300亿参数大模型装进手机：不联网也能用，只多占2.5G内存

手机里跑大模型，过去更像"演示级"的能力：能对话，但稍微复杂一点就得联网。

11月11日，华为麒麟官方公众号发出的一份技术说明，把这个门槛往前推了一步——麒麟9050系列的新一代达芬奇架构NPU，支持30B MoE大模型在手机本地运行，不用联网，也不用等云端返回。

先把官方给的数据摆出来。麒麟9050系列是华为首款采用"逻辑折叠"技术的τ（韬）芯片，这颗NPU相比上一代，性能提升140%，功耗降低66%。这两个数字要看清出处：华为实验室测试结果，官方同时注明"不同场景下能效提升存在差异"。也就是说，这是实验室口径，不是第三方实测。

真正值得琢磨的是"30B怎么塞进去的"。

按华为此前披露的参数，这个30B MoE模型总参数量300亿，但每次推理只激活约20亿参数，新增内存占用低于2.5GB。三个数字连起来读，意思就清楚了：模型的总量很大，手机每次只搬一小部分上台。这正是MoE（混合专家）架构最实际的价值——不靠硬堆算力，靠按需调用。

配合的手段还有几项：多级存算协同优化、低比特量化、权重流式推理。翻成白话，就是让权重不必一次性全部塞进内存，用多少取多少，该降精度的地方降下来。手机内存是硬约束，这几项干的都是"省内存"的活。

落地之后不是一个模型，而是一组模型分工。官方给出的组合是：30B MoE负责理解意图和多步任务规划，比如整理图库这种需要"先想再做"的事；6B的AIGC模型专门修图，图像理解、图像编辑各一个专家；7B的Dense模型负责文本响应，官方称首字响应性能提升180%、推理功耗降低29%。再往外一层，是持续在线的"小脑"——超低功耗感知引擎盯着屏幕、影像、人眼和位置。

这些能力对应到用户手上，是四个具体功能：AI屏幕朗读、Xmage智拍2.0、AI眼动翻页、熄屏地图2.0。共同点是都在本地算，不上传云端，延迟更低，隐私上也更干净。

但有几件事，官方这份说明里没有给。

第一，没有第三方实测。140%的性能提升是在什么模型、什么精度、什么散热条件下测出来的，没有交代。

第二，没有公布机型、价格和上市时间。"芯片支持"和"你手里这台能用"是两件事。

第三，没有说持续功耗。跑一次30B模型，和连续跑半小时，是完全不同的工程问题，手机还有发热和续航的天花板。

第四，2.5GB的新增内存占用，放在一台12GB、16GB内存的手机上不算大，但它要和相机、游戏、后台应用抢同一块内存，实际体验取决于系统怎么调度。

把时间轴拉长看，这颗芯片更像起点而不是终点。今年10月的2026麒麟媒体沟通会上，华为半导体业务无线终端芯片产品管理部部长徐松余说，麒麟9050系列作为首款逻辑折叠的τ芯片，"将开启未来10年新征程"；会上放出的路线图里，目标是2031年实现P核频率突破5GHz。

端侧AI的竞争，前几年比的是"能不能跑"，现在开始比"跑得值不值"：同一段推理，本地做比云端省下多少延迟、多少流量、多少隐私风险。300亿参数进手机是个标志性节点，但真正的分水岭，是普通用户能不能在自己的手机上，感觉出"不联网的AI更好用"。

你现在的手机，AI功能平时用得多吗？如果有一个不联网、不上传的本地助手，你愿意为它多花多少钱？评论区聊聊。