小米在 2026 年 8 月 24 日舉行的玄戒晶片技術交流會，重點並唔只係發布一款新手機處理器，而係展示一套由手機、邊緣 AI 到汽車智能駕駛組成的 AI 運算路線圖。公司同場介紹玄戒 O3、O100 及 D100，亦展示以多款玄戒晶片在本地運行大型語言模型的 AI Cube 原型機。 156

真正值得留意的地方，在於小米將焦點由「有幾多 TOPS」推向「模型數據點樣有效率咁搬動」。大型 AI 模型經常受制於模型權重及中間數據的傳輸速度，這個瓶頸通常稱為 「記憶體牆」。不過，硬件解決記憶體牆，並不等於已經解決另一個更貼近用戶體驗的 「應用牆」。

三款玄戒晶片有咩分工？

晶片	主要角色	公布的主要規格	生產及推出時間
玄戒 O3	旗艦手機及平板 SoC	3nm 製程、240 億個電晶體；標稱 200 TOPS tensor 運算，AnTuTu 約 522 萬分	據報採用台積電生產安排，已開始量產，預計 2026 年 9 月在小米 18 Fold 首次登場 248
玄戒 O100	邊緣 AI 加速器，用於本地大模型推理	6nm 製程、1.22TB/s 記憶體頻寬	採用近記憶體架構，將運算及記憶體垂直堆疊；預計 2027 年商用 2569
玄戒 D100	汽車及智能駕駛 AI 處理器	3nm 高運算晶片，針對自動駕駛工作負載	據報屬於小米的台積電生產安排，預計 2027 年商用 245

以上數字主要來自小米或科技及新聞媒體報道。尤其 O3 的 522 萬分 AnTuTu 成績，目前應視為廠商公布的基準測試結果，待獨立測試後才可作更完整比較。

O3：為本地 AI 重整的手機旗艦 SoC

O3 在產品定位上仍然係一枚傳統手機主處理器，主要用於高階手機及平板，而唔係一張獨立 AI 加速卡。小米公布，O3 採用 3nm 製程，內置 240 億個電晶體、10 核心 CPU 及 16 核心 G2-Ultra NX GPU，AnTuTu 成績約 522 萬分。 41012

對本地 AI 來講，重新設計的 NPU 更有睇頭。小米表示，O3 的 NPU 最高可提供 200 TOPS tensor 運算能力，並針對自家 MiMo 本地模型作優化。 1818

O3 點樣降低延遲及記憶體負擔？

據報，O3 重新打造統一融合匯流排及晶片內部實體佈線，令記憶體存取延遲在靜態測試下低至 82 納秒；有背景負載時則為 177 納秒。相比之下，上一代 O1 分別為 121 及 384 納秒。 17

O3 亦據報加入硬件 Huffman 無損壓縮，配合小米採用五值量化的 MiMo 模型。小米表示，相關做法可令記憶體頻寬使用量減少 30%，同時配備 28MB NPU 近記憶體。 17

簡單講，一枚 AI 晶片就算計算力好高，如果模型數據送唔切，實際反應仍然可以好慢。降低延遲、將資料放近運算單元，再配合針對模型的壓縮，目的都係減少數據搬運帶來的阻力，而唔係只用 TOPS 一個數字去衡量性能。

O100：專門處理本地大模型的加速器

O100 並唔係一枚完整的手機處理器，而係一款 6nm 神經處理及 AI 加速晶片，針對邊緣裝置上的大型模型推理，包括在消費裝置本地運行小米 MiMo 模型。 289

O100 最醒目的規格係 1.22TB/s 記憶體頻寬。這個數字之所以重要，係因為本地大模型推理好多時唔係計算單元做得唔夠快，而係加速器讀取模型參數及中間結果的速度跟唔上。 15

近記憶體運算直接針對「記憶體牆」

小米的答案係近記憶體運算。O100 透過 3D wafer-on-wafer 及混合鍵合等方式，將運算及記憶體垂直堆疊，縮短 NPU 與記憶體之間的實體距離。 59

呢個方向同單純增加 TOPS 有分別。增加 TOPS 可以提高最高算術吞吐量，但未必可以解決大型模型反覆搬運數據時產生的頻寬及延遲成本。O100 的設計，就係由數據存取問題本身出發。

小米將 O100 定位於手機、PC、汽車及機械人等邊緣 AI 場景，亦曾在 AI Cube 本地大模型原型機上，配合其他玄戒晶片展示多晶片協同推理方案。 1515

O100 已完成研發，但唔係預定搭載於小米 18 Fold 的晶片；報道指它的商業化時間表為 2027 年。 26

D100：將 AI 運算延伸到汽車

D100 是小米面向智能駕駛及自動駕駛工作負載的 3nm 高運算 AI 處理器。它同 O3 及 O100 的定位各有不同：O3 服務手機，O100 專注一般邊緣大模型推理，而 D100 就針對汽車內的 AI 運算，反映小米希望將自研晶片策略伸延到更大的裝置生態。 245

部分報道形容 D100 是一枚 20 核心處理器，支援最多 160GB 統一記憶體，並可在本地處理最多 2,000 億參數的模型。不過，這些屬於報道中的規格，並非獨立驗證的性能結果。 11

D100 同樣已完成開發，但預計要到 2027 年才會商業部署。 256

200 TOPS 代表它已經係「AI 手機」？未必

如果只睇硬件門檻，O3 明顯高過市場經常引用的 30 TOPS AI 手機標準；它標稱 200 TOPS，超過該數字六倍以上。 18

但 TOPS 只代表潛在計算能力，唔等於用戶實際可以做到啲乜。小米今次的晶片確實補上多項本地 AI 基礎：

• 計算力： O3 的 NPU 標稱 200 TOPS。
• 頻寬： O100 規格為 1.22TB/s。
• 延遲： O3 的公布記憶體存取數字較上一代 O1 大幅降低。 17
• 模型效率： 硬件壓縮及量化可以減少需要經記憶體搬運的數據量。 17
• 本地運算： 晶片旨在支援裝置本身進行推理，而唔係完全依賴遠端伺服器。 15

所以，O3、O100 及 D100 可以視為 AI 裝置的重要硬件基礎，但仍然未能單獨定義一部「AI 手機」。交流會相關報道顯示，小米沒有將這個類別簡化成一項晶片規格，亦提到產品宣稱需要符合適用要求。現有資料未有確立更精確的合規規則，較穩妥的結論係：「AI 手機」仍然係硬件能力、軟件整合、用戶體驗及監管定位的綜合，而唔係一個已經獲廣泛認可的單一 benchmark 標籤。 14

由「記憶體牆」到「應用牆」

「記憶體牆」係一個技術問題：大型模型需要快速而有效率地搬動大量數據。O3 的延遲及壓縮方案，加上 O100 的近記憶體設計，正正針對這個瓶頸。

但「應用牆」就更加貼近日常使用。真正有用的 AI 手機，需要一個可信任的系統級 agent，能夠理解上下文、保留適當記憶、遵守權限，並跨不同服務完成多步驟工作。用戶可能只係講一句：「幫我搵資料、改好日程、整份文件，然後安排路線。」AI 的價值，唔應該只係在聊天視窗生成一段答案，而係可以跨 App 將整個流程做完。

這亦係小米管理層所提到的人機互動轉變的真正含意：AI 應該改變人點樣使用裝置，而唔係單純加一個聊天機械人，或者令本地文字生成快少少。O3 及 O100 令更進取的本地 AI agent 在技術上變得更加可行，但晶片本身唔會自動帶來跨 App 自主操作能力。

因此，小米今次展示的是一個頗完整的 AI 硬件底座，覆蓋手機、邊緣終端及智能汽車。下一個考驗，唔係晶片可唔可以處理更大的模型，而係小米能否將這些能力變成一個可靠、清楚管理權限，並且真正可以由用戶意圖走到任務完成的系統。

小米在 2026 年 8 月 24 日舉行的玄戒晶片技術交流會，重點並唔只係發布一款新手機處理器，而係展示一套由手機、邊緣 AI 到汽車智能駕駛組成的 AI 運算路線圖。公司同場介紹玄戒 O3、O100 及 D100，亦展示以多款玄戒晶片在本地運行大型語言模型的 AI Cube 原型機。 156

真正值得留意的地方，在於小米將焦點由「有幾多 TOPS」推向「模型數據點樣有效率咁搬動」。大型 AI 模型經常受制於模型權重及中間數據的傳輸速度，這個瓶頸通常稱為 「記憶體牆」。不過，硬件解決記憶體牆，並不等於已經解決另一個更貼近用戶體驗的 「應用牆」。

三款玄戒晶片有咩分工？

晶片	主要角色	公布的主要規格	生產及推出時間
玄戒 O3	旗艦手機及平板 SoC	3nm 製程、240 億個電晶體；標稱 200 TOPS tensor 運算，AnTuTu 約 522 萬分	據報採用台積電生產安排，已開始量產，預計 2026 年 9 月在小米 18 Fold 首次登場 248
玄戒 O100	邊緣 AI 加速器，用於本地大模型推理	6nm 製程、1.22TB/s 記憶體頻寬	採用近記憶體架構，將運算及記憶體垂直堆疊；預計 2027 年商用 2569
玄戒 D100	汽車及智能駕駛 AI 處理器	3nm 高運算晶片，針對自動駕駛工作負載	據報屬於小米的台積電生產安排，預計 2027 年商用 245

以上數字主要來自小米或科技及新聞媒體報道。尤其 O3 的 522 萬分 AnTuTu 成績，目前應視為廠商公布的基準測試結果，待獨立測試後才可作更完整比較。

O3：為本地 AI 重整的手機旗艦 SoC

O3 在產品定位上仍然係一枚傳統手機主處理器，主要用於高階手機及平板，而唔係一張獨立 AI 加速卡。小米公布，O3 採用 3nm 製程，內置 240 億個電晶體、10 核心 CPU 及 16 核心 G2-Ultra NX GPU，AnTuTu 成績約 522 萬分。 41012

對本地 AI 來講，重新設計的 NPU 更有睇頭。小米表示，O3 的 NPU 最高可提供 200 TOPS tensor 運算能力，並針對自家 MiMo 本地模型作優化。 1818

O3 點樣降低延遲及記憶體負擔？

據報，O3 重新打造統一融合匯流排及晶片內部實體佈線，令記憶體存取延遲在靜態測試下低至 82 納秒；有背景負載時則為 177 納秒。相比之下，上一代 O1 分別為 121 及 384 納秒。 17

O3 亦據報加入硬件 Huffman 無損壓縮，配合小米採用五值量化的 MiMo 模型。小米表示，相關做法可令記憶體頻寬使用量減少 30%，同時配備 28MB NPU 近記憶體。 17

簡單講，一枚 AI 晶片就算計算力好高，如果模型數據送唔切，實際反應仍然可以好慢。降低延遲、將資料放近運算單元，再配合針對模型的壓縮，目的都係減少數據搬運帶來的阻力，而唔係只用 TOPS 一個數字去衡量性能。

O100：專門處理本地大模型的加速器

O100 並唔係一枚完整的手機處理器，而係一款 6nm 神經處理及 AI 加速晶片，針對邊緣裝置上的大型模型推理，包括在消費裝置本地運行小米 MiMo 模型。 289

O100 最醒目的規格係 1.22TB/s 記憶體頻寬。這個數字之所以重要，係因為本地大模型推理好多時唔係計算單元做得唔夠快，而係加速器讀取模型參數及中間結果的速度跟唔上。 15

近記憶體運算直接針對「記憶體牆」

小米的答案係近記憶體運算。O100 透過 3D wafer-on-wafer 及混合鍵合等方式，將運算及記憶體垂直堆疊，縮短 NPU 與記憶體之間的實體距離。 59

呢個方向同單純增加 TOPS 有分別。增加 TOPS 可以提高最高算術吞吐量，但未必可以解決大型模型反覆搬運數據時產生的頻寬及延遲成本。O100 的設計，就係由數據存取問題本身出發。

小米將 O100 定位於手機、PC、汽車及機械人等邊緣 AI 場景，亦曾在 AI Cube 本地大模型原型機上，配合其他玄戒晶片展示多晶片協同推理方案。 1515

O100 已完成研發，但唔係預定搭載於小米 18 Fold 的晶片；報道指它的商業化時間表為 2027 年。 26

D100：將 AI 運算延伸到汽車

D100 是小米面向智能駕駛及自動駕駛工作負載的 3nm 高運算 AI 處理器。它同 O3 及 O100 的定位各有不同：O3 服務手機，O100 專注一般邊緣大模型推理，而 D100 就針對汽車內的 AI 運算，反映小米希望將自研晶片策略伸延到更大的裝置生態。 245

部分報道形容 D100 是一枚 20 核心處理器，支援最多 160GB 統一記憶體，並可在本地處理最多 2,000 億參數的模型。不過，這些屬於報道中的規格，並非獨立驗證的性能結果。 11

D100 同樣已完成開發，但預計要到 2027 年才會商業部署。 256

200 TOPS 代表它已經係「AI 手機」？未必

如果只睇硬件門檻，O3 明顯高過市場經常引用的 30 TOPS AI 手機標準；它標稱 200 TOPS，超過該數字六倍以上。 18

但 TOPS 只代表潛在計算能力，唔等於用戶實際可以做到啲乜。小米今次的晶片確實補上多項本地 AI 基礎：

• 計算力： O3 的 NPU 標稱 200 TOPS。
• 頻寬： O100 規格為 1.22TB/s。
• 延遲： O3 的公布記憶體存取數字較上一代 O1 大幅降低。 17
• 模型效率： 硬件壓縮及量化可以減少需要經記憶體搬運的數據量。 17
• 本地運算： 晶片旨在支援裝置本身進行推理，而唔係完全依賴遠端伺服器。 15

所以，O3、O100 及 D100 可以視為 AI 裝置的重要硬件基礎，但仍然未能單獨定義一部「AI 手機」。交流會相關報道顯示，小米沒有將這個類別簡化成一項晶片規格，亦提到產品宣稱需要符合適用要求。現有資料未有確立更精確的合規規則，較穩妥的結論係：「AI 手機」仍然係硬件能力、軟件整合、用戶體驗及監管定位的綜合，而唔係一個已經獲廣泛認可的單一 benchmark 標籤。 14

由「記憶體牆」到「應用牆」

「記憶體牆」係一個技術問題：大型模型需要快速而有效率地搬動大量數據。O3 的延遲及壓縮方案，加上 O100 的近記憶體設計，正正針對這個瓶頸。

但「應用牆」就更加貼近日常使用。真正有用的 AI 手機，需要一個可信任的系統級 agent，能夠理解上下文、保留適當記憶、遵守權限，並跨不同服務完成多步驟工作。用戶可能只係講一句：「幫我搵資料、改好日程、整份文件，然後安排路線。」AI 的價值，唔應該只係在聊天視窗生成一段答案，而係可以跨 App 將整個流程做完。

這亦係小米管理層所提到的人機互動轉變的真正含意：AI 應該改變人點樣使用裝置，而唔係單純加一個聊天機械人，或者令本地文字生成快少少。O3 及 O100 令更進取的本地 AI agent 在技術上變得更加可行，但晶片本身唔會自動帶來跨 App 自主操作能力。

因此，小米今次展示的是一個頗完整的 AI 硬件底座，覆蓋手機、邊緣終端及智能汽車。下一個考驗，唔係晶片可唔可以處理更大的模型，而係小米能否將這些能力變成一個可靠、清楚管理權限，並且真正可以由用戶意圖走到任務完成的系統。