AI 搬進你的口袋：聯發科天璣 9600 Pro 讓手機直接跑 30B 大模型，端側 AI 時代真的來了

過去兩年，我們談 AI 幾乎都在談「雲端」：ChatGPT 在遠方的資料中心運算、你的問題透過網路送出去、答案再傳回來。但 2026 年 9 月，聯發科發表首款採用台積電 2 奈米製程的旗艦晶片天璣 9600 Pro，把一個原本只屬於資料中心的能力，直接塞進了你的手機——它可以在裝置端本地運行高達 300 億參數（30B）的混合專家（MoE）大模型，不必連網、不必把資料送上雲。這件事的意義，遠比「手機又變快了」大得多。

天璣 9600 Pro 到底是什麼？

簡單說，這是聯發科天璣系列迄今最強的一顆旗艦 AI 手機晶片，於 2026 年 9 月 15 日正式登場，同時推出定位主流市場的天璣 9600M。天璣 9600 Pro 是聯發科第一款導入台積電 2 奈米製程的手機處理器，並搭配台積電的設計技術協同優化（DTCO），在效能與能效上同步拉高。

規格上，它採用全新的「2+3+3 全大核」CPU 架構：兩顆主頻高達 4.55GHz 的超大核、三顆 4.35GHz 與三顆 3.1GHz 的大核，配上 34.5MB 快取，並率先支援 LPDDR6 記憶體與 UFS5 儲存。單核效能較上一代提升 17%、多核提升 15%，而在相同峰值效能下多核功耗省了 61%。這些數字背後，其實只指向一件事：聯發科這一代把主軸從單純的「效能競賽」，轉向了「能替使用者主動完成任務」的 Agentic AI（代理式 AI）。

Photo by Maxence Pira on Unsplash

為什麼現在值得關注？

真正的重點在 NPU（神經網路處理器）。天璣 9600 Pro 整合了雙 NPU 架構：一顆第二代超能效 NPU 融合低功耗感測中樞，功耗較前代省 40%，讓手機能「隨時感知、主動服務」；另一顆第 10 代超性能 NPU 1090 則負責複雜的裝置端 AI，大型語言模型的 Prefill（預填充，也就是你輸入指令後、模型開始吐字前的處理階段）效能提升 51%，每瓦生成的 Token 數提升 55%。

換個白話：同樣一度電，這顆晶片能讓 AI 多想、多寫超過五成。搭配升級到 3.0 的生成式 AI 引擎（INT4 運算能力翻倍、支援混合注意力運算與大模型壓縮），它才得以在手機這種功耗、散熱都受限的環境裡，撐得起一個 30B 的 MoE 模型。要知道，30B 這個量級在一年前還被普遍認為是「筆電、甚至伺服器才跑得動」的規模。

這代表 AI 的重心正在發生一次微妙但關鍵的位移——從「什麼都往雲端送」，走向「能在你手上做的，就在你手上做」。而端側運算最直接的兩個好處，是隱私與延遲：資料不必離開手機，回應也不必等網路來回。聯發科這次也特別強調系統級的 AI 隱私安全，讓代理程式的執行過程「可控可信」。

目前的發展現況

天璣 9600 Pro 並非孤例，而是一整條產業路線的縮影。回顧近一年，AI 晶片戰場已經明顯從「拼雲端訓練」延伸到「拼端側推論」：高通、蘋果都在自家旗艦強化 NPU，各家也不約而同把「Agentic AI」掛在嘴邊。聯發科的底氣，來自它自 2020 年第三季起已連續六年拿下全球手機 SoC 市佔第一，每年超過 20 億台裝置搭載其晶片——這是一個能把「端側 AI」快速鋪到主流市場的規模。

從時程看，vivo、OPPO 等品牌已預告在 9 月起率先推出搭載機種，終端裝置最快 10 月就能到消費者手上。也就是說，這不是一場實驗室的技術展演，而是幾個月內就會出現在賣場貨架上的產品。

Photo by Kelli McClintock on Unsplash

當然，天璣 9600 Pro 不只有 AI。它搭載 G2-Ultra NX GPU，峰值效能較前代提升 27%、光線追蹤提升 18%，支援 185fps 電競級流暢度；影像端整合 Imagiq 1290 處理器，支援 4K240 超高速慢動作與微單眼等級的 17 EV 動態範圍。但把這些放在一起看，會發現一個共同點：拍照的多景深合成、遊戲的神經網路渲染、甚至選網與定位，聯發科幾乎把「AI 運算」滲透進了晶片的每一個功能區塊。AI 不再是某個獨立的功能，而是變成了底層的運算方式。

對產業與使用者的影響

對使用者而言，最有感的變化會是「手機開始主動幫你做事」。過去的語音助理比較像聲控遙控器——你下指令、它執行單一動作；而 Agentic AI 的想像是：你說「幫我把這週的會議記錄整理成摘要、標出待辦、再草擬一封回信」，手機能在本地把這串任務拆解、執行完。因為運算在端側，即使沒網路、在飛機上、在收訊差的地下室，它仍能運作，而且你的會議內容不會離開這支手機。

對產業而言，這牽動的是一場「雲端 vs. 端側」的算力重新分配。當愈來愈多輕量到中量的 AI 任務可以在手機本地完成，對雲端推論的需求結構就會改變——不是取代雲端，而是形成分工：即時、隱私敏感、輕量的任務留在端側，複雜、需要最新資料或超大模型的任務才上雲。對長期被雲端 AI 的電費與算力成本壓得喘不過氣的產業來說，這是一條值得關注的分流。

對台灣來說，這則新聞還有一層特別的意義。天璣 9600 Pro 是聯發科（台股 2454）的產品，用的是台積電 2 奈米製程——這顆晶片本身，就是台灣半導體「設計＋製造」實力的一次同場演出。

Photo by Adi Goldstein on Unsplash

幾點觀察與提醒

不過，端側 30B 大模型也不宜過度神話。首先，「跑得動」和「跑得好、跑得久」是兩回事：手機的散熱與電池限制擺在那裡，長時間、高強度的 AI 運算仍可能面臨降頻與續航壓力，實際的持續體驗還要等第三方評測驗證。其次，端側模型受限於參數規模，在需要最新知識、超長脈絡或最頂尖推理能力的任務上，短期內仍難以取代雲端的前沿大模型；比較務實的想像，是「端側處理八成日常、雲端支援兩成硬任務」的混合模式。第三，「Agentic AI 能主動替你執行任務」既是賣點，也是責任邊界的新課題——當手機能自己動手，如何確保它只做你授權的事、出錯時如何究責，會是接下來廠商與使用者都得認真面對的問題。

但無論如何，方向是清楚的。從 2023 年「凡事問雲端」，到 2026 年「口袋裡就能跑 30B 模型」，AI 正在經歷一場從遠端回到本地、從被動應答走向主動代理的轉變。天璣 9600 Pro 未必是這條路上的終點，卻是一個相當有代表性的里程碑：它讓我們第一次比較具體地看見，當強大的 AI 真的住進每個人的手機時，日常會長成什麼樣子。而這一天，看來已經不遠了。