小米三芯片齐发：AI 竞争的胜负手正在离开云端？

凤凰网科技在发布会现场做了一次断网测试：玄戒 O3 与 O100 两颗芯片协同，在本地运行小米自研的 MiMo 3B 模型，首字延迟约 0.45 秒，实测生成速度为每秒 303 个 token。一段 500 token 的回答，约 1.7 秒生成完毕，比任何人读完它都快。过去一年，公开报道里云端一侧的叙事，仍是英伟达与 OpenAI 以千亿美元计的算力合作。8 月 24 日，小米在北京办了一场玄戒芯片技术沟通会，一次摆出三颗芯片和一台名为 AI Cube 的桌面原型机，雷军事后发文称，玄戒“不只是小米的芯片战略，更是小米 AI 战略的物理基础”。当端侧的生成速度已经快过阅读速度，一个值得检验的问题是：中国 AI 竞争的胜负手，是否正在从云端模型与算力，部分转向端侧芯片与硬件入口？

三颗芯片不是三件产品，是一张按内存分层的算力网

先看这场发布会实际交付了什么。玄戒 O3 是面向最高端产品的 AI 旗舰 SoC，已开启规模量产，9 月随折叠屏机型 Xiaomi 18 Fold 首发。玄戒 O100 被官方称为首颗“专为端侧大模型而生”的高带宽 AI 加速芯片，研发已完成，2027 年商用。玄戒 D100 定位智驾高算力芯片，官方称是国内首款 3nm 制程的同类产品，同样要等到 2027 年，首发车型尚未公布。三颗芯片之外，还有一台 AI Cube Prototype：桌面形态的 AI 高算力终端原型机，三芯协同，现场演示了本地部署的 120B 与 3B 双模型组合，支持快慢两个系统的切换。雷军披露，小米自 2021 年初重启大芯片研发，累计投入超过 210 亿元，芯片团队接近 3000 人。

如果只把三颗芯片看成三条产品线，会漏掉整场发布会的结构。三颗芯片的分工不是性能高低，而是按内存容量与带宽分层。

注：模型上限按权重内存粗算，未计 KV Cache 与系统占用；末两行仅作带宽与内存档位对照，AI Cube 无售价、无量产计划。

读懂这张表只需要一个常识：大模型推理的瓶颈常常不在计算，而在把模型权重从内存搬进计算单元的速度。按公开测算口径，一个 200B 参数的模型，FP16 精度的权重约需 400GB 内存，压到 4-bit 量化仍需约 100GB，且尚未计入推理时额外占用的 KV Cache。在手机端 16GB 级的内存与 113.8GB/s 的带宽面前，即便是 O3 与 O100 协同的现场演示，也停留在 3B 级模型；7B 级模型量化后的权重虽然放得进手机，但再往上就会同时撞上内存容量与带宽两堵墙。千亿级参数模型要进终端，前提在 O100 的 1.22TB/s 近存带宽与 D100 最高 160GB 的统一内存。小米给 O100 的官方说法是“达到主流旗舰手机内存带宽的 16 倍”，这个数字指向的正是内存墙，而不是算力墙。

表末两行参照系也标出了 AI Cube 的站位：它的带宽与内存配置，瞄准的是 DGX Spark、Mac Studio 这类桌面 AI 算力设备所在的档位。但这句话必须与另一件事绑在一起读：AI Cube 仍是工程原型，官方没有公布售价，也没有量产时间表。

200 TOPS 怎么读：先过精度口径这一关

发布会后传播最广的数字，是 O3 的 NPU 算力 200 TOPS。数字本身来自官方，但直接拿去和竞品比较会出错，因为小米标注的口径是 A8W4：激活值用 8 位整数，模型权重用 4 位。精度口径一变，同一颗 NPU 能报出的 TOPS 可以差出数倍。这不是小米一家的做法，而是全行业的现状。

注：均为各厂商官方口径；速度数字的测试模型与条件不同，不可精确排名。

四家厂商，四种口径。玄戒报 A8W4；高通的第五代骁龙 8 至尊版在官方材料中主打 INT2 与 FP8；联发科天玑 9500 强调率先支持 1.58bit 的 BitNet 大模型运算；华为麒麟 9030 干脆不公布 TOPS，只说 AI 算力较前代翻倍。精度越低，可报出的算力越高，四家实际上在报四本不同的账。任何把这几个数字放进同一张柱状图的尝试，比较的都是不可比的东西。

真正能同维度对照的是推理速度。高通官方口径是 3B 级模型最高每秒 220 个 token；小米官方宣称 O3 与 O100 协同运行 MiMo 3B 最高每秒 330 个 token，凤凰网科技在现场断网实测得到每秒 303 个 token，首字延迟约 0.45 秒。两组数字的测试模型与条件并不相同，不能精确排名，但量级一致：旗舰芯片跑 3B 级模型，生成速度已进入每秒两三百 token 的区间。

这个速度是什么体验？一段 500 token 的回答，按每秒 303 个 token 计算约 1.7 秒生成完毕，而人读完同样内容需要一两分钟。生成已经明显快过阅读。也就是说，在 3B 级这个档位，端侧推理速度本身不再是体验瓶颈，竞争点转移到了模型能力、内存容量和场景适配上。

O3 还有一个传播不广但更值得注意的技术点：小米芯片团队与 MiMo 模型团队联合定制了“5 值量化”方案，用 5 个离散值替代传统 INT4 的 16 个值，再配合硬件霍夫曼无损压缩，官方称推理效果与 INT4 相当，内存带宽占用节省 30%。这类软硬联合定制，只有芯片和模型握在同一手里才做得到，通用芯片厂商很难为某一家模型公司修改 NPU 的底层设计。AI 入口的路线之争，正是从这个差异开始的。

端侧省钱吗：一笔只能算一半的账

算力之外，成本是端侧叙事的另一半。云端这一侧的账本是现成的：2026 年 8 月国内主流大模型的官方刊例价，大致落在每百万 tokens 约 1 元到 100 元的区间，输入价靠近下限，输出价靠近上限，部分厂商在工作日高峰时段还按两倍计价。同一用量，选不同档位的模型，月账单可以相差数十倍。

注：价格为 2026 年 8 月国内主流大模型官方刊例价区间；未区分输入与输出配比（Agent 场景常为输入密集），未计缓存折扣与高峰加价；端侧因 AI Cube 无售价，无法列入。

表里只做了乘法，假设必须摆在明处：消耗量是假设值；计算未区分输入与输出的 token 配比，而多步 Agent 工作流往往输入远多于输出；缓存命中折扣也未计入。这张表想说明的只有一件事：云端调用按量线性计费，用量涨多少，账单涨多少。随着智能体把单次任务拆成几十步调用，高频用户的云端账单会自然膨胀。

端侧这一侧的账算不出来，因为 AI Cube 没有售价，也没有量产时间。能说的只有结构性判断：芯片一旦装进设备，本地推理的边际成本趋近于电费，不随调用量增长。OmniTools 把两半拼起来的结论是：在 3B 级模型足以胜任的高频、重复、隐私敏感调用上，端侧有明确的成本与隐私优势；需要最强模型能力的任务，云端仍不可替代。顺带纠正一个流行说法：“端侧比云端省几十倍”把两件事混在了一起，数十倍的价差存在于云端不同档位模型之间，不是端云之间的实测对比。更可能的图景是分流：小模型下沉到端侧，大模型留在云端，中间地带反复拉锯。

入口的两条路：从芯片绕，还是从协议绕

芯片之外，这场发布会还回答了另一个问题：AI 时代的入口归谁。目前中国市场给出了两条路线。

第一条是模型公司的软件路线。阶跃星辰在 2026 年 7 月发布了智能体手机 STEPX Neo 与智能体原生系统 Step AOS，思路是用协议和智能体操作层去调度现有 App。这条路线的难点，在 2025 年 12 月已经预演过一次：字节跳动联合中兴推出的豆包手机助手，上线次日即因模拟点击触发微信风控，相关操作能力随后下线，多家银行 App 也对模拟操作弹出限制。软件绕行撞上的是生态性的墙：超级 App 有充分理由防御外来自动化操作，协议路线则要逐家谈判、逐个适配，两件事都没有确定性。

第二条是小米的硬件路线。雷军在 2026 年 1 月提出，年内要在一款终端上实现自研芯片、自研操作系统与自研大模型的“大会师”。这次发布的三颗芯片、8 月中旬开启 Beta 的澎湃 OS 4，加上已通过备案并全面开源的 MiMo 模型系列，就是三条线的合拢。组织架构也在配合这个方向：据爱范儿报道，月活破亿的小爱同学在 2026 年 7 月被拆分为模型底座、云端工程化与端侧产品三个模块，基础模型归入 MiMo 团队。AI 在小米内部从一个部门的产品，变成了集团级的基础设施。

这条路线的底牌是入口存量。小米 2026 年一季度业绩公告显示，其 AIoT 平台连接设备已达 11.187 亿台。芯片、操作系统、模型、设备握在同一手里，两件别家难做的事才做得成：一是前面提到的 5 值量化这类软硬联合定制；二是不必看任何超级 App 的脸色，直接在系统层部署 AI 入口。

代价同样明确：两百亿元级的累计投入、数千人规模的芯片团队、以年计的迭代周期，而且这条路只有极少数同时握有芯片、操作系统、模型和亿级设备入口的公司走得起。把它放回全球背景里看，英伟达与 OpenAI 的算力合作以千亿美元计，云端军备仍在加码。端侧分流与其说是算力竞赛的延伸，不如说是对云端成本与入口不确定性的对冲：把高频、轻量、隐私敏感的调用留在本地，把最难的任务留给云端。

矩阵的另一半在 2027

把视线拉回地面，这份端侧蓝图的折扣清单不短。

第一项是时间。三颗芯片里，O100 与 D100 都要等 2027 年才商用，AI Cube 没有售价也没有量产时间表。当前真正可交付的只有 O3 一颗，9 月首发机型是唯一能立刻检验的样本。所谓端侧矩阵，大半是期货。

第二项是宣称与演示的落差。D100 官方称最大可本地部署超 200B 参数的大模型，但这是芯片能力宣称，现场实际演示的是 120B 加 3B 的双模型组合；D100 的 TOPS 算力官方没有公布，任何第三方推算都不足为凭。跑分口径同样有条件：安兔兔 522 万分的成绩是在实验室低温环境下测得，日常持续性能会打折扣。

第三项是集成度。O3 没有集成 5G 基带，采用外挂方案，官方未介绍具体型号，只称通信性能看齐主流旗舰的集成方案。基带集成度是手机 SoC 工程成熟度的硬指标，这一项说明玄戒与第一梯队之间仍有距离。

期货不是贬义，芯片行业本就以年为单位兑现承诺。但这些折扣加在一起，给本文的主问题划出了边界：判断胜负手是否转向端侧，依据不能是发布会上的宣称，只能是 2027 年的兑现情况。对产业观察者来说，现在能做的不是下结论，而是列出验证点：O100 能否如期商用，AI Cube 会不会有量产版本，200B 的宣称能否变成普通人可用的产品演示。

什么条件下，才能说胜负手转向了端侧

回到主问题：胜负手转向端侧了吗？现在下断言为时过早，但验证条件可以列清楚。

条件一，O100 在 2027 年如期商用，且端侧推理体验兑现发布会的演示水平。条件二，端侧生态对开发者真实开放。MiMo 系列以 MIT 协议开源、提供 API 接入，是当前的证据，但开源只是一张门票，能不能长出第三方端侧应用，还要看工具链与分发渠道的兑现。条件三，高频、中小模型的调用场景真正成型，让端侧算力有活可干。

三个条件同时满足，四类场景的胜负手会率先转向端侧：隐私敏感的个人数据处理、弱网与离网环境、IoT 设备控制、需要大量中间步骤的智能体调用。它们的共同点是调用频繁、单次任务轻、对延迟和隐私敏感，恰好落在 3B 级端侧模型加本地算力的舒适区。条件不满足，云端仍是主战场，端侧只是省电省流量的补充。

小米这场发布的意义，不在三颗芯片的参数，而在于它把“端侧是不是下一个胜负手”从一个假设，变成了一份带时间表的赌注。对观察中国 AI 格局的人来说，2027 年比 200 TOPS 更值得盯。