高通在2025年9月的骁龙峰会上给端侧大模型画了一张很漂亮的饼：第五代骁龙8至尊版（Snapdragon 8 Elite Gen 5）采用台积电N3P工艺，Hexagon NPU能效比提升3.2倍，可在设备端跑70亿参数大模型，响应速度压到300毫秒以下。到了2026年7月，三款搭载该芯片的量产旗舰机——小米16 Pro、一加14和vivo X300 Pro+——终于跑完了14B参数模型的连续推理压力测试。功耗数据确实好看，但热成像仪照出来的画面，让测试工程师们集体皱起了眉头。
热点搬家了。
三台机器跑的是同一个优化过的Llama-3-14B量化版本，INT4精度，NPU全速调度，持续运行30分钟。平均整机稳态功耗在5.2W到5.8W之间浮动，比半年前工程机阶段动辄7.5W以上的数据好看了不止一点。但FLIR热成像图显示，三款机型的最高温点无一例外地偏移到了摄像头模组右侧区域——小米16 Pro录得46.8℃，一加14达到47.2℃，vivo X300 Pro+也有46.5℃。而SoC正上方的中框温度反而只有41-42℃，比热点低了整整5度。
这不是偶然误差。三台机器、三个品牌、三种散热设计，热点偏移的方向和幅度高度一致。原因藏在NPU的调度策略里。
我们在之前的文章《端侧NPU调度优化：让14B模型在骁龙8 Gen5上流畅运行的秘诀》中详细拆解过，为了让14B模型在8GB-12GB内存的手机上跑起来，开发者采用了混合精度量化、算子级动态加载和内存池化三重手段。最关键的一步，是把推理过程中反复调用的注意力机制权重常驻在NPU的本地缓存里，避免频繁从LPDDR5X内存读取——这能大幅降低功耗，但代价是NPU计算单元长时间高负载运转。
而骁龙8 Gen5的Hexagon NPU物理位置，恰好紧邻ISP（图像信号处理器）模块。当NPU持续满负荷运转时，热量通过硅中介层横向传导至ISP区域，而ISP上方对应的，正是摄像头模组。这就解释了为什么中框不烫、摄像头旁边烫。热量不是从SoC垂直向上传导的，而是横向“串扰”到了影像处理区域。
47℃是什么概念？
国标GB/T 24253-2009规定，手持设备金属表面持续接触温度不应超过45℃。三款机型全部超标。横屏打游戏或进行AI对话时，左手食指正好搭在摄像头模组边缘，47℃的体感已经接近“烫手”级别。更麻烦的是，摄像头模组本身是个热敏感器件——CMOS传感器在温度升高时暗电流会上升，直接导致噪点增加。手机厂商做影像旗舰时，原本就把摄像头区域的温升控制在5℃以内，现在端侧14B模型一跑，温度直接飙到45℃以上，撞进CMOS的舒适区边界。
据一位参与测试的ODM散热工程师私下透露，他们已经紧急调整了下一代机型的VC均热板布局——把原本覆盖SoC区域的均热板向右延伸了12mm，试图把NPU-ISP区域的热量更快地横向摊开。但新问题是，摄像头模组本身有光学防抖结构，不能直接贴导热材料，导致热量只能绕路传导，效率打折。
端侧大模型给手机结构设计带来的新约束，这才刚露头。
过去手机散热设计的核心逻辑很简单：SoC在哪，散热堆哪。VC均热板、石墨烯膜、铜箔，全都围绕SoC封装位置布置。但端侧大模型推理的负载特征完全不同——它不是CPU和GPU的短时间爆发，而是NPU的持续稳态负载。发热位置变了，发热时长从几十秒变成了几十分钟，散热设计也得跟着变。
更棘手的是，不同模型的负载分布还不一样。跑13B参数的语言模型时，热点在NPU-ISP区域；跑扩散模型生成图片时，GPU接管，热点又回到传统位置。一台手机要同时应对两种截然不同的热分布，散热结构必须做成“双热点”兼容——据供应链消息，成本直接上涨15%-20%。
已经有散热模组厂在给手机厂商打样“分区VC”方案：一块均热板内部分割为两个独立腔体，分别覆盖SoC和NPU-ISP区域，中间用微通道连接，实现差异化的导热速率。预计2027年Q1的旗舰机型上会率先量产。
一个值得注意的细节：相变材料的权宜之计。
测试团队在环境温度25℃的实验室里，连续记录了30分钟的温升曲线。前10分钟，三款机型的摄像头区域温升速率几乎一致，约1.2℃/分钟；10分钟后，一加14的温升斜率率先放缓到0.6℃/分钟，而小米16 Pro和vivo X300 Pro+仍维持在0.9℃/分钟。拆机后发现，一加14在摄像头Deco内侧贴了一层0.3mm厚的相变材料——这种材料在45℃时从固态变为液态，吸收大量潜热。这是一个低成本、小体积的权宜之计，效果有，但只能延缓，不能根治。
真正的解决方案还在路上。
台积电N3P工艺已经把晶体管密度推到接近物理极限，漏电流导致的静态功耗越来越难压。下一代N2工艺预计2027年量产，但初期产能注定被苹果和英伟达抢光，安卓阵营拿到手至少要到2028年。在制程红利到来之前，手机厂商只能从散热材料和结构设计上硬扛。
一个更激进的方向是“任务热感知调度”——让NPU驱动层实时读取SoC内部的热传感器矩阵，当检测到ISP区域温度超过阈值时，自动把部分计算任务迁移到GPU的张量核心上跑，用发热位置的动态切换来避免单点过热。代价是功耗会回升5%-8%，但至少能让握持区域温度回到可接受范围。
我们在《端侧大模型挤爆手机内存，NPU动态调度还能压榨多少算力》里讨论过内存瓶颈，在《端侧14B普及后，手机厂商开始争夺‘本地记忆’入口》里分析过数据入口之争。现在散热问题也浮出水面了。端侧大模型不是把模型塞进手机就完事了，它正在一层一层地倒逼整个硬件架构重做。
高通在2026年6月发布的最新白皮书《AI变革正在推动终端侧推理创新》中强调，端侧推理的能耗比是接下来三年的核心战场。但白皮书没提的是，能耗比优化到一定程度后，热管理的复杂性会急剧上升——局部热点、横向串扰、双模负载，这些都不是单纯靠制程工艺能解决的。
14B模型端侧跑起来了，功耗数据好看，这是个里程碑。但47℃的摄像头模组温度提醒我们：端侧AI的体验闭环，不在跑分软件里，在用户的手指上。散热做不好，再低的功耗也白搭。
