9月23日的夏威夷骁龙峰会上，高通CEO安蒙把第六代骁龙8至尊版/超级至尊版定调为「以智能体为中心」。现场被媒体和KOL反复转述的高光时刻，是一块手机芯片全程不联网跑完了一个300亿参数的MoE大模型。36氪微博
先别急着喊「端侧元年来了」——往前倒半个月，9月15日联发科天玑9600发布时，说的是几乎同一句话：端侧最高可运行30B的MoE模型，NPU预填充性能提升51%，每瓦生成词元最高提升55%。知乎
两家做手机芯片的巨头，两周内先后官宣「手机跑30B」。当一个说法从单独厂商的PPT变成两家的共同口径，对三个月内加过卡、换过模型、踩过显存涨价坑的人来说，这件事就值得拆开看：这次它们到底改了什么，又有哪些东西没改。
先承认：上次「手机30B」是标签，这次的活儿是真的
我们前阵子刚拆过手机侧的「30B」话术：标称30B稠密跑法，实际干活的只有1-3B激活参数。这条规则今天依然成立——30B说的仍然是总参数，真正上班的还是激活的那一小部分。变了的是另一件事：过去把「总参数」塞进手机，卡在一堵内存墙上，这次这堵墙被实打实动了三刀。
第一刀在NPU内部。 新一代Hexagon NPU新增了专门面向生成式AI和Transformer负载设计的Element Accelerator单元，INT4模型预填充速度提升50%，并给开发者保留了INT2到FP16的完整精度阶梯。更关键的是大容量共享内存最大扩容达50%，官方口径是把上下文和KV-cache留在NPU片内，不再每生成一个token都去挤DDR带宽。NPU从「跑CV小模型的协处理器」改成了「为LLM重设计的主设备」，这是架构层面的表态。36氪
第二刀更狠：总参数干脆不常驻内存了。 峰会上那台真机的30B MoE，不是高通一家干的——高通官宣携手阶跃、无量火、江波龙开展四方合作，基于第六代骁龙8超级至尊版把300亿参数MoE模型跑在手机端侧，官方还给了「首个词元毫秒级生成」的说法。江波龙的iSA调度方案把MoE权重以流式方式从闪存按需调取，对外口径是运行内存需求降低超50%，这也成了中端机型有可能承载端侧大模型的底气。换句话说，手机这次玩的是「总参数住UFS、激活专家住内存」的编排——MoE的稀疏性第一次被端侧硬件当成了卖点，而不是当遮羞布。高通开发者社区微博
第三刀是联发科跟进。 天玑9600的双NPU路线同样主打大模型预填充和每瓦词元数。两家在两条技术路线上各自宣称解决了同一个瓶颈，端侧AI过去「叫好不叫座」的症结是内存这件事，已经被行业当成了共识。
但没倒的墙，和倒的墙一样实在
墙一：速度和散热没倒。 KV留在片内、权重从闪存流——这两个方案本身就是在承认带宽和功耗的天花板还在。目前公开信息里最实在的手机端侧速度参照，来自开源项目PocketOrca-LLM的说明：骁龙8 Elite上Qwen2.5-7B Q4量化在NPU引擎下稳定10 token/s，1B模型约23 t/s。7B稠密就是这个体感，30B MoE的真机解码速度，截至发稿没有任何第三方实测——各平台流传的所谓Step-5-preview实测，跑的是API版本的对比，不是端侧那份权重，模型也没有开放下载。发布会demo、KOL现场体验、「全程不需要联网」，和「你每天愿意在它上面干活」之间，隔着一整个量级。知乎
墙二：工具链搬不上手机。 显卡党攒机器不是为了聊天，是为了那套服务形态：给全家设备开OpenAI兼容API（我们写Ollama公网裸奔那篇的教训，本质就是「服务」引来的风险，手机端侧反而给不了你这个服务）、挂长上下文知识库——把27B用卸载方案塞进12G显存、跑出128K上下文、decode 50+ t/s的极限实测都已经出现。再往外是ComfyUI文生图（图像模型比语言模型更吃显存）、LoRA微调、多模型并发、全天候跑批。这些没有一样能装进一台被动散热的手机。知乎
墙三：控制权是别人的。 权重不开源、量化格式自己定不了、什么时候换模型取决于那四家供应商。经历过Ollama截断、换工具「控制权之争」的人应该清楚：端侧手机不是「更小的本地部署」，而是一台把控制权全部交回去的黑盒。它解决了「能不能跑」，没解决「听谁的」。
对显卡党，真正的信号不是「卡过时」，而是两端在走同一条路
把手机这次30B的戏法翻译成显卡党的语言：总参数放低速介质、激活专家进高速介质、KV尽量不占外部带宽。这不就是PC本地圈这两个月一直在玩的东西吗——同一张12G的3060跑35B-A3B MoE实测30t/s上下已经成了常规操作，3.6万星标的纯C推理引擎更是把744B模型流式塞进了消费级机器。手机侧的「30B」不是显卡党的对手，是同一条路线的邻居，只是它的存储从SSD换成了UFS。知乎哔哩哔哩
路线合流之后，买卡选机的结论也跟着收敛：容量和带宽优先于纯算力。显存需求表摆在那里，8G、12G、16G档卡在35B-A3B这级，24G显存及以上才跑得稳Q4量化的27B，27B往上直接断层到95GB级显存需求的180B档。（有本事用低比特量化和卸载的，能把27B塞进12G甚至8G，但上下文和稳定性另算账。）偏偏这轮存储还在涨价：同样256GB的iPhone Pro今年比去年要多备1000元，而供给端刚有点动静——长鑫9月20日在世界制造业大会上宣布第五代DRAM技术平台量产，新平台每片晶圆的裸片产出较第四代提升至少50%。这种情况下还要动预算，钱应该花在「装得下、取得快」上，不是「算力再高一档」上。知乎36氪
这本账的三条边界，和三类再等等
手机该接走的：随身轻智能体——语音、翻译、摘要、日程调度、隐私敏感的快问快答、离线救急。这部分本来也不该占你的显卡。
显卡机该守住的：整网API服务、长上下文RAG、文生图/视频、微调、多模型并发、跑批。这部分的护城河这次不但没被削，反而被证明得更清楚了——芯片巨头要绕三道弯才够到MoE的激活参数，你的机器上35B-A3B已经跑了大半年。
下单前先等这三件事的：
等权重——阿里9月22日官宣了Qwen4四款模型（Max、Flash、Plus和27B），暂未透露发布时间，其中27B档被社区普遍解读为「留给本地跑的那一个」。急着为新模型升级硬件的，先等开源权重和真实显存需求落地；哔哩哔哩
等速度——端侧30B的首批第三方真机实测（decode、发热、续航掉多少）没出来之前，「手机跑30B」在你的预算表里只算新闻，不算变量；
等生态——小米18系列配套的MiMo-V2.6-Distill-Qwen-9B已经开源上站了，如果后续端侧蒸馏模型持续开放权重，手机那端才真正进入「本地部署党」的账本。
总结成一句：这次高通和联发科真的把内存墙凿开了一道缝，但速度墙、工具墙、控制权墙都还立着。显卡党不需要因为一场发布会改主意，但值得把这条缝记进观察清单——端侧和PC共用同一套MoE玩法的时代已经开始了，先想清楚自己要哪一头的控制权，再决定钱包往哪头动。
