平安证券2024年8月发布的AI手机深度报告指出，AI手机相较于传统智能手机，最核心的硬件升级集中在SoC和存储两大领域。端侧部署130亿参数大模型需配备70TOPS算力处理器和13GB容量内存，异构计算架构SoC和高速大容量存储成为AI手机落地的硬件基础。本文基于报告核心数据，深度解析AI手机的硬件升级路径与产业链受益方向。
SoC+存储是AI手机最核心硬件升级方向
相较于传统智能手机，SoC和存储是AI手机实现流畅运行AI应用的主要硬件升级方向。一方面，SoC算力对本地部署的大模型参数规模起决定性作用，直接影响AI手机的生成式AI功能；另一方面，存取、加载大模型需搭载更高容量和性能的存储。根据联发科数据，端侧130亿参数大模型需要配备70TOPS算力的处理器芯片以及13GB容量的内存。除此之外，AI任务高频高密特性对手机散热、电池、摄像头、PCB等零部件同样提出更高标准。
表2：端侧大模型硬件性能基础标准| 大模型参数规模 | 所需处理器算力（TOPS） | 所需内存容量 |
|---|
| 130亿参数 | 70 TOPS | 13GB |
旗舰手机AI算力2025年将超60TOPS，七年增长超20倍
由于芯片供应商不断更迭SoC产品，智能手机AI计算能力实现快速提升。根据Counterpoint预测数据，自2017年以来旗舰智能手机AI计算能力增长了20倍，预计2025年旗舰SoC人工智能计算极限将增长超过60TOPS。在功耗和散热受限的手机终端上仅使用CPU和GPU已难以满足端侧AI大模型计算需求，异构计算架构SoC兴起，越来越多智能手机SoC开始集成类似NPU等独立AI计算单元。NPU擅长标量、向量和张量数学运算，专门用于处理繁重AI任务。
高通骁龙8 Gen3 NPU性能+98%，支持100亿参数模型
当前以高通、联发科为代表的主流手机芯片厂商纷纷推出适配AI大模型的移动芯片平台。高通骁龙8 Gen3（4nm制程）Hexagon NPU整体性能提升达98%，能效提升40%，支持终端运行高达100亿参数的生成式AI模型。联发科天玑9300+（4nm）配备NPU 790（Generative AI引擎），三星Exynos 2400（4nm）配备17K MAC NPU和DSP AI引擎，苹果A17 Pro（3nm）配备16核NPU，神经网络算力达3TOPS。
存储升级：uMCP成标配，UFS4.0读取速度达4300MB/s
当前高端智能手机普遍采用基于LPDDR5X+UFS3.1的uMCP存储方案。美光最新推出UFS4.0存储芯片（基于232层3D NAND），芯片尺寸相较UFS3.1缩小20%至9×13mm，容量覆盖256GB-1TB，提供4300MB/s顺序读取速度和4000MB/s顺序写入速度，首批采用美光UFS4.0的智能手机预计2024年下半年上市。据Yole预测，2023年高端智能手机平均DRAM容量为9GB，2024年接近10GB，搭载16GB内存的高端智能手机份额有望从2023年8%增长到2024年11%。
