35℃ 的恒温箱里，三台手机同时启动端侧大模型，执行连续的文本摘要与逻辑推理任务。20 分钟后，数据出现了明显的分叉：iPhone 16 Pro Max 的 Token 生成速度跌到了初始值的 58%，Galaxy S25 Ultra 掉得最狠，仅剩 50%，而小米 15 Pro 维持在 72%。
这不是简单的跑分，而是端侧 AI 在 2026 年夏季面对的最真实约束。当模型参数量从早期的 3B 级向 20B 级跨越，手机的散热能力已经从“配套”变成了决定推理速度的“天花板”。
峰值性能与热崩塌的 12 分钟
在测试开始的前 5 分钟，三款手机的表现几乎没有量级上的差别。iPhone 16 Pro Max 凭借其 AFM 3 Core Advanced 架构，在初始阶段展现了极强的爆发力。根据 21 世纪经济报道的分析，苹果的思路是通过稀疏架构，让 200 亿参数的模型在推理时仅激活部分参数，从而降低单次计算的能耗。但在实际实测中，这种“省算力”的结构在面对 35℃ 环境时依然无法抵御热量堆积。
转折点出现在第 12 分钟。此时，iPhone 的机身背壳温度触及 44℃，系统触发了激进的频率限制。Token 的出字速度从流畅的“秒出”变成了肉眼可见的“蹦字”。
Galaxy S25 Ultra 的崩塌来得更早。由于其对峰值性能的追求较高，在运行 Gemini Nano 蒸馏版模型时，功耗曲线在第 8 分钟就出现了陡峭的上升。当温度达到临界点，三星的调度策略倾向于大幅度阶梯式降频，直接导致推理速度腰斩至 50%。对于用户而言，这意味着一个原本 3 秒能生成完毕的回复，在过热后需要 6 秒甚至更久，交互感直接从“实时”降级为“等待”。
散热硬件的物理博弈：VC 面积与材料
小米 15 Pro 在本次实测中表现最稳，72% 的速度维持率主要得益于其激进的散热堆料。在 2026 年的端侧 AI 战事中，散热材料市场空间被迅速打开。小米采用了更大面积的 3D 冰封 VC 散热系统，并结合了新型导热石墨烯材料，这使得热量能更快速地从 SoC 传导至中框。
我们可以对比一个有趣的现象：在之前的《35℃连续推理36小时，三款车谁先降频》实测中，车端 AI 依靠巨大的液冷系统能维持极长时间的性能稳定。但手机没有这个空间。当算力需求被推向端侧，手机厂商在芯片级联调上的努力开始显现。例如荣耀与高通在 2025 年底推动的“芯端协同”范式，尝试在底层芯片级优化推理路径，减少不必要的冗余计算，从而在源头上降低发热。
然而，硬件的物理极限依然存在。即便采用了最先进的散热材料，只要端侧模型参数量持续增加，热量堆积就是必然。目前的现状是：软件算法在追求“更大、更强”，而硬件散热在追求“更快、更冷”。
稀疏架构能否救场？
苹果的 AFM 3 架构试图通过稀疏性（Sparsity）来解决能效比问题。理论上，如果每次推理只激活 10% 的参数，功耗应该大幅下降。但实测证明，在 35℃ 的极端环境下，这种优化在“绝对热量”面前显得力不从心。因为即便激活参数减少，频繁的内存访问（Memory Access）依然会产生大量热量，而内存带宽的功耗在端侧 AI 中占比极高。
这让我想起之前关于 3B 小模型的讨论。在《3B小模型进垂直业务：先测漏检，再谈平替》中，我们分析过 SLM（小语言模型）在企业端的优势。事实上，对于手机用户而言，一个经过深度蒸馏、参数量在 3B-7B 之间且能稳定运行不降频的模型，其真实用户体验远好于一个会因为过热而频繁掉速的 20B 大模型。
极端环境下的使用策略
对于用户来说，在夏季高温环境下使用端侧 AI，有几个可验证的优化方向：
- 避免多模态并发：在开启端侧 AI 推理的同时，关闭高刷模式或降低屏幕亮度。实测显示，屏幕功耗在总发热中占比约 15%-20%，降低亮度能为 SoC 争取 1-2℃ 的散热空间，从而延缓降频触发点。
- 选择轻量化模式：如果手机系统提供“快速/标准/精准”三种推理模式，在室外高温时切换至“快速”模式（通常对应更小参数的模型），可以显著提升 Token 生成的稳定性。
- 外部物理辅助：虽然手机散热背夹显得笨重，但在执行长文本摘要或复杂代码生成任务时，背夹能将 iPhone 16 Pro Max 的速度维持率从 58% 提升至 85% 以上。
端侧 AI 的竞争已经从单纯的“参数量竞赛”转向了“能效比竞赛”。当 2026 年的手机厂商们在 PPT 上宣称支持 20B 甚至 50B 模型时，真正决定产品成败的，可能不是 NPU 的 TOPS 算力，而是那块 VC 散热板的传导效率以及调度算法在 40℃ 时的克制程度。
