明敏 发自 凹非寺 量子位 | 公众号 QbitAI
最强生成式AI终端芯片，现已易主！
天玑9300一举支持运行最大330亿参数大模型，短短几周时间内刷新业界纪录。
它是业界首款搭载硬件生成式AI引擎，首次实现端侧LoRA融合，让大模型技能可在本地扩展，基于个人照片生成专属表情包。
打开摄像头，即可实时生成一个虚拟数字分身。
同样支持1秒内文生图、20 Tokens/秒生成文本（70亿参数）。
并且拿下“业内第一移动AI性能”，设备AI 跑分达到恐怖的3173（目前业内公开最好成绩为2000 ）.
没想到，联发科首颗生成式AI移动芯片，性能就如此强悍。
加上首次采用的全大核CPU架构，天玑9300属实是把牙膏踩爆了，峰值性能较上一代提升40%，功耗节省33%。
网友们看了都直呼：发哥，稳了！
搭载天玑9300的旗舰智能机vivo X100系列，马上就会和大家见面。
如果你想尝鲜，确实值得期待一把。
因为这是一张从底层开始、完全为生成式AI而来的旗舰级移动芯片。
透过它，不仅能先人一步体验在端侧玩大模型有多丝滑；更能提前窥见与感受，AI浪潮和移动终端将会碰撞出哪些激烈火花，。
手机实时生成虚拟分身
作为一张生成式AI移动芯片，能带来哪些创新体验？
天玑9300先来打个样，带来如下几方面能力：
- 支持运行大模型
- 快速文本、图像生成
- 端侧能力扩展、个人专属GIF表情包
- 视频实时个人分身
- 生成式超分、夜景防眩光
- 语意搜索
最基本的，生成式AI芯片要具备端侧支持大模型的能力。
天玑9300支持终端运行10亿、70亿、130亿、最高330亿参数AI大模型。
通过和vivo的深度合作，基于天玑9300率先实现了在vivo旗舰手机上端侧落地70亿参数大语言模型，系行业首家。
同时也突破行业上限，和vivo一起将端侧运行大模型规模提高到130亿参数。
在可以运行的基础上，更进一步，需要做到快速处理。
天玑9300具备快速文字、图片生成能力。
70亿参数模型下可实现每秒20 Tokens输出，支持文本创作、摘要生成等文本任务。
每张图片生成时间控制在1秒以内。
这意味着几乎无需等待，就能马上从手机上获得最新AI生成结果。
这也是为什么天玑9300能拿下业界移动AI性能第一名号，ETHZ AI Benchmark v5.1 Mobile SoC >2000 分。
更创新的体验来自端侧技能扩展，它支持在本地生成多样个性化内容。
这也是移动芯片首次实现端侧LoRA。
基于此，拍下一张照片，在手机本地即可进行各种风格处理，生成个人专属表情包。
要知道，基座大模型的知识与能力相对有限，想要让大模型有更强生产力，往往需要对大模型进行SFT、LoRA等方式微调。今年AI绘画能凭借不同画风、多次掀起热潮，很多程度上正是得益于LoRA方法。
天玑9300的端侧支持，可以让LoRA变得更加便捷，可以推动大模型在手机上实现更多丰富玩法。
除此之外，生成式AI的应用还能导入到视频中，实时生成个人虚拟化分身，进行视频通话。
一些已有的AI应用，也基于生成式AI实现了更多创新。
比如用在提升游戏画质、图像方面的超分算法，使用生成式能力后可以带来更好画质提升；
夜景拍摄可以防眩光产生；
以及生成式AI语意搜索，能不联网智能检索相册图片，在端侧完成计算更好保护隐私。
总之，透过天玑9300的能力可以感受到，联发科认为一张合格的生成式AI移动芯片，应该能把大模型能力尽可能带到端侧。
不只是要装下更大模型，还要让大模型能在端侧拓展能力，以此带来更丰富的应用。
那么，联发科是如何做到？
第七代APU 全大核打底
作为一张为生成式AI而来的移动芯片，天玑9300的能力提升逻辑简单粗暴：
AI性能拉满，底层能力夯实。
具体可以从APU和整体架构两个方面来看。
APU主要负责实现大模型的端侧快速运行。
天玑9300集成MedieTek第七代AI处理器APU 790，整数运算和浮点运算性能均是上一代的2倍，同时功耗降低45%。
为了能让端侧支持更大规模大模型，它带来了特有的内存硬件压缩技术（NeuroPilot Compression）。
要知道，大模型的海量数据在带来极致性能同时，也带来了巨大内存占用。所以这也是为什么大模型进端侧难。
联发科先采用INT4量化，将130亿参数大模型压缩至13GB。
然后基于内存硬件压缩，进一步把13GB内存压缩到只有5GB，内存占用直降61%。
这样一来，内存为16GB的内存即可运行130亿参数大模型，24GB内存手机可运行330亿参数大模型。
但装下大模型还不够，联发科认为还要让大模型具备更丰富能力。
由此提出了生成式AI端侧“技能扩充”技术（NeuroPilot Fusion）。
它直接解决了终端无法装下过多大模型的问题，实现一个大模型为底座，N个技能作为扩展。
这样既解决了大模型的内存瓶颈，还尽可能拓展手机上生成式AI的应用边界。
而为了能让大模型更丝滑地在终端运行，天玑9300在更底层还做了进一步优化。
一方面，天玑9300是业界首款硬件生成式AI引擎。
它深度适配Transformer模型，特别在Softmax LayerNorm算子上，处理速度较上一代提升8倍。
Softmax LayerNorm算子正是当下大语言模型（Transformer网络）的核心部分。
另一方面，天玑9300开创性采用了全大核CPU架构，从底层大幅提升芯片算力。
它包含4 个 Cortex-X4超大核，最高频率可达 3.25GHz，以及4个主频为2.0GHz的Cortex-A720大核，其峰值性能相较上一代提升40%，功耗节省33%。
其单个E大核的能效比完全超越传统架构B核和L核。
全大核架构全面使用乱序执行（out-of-order）内核。
和传统小核必须顺序执行的逻辑不同，大核运算允许只要任务进来且可以处理，它就会开始执行。
这样能大幅减少任务的总消耗时间，提升应用执行效率、减少卡顿。同时也能降低功耗，对比如下两图，大核运算“做得快、休息快”，运行曲线的积分更小，即功耗更低。
这些能力都能为芯片执行生成式AI任务，提供扎实的基础计算底座。
最后，生成式AI在端侧运行，还有很多细节需要考量。
比如在交互方面，目前大模型更多以智能助手形象出现，语音是重要的交互方式之一，所以天玑9300专门提升了音频降噪能力，支持对3个麦克风动态录音降噪，可以有效过滤风噪等环境音，不仅能让视频拍摄、录音效果更好，也能辅助提升大模型语音识别的正确率。
另外在用户格外关注的数据安全方面，天玑9300集成双安全芯片，从开机源头保护个人隐私，同时具有物理隔离计算环境，进一步保障个人数据加密、解密的安全。以及内存标记扩展（MTE）技术，可以打造更安全的开发环境。
如上诸多方面的优化、革新与考量，都让天玑9300成为一块名副其实为生成式AI而来的移动芯片。
而除了对自身硬件性能提升，联发科还进一步打通大模型生态。
支持Meta LLaMA 2、百度文心一言大模型、百川大模型等前沿主流AI大模型，以及多模态大模型。
应用方面和抖音、快手、虎牙、爱奇艺、美图秀秀等展开合作，提供相关SDK和model hub。
开发者生态方面，天玑开发者中心将提供端侧生成式AI落地的一站式资源，提供端侧部署案例分享。目前已有20 生成式AI合作伙伴。
一言以蔽之，联发科要用天玑9300这块旗舰芯，正式叩开生成式AI大门。
由此带来的影响，将从联发科由内至外，给全行业带来新气息，更进一步影响到每一位智能手机用户。
生成式AI打开移动芯片新象限
在近几年里，手机行业始终在思考一个大命题，下一代旗舰机该怎么做？
这个命题需要芯片、手机、应用等厂商共同思考，如折叠屏、旗舰影像等都是摸索出来的方向。
而生成式AI浪潮的到来，让这个大命题回归本源，即下一代智能手机，就是要更智能、更强大。
大模型是实现这一切的根本。
所以过去一段时间里，手机厂商们纷纷开始推出端侧大模型、发布接入大模型的OS系统，掀起大模型浪潮的OpenAI被曝要做新一代智能手机。
但落地到实际，怎么让手机用户能更好用上大模型。这个核心问题，还是要抛给芯片厂商。
因为大模型落地，必须要解决计算瓶颈、功耗瓶颈，而且只依靠云端运行不能长久，也不能从根本上打开大模型的手机场景。
从当下来看，联发科等头部手机芯片厂商已经迈出了关键性的第一步——将大模型实现端侧运行。
那么接下来该怎么走？如何思考生成式AI芯片的未来？以及大模型在手机端的应用？
现在似乎很难有非常明确的答案。
毕竟业内都非常清楚，大模型浪潮如今才只是最早期阶段，无论是技术层面还是应用落地，都仍需长期探索。
但联发科用天玑9300给出了一个关键参考：
面向生成式AI的移动芯片，要从底层为大模型做准备，“天生”更适合大模型，同时硬件层面要做到能力溢出。
为什么？
用联发科的话来说，就是“生成式AI旗舰芯片未来一定会有更多应用模式产生、完成更复杂的任务。”
作为一个硬件级的底座，要足够强大，上层系统、应用才能有更多创新空间，更多生成式AI端侧应用才能诞生。
在强大的同时，还要动作够快。
天玑9300不仅和vivo一同实现业内首个70亿大模型端侧落地，还实现了130亿参数大模型端侧运行。
搭载天玑9300的vivo X100系列也将马上上市。届时就能真正上手实测大模型跑在端侧是什么感觉了。
对于大模型上手机，你有哪些期待？对于今年生成式AI给手机行业带来的新气息，你又有哪些感受？
欢迎评论区留言讨论~
— 完 —
