从功能手机到智能手机，再到智能体手机，手机的人物一直在变。骁龙新一代旗舰移动平台正是为这个转变而来，CPU、GPU、NPU三大模块协同用劲，支撑起智能体AI的完整体验。

　　相比CPU、GPU这两个更基础、更成熟的SoC组成单元，NPU的发展从源头上就和AI强相关——Neural Processing Unit，神经网络处理单元。也正因如此，在智能体时代，NPU几乎成为智能终端在算力层的“标配”。骁龙新一代旗舰平台搭载的最新Hexagon NPU，向出的答案可以简单归纳成两句话：算得最快，算得更多。

　　算得最快：让智能体“想”得干脆利落

　　智能体与传统AI应用最大的不同差异，在于它不是“问一句答一句”，而是一连串任务的协同——理解意图、拆解流程、调用工具、跨应用操作。这套步骤要跑得顺畅，NPU必须同时做好两件事：把大模型最核心的运算加速，把智能体的决策逻辑处理好。

　　高通在Hexagon NPU中引入了最新的Element Accelerator，专为生成式AI与智能体AI的Transformer工作负载打造。它结合了给量计算单元与标量计算单元——给量单元负责高吞吐量的AI数学运算，加速大模型推理中的决定因素计算;标量单元则处理性能体的决策逻辑、路由与编排。这套设计的内涵是：NPU不仅能“算”，还能“想”。智能体在推理过程中需要挑选走哪条路、调用哪个工具、下一步做啥子，这些控制逻辑的复杂度远超传统AI任务，Element Accelerator让NPU首次同时具备了“重计算”与“轻调度”两类能力。

　　快，是能感知到的。对于INT4精度的模型，预填充性能提高顶尖可达50%，40亿参数模型首个词元生成时间低于1.5秒——用户和智能体对话时，几乎感觉差点等待。

　　算得更多：让大模型真实“住”进手机

　　端侧大模型部署有壹个容易被忽视的瓶颈：数据搬运比计算本身更耗资源。模型每生成壹个词元，都需要读取用于保存对话上下文的KV缓存。如果NPU片上空间不足，这些数据就必须在NPU与设备主内存之间频繁搬移，推高时延与功耗。用户感受到的“智能体反应迟钝”“答到一半忘了上下文”，根源往往在这里。

　　Hexagon NPU的做法是把共享内存容量较前代增加50%，让模型状态、上下文信息与KV-cache数据存储在更靠近加速器的位置，大幅减少对外部内存的访问频次。简单说，数据留在NPU内部，智能体就不用每次都“跑一趟内存”。

　　更大的突破在模型层面。骁龙新一代旗舰平台支持在终端侧运行300亿参数的混合专家（MoE）模型，每次生成壹个词元仅激活约30亿个被路由选中的参数。当前的DDR内存无法承载300亿参数规模的模型，高通的解法是一套从闪存到内存的智能加载机制——模型本体存储在闪存中，用到哪个“专家”再临时调入。配合INT2、INT4、INT8、FP8与FP16五种精度攻略，开发者可以根据任务复杂度灵活平衡性能、内存、模型质量与功耗。

　　从能跑到一直跑：NPU正在从头定义手机的AI人物

　　骁龙新一代旗舰平台的Hexagon NPU，思路很明确：让AI不只是能在手机上跑，而是能一直跑、快速跑、更智能地跑。

　　“算得最快”化解的是响应问题——Element Accelerator与更大共享内存的协同，让智能体的每一步推理都干脆利落，用户不用等。“算得更多”化解的是能力问题——MoE与多精度攻略的合力，让手机首次有了承载百亿级参数模型的能力，智能体能做的事从“查天气、设闹钟”扩展到真实的复杂任务。

　　当手机从等你操作变成主动帮你做事，芯片的评测要求也随之改变。过去看的是峰值算力，未来看的是能否在功耗红线之内，持续、稳定地输出智能体验。Hexagon NPU正在为这个要求建立新的基线——它不是一颗最快的NPU，而是一颗为智能体运行玩法从头设计的计算核心。这或许才是智能体手机时代，NPU真实的价值所在。