安卓平台方面，基本保持了每年一代規格大更新的節奏。雖然每次性能上的各項提升能夠帶給用戶和遊戲廠商們最直接的正面反饋，但長期以往很容易就會造成認知疲勞「永遠只是比前代更好一些」，除此之外就沒有更新吸引人的新功能。
當然這種情況高通也早已經意識到，所以在性能、納米製程工藝不斷提升的同時，如何再進一步提升效率、開發落地新功能，就成了高通必須要思考的方向。
問題的答案也很簡單 —— AI。
AI，可以說是 22 世紀人類踏足數字生命邊界的重要一步。可以訓練針對某種場景作出快速反應、最優調配、自我學習、自我疊代，這個跨時代的新技術，徹底改變了我們對於機器的思考。
把 AI 引入到系統調度當中已經是各家成熟的做法，例如之前的第二代驍龍 8，其中的 Hexagon NPU 已經採用了獨立的專用供電系統，從之前的協處理器，進一步升級為主要處理器之一。可以自動按照當前工作負荷去調配功率，極大減輕了 CPU 和 GPU 的計算負荷，對於性能的調度更有 「療效」，這樣一來也能有效降低 SoC 的整體功耗。這個 「療效」，是得到手機市場消費者的口碑認證，確實搭載第二代驍龍 8 的機型性能更強、續航也更好了。
AI 大成
而在最新的第三代驍龍 8 身上，高通進一步把 AI 往更高的方向推進。在早期，AI 於用戶的直觀作用，大多就是以語音問答方式存在。但 ChatGPT 等 AI 大模型的出現，又再次顛覆了人們對於 AI 想像，基於 AI 大模型，它能夠讓 AIGC 的質量有了飛躍式的提升。AI 不再局限於簡單的語音交互，大步流星地奔跑在進化的道路上。
由於 AI 大模型的落地，生成式 AI 正在大行其道。AIGC 現在不僅僅只是簡單解答人類的問題，反而是能夠給人類提供了更多想像空間和創作思路。相信日後，AIGC 也將會是創作者必不可缺少的重要工具。
第三代驍龍 8 已經可以實現在端側運行最高 100 億參數大模型，運用 70 億大模型可以每秒生成 20 個 Token。新一代 Hexagon NPU 相比前代提升 98% 性能和 40% 能效提升，能在少於一秒時間輸出文生詞、文生圖內容。基於高通 AI 軟體棧模型，一次編寫就可以在各端運行。
同時它更是手機端首個支持多模態生成式 AI 模式，文本、語音、圖片都能夠支持。全球首個支持推測解碼技術，基於高通傳感器中樞，實現端側個性化生成。
落地到用戶側，除了 AI 大模型賦能語音助手實現更高階的互動問答場景之外，照片擴展、視頻對象擦除，而這些功能，晚些時候就可以在最新的小米 14 系列上體驗到了。
而功能和定位更強、面向 PC 平台打造的第一代驍龍 X Elite，更是能夠讓 PC 平台運行 130+ 億參數的大模型，每秒處理 30 個 token。同時端側少於 1 秒生成圖文、多模態生成式 AI 模型、終端側個性化生成這些都沒有缺席。這完全 SoC 從架構上就是一款面向生成式 AI 的異構計算設計，同時也支持多個國際主流 AI 大模型，包括：OpenAI、百度文心一言、Meta 等。
可以預見，隨著 AI 大模型的功能落地，日後旗艦終端產品能帶給消費者的絕對不只有性能的不斷提升，還有 AI 加持下，影像、顯示、續航、功耗、音頻、網絡性能和 AIGC 的全面體驗提升。
快人一步的 AI
在移動平台晶片品牌當中，高通驍龍早在 15 年前就開始研究 AI 方向，可以說是最早開始布局 AI 生態的廠商之一。通過多年來推出的 AI 終端產品 + 高通 AI 軟體棧統一解決方案，目前已經能以極低功耗提供業界領先的端側 AI 性能。
具體來說，現在搭載高通 AI 引擎的產品出貨量已經超過了 20 億台，其中就包括智慧型手機、XR 頭顯、平板、個人電腦、機器人和汽車等終端。
而近期熱門的生成式 AI，高通也在這幾年投入了大量人力。在 2023 年 5 月的時候就已經透露過當時已經開始端側運行超過 10 億參數的生成式 AI 模型，驅動諸如 Stable Diffusion 的圖像生成任務。只是想不到在年底的第三代驍龍 8 和第一代驍龍 X Elite 上，就已經實現了運行超過 100 億量級的大模型參數，成績可謂喜人。
其實也不難發現，高通驍龍在 AI 方面的鑽研和應用一直處於領先地位。早在 2007 年就已經推出首個支援 AI 的 Hexagon NPU、2015 年首個專門面向移動平台的高通 AI 引擎發布、2018 年驍龍 855 為 Hexagon NPU 增加了張量加速器、2019 年驍龍 865 擴展了端側 AI 應用、2022 年第二代驍龍 8 讓整個系統都接入 AI 技術，直到如今第三代驍龍 8 AI 大模型落地。
很明顯在研發 AI 和推進 AI 應用方面，高通驍龍一直都是處於行業領先地位。
AI 正在改變旗艦 SoC 的方向
在以往，想要手機等終端的用戶體驗，基本就只能依靠晶片納米製程工藝的提升、電晶體堆砌、能效提升等方向，不斷提升 CPU 和 GPU 的具體性能來實現。
而 AI 的出現，逐漸打破了這種窘況。相比硬體性能的不斷升級，對於系統調度的不斷優化、打磨，更能發揮出硬體的真正性能和能耗表現。AI 在這個時候，就表現出了巨大的優勢。24 小時無休止地快速學習、疊代，讓晶片廠商能夠快速訓練調校相應的場景模型。
同時 AI 大模型的發展，也讓終端產品在性能提升的之時，也有了更多可以想像的空間。更強大的語義理解、如「賈維斯」那樣的智能管家、簡單的幾句就能給用戶生成富有創造力的文字、圖片和視頻內容。這些功能的開發，無疑也給用戶帶來了全新的使用體驗。
能夠預見的未來是，旗艦 SoC 絕對的性能提升已經不再是用戶的唯一選擇，隨著終端用戶對於 AI 能力的看重，必然更會考慮這些旗艦 SoC 的 AI 介入程度、具體能力和應用落地情況。
未來旗艦晶片的主流方向，AI 將會是兵家必爭之地。