2026年5月13日，联发科召开了新一届的天玑开发者大会。在此次活动的主论坛结束后，我们三易生活也与联发科方面相关人士进行了深入的沟通。
在这次交流中，联发科方面提到了一个我们此前从未想过的情况，那就是如今手机上的App已经开始出现“争抢NPU”的现象。
当然，大家都知道，如今的智能手机、特别是中高端机型，已经普遍开始搭载端侧AI功能。但在大多数用户的印象里，手机的NPU似乎除了跑这些系统级AI功能，以及在拍照时可能会被调用外，平时好像也没啥“存在感”，为什么NPU的算力调度就成了一个值得在开发者大会上来讨论的“问题”了呢？
如今的手机App，可能比你想的还要“滥用”NPU
从过往的资料来看，智能手机行业的第一颗独立NPU，是高通在2013年10月发布的“类脑计算”芯片Zeroth。它的相关技术后续被融入到2015年发布的骁龙820中，最早专用于加速杀毒软件，此后也逐步被用在早期的“AI拍照”场景中。
但现在的情况已经完全不一样了。首先，各家手机厂商都会有一些“长期占着”NPU的后台AI服务，比如人脸识别、抬腕亮屏感知、离线语音唤醒、相册后台自动分类等。
其次，大家熟悉的聊天软件现在就会用NPU来做本地语音转文字的运算，短视频平台会用NPU在后台跑视频（画质）增强算法，购物App会拿NPU推理本地比价和推荐模型，甚至各家的手机输入法本质上也会集成小尺寸模型，通过NPU来实现智能联想、上下文润色、打字防误触等等功能。
当然，这还不包括一些NPU算力的“重需求场景”。比如，相机软件的本地算法优化，视频会议软件的实时摄像头增强，甚至一些游戏也开始基于NPU来做超帧超分、驱动更高智能化的NPC“陪玩”。
更糟糕的是，NPU的特性决定了它往往很难“优化”
众所周知的是，如今许多手机厂商都会在发布新品或新版系统时宣称，他们用了怎样的技术去优化App对CPU、GPU的算力“抢占”现象，可以让前台App更流畅、让手机的功耗和发热更低等。
为什么这种优化能够成立？其实基本原理就在于不管CPU还是GPU，它们所执行的代码都是“一段一段”的。假设某个游戏有几百GB，但实际上它当前提供给GPU的“真实负载”，可能只有屏幕上玩家视角所看到的那几个物体、几百MB的数据量而已。
但是NPU的情况就不一样了。原因也很简单，因为NPU在运行AI模型时，需要先将整个AI模型读取到内存，然后才能进行计算。而且很多时候，这个读取的过程反而比真正“执行”起来之后要慢得多。
正因如此，站在开发者的角度来说，只要他们需要用到NPU算力，就一定会想尽办法保证自己的模型被强制“驻留”在NPU内部，从而最大程度提高响应速度。而这，就造成了联发科方面所指出的App“争抢NPU”现象。
这个问题如何解决？联发科已经做好了安排
很显然，既然是联发科方面主动提出“NPU在手机上被争抢”这一现象，那么他们自然不可能没有与之对应的解决方案。而这些解决方案，就在今年的天玑开发者大会上悉数亮相了。
首先，针对诸如手机这类低功耗、注重能效的设备，联发科在天玑9500里设计了“双NPU”架构。即一颗低功耗的eNPU（嵌入式NPU）专门分流后台常驻的唤醒、相册分类、环境感知等功能，从而让“主NPU”可以专心应对第三方App的模型计算需求。
其次，针对功耗上限高得多，也不怎么需要为散热发愁的车载平台，联发科则准备了规格大得多的“双AI引擎”。
通过在一颗芯片内同时集成联发科自有的深度学习加速器，以及来自NVIDIA的Blackwell GPU核心，使得这两个单元同样可以起到“分流”AI计算任务，从而实现同时运行更多车内大模型的效果。而且与智能手机SoC相比，C-X1平台的全模态AI算力高达400 TOPs，能够实现更大规模、更精细的用户需求感知与AI推理。
最后，除了上述两种硬件层面的专门设计，联发科方面还在今年的天玑开发者大会上，正式公布了天玑AI开发工具3.0。它毫无疑问就提供了对AI计算任务的分流能力，即可以让CPU、GPU也参与不同类型的大模型推理加速。
在此基础上，联发科的LowBit压缩工具包允许先将模型“压缩”再分配算力，可节省最高58%的内存占用。而新增的eNPU工具包，则首次为第三方应用开放了eNPU的访问和优化接口，解决了第三方应用只能“抢夺”主NPU算力的情况。
再加上可视化部署与自动架构转换，就让开发者可以更简单地在App设计阶段就将内置的模型，为CPU、GPU或eNPU做好适配，并在不牺牲用户体验的前提下，让各种不同的“AI应用”可以充分利用异构算力、同时运行。
低端机情况会更糟吗？这是个“奢侈的烦恼”
可能有的朋友会担心，旗舰SoC、旗舰车载平台尚且要想办法解决“抢占NPU”的问题，那么中低端、入门级的设备岂不是要被未来的“AI App”“AI OS”直接“卡爆”？
别说，这个问题还真不存在。但这不是因为开发者有“良心”，而是因为现阶段的端侧大模型功能普遍对硬件规格设置了门槛。如果手机的性能达不到、算力不够用，AI功能就会自动屏蔽、不再启用。
当然，站在用户的角度来说，他们倒未必会把这视作一种“歧视”，甚至有些发烧友或许还希望找到办法，在旗舰机上也“屏蔽”后台AI功能。而这自然也反映了AI应用生态除了“算力不够用”外，目前亟待解决的另一个问题。
