产业顶级玩家的芯片争夺
九月的智能手机市场显得格外拥挤——从新品发布到技术迭代，各路厂商的年度旗舰产品集中涌现。腾讯科技特此规划「手机连连看」系列观察，深度记录这场产业变革的过程。本篇为该系列的揭幕之作。
「抢先推出已成必然。」曾在手机企业从事战略规划的业内人士表示，这与过去的做法差异明显。在历年的竞争中，安卓厂商往往会把新品发布会推延至十月份，目的是规避与苹果的直接交锋。
手机企业间的竞争态势受多重力量驱动。购物节点（黄金周、双十一）的商业考量需要提前布局，国产高端旗舰与iPhone正面交手的趋势日益加剧，加上小米17 Pro树立的成功范式，这些都促使各家不敢有任何延迟。
同一位业内观察人士进一步补充，去年九月的舞台上仅有苹果与小米两个选手，而小米的后屏幕设计成为宣传重点，由此获得了约一个月的领先销售期。到了今年，整个产业已经从中汲取教训。
这些因素无论哪个更占比重，都充分反映了当下手机市场竞争的极端激烈程度。
纵览整个九月，华为与小米选在同一时间发布新品，华为推出了新一轮三折旗舰Mate XT2，小米则发布了中部折叠屏旗舰小米18 Fold。随后，苹果也接力推出了Phone 18 Pro系列与其首款折叠屏产品iPhone Duo。
倘若将OPPO、vivo等品牌纳入统计，九月份的新品发布活动总数已接近十场。
在价格层面，旗舰级设备的起价普遍超过万元，某些产品线甚至逼近两万元档位。同步地，底层芯片生态也实现了新一代更替——华为麒麟9050、小米玄戒O3、苹果A20 Pro、联发科天玑9600 Pro以及高通骁龙8至尊版等产品陆续面世。
整体来看，手机制造商正在双重压力下展开竞争：既要承受内存成本上升的冲击，又要卷入2nm芯片的争夺战。值得关注的是，一个鲜明的产业现象随之显现——芯片企业们在齐声拥抱人工智能技术。
01 2nm工艺的竞速之路
关于2nm芯片的技术竞赛，联发科的动作最早启动。2025年，该公司CEO蔡力行在Computex舞台上进行了先期预告，数月之后，联发科在今年九月正式对外宣布，其全球首款2nm SoC已启动流片阶段。
率先完成流片的优势并不必然转化为率先量产的胜利。
2nm手机芯片的实质竞争，伴随苹果A20 Pro在九月的现身而真正拉开帷幕。苹果在官方声明中强调，该产品「采用最新的2nm工艺制程」，「为移动计算打造全新的标杆」。
从商业化量产的时间顺序看，苹果无可争议地成为2nm芯片的首位量产者。而从客户市场规模的维度，苹果也必然会获得这项技术的首发优势。
「台积电今年的2nm晶圆产能总计约100K，其中苹果分配了约70K。」长期跟踪台积电产能态势的蓉和半导体咨询CEO吴梓豪解释道。他补充说，联发科的订单相对较小，其天玑9600 Pro仅需几千片晶圆就可满足；高通约占10K，再加上AMD的份额约20K，这样总和就在100K左右。
海通国际资深分析师Jeff Pu曾做过这样的预测，苹果在今年Q3与Q4需为包括iPhone Duo等新品进行大批量备货，总量约7800万台。假设不计生产过程中的损耗，这对应到A20 Pro的月均需求约为1300万颗。
知名硬件评测机构极客湾发布的测算数据显示，A20 Pro的芯片面积约为98.8mm²。在台积电2nm工艺良率为85%的前提下推导，该芯片对2nm产能的占用预期在25K上下，其余约45K的产能将流向同样采用2nm工艺的M6处理器。
从客户的战略地位考量，虽然AI驱动下英伟达的需求大幅上升，使苹果从台积电首客的宝座上滑落，但GPU芯片通常不追求极致先进的工艺。在2nm这条产线上，苹果依旧是最核心的客户，历年都是如此。苹果之所以能获得这等优待，既源于张忠谋年代与其建立的深厚合作基础，也倚赖iPhone全球销量为产能提供的强劲需求支撑。
虽然联发科在流片环节高调发声，但手机SoC对2nm工艺的需求量相对较小。以5K片晶圆的需求、134.02mm²的芯片面积、85%的良率推算，天玑9600 Pro的月度出货量约为200万颗。
值得关注的是，联发科正联合谷歌共同研发专为推理设计的2nm TPU，预计于2027年底量产。该类产品一旦进入规模生产，有望大幅拉升联发科对台积电2nm产能的需求。
吴梓豪指出，尽管高通、联发科与苹果都有2nm芯片的发布，但联发科的高端产品线相对薄弱。虽然它是全球手机芯片出货总量最大的厂商，颗数排名领先，但这些芯片主要聚焦在中低端市场。
据Counterpoint Research的数据统计，截至2026年Q2，联发科在全球智能手机芯片市场的份额为31%，环比第一季度下滑2个百分点。作为对照，高通与苹果分别占有23%和19%。
另一个值得关注的现象是，2nm工艺如同内存芯片一样，价格同样处于上升周期。鉴于这一背景，高通在二季度业绩说明会上就提前预告，自九月一日起将上调产品价格。
晶圆代工的价格上涨最终会像内存成本一样，传导至消费市场的手机价格。消费者感受最直接，就是手机又贵了。
涨价趋势与集中发布的现象，都指向了一个更深层的产业现实——市场已进入存量竞争的时代。
「大盘整体欠佳。」曾任金立手机副总裁的俞雷坦言，销售收入虽未见下滑，但出货台数却在持续萎缩，近几年都保持这个态势。
在俞雷看来，价格上升有双重来源。其一来自上游供应链成本的增长，其二则源于国产替代加速以及技术进展。一个明显的变化是，屏幕、传感器、存储、射频、电源管理等环节都在逐步实现国产化替换，这使得国产手机的竞争力加快提升，进而将日系与韩系品牌逐步蚕食。
国产芯片自主设计的路线，正是产业进化过程中的下一个重要阶段。
02 自研芯片的新兴力量
在芯片解决方案上，存在两类主流思路。其一是以高通、联发科为代表的外部采购模式，其二是包括苹果、华为、小米在内的自主研发路线。
苹果自研芯片之路的成功案例充分验证了这条路线的价值所在。华为与小米也随之踏入了自主设计的行列。但受限于代工资源，相比苹果，华为和小米的自研之路显得更加崎岖困难，然而这种逆境中的坚守也就显得更加弥足珍贵。
九月七日，华为正式推出了Mate XT2三折屏旗舰，搭载基于「韬定律」与逻辑折叠的麒麟9050 Pro。这颗芯片运用了W2W技术，将传统的单层平面逻辑模块改为双层纵向排列，业界俗称为在芯片里加装「竖梯」。
逻辑折叠是华为在工艺制程遭遇瓶颈时开创的全新解题思路，代表了「韬定律」理论的实践突破。巧合的是，小米也采纳了同样的W2W方案——其新推的玄戒O100芯片采用了6nm工艺。
华为与小米的共通点在于，先进的芯片封装工艺为设计方打开了性能挖掘的新途径。
但两者的实现方式也有明显差异。华为的W2W重点在于逻辑单元的堆叠，主要是为了突破物理工艺微缩的天花板；小米的W2W则是逻辑单元与存储单元的联合堆叠，目标是克服内存访问效率的束缚。
在2nm工艺的进展上，苹果、高通与联发科等主流手机SoC已经迈过这个门槛，而小米目前仍停留在3nm级别。这背后存在多层原因，过往的深入分析中多次涉及，其中的关键一点是GAA架构带来的限制。
眼下的2nm工艺中，三星与台积电都已切换到了GAA架构，但该架构所需的设计工具与晶圆加工资源受到了严厉管控。
「小米能做到的上限就是3nm。」前述战略研究人士表示。
从商业规模的视角来审视，现阶段的玄戒芯片，即便升至2nm也不见得值得，关键在于能否达到出货规模化。
以苹果为例，单凭iPhone这一条产品线，每年对自研芯片的需求就在数亿颗的量级。而目前玄戒O1的出货才刚突破百万颗。根据过往的类似计算，要形成真正的规模经济效应，可能需要出货量突破千万颗的关口。从这个指标来看，国产自研芯片还处于襁褓阶段。
不过实际上，小米在这一代3nm工艺的玄戒O3上探索的思路，价值远高于简单粗暴地升到2nm。
据小米公布的数据，玄戒团队对晶体管的底层逻辑单元Standard Cell进行了深入重构，从O1时代的480个跃升至O3的2400个。同时，玄戒O3采纳了名为「Channelless」的工艺技术，取消了传统SoC为了铺设供电强化单元而预留的沟道，反而将这些单元整合进其他模块，实现了晶体管密度5%的提高。
若从价值层面来阐述，过往摩尔定律的迭代靠晶圆厂工艺演进，使得单位面积的晶体管数每18至24个月翻番一次。如今工艺发展速率明显放缓，有人宣称「摩尔定律」已然终结。但华为与小米的实践表明，在工艺受限的时代背景下，他们用另一套方案，让「摩尔定律」重新闪闪发光。
中国芯片设计团队的能力令人敬佩，这一点务必认可。
03 人工智能融入核心设计
无论苹果的2nm还是玄戒的3nm，今年有一个明确的产业共鸣——AI已经渗透进了各个关键的IP单元。CPU、GPU、ISP等多个计算核心都在分担AI推理的工作。SoC正在演变成一个异构算力网络体系，而非由单个NPU负责全部AI任务。
All in AI这个表述，可以说毫不夸张。
在这套异构算力架构下，大型模型的重负荷任务仍优先在NPU上运行，而低延迟、轻负荷的AI任务则直接调配到CPU-AI或GPU-AI，这样可以承担碎片化、低时延的微型AI工作，减少片内数据搬运的消耗。
在玄戒O3的沟通会上，玄戒团队披露的一组数据表明，CPU集成了两个新型矩阵计算引擎，支持SME2指令集，提供3.5TOPS的算力，可处理轻量型的AI工作负荷。GPU子系统配置了8核心NX神经加速单元，总算力36TOPS，可在GPU内进行图像渲染的AI超分与插帧操作。
「各家都在进行探索尝试，但现在手机端的应用场景与价值还不充分。」一位资深芯片设计专业人士向腾讯科技透露。
「从技术演变的路线看，GPU内置AI是确定的趋势，看英伟达就明白，游戏这类实时性强的场景也需要。CPU内置AI则主要处理轻型任务，目前大多数人还在观察苹果的做法和学习ARM所推的方向。这些都是既定的发展方向，但具体方案上还存在差异。」
根据此前的公开声明，苹果采的是分层异构方案——CPU侧的AMX硬件加速器、GPU内置的神经加速器，加上独立的NPU，形成三级AI算力体系。联发科的基层IP与玄戒O3源自同脉，为整个计算子系统配置了专用的AI硬件单元，是今年手机SoC中推行最彻底的全模块AI融合。
前述战略研究人士也支持这种学习苹果思路的做法。
「苹果CPU中的AMX主要做向量计算与矩阵加速，执行简单算法及某些RNN模型，但不支持并行计算。高通与ARM早就推出了QMX和SME，本质上就是照着苹果的思路来做。」
这位人士进一步解释了设计理念的本质——控制计算开销。「NPU计算涉及专门的任务调度与传输机制，这里面的成本消耗很高。因此，一些轻量计算能在本地（即单元内）就完成的话，整体开销会大幅下降。」
将AI工作「就地计算」，既能提升运算效率，又能降低系统成本，进而提高整机的能效指标，也为手机企业基于自身IP的AI能力进行差异化开发提供了机遇。「比如OPPO在主动智能上有所布局，可能会推出自己的差异化能力。」前述人士提到。
大方向已定，但探索仍处初期，技术路线也未形成统一。
「眼下做得都不算出彩，但将来AI的融合深度可能会越来越高。至于具体方向是在GPU内部内嵌AI，还是GPU与外部NPU的紧密协作，这些都是可行的方案。」前述芯片设计专家说。
言而言之，尽管All in AI的声量很大，行业也形成了共识，但最终能让消费者为这些创新产品掏钱的，仍是那些可靠稳定、高频出现的使用场景与实际功能。
