快科技10月25日消息，近日，高通发布了新一代旗舰移动㊣平台骁龙8至尊版，首次采用专为智能手机设计的第二代自研Oryon CPU架构，同时在GPU、NPU、影像、连接等各方面都实现了飞跃，各家手机厂商的终端产品也即将纷纷登场。

　　发布会后，快科技采访了高通的多位技术高管，对于骁龙8至尊版的架构设计、技术特性有了更深入的了解。

　　CPU架构方面，骁龙8至尊版配备了两个4.32GHz的超级内核、六个3.53GHz的性能内核，各自搭配12MB二级缓存。

　　第一，每个CPU丛集都配备了迄今最大的缓存；第二，引入了全新的数据时序预取器(data-cache pre-fetcher)；第三，引入了全新的性能内核设计。

　　说到性能内核、超级内核之间的区别，它们在微架构层面上确实有很多差异，尤其是性能内核为了降低功耗，做了✅大量的微架构调整。

　　两类核心是不同的异构计算核心，但在SoC和总线架构中是紧密相连的，以确保高速的核间通信，同时二级缓存的大小加倍，以确保紧密同步。

　　同时，为了能让超级内核、性能内核既保证能效，又不妥协性能，高通在设计之初就充分考虑到了芯片的各种物理限制，包括芯片架构、手机主板架构㊣㊣等。

　　不过，高通没有也不会公布骁龙8至尊版的晶体管数量，未来产品也不考虑，这和苹果、联发科的做法不同A18系列今年没有公布大概率是因为“开倒车”而不好意思。

　　高通强调，晶体管的数量不能直接代表性能表现，并不是晶体管㊣越多，芯片的性能就越好，我们要看的是如何实现最佳的性能和能效。

　　需要㊣强调的是，二级缓存对能效的表现至关重要，所以骁龙8至尊版为每一个CPU丛集都配备了前所未有的12MB二级缓存，总计达24MB，这种紧密耦合的专用缓存也是移动领域迄今最大的。

　　总体上，高通做了巨大的投入，有效降低了骁龙8至尊版的时延，从第三代骁龙8的12ns大幅降低至5ns，这会显著提升高性能游戏、网页浏览等各种使用体验。

　　正是得益于高通在这些领域的深厚经验，配合出色的✅软件架构，才做出了这款性能和能效兼得的CP㊣U。

　　说到网页浏览性能，可以通过Speedometer测试最直观地反映出来，实测骁龙8至尊版的成绩为26.0，酷睿Ultra 200V系列则只有17.0。

　　同时传感器是干什么用的，骁龙8至尊版对比前代骁龙8 Gen3更是提升了多达62％，高通也有信心超越任何安卓平台竞品。

　　要知道，诸如微信、滴滴、美团等✅很多主流应用的底层功能，其实都是基于Web应用的，因此，提升网页浏览性能，对于增强整体用户体验至关重要，骁龙8至尊版将让用户感受到前所未有的流畅使用体验。

　　高通强调，之所以能在Speedometer上取得如此显著的速度提升，关键在于骁龙8至尊版采用了定制架构的CPU(Oryon CPU高达192KB的一级缓存就非常有帮助)，这是公版架构无法相媲美的，而纵观全✅球，目前仅有两家公司拥有定制CPU。

　　除了CPU部分的超大缓存，GPU部分也设置了12MB的专用缓存，它可以存储部分画面帧，以此降低带宽占㊣用，从而提高能效。

　　值得一提的是，骁龙8至尊㊣版首次在移动端运行了虚幻引擎5的Nanite解决方案，可以实现虚拟纹理绘制（virtual texturing）、阴影贴图（shadow maps）等功能。

　　在一些大型世界游戏中，通过阴影贴图功能，可以实现高达16K甚至更高分辨率的画面，并且画面是分区渲染的，单次只渲染㊣所在场景中的部分画面，以实现更精美㊣的、更高分辨率的画面质感。

　　内存方面，骁龙8至尊版也支持到了行业最高的LPDDR5X 5.3GHz (等效于10.7GH✅z)，与联发科天玑9400相同。

　　高通解释说，QRD（高通参考设计）在内存方面其实有两个版本，一个是4.8GHz(等效于9.6GHz)，另一个是5.3GHz（等效于10.7GHz），基准测试在两个版本上运行的差异并不是很明显。

　　目前来看，高通预计5.3GHz内存在短期内的采用率会㊣相对低，因为它相对更新，成本也更高，到了明年可能会有所不同。

　　AI方面，骁龙8至尊版大幅提升了NPU的性能和AI的运用，比如NPU可以在后台灵活调度大语言模型的推理。

　　这正是Hexagon✅ NPU架构设计的初衷，其不仅性能卓越，而且能效显著㊣提升，对比上代每瓦性能提升了多达45％。

　　同时，新的架构可以针对广泛的应用场景，提供相应的能效优化，当然包括后台待命，通过轻触屏幕或语音唤醒，迅速调用强大的AI功能。

　　比如Llama和百川的70亿参数大模㊣型版，即使压缩到16位整数精度进行处理，也会占用13GB左右的内存，而通过高通的软件和相应的解决方案，将内存需求大幅降至约3.5GB。

　　高通㊣预计，未来对更有效压缩技术的需求会日益增长，同时✅会出现越来越多的介于10亿㊣至40亿参数之间的达模型。

　　五次，高通会从硬件和AI软件栈两个方面持续投入，一方面提升压缩模型的性能表现，实现更小的内存占用，另一方面进一步降低模型精度，应对内存资源争抢，并降低成本。

　　对此问题，高通解释说，任何半导体行业从业者都✅清楚的是，这个行业的经济模式已经出现了根本性的变化。

　　大约十年前，同样的设计和晶体管规模过渡到新一代制程工艺后，会变得更加㊣便宜，因此通过制✅程迭代工艺，能够显著节省成本，继而用来开发新的技术特性和创新。

　　但是现在，晶体管和晶圆代工厂的经济模式出现了转变之后，同样的设计升级到下一✅代工艺制程，成本会大幅增加，这为半导体行业的各个领域都带来了根本性的变化。

　　面向其他价格段市场和没有那么高预算的消费者，高通会跨越产品层级，将旗舰体验下放，为更多消费者提供集成众多旗舰平台核心技术、同时价格更经济实惠的解决方案。