Xiaomis nye AI-chips viser, hvad AI-klar hardware kræver

Xiaomis briefing om Xuanjie-chips den 24. august 2026 var mindre en traditionel produktlancering end en plan for en hel AI-platform. Selskabet præsenterede Xuanjie O3 til flagskibstelefoner og tablets, O100 som en dedikeret AI-accelerator til edge-enheder og D100 til intelligent kørsel. Xiaomi viste også en AI Cube-prototype, der skal kunne køre store sprogmodeller lokalt ved hjælp af flere Xuanjie-chips. 156

Den vigtigste pointe var arkitekturen: Lokal AI kræver mere end flere teoretiske beregninger. Xiaomi forsøger at løse problemet med at flytte modelvægte og mellemliggende data – den såkaldte hukommelsesmur. Til gengæld står en anden udfordring stadig uløst: applikationsmuren.

Xiaomis tre chips kort fortalt

Chip	Rolle	Centrale, rapporterede specifikationer	Produktion og tidsplan
Xuanjie O3	SoC til flagskibstelefoner og tablets	3nm-proces, 24 milliarder transistorer, op til 200 TOPS tensor-ydeevne og en AnTuTu-score på 5,22 millioner	Rapporteret produceret gennem TSMC-aftaler. Masseproduktionen var begyndt, og chippen skal debutere i Xiaomi 18 Fold i september 2026 248
Xuanjie O100	Dedikeret edge-AI-accelerator til lokal inferens af store modeller	6nm-proces og 1,22 TB/s hukommelsesbåndbredde	Bruger en arkitektur med beregning tæt på hukommelsen og vertikalt stablede komponenter. Kommerciel lancering er planlagt til 2027 2569
Xuanjie D100	AI-processor til biler og intelligent kørsel	3nm-chip med høj beregningskapacitet til autonome kørselsopgaver	Rapporteret omfattet af Xiaomis TSMC-produktionsaftaler. Kommerciel lancering ventes i 2027 245

Tallene stammer primært fra Xiaomi selv eller fra teknologi- og nyhedsmedier. Især bør O3’s AnTuTu-resultat på 5,22 millioner betragtes som et leverandøroplyst benchmark, indtil uafhængige tests foreligger.

O3: en mobilchip bygget med lokal AI for øje

O3 er i produktmæssig forstand Xiaomis konventionelle mobilplatform. Den er udviklet til premiumtelefoner og tablets og ikke som et selvstændigt AI-kort. Xiaomi oplyser, at den er fremstillet i 3nm, har 24 milliarder transistorer, en 10-kernet CPU og en 16-kernet G2-Ultra NX-GPU. Selskabet rapporterer desuden en AnTuTu-score på cirka 5,22 millioner. 41012

Det mest interessante i forhold til enhedsnær AI er den nybyggede NPU. Xiaomi vurderer den til op til 200 TOPS tensor-beregning og siger, at den er optimeret til virksomhedens MiMo-modeller, som kan køre på enheden. 1818

Mindre datatransport og lavere latenstid

O3 forsøger at gøre AI mere effektiv gennem både datatransport og komprimering. Ifølge rapporteringen har chippen fået en rekonstrueret unified-fusion-bus og en fysisk kabelføring, der reducerer hukommelsesadgangens latenstid til 82 nanosekunder i statiske tests og 177 nanosekunder under baggrundsbelastning. Til sammenligning lå den tidligere O1 på henholdsvis 121 og 384 nanosekunder. 17

Chippen skulle også have hardwarebaseret, tabsfri Huffman-komprimering til Xiaomis MiMo-model med femværdikvantisering. Xiaomi hævder, at teknikken kan reducere belastningen på hukommelsesbåndbredden med 30 procent. Dertil kommer 28 MB NPU-hukommelse tæt på beregningsenheden. 17

Pointen er praktisk: En AI-processor kan have masser af beregningskraft og stadig føles langsom, hvis modeldata ikke kan leveres hurtigt nok. Lavere latenstid, hukommelse tæt på NPU’en og komprimering tilpasset modellen kan derfor være lige så vigtigt som et højt TOPS-tal.

O100: en specialiseret accelerator til store modeller

O100 er ikke en komplet telefonprocessor. Det er en dedikeret 6nm-neuralprocessor og AI-accelerator, der skal køre store modeller lokalt på edge-enheder – blandt andet Xiaomis MiMo-modeller på forbrugerprodukter. 289

Chippen har en oplyst hukommelsesbåndbredde på 1,22 TB/s. Det er relevant, fordi lokal inferens af store modeller ofte begrænses af, hvor hurtigt acceleratoren kan hente modelparametre og mellemliggende resultater – ikke kun af, hvor mange beregninger enheden teoretisk kan udføre. 15

Beregning tæt på hukommelsen skal løse hukommelsesmuren

Xiaomis svar er beregning tæt på hukommelsen. O100 samler beregning og hukommelse i en vertikal konstruktion ved hjælp af 3D wafer-on-wafer-teknik og hybrid bonding. Det forkorter den fysiske afstand mellem NPU og hukommelse. 59

Det er en anden strategi end blot at skrue op for TOPS. Flere TOPS kan øge den maksimale beregningshastighed, men løser ikke automatisk den båndbredde og latenstid, der opstår, når store modeller igen og igen skal flyttes gennem systemet. O100 er i stedet designet omkring selve dataadgangen.

Xiaomi ser acceleratoren som en platform til lokal AI i telefoner, pc’er, biler og robotter. Selskabet brugte den også i AI Cube-prototypen, hvor flere Xuanjie-chips samarbejder om lokal inferens af store sprogmodeller. 1515

O100 havde afsluttet udviklingsfasen, men var ikke chippen, der skulle debutere i Xiaomi 18 Fold. Ifølge rapporteringen er kommercialiseringen planlagt til 2027. 26

D100 flytter strategien ind i bilen

D100 er Xiaomis 3nm-AI-processor med høj beregningskapacitet til intelligent kørsel og autonome kørselsopgaver. Den har en anden rolle end både den mobile O3 og den mere generelle O100-accelerator: D100 skal levere AI-kraft til køretøjer og udvide Xiaomis egen chipstrategi til selskabets bredere produktøkosystem. 245

Nogle medier beskriver D100 som en 20-kernet processor med understøttelse af op til 160 GB samlet hukommelse og lokal kørsel af modeller med op til 200 milliarder parametre. Det er rapporterede specifikationer og ikke uafhængigt verificerede ydeevneresultater. 11

Ligesom O100 havde D100 afsluttet udviklingen, men ventes først at blive kommercielt taget i brug i 2027. 256

Hvorfor chipsene er AI-klare – men ikke definerer en AI-telefon

På et snævert hardwaremål ligger O3 langt over den ofte nævnte 30-TOPS-tærskel, som IDC har forbundet med AI-telefoner. O3’s oplyste 200 TOPS er mere end seks gange så meget. 18

Men TOPS beskriver den potentielle beregningskapacitet – ikke hvad brugeren faktisk kan gøre med telefonen. Xiaomis nye chips dækker flere grundelementer i lokal AI:

• Beregningskraft: O3’s NPU er oplyst til 200 TOPS.
• Båndbredde: O100 er specificeret til 1,22 TB/s.
• Latenstid: O3’s rapporterede hukommelsesadgang er væsentligt hurtigere end O1’s. 17
• Modeleffektivitet: Hardwarekomprimering og kvantisering reducerer mængden af data, der skal flyttes gennem hukommelsen. 17
• Lokal drift: Chipsene er udviklet til inferens på selve enheden i stedet for udelukkende at være afhængige af fjernservere. 15

Det gør chipsene til vigtig infrastruktur for AI-enheder. Det fastlægger dog ikke en universelt accepteret definition af en AI-telefon. Rapporteringen fra briefingen tyder på, at Xiaomi ikke reducerede kategorien til én enkelt chipspecifikation og bemærkede, at produktpåstande skal overholde gældende krav. De tilgængelige kilder fastlægger ikke en mere præcis regel. Den sikreste konklusion er derfor, at “AI-telefon” fortsat er en kombination af hardware, softwareintegration, brugeroplevelse og regulatorisk positionering – ikke en fast benchmarkbetegnelse. 14

Fra hukommelsesmuren til applikationsmuren

Hukommelsesmuren er først og fremmest et teknisk problem: Store modeller kræver hurtig og energieffektiv flytning af data. O3’s arbejde med latenstid og komprimering samt O100’s arkitektur med beregning tæt på hukommelsen angriber netop dette problem.

Applikationsmuren er bredere. En virkelig nyttig AI-telefon skal have en betroet systemagent, der kan forstå kontekst, huske det relevante, respektere brugerens tilladelser og gennemføre flertrinsopgaver på tværs af tjenester. Det kan for eksempel være at finde oplysninger, opdatere kalenderen, forberede et dokument eller planlægge en rute. Værdien ligger i at gennemføre hele arbejdsgangen på tværs af apps – ikke blot i at generere et svar i et chatvindue.

Det er også betydningen af det skifte i menneske-computer-interaktion, som Xiaomis ledelse har peget på: AI skal ændre måden, vi bruger enheden på, i stedet for blot at tilføje en chatbot eller generere lokal tekst hurtigere. O3 og O100 gør mere avancerede AI-agenter på enheden teknisk mere realistiske, men chipsene leverer ikke selv autonomi på tværs af apps.

Xiaomis briefing viste dermed et troværdigt teknisk fundament for AI-telefoner, edge-terminaler og intelligente køretøjer. Den næste prøve bliver ikke kun, om siliciummet kan behandle en større model. Det afgørende bliver, om Xiaomi kan omsætte kapaciteten til et pålideligt system, der respekterer tilladelser og kan føre brugeren fra hensigt til gennemført handling.