别只在于谁先把它讲清楚、做扎实。
对下游的手机厂商,这件事同样微妙。据业内流传的说法,旗舰SoC的AI架构能力,正在成为厂商定义旗舰产品时的首要考量——毕竟AI体验是当下最贵的卖点,而它的上限由芯片架构决定。SoC厂商的架构叙事,会直接传导到旗舰手机的定价和策略上。
当然,也要泼一盆冷水:架构愿景和落地体验之间,隔着厂商的系统调校、应用适配和一整年的 OTA。AI原生架构是张好牌,但牌好不好用,要看终端怎么打。
回头看,天玑9600 Pro这场发布,赌注其实很明确:把旗舰芯片的定义权,从制程和跑分,换成架构和协同。2nm是船票,AI原生架构是航线。
接下来值得盯两件事:一是2nm旗舰机型的实际能效表现,能不能撑起「AI可持续运行」的叙事;二是融合计算在游戏和影像场景的真实落地成色。如果这两点兑现,2027年的旗舰SoC发布会,大概率没人再只讲单核跑分了。