手机、芯片巨头较量现场。图片源自AI生成
步入2026年的第九个月，智能手机产业迎来了密集的更新潮。从芯片设计到手机产品，各家厂商的年度旗舰机型排着队接连面世。为了全景式记录这场产业变革，我们推出了「手机连连看」专题系列，本篇为开篇之作。
「抢占发布时机是致胜关键，」某前手机企业战略部门研究人员表示，「往年为了避免与iPhone形成正面冲突，安卓阵营的新品发布普遍选在10月。」
手机厂商的竞争较量中，有为抢占国庆假期和双十一购物窗口的考虑，有国产旗舰与苹果直接对标的因素，还有去年小米17 Pro成功案例的示范效应。
「前年只是苹果和小米两家在九月发布，小米借助背屏创新铺天盖地宣传，结果硬是抢先整整一个月进入市场，」前述研究人员说，「这一次各家品牌都学到了这个教训。」
这足以揭示智能手机市场的竞争激烈程度。
整个九月份内，华为与小米选择同步发布新作——华为亮出最新款三折叠Mate XT2，小米则推出折叠屏旗舰小米18 Fold。其后苹果正式推出Phone 18 Pro全系列以及首次推出的折叠屏iPhone Duo。
若将OPPO、vivo等品牌计入，九月份新品发布活动将近十场。
就定价而言，高端旗舰机型广泛进入万元+时代，部分产品售价甚至突破2万大关。同步发生的是，核心芯片也完成了代际更新——华为的麒麟9050、小米玄戒O3、苹果A20 Pro、联发科天玑9600 Pro、高通第六代骁龙8至尊版等相继登场。
存储器成本上升的重压之下，手机企业仍要参与到2nm工艺的激烈争夺。值得注意的是，芯片设计阵营正在统一行动「All in AI」。
01 2nm工艺的争夺
关于2nm这条工艺线路，联发科首先在2025年进行了宣传造势。联发科CEO蔡力行在2025年Computex大会上进行了预告，到九月时对外宣布全球首款2nm制程SoC启动流片。
流片领先并非意味着生产领先。
真正意义上的2nm手机处理器竞争，到今年九月伴随苹果A20 Pro的亮相才正式拉开序幕。「基于最先进的2nm制程工艺设计开发，A20 Pro为移动运算建立了新的基准线，」苹果在官方声明中强调。
从量产上市的时间维度看，苹果是2nm时代的当仁不让的首发者；从客户业务规模来讲，苹果也自然而然地获得了2nm的首发权益。
「台积电当前2nm晶圆月产能约在100K片左右，苹果独占大约70K片，」长期研究台积电产能的蓉和半导体咨询CEO吴梓豪透露，「联发科出货体量有限，（天玑9600 Pro）只需数千片晶圆就够用，高通大约10K片，加上AMD约20K片，总体规模在100K上下。」
海通国际资深分析师Jeff Pu此前曾估算，苹果在今年三四季度为包括iPhone Duo在内的新品备货达7800万台，除开生产损耗，单月对A20 Pro芯片的需求量理论上接近1300万颗。
知名测评机构极客湾公布的测算结果显示，苹果A20 Pro的芯片面积为98.8mm²。假设台积电2nm工艺良率为85%，按此计算，A20 Pro对产能的需求预计约在25K片，余下的45K片产能则分配给同为2nm的M6处理器。
从客户战略地位角度分析，受AI算力需求影响，苹果已经从台积电第一大客户的宝座下滑，被英伟达反超，但英伟达的GPU并不追求最前沿的工艺制程，在2nm领域苹果仍是核心大客户，这是多年来的既有态势。苹果能够获得这样的地位，既源于与台积电在张忠谋时代建立的深层合作关系，也源于iPhone全球销售量提供的强劲需求基础。
联发科虽然高调宣布流片，但手机SoC对2nm的需求规模要小得多。按照5K片晶圆需求、134.02mm²芯片面积、85%良率推算，天玑9600 Pro单月出货量大约200万颗。
需要关注的是，联发科目前正联手谷歌为推理任务量身定制2nm TPU芯片，预计在2027年年底实现交付。待这款芯片进入量产阶段，有望显著增加联发科对台积电2nm产能的需求。
吴梓豪指出：「尽管高通、联发科、苹果三家同台推出2nm芯片，但联发科的高端占比相对较低。虽然现在它在全球手机芯片出货数量上排名最高，但对应的是产品以中低端为主。」
根据Counterpoint Research的数据统计，2026年Q2期间，联发科在全球智能手机芯片市场的占有率为31%，环比Q1下降2个百分点。相比之下，高通与苹果分别占据23%和19%的份额。
还有一个必须关注的现象：2nm虽是今年的主流工艺，但如同存储器产品，其价格也在攀升。基于这一原因，高通在二季度财报会上就发出预告，从9月1日起实施芯片产品涨价。
最终，代工厂的涨价压力就如同存储器价格上升一样，逐级传导到终端手机产品上。消费者最直接的感受便是：手机又涨价了。
涨价加之发布密集，从深层反映出一个严肃的现状：市场存量竞争。
「整个行业大盘形势不乐观，」前金立手机副总裁俞雷表示，「营收未见下滑，真正下降的是销量，过去几年一直如此。」
在俞雷看来，涨价既与供应链成本上升挂钩，也与国产替代进展、技术进步紧密相关。一个显著变化是，屏幕、CIS传感器、存储、射频、电源管理等环节正在逐步实现本土化替代，这推动了国产手机产品进化加速，最终将「日系」「韩系」手机打得伤痕累累。
国产品牌实现跨越的另一个着力点，就是手机处理器自主研发。
02 自研芯片的新力量
以高通、联发科为首的2nm工艺是一条路径选择，以苹果、华为、小米为代表的自研设计则是另一条路径。
苹果自主开发芯片的历程，充分证明了这条道路的价值潜力，华为与小米也在实践自研这条道路。但由于代工渠道受限，相比苹果，华为和小米的自研之路遭遇了更多困难，同时这种坚持也显得更加珍贵。
9月7日，华为推出Mate XT2三折叠手机，搭载基于「韬定律」和逻辑折叠设计的麒麟9050 Pro处理器。这款芯片运用了W2W（晶圆对晶圆）先进封装技术，把传统单层平面逻辑电路改为双层垂直堆叠结构，业界俗称为在芯片内部加装「电梯」。
逻辑折叠代表着华为自研芯片在工艺制程受限情况下的创新解题思路，是对「韬定律」理论的重要落地实践。巧合的是，小米也采用了相同的W2W先进封装方案——推出了采用6nm制程的玄戒O100芯片。
华为与小米的共同之处在于：先进封装技术为芯片设计者开启了挖掘性能潜力的新大门。
但两家的策略差异也清晰可见：华为的W2W方案聚焦于逻辑单元的堆叠，而小米的W2W涉及逻辑单元与存储单元的联合堆叠。前者关注的是打破物理工艺微缩的天花板，后者想要克服因内存延迟导致的数据搬运效率瓶颈。
苹果、高通、联发科等主流手机处理器今年都迈入了2nm时代，而小米目前仍停留在3nm阶段。这背后存在多方面因素，其中一个关键制约是GAA架构的技术限制。
眼下的2nm制程中，三星和台积电均已转向GAA架构，但这种架构对应的设计工具与晶圆产线均面临严格管制。
「小米最多也只能采用3nm，」前述战略研究人员说。
实际上，从商业化角度讲，现阶段玄戒系列即使跃升至2nm也未必划算，核心原因在于产量规模达不到经济阈值。
拿苹果做参考，仅iPhone这一条产品线，年度对自研芯片的用量就在亿级别。目前玄戒O1的出货量刚突破百万颗。我们之前的测算结果表明，要产生真正的规模经济效益，出货量需要冲至千万颗级别。从这个意义上讲，国产自研芯片仍然还在初期阶段。
但小米在3nm玄戒O3上的探索思路，其实比生硬地导入2nm更具有价值。
按照小米对外披露的数据，玄戒团队对晶体管底层基本单元Standard Cell进行了深层重构，从O1代的480个升级到O3代的2400个。同时，玄戒O3采纳了称为「Channelless」的沟道消除工艺，取消了传统SoC为加强电源供应而预设的沟道，转而在其他功能区块中安排BUF单元，以此实现晶体管密度提升5%。
从其价值意义来说，过去摩尔定律依赖晶圆代工厂的工艺演进，实现单位面积晶体管数量每18至24个月翻倍。如今工艺进化速度放缓，不少人宣称「摩尔定律」时代已落幕，但华为和小米，在工艺受限的约束下，用创新设计的方式，让「摩尔定律」重获生机。
国内芯片设计团队的能力不容小觑，这一点必须承认。
03 全员押注于人工智能
无论是苹果的2nm，还是玄戒的3nm，今年都体现出一个高度一致的理念——AI已经融合到各个核心的功能模块，CPU、GPU、ISP等各类处理单元都加入到AI推理任务的分担中。SoC的发展从「单独NPU处理全部AI」演变为「全子系统异构AI算力网络」。
由此看来，All in AI这个表述一点都不过分。
在这类异构算力体系下，大型模型运行仍然优先依赖NPU，而低延迟的轻量级AI任务则直接由CPU‑AI或GPU‑AI执行，分担碎片化、低延迟的小规模AI工作，减少片上数据流转的开销。
在此前的玄戒O3沟通会议上，玄戒团队披露：CPU集成了两枚新型矩阵计算引擎单元，采用了SME2指令集规范，提供3.5TOPS的运算能力，用于处理轻量级AI任务。在GPU子系统中装备了8个NX神经加速核心，总运算能力36TOPS，可在GPU处理图像时内部实现AI超分和帧率插值功能。
「各厂商都在做技术布局和尝试，但当下手机应用场景中的实际价值还不充足，」一位资深芯片设计人士对我们表示。
「从技术演进路线看，GPU嵌入式AI是明确方向，看看英伟达就明白，游戏应用需要实时性，这样的选择很合理。CPU嵌入式AI用于处理小规模任务，可能大多数人还是看苹果的做法以及ARM的推动方向。这些都是笃定的方向，具体实现路线可以存在差异。」
按照此前公开的信息，苹果选择的路线是CPU（AMX硬件单元）+GPU（神经网络加速器内置）+独立NPU的三层级异构AI算力架构。联发科的底层IP与玄戒O3同源，全计算子模块均配置专用AI硬件加速单元，代表了今年手机SoC业界最彻底的全模块AI化。
前述战略研究员对标学习苹果做法的思路表示了同意。
「苹果CPU内部的AMX主要承担向量计算和矩阵加速任务，执行简单算法和某些RNN类型模型，但缺乏并行计算能力。高通和ARM从去年就开始支持QMX/SME规范，本质上就是在复制苹果这个功能，」他说。
在他的理解中，这种设计思路的核心是优化计算「成本」。「NPU处理需要计算核心去传输和调度任务，这个过程涉及较大开销。如果某些计算能就地（单核内部）完成就会好得多。」
让AI工作「就近完成」，一方面提高了执行效率，另一方面降低了系统开销，将促成整机能耗效率的改善，也为厂商基于不同IP的AI特性探索差异化功能提供了机会。「比如OPPO在智能化方面进行了一些前瞻投入，今后可能会做出差异化特色，」前述战略研究员指出。
发展方向和目标是明朗的，但真正的探索仍处于早期阶段，技术路线也并未统一。
「现在各家做得都还不够完善，但未来AI融合的程度会越来越深，具体方案选择上，是在GPU内部集成AI，还是GPU加上GPU外的NPU进行紧密配合，两种都有可能，」前述芯片设计人士说。
All in AI的概念声量很大，业界也已形成共识，但能否让消费者为这些技术创新额外掏腰包，关键还要取决于那些可靠、稳定、高频率使用的应用场景和能力。
