高通发布Hexagon NPU：第六代骁龙AI引擎赋能端侧300亿参数MoE智能体

高通于2026年9月11日在其官方网站发布信息，正式推出全新一代神经网络处理单元——Hexagon NPU。该单元专为支撑下一代AI智能体而设计，旨在推动人工智能能力在终端设备上的深度落地。

作为第六代骁龙8至尊版系列的核心升级之一，Hexagon NPU集成两项关键增强：全新构建的Element Accelerator加速器，以及显著扩容的共享内存系统。

Element Accelerator面向当前主流的生成式AI与智能体AI任务，特别针对Transformer类模型的核心计算需求进行优化。它融合向量计算与标量计算能力，可高效执行大语言模型中最耗时的关键运算，从而提升智能体的响应速度与推理效率，在严控移动端功耗的前提下，带来更丰富、更自然的交互体验。

与此同时，Hexagon NPU大幅扩充了片上共享内存容量。通过将多模型状态、对话上下文及KV缓存等关键数据就近部署于计算单元附近，有效缓解传统架构中的内存带宽瓶颈。这使得智能体在处理超长上下文、调用多种工具、并行执行多项任务时，依然保持稳定、低延迟的运行表现。

上述技术共同确立了Hexagon NPU的新定位：让更复杂、更自主的AI智能体能力直接在终端侧高效运行。Element Accelerator、增强型向量与标量计算单元，以及更大容量的共享内存，构成一套高度协同的硬件架构，不仅全面加速Transformer工作负载，还能从容应对智能体所需的复杂控制逻辑，并最大限度减少数据搬运开销，使更多上下文信息得以驻留在靠近计算核心的位置。

值得注意的是，Hexagon NPU的设计亦前瞻性地兼容未来模型演进方向。高通正携手主流内存与模型厂商，推动混合专家模型（Mixture-of-Experts，MoE）在终端侧的规模化应用，构建新一代端侧AI基础设施。

以一个参数量达300亿的MoE模型为例，在实际运行中，每次生成单个词元仅需激活约30亿个经路由机制选定的专家参数。相较传统密集模型需频繁调用大部分网络权重，MoE根据输入内容动态调度专属专家子网络，显著降低实时计算负担与内存带宽压力。

配合智能的专家模块按需加载机制及多层次缓存策略，该方案可在极低功耗与有限内存资源约束下，实现接近云端大模型水平的AI能力。由此，智能手机得以提供反应迅捷、全程离线、隐私安全的生成式AI体验。

混合专家模型通过选择性启用适配当前任务的专家单元，在保障输出质量的同时，避免对全量参数的重复调用，从而在效率与性能之间取得更优平衡。