前沿研究
3B模型跑强化学习：为什么端侧慢思考比无脑堆参数更省电
分析2026年夏季端侧AI面临的算力与散热双重挑战，探讨如何利用GRPO算法与轻量级MCTS，让3B小模型通过“慢思考”机制在本地离线实现复杂逻辑推理，并深度量化其能效比。成本账表明：慢思考的3B模型相比于大参数直接输出
阅读全文
Search
站内搜索
关键词：手机
找到 120 篇相关文章
前沿研究
技术应用
三款AI眼镜高温实测：不掏手机，2公里能走完吗
三款AI原生眼镜在37℃户外接受2公里步行导航测试。10万勒克斯强光导致视觉过曝，高温把最慢语音响应拉到4.2秒；唯一可独立导航的产品在22分钟后镜腿达到46.2℃，电量从90%降至30%。眼镜能减少看屏，暂时还接不了手
阅读全文
技术应用
端侧 AI 手机散热实测：高温降频对推理速度的真实影响评估
在 35℃ 恒温箱环境下，iPhone 16 Pro Max、Galaxy S25 Ultra 和小米 15 Pro 持续推理 20 分钟后，Token 生成速度分别跌至初始值的 58%、50% 和 72%。本文量化分析
阅读全文
前沿研究
端侧AI手机降温危机：散热模组升级能否留住大模型体验？
7月15日7款手机端侧大模型备案通过，AI手机加速落地，但发热抱怨同步爆发。本文直指散热堆料已近物理极限，胜负手转向芯片调度策略，结合最新评测数据与硬件工程师观点，拆解'跑得快不如跑得稳'的逻辑，并预测主动散热、模型硬件
阅读全文2026下半年端侧大模型评测：谁在真省电，谁在背刺续航
2026年旗舰手机端侧AI体验的差距已从跑分转向能效。本文对比苹果A19、骁龙8 Gen 4与天玑9400在运行3B-7B量化模型时的功耗、发热与延迟，通过架构与实测案例揭示谁的NPU真正兼顾续航，并附一套可复现的功耗测
阅读全文7B到14B模型上手机，先过内存和功耗两道关
7B模型做INT4量化后，权重理论下限约3.5GB；14B约7GB，运行时还要给KV Cache、系统和后台应用留空间。手机NPU调度的重点，是控制上下文、算子回退和持续发热。
阅读全文
AI 工具箱
2026 手机端侧 AI：速度之外，还得看温度和电量
一句跨 App 指令，可能让手机在几十秒内明显升温。结合 6 款旗舰方案的测试记录与公开资料，文章对比 Agent 执行、本地 PDF 检索、响应延迟和 10 组任务耗电，看看中兴、华为、苹果、OPPO 等方案各自适合什
阅读全文ARM架构之争背后，手机端AI开始比拼持续能效
端侧AI进入手机和智能眼镜后，峰值算力已不足以解释真实体验。现有材料能确认苹果等厂商持续推进端侧AI、国内至少50个团队布局AI眼镜；至于「ARM V3.1」及相关性能数据，缺少官方文档和测试条件，暂不宜写成定论。
阅读全文
AI 工具箱
Rust 接管端侧调度，先看清 TensorRT-LLM 的边界
端侧 LLM 会为几毫秒反复抠性能，但瓶颈未必来自 Python。真正该查的是调用次数、同步、内存搬运和硬件后端。Rust 适合收紧关键路径；TensorRT-LLM 只能用于其支持的平台，不能被泛化成手机 NPU 的统
阅读全文
AI 工具箱
20B、1T都不等于快：端侧AI手机该怎么测
苹果的AFM 3 Core Advanced约200亿参数，小米MiMo-V2 Pro总参数超1万亿、激活420亿，Pixel 10则让Gemini Nano常驻端侧。数字越来越大，但公开资料仍不足以做统一跑分。选设备，
阅读全文
技术应用
端侧32B模型上车：手机散热与功耗的隐形天花板在哪？
骁龙8 Gen 5手机实测显示，INT4量化32B模型运行十分钟后，生成速度从8 token/s跌至3 token/s。本文对比RTX Spark的45—80W主动散热与手机的被动极限，剖析内存墙与NPU架构的真实瓶颈，
阅读全文
前沿研究
手机能跑32B，但端侧推理更需要通专融合
一组实测里，24GB 内存的骁龙 8 Gen 5 手机运行 INT4 量化 32B 模型，十分钟后从每秒 8 token 降到 3 token。端侧部署该比的，不只是参数量，而是底座常驻、插件路由、内存搬运和芯片适配能否
阅读全文