行业现象：NPU算力宣传策略转变 - AI成为智能手机行业核心宣传点，各品牌均强调自研AI大模型及端侧AI功能 [1] - 上游芯片厂商在新款SoC发布时重点介绍NPU架构改进及能效提升，并与AI大模型进行端侧优化演示 [3] - 与早期明确公布NPU算力指标的做法不同，当前厂商普遍转向功能演示，回避公布具体算力数字 [5][6][8] 厂商案例：高通NPU算力演进 - 高通自2019年骁龙855起公布NPU算力，从7TOPs逐步提升至骁龙8 Gen1的52TOPs [8] - 骁龙8 Gen1之后高通停止公布算力数字，公开资料显示骁龙8至尊版NPU算力为80TOPs，第五代骁龙8至尊版为100TOPs [10] - 尽管高通NPU性能在行业中保持领先，但其算力进步速度从骁龙8 Gen2到Gen3可能已放缓 [10] 竞争格局：主流芯片NPU算力对比 - 根据统计数据，高通骁龙8 Elite领先版NPU算力为80TOPs，显著领先于三星Exynos 2500的59TOPs、联发科天现9400+的50TOPs及小米玄戒01的44TOPs [11] - 在高通带头不再公开宣传NPU算力后，其他芯片厂商也跟随此策略 [11] 技术演变：NPU设计需求变化 - 早期NPU设计专注于计算视觉任务，追求峰值算力以实现快速计算，对能效比要求较低 [18] - 当前AI功能扩展至内容生成领域，NPU需针对生成式AI任务调整架构，并更加注重长时间运行的能效比 [20] - NPU应用场景增多，如协助GPU进行游戏超帧超分处理，要求其摆脱爆发式性能设计思路 [20] 未来趋势：NPU性能提升路径 - NPU硬件性能近年重回增长轨道，但受制程成本及功耗分配限制，难以维持代代翻倍的进步速度 [12][15][21] - 性能提升方式转变，部分厂商通过将私有算法固化进NPU，以定制硬件方式提升特定任务计算效率 [23] - 软件优化重要性凸显，厂商通过与AI大模型技术合作及深度调校，提升NPU实际执行速度，效果可能超越单纯硬件设计 [25]