小米 8 月 24 日的玄戒芯片技术沟通会，与其说是一次单一产品发布，不如说是公司对 AI 计算版图的一次集中展示：玄戒 O3 服务于旗舰手机和平板，O100 是面向端侧大模型的专用加速器，D100 则瞄准智能驾驶。小米还展示了能够利用多颗玄戒芯片在本地运行大语言模型的 AI Cube 原型机。156

这场发布会最值得关注的，并不是某一个跑分数字，而是小米试图解决端侧 AI 的核心架构问题：大模型运行时，瓶颈往往不只是算力不足，更在于模型权重和中间数据的频繁搬运。这一难题通常被称为“内存墙”。

但即使内存墙逐渐被突破，另一道更难的“应用墙”仍然存在——芯片可以让模型运行得更快，却不会自动让 AI 理解用户意图、调用不同应用并完成复杂任务。

三款玄戒芯片分别做什么？

芯片	定位	已公布的关键规格	制造与上市时间
玄戒 O3	旗舰手机和平板 SoC	3nm 工艺、240 亿晶体管；号称拥有 200 TOPS 张量算力，安兔兔成绩约 522 万分	据报道采用台积电生产安排，已进入量产，预计于 2026 年 9 月随小米 18 Fold 首发 248
玄戒 O100	面向端侧大模型推理的专用 AI 加速器	6nm 工艺，内存带宽 1.22 TB/s	采用计算与存储近距离布局及垂直堆叠架构，计划于 2027 年商用 2569
玄戒 D100	汽车与智能驾驶 AI 处理器	面向高算力自动驾驶任务的 3nm 芯片	据报道属于小米与台积电的制造安排，预计 2027 年商用 245

上述数字主要来自小米或科技媒体报道。尤其是 O3 的 522 万安兔兔成绩，在独立测试出现之前，仍应视为厂商公布的成绩，而不是已经得到普遍验证的性能结论。

玄戒 O3：为本地 AI 重做的旗舰手机平台

从产品定位看，O3 仍然是一款传统意义上的手机主芯片，目标是搭载于高端手机和平板，而不是作为独立 AI 卡使用。小米公布的信息显示，O3 采用 3nm 工艺，集成 240 亿晶体管，配备 10 核 CPU 和 16 核 G2-Ultra NX GPU，安兔兔成绩约为 522 万分。41012

对端侧 AI 来说，O3 更关键的升级在于重构后的 NPU。小米称，该 NPU 的张量算力最高可达 200 TOPS，并针对自家的 MiMo 端侧模型进行了优化。1818

O3 如何减少数据搬运？

O3 的 AI 效率提升并不只靠堆算力，还涉及数据传输和压缩。相关报道显示，O3 采用重构的统一融合总线和更高规格的物理布线，使内存访问延迟在静态测试中降至 82 纳秒，在有后台负载时为 177 纳秒；上一代 O1 的对应数据则为 121 纳秒和 384 纳秒。17

芯片据称还加入了硬件级 Huffman 无损压缩，用于配合小米 MiMo 的五值量化模型。小米表示，这一方案可以减少 30% 的内存带宽占用，同时配备 28MB NPU 近存内存。17

这背后的逻辑很简单：AI 芯片即使拥有充足的理论运算能力，如果模型数据无法及时送到计算单元，实际体验仍可能迟缓。降低延迟、增加近存容量，以及针对模型特征进行压缩，都是减少这一摩擦的办法。换句话说，TOPS 并不是衡量端侧 AI 的唯一尺度。

玄戒 O100：专门为大模型推理设计的加速器

O100 不是一颗完整的手机处理器，而是一款 6nm 神经网络处理与 AI 加速芯片，目标是在手机、电脑等终端上运行包括 MiMo 在内的大模型。289

它最醒目的指标是 1.22 TB/s 的内存带宽。对本地大模型推理而言，真正限制速度的往往不是计算单元理论上每秒能执行多少次运算，而是能否足够快地读取模型参数并处理中间结果。15

近存计算，直接针对“内存墙”

小米给出的解决方案是近存计算。O100 采用晶圆对晶圆 3D 堆叠和混合键合等技术，将计算单元与存储单元垂直堆叠，缩短 NPU 与内存之间的数据传输距离。59

这与单纯提高 TOPS 是两种不同思路。增加 TOPS 可以提高峰值算术吞吐量，却不会自动消除大模型反复搬运数据所带来的带宽和延迟成本。O100 的架构重点，正是把计算单元放到更靠近数据的地方。

小米将 O100 的应用范围延伸至手机、PC、汽车和机器人等端侧设备。公司还在 AI Cube 本地大模型原型机中同时使用多款玄戒芯片，以展示多芯片协同进行端侧推理的可能性。1515

O100 已完成研发，但并非小米 18 Fold 的首发芯片。相关报道显示，它的商业化时间表为 2027 年。26

玄戒 D100：把 AI 算力带进汽车

D100 是小米面向智能驾驶和自动驾驶任务的 3nm 高算力 AI 处理器。与负责手机通用计算的 O3，以及主要面向端侧大模型推理的 O100 不同，D100 的目标是为车辆提供 AI 算力，并将小米的芯片布局扩展到汽车生态。245

部分报道提到，D100 采用 20 核处理器设计，支持最高 160GB 统一内存，并能够在本地处理参数规模达到 2000 亿的模型。这些属于媒体报道的规格信息，并不等同于已经经过独立验证的实际性能结果。11

D100 同样已完成研发，预计于 2027 年进入商业应用。256

这些芯片足够“AI-ready”，却还不能定义 AI 手机

如果只看一个常被引用的硬件门槛，O3 显然已经超过所谓的“AI 手机”标准。IDC 曾提出 30 TOPS 这一参考指标，而 O3 号称达到 200 TOPS，超过该数字六倍以上。18

但 TOPS 代表的是潜在算力，不等于用户真正能完成什么。小米的新芯片确实补齐了端侧 AI 的多项基础能力：

• 算力： O3 的 NPU 号称达到 200 TOPS；
• 带宽： O100 的内存带宽达到 1.22 TB/s；
• 延迟： O3 的公布数据明显低于 O1；17
• 模型效率： 硬件压缩与量化减少了需要在内存中搬运的数据量；17
• 本地运行： 这些芯片支持在设备端进行推理，而不是完全依赖远程服务器。15

这些能力构成了 AI 设备的重要基础设施，却没有形成一个业界统一的“AI 手机”定义。根据发布会相关报道，小米没有把这一类别简单归结为某个芯片参数，同时也提到产品宣传需要符合适用要求。现有材料并不足以说明更具体的合规规则，因此更稳妥的结论是：“AI 手机”仍然是硬件能力、软件整合、用户体验和监管定位共同构成的产品类别，而不是一个已经确定的单一跑分标签。14

从“内存墙”到“应用墙”

“内存墙”是一个技术问题：大模型需要高效、快速地移动海量数据。O3 对延迟和压缩的优化，以及 O100 的近存计算，都在直接应对这一挑战。

“应用墙”则是更广泛的产品和交互问题。真正有用的 AI 手机，需要一个可信的系统级智能体：它能够理解上下文，保留恰当的记忆，遵守用户授权，并跨多个服务完成连续任务。

例如，用户可能希望 AI 查找信息、更新日历、准备文档，或规划一条路线。真正的价值不只是让 AI 在聊天窗口里生成一段回答，而是让它能够跨应用推动整个流程并完成目标。

这正是小米高管所强调的人机交互变化的意义：AI 不应只是新增一个聊天机器人，或让本地文字生成更快，而应改变用户使用设备的方式。O3 和 O100 让更复杂的端侧智能体在技术上变得更可行，但芯片本身并不会带来跨应用自主操作能力。

因此，小米 8 月的发布会展示了一个相当清晰的方向：为 AI 手机、边缘终端和智能汽车搭建本地算力底座。接下来的考验，不是芯片能否处理更大的模型，而是小米能否把这些能力转化为一个可靠、尊重权限、能够从用户意图走向任务完成的系统。

小米 8 月 24 日的玄戒芯片技术沟通会，与其说是一次单一产品发布，不如说是公司对 AI 计算版图的一次集中展示：玄戒 O3 服务于旗舰手机和平板，O100 是面向端侧大模型的专用加速器，D100 则瞄准智能驾驶。小米还展示了能够利用多颗玄戒芯片在本地运行大语言模型的 AI Cube 原型机。156

这场发布会最值得关注的，并不是某一个跑分数字，而是小米试图解决端侧 AI 的核心架构问题：大模型运行时，瓶颈往往不只是算力不足，更在于模型权重和中间数据的频繁搬运。这一难题通常被称为“内存墙”。

但即使内存墙逐渐被突破，另一道更难的“应用墙”仍然存在——芯片可以让模型运行得更快，却不会自动让 AI 理解用户意图、调用不同应用并完成复杂任务。

三款玄戒芯片分别做什么？

芯片	定位	已公布的关键规格	制造与上市时间
玄戒 O3	旗舰手机和平板 SoC	3nm 工艺、240 亿晶体管；号称拥有 200 TOPS 张量算力，安兔兔成绩约 522 万分	据报道采用台积电生产安排，已进入量产，预计于 2026 年 9 月随小米 18 Fold 首发 248
玄戒 O100	面向端侧大模型推理的专用 AI 加速器	6nm 工艺，内存带宽 1.22 TB/s	采用计算与存储近距离布局及垂直堆叠架构，计划于 2027 年商用 2569
玄戒 D100	汽车与智能驾驶 AI 处理器	面向高算力自动驾驶任务的 3nm 芯片	据报道属于小米与台积电的制造安排，预计 2027 年商用 245

上述数字主要来自小米或科技媒体报道。尤其是 O3 的 522 万安兔兔成绩，在独立测试出现之前，仍应视为厂商公布的成绩，而不是已经得到普遍验证的性能结论。

玄戒 O3：为本地 AI 重做的旗舰手机平台

从产品定位看，O3 仍然是一款传统意义上的手机主芯片，目标是搭载于高端手机和平板，而不是作为独立 AI 卡使用。小米公布的信息显示，O3 采用 3nm 工艺，集成 240 亿晶体管，配备 10 核 CPU 和 16 核 G2-Ultra NX GPU，安兔兔成绩约为 522 万分。41012

对端侧 AI 来说，O3 更关键的升级在于重构后的 NPU。小米称，该 NPU 的张量算力最高可达 200 TOPS，并针对自家的 MiMo 端侧模型进行了优化。1818

O3 如何减少数据搬运？

O3 的 AI 效率提升并不只靠堆算力，还涉及数据传输和压缩。相关报道显示，O3 采用重构的统一融合总线和更高规格的物理布线，使内存访问延迟在静态测试中降至 82 纳秒，在有后台负载时为 177 纳秒；上一代 O1 的对应数据则为 121 纳秒和 384 纳秒。17

芯片据称还加入了硬件级 Huffman 无损压缩，用于配合小米 MiMo 的五值量化模型。小米表示，这一方案可以减少 30% 的内存带宽占用，同时配备 28MB NPU 近存内存。17

这背后的逻辑很简单：AI 芯片即使拥有充足的理论运算能力，如果模型数据无法及时送到计算单元，实际体验仍可能迟缓。降低延迟、增加近存容量，以及针对模型特征进行压缩，都是减少这一摩擦的办法。换句话说，TOPS 并不是衡量端侧 AI 的唯一尺度。

玄戒 O100：专门为大模型推理设计的加速器

O100 不是一颗完整的手机处理器，而是一款 6nm 神经网络处理与 AI 加速芯片，目标是在手机、电脑等终端上运行包括 MiMo 在内的大模型。289

它最醒目的指标是 1.22 TB/s 的内存带宽。对本地大模型推理而言，真正限制速度的往往不是计算单元理论上每秒能执行多少次运算，而是能否足够快地读取模型参数并处理中间结果。15

近存计算，直接针对“内存墙”

小米给出的解决方案是近存计算。O100 采用晶圆对晶圆 3D 堆叠和混合键合等技术，将计算单元与存储单元垂直堆叠，缩短 NPU 与内存之间的数据传输距离。59

这与单纯提高 TOPS 是两种不同思路。增加 TOPS 可以提高峰值算术吞吐量，却不会自动消除大模型反复搬运数据所带来的带宽和延迟成本。O100 的架构重点，正是把计算单元放到更靠近数据的地方。

小米将 O100 的应用范围延伸至手机、PC、汽车和机器人等端侧设备。公司还在 AI Cube 本地大模型原型机中同时使用多款玄戒芯片，以展示多芯片协同进行端侧推理的可能性。1515

O100 已完成研发，但并非小米 18 Fold 的首发芯片。相关报道显示，它的商业化时间表为 2027 年。26

玄戒 D100：把 AI 算力带进汽车

D100 是小米面向智能驾驶和自动驾驶任务的 3nm 高算力 AI 处理器。与负责手机通用计算的 O3，以及主要面向端侧大模型推理的 O100 不同，D100 的目标是为车辆提供 AI 算力，并将小米的芯片布局扩展到汽车生态。245

部分报道提到，D100 采用 20 核处理器设计，支持最高 160GB 统一内存，并能够在本地处理参数规模达到 2000 亿的模型。这些属于媒体报道的规格信息，并不等同于已经经过独立验证的实际性能结果。11

D100 同样已完成研发，预计于 2027 年进入商业应用。256

这些芯片足够“AI-ready”，却还不能定义 AI 手机

如果只看一个常被引用的硬件门槛，O3 显然已经超过所谓的“AI 手机”标准。IDC 曾提出 30 TOPS 这一参考指标，而 O3 号称达到 200 TOPS，超过该数字六倍以上。18

但 TOPS 代表的是潜在算力，不等于用户真正能完成什么。小米的新芯片确实补齐了端侧 AI 的多项基础能力：

• 算力： O3 的 NPU 号称达到 200 TOPS；
• 带宽： O100 的内存带宽达到 1.22 TB/s；
• 延迟： O3 的公布数据明显低于 O1；17
• 模型效率： 硬件压缩与量化减少了需要在内存中搬运的数据量；17
• 本地运行： 这些芯片支持在设备端进行推理，而不是完全依赖远程服务器。15

这些能力构成了 AI 设备的重要基础设施，却没有形成一个业界统一的“AI 手机”定义。根据发布会相关报道，小米没有把这一类别简单归结为某个芯片参数，同时也提到产品宣传需要符合适用要求。现有材料并不足以说明更具体的合规规则，因此更稳妥的结论是：“AI 手机”仍然是硬件能力、软件整合、用户体验和监管定位共同构成的产品类别，而不是一个已经确定的单一跑分标签。14

从“内存墙”到“应用墙”

“内存墙”是一个技术问题：大模型需要高效、快速地移动海量数据。O3 对延迟和压缩的优化，以及 O100 的近存计算，都在直接应对这一挑战。

“应用墙”则是更广泛的产品和交互问题。真正有用的 AI 手机，需要一个可信的系统级智能体：它能够理解上下文，保留恰当的记忆，遵守用户授权，并跨多个服务完成连续任务。

例如，用户可能希望 AI 查找信息、更新日历、准备文档，或规划一条路线。真正的价值不只是让 AI 在聊天窗口里生成一段回答，而是让它能够跨应用推动整个流程并完成目标。

这正是小米高管所强调的人机交互变化的意义：AI 不应只是新增一个聊天机器人，或让本地文字生成更快，而应改变用户使用设备的方式。O3 和 O100 让更复杂的端侧智能体在技术上变得更可行，但芯片本身并不会带来跨应用自主操作能力。

因此，小米 8 月的发布会展示了一个相当清晰的方向：为 AI 手机、边缘终端和智能汽车搭建本地算力底座。接下来的考验，不是芯片能否处理更大的模型，而是小米能否把这些能力转化为一个可靠、尊重权限、能够从用户意图走向任务完成的系统。