小米用两台原型机，给所有手机厂商出了一道难题

一个被忽略的数字

295 Tokens 每秒。

如果你对这个数字没概念，我换一种说法：目前主流旗舰手机跑端侧大模型，推理速度普遍在 30-80 Tokens 每秒之间。小米玄戒 O100 原型机给出的这个数字，差不多是行业平均水平的 4 到 10 倍。

但问题来了——这是一台砍掉摄像头、塞进主动风冷、主板完全推翻重做的「非正常手机」。

一个不能拍照的手机，还是手机吗？小米到底想干什么？

时间线上的三步棋

要理解这次动作，得先理清楚小米在芯片这条路上的时间线。

2017 年，小米发布澎湃 S1，那是雷军第一次尝试自研 SoC，市场反响平淡，后续产品线也一度沉寂。2021 年之后，小米转向 ISP 芯片（澎湃 C 系列）、充电管理芯片（澎湃 P 系列）和电池管理芯片（澎湃 G 系列），走的是「农村包围城市」的路线——先在非核心芯片上积累经验和口碑。

然后是这次。玄戒 O3、O100、D100 三款芯片同时亮相，覆盖了应用处理器、端侧 AI 加速和数据处理三个关键领域。这不是试探，这是全面出击。

从布局节奏来看，小米用了大约 8 年时间，完成了从「试水」到「全面铺开」的过渡。这个速度算快还是慢？从数据来看，苹果从 A4 到真正建立起芯片壁垒，用了差不多 6 年。考虑到小米中间经历过战略摇摆，8 年时间并不算离谱。

玄戒 O100 原型机最值得注意的地方，不是那 295 Tokens 的速度，而是它采用了 玄戒 O3 与 O100 双芯协同计算 的架构。换句话说，小米不满足于做一个「能跑 AI 的手机芯片」，它要做的是一套专门服务于端侧大模型的异构计算系统。砍掉影像模块、推翻主板设计、加装 10 瓦主动风冷——这些极端做法都指向同一个目标：为 AI 推理让路。

小米的意图很明确：它不是在现有手机上「加一个 AI 功能」，而是在重新定义「手机应该为谁服务」。

那台迷你主机，才是真正的杀招

说实话，玄戒 O100 原型机更像是一个技术宣言，真正让我觉得「这事有点意思」的，是另一款产品——Xiaomi AI Cube。

一台迷你主机，航空铝一体成型，33,874 个 CNC 精密镂空散热孔，150 瓦持续性能释放。内部塞了玄戒 O3、O100 和 D100 三颗芯片，配备 80GB 统一内存，可以部署 120B 参数的大模型和 3B 参数的端侧模型，还能做快慢系统切换。

这台设备瞄准的场景非常具体：个人开发者的本地 AI 工作站。

我举一个实际的例子。我一个做独立开发的朋友，目前每天的工作流大概是这样的：用 Claude 帮他写代码框架，用本地跑的 CodeLlama 做代码补全，偶尔用 GPT-4o 处理一下复杂逻辑。他的机器是一台 M2 Mac Studio，32GB 内存，跑 70B 的模型已经比较吃力，120B 根本跑不动。

如果 AI Cube 真的能在本地流畅跑 120B 模型，而且价格控制在 2-3 万元区间——这是一台可以改变工作方式的设备。不需要联网，没有 API 调用费用，数据不出本地，响应速度取决于硬件而非网络。对于敏感行业的开发者来说，这个价值点非常清晰。

当然，从数据来看，120B 模型在 80GB 内存上能否真正流畅运行，还要看量化精度和实际负载情况。目前还不好说这 80GB 的统一内存在实战中的表现到底如何，需要更多样本验证。

对手们慌不慌？

我们来做个对比分析。

苹果有 M 系列芯片，生态封闭但体验一致。高通有骁龙 X Elite，主攻 PC 端 AI 计算。联发科走的是性价比路线，天玑系列在中高端市场站稳了脚跟。英伟达不用说，专业 AI 计算领域的绝对霸主。

小米这次的打法，和上述所有人都不太一样。

苹果和高通在做的事是「把 AI 能力塞进现有产品」，而小米做的事是「为 AI 能力重新设计产品」。这个区别很关键。玄戒 O100 原型机砍掉摄像头这件事，本质上是一种产品哲学的表达——小米认为，在某些场景下，AI 推理能力比拍照能力更重要。

但我必须指出一个现实问题：芯片设计和芯片量产之间，隔着一条巨大的鸿沟。澎湃 S1 当年的问题不是设计不行，而是量产良率和后续迭代跟不上。这次玄戒系列能否避免同样的坑，目前信息太少，我没法下结论。

作为一个被各种 AI 工具坑过无数次的人，我见过太多「原型机惊艳、量产机平庸」的案例。小米这次能不能跳出这个循环，是决定一切的关键变量。

OpenAI 的 Sam Altman 前段时间在 X 上多次提到端侧 AI 的重要性，认为未来的 AI 体验一定是云端和端侧混合的。小米这两台原型机，某种意义上是在响应这个判断——但它走的路线比 OpenAI 想象的更激进。OpenAI 想的是手机上跑一个小模型做预处理，小米想的是在本地跑一个接近云端能力的大模型。

这种路线差异背后，是两家公司对用户隐私和计算成本的不同理解。小米赌的是：用户愿意为「数据不出设备」这个承诺支付更高的硬件成本。

跟你有什么关系

如果你是普通消费者，短期内玄戒芯片对你影响不大。这两台都是原型机，离量产还有距离。但从中期来看，如果小米成功把这套装进未来的折叠屏手机或平板里，你在本地就能完成的事情会多很多：实时语音翻译、离线照片编辑、本地文档摘要——不需要联网，不需要订阅，不担心隐私泄露。

如果你是从业者，尤其是做 AI 应用开发的，这背后的趋势值得关注。端侧模型推理速度从 30 Tokens 到 295 Tokens，不只是「快了」这么简单——它意味着原本不可能在端侧运行的应用场景，现在变得可能了。实时对话、实时翻译、实时代码补全，这些对延迟敏感的应用，会因为这个量级的速度提升而变得可用。

再往大了说，如果端侧 AI 能力真的突破了某个临界点，目前以云端为主的 AI 服务商业模式都会受到冲击。谁还愿意每个月花 20 美元订阅 API，如果自己的设备就能跑？

当然，这个「如果」目前还很大。从原型到量产，从单一场景到生态覆盖，中间还有很长的路要走。

我赌 18 个月之内，至少会有一家国内大厂跟进，发布类似的「为 AI 推理重新设计」的硬件产品。至于小米自己，如果 2026 年上半年拿不出基于玄戒芯片的量产设备，这次的技术秀就会沦为又一个 PPT 发布会。

本文基于 media 公开报道编译解读

本文基于 media 公开报道编译解读，查看原文