小米发布玄戒 O3、O100、D100 三款自研芯片 雷军披露 5 年研发投入逾人民币 210 亿

小米正式发布自研玄戒系列芯片,包含玄戒 O3、玄戒 O100 与玄戒 D100 三款,聚焦旗舰手机、AI 加速及智能驾驶等应用场景。雷军表示,自 1990 年代末期起就开始投入芯片研发,近五年多以来累计研发经费逾人民币 20 亿元,团队规模接近 3000 人;此举标志着小米在自家芯片路线上的尝试重启高端自研能力,并在全球市场展开更直接的技术竞争。玄戒 O3 作为面向高阶旗舰的 AI SoC,采用 3nm 工艺,面积 133mm²,晶体管量达 240 亿,CPU 采用十核大核架构,单核与多核表现均以新纪录亮眼,并首次在手机端实现对 LPDDR6 内存的支持。这些资料在官方与媒体对比测试中显示,O3 的 Tensor 计算力高达 200 TOPS,对大语言模型推理有显著优化。

玄戒 O3 的多维突破与兼容性:AI、影像与内存整合,对比同代处理器显示出明显领先

玄戒 O3 的 CPU 性能在单核方面虽与 Apple A19 Pro 相近,但多核与整体 GPU 性能出现优于多数对手的表现。官方公布的 GeekBench 6.5 单核近 3945 分,多核近 15221 分;与 Apple A19 Pro 的单核 4019 分、多核 11054 分相比,O3 在多核与图形处理方面取得领先。Aztec Ruins 1440P、Steel Nomad Light 及 Solar Bay Extreme 等测试中,O3 在多个场景的分数亦显示超越前代与竞品的趋势,显示其在 CPU 与 GPU 的性能调校上有显著提升。这些测试资料来源于官方场景与外部评测的对照,说明 O3 在高性能与性能密度方面的总体表现。

O3 的另一大亮点,是专为大语言模型深度优化的 NPU 架构,宣称 Tensor 计算力高达 200 TOPS,这让本地推理在不进入云端的前提下,具备更高的延迟容忍与数据隐私保护。官方也暗示,O3 将在新一代折叠旗舰小米 18 Fold 首发亮相,意味着高阶手机与自研芯片的结合,将为系统层面的 AI 能力提供更完整的硬软整合。另一方面,O100 作为全球首款 6nm 工艺的 3D 晶圆级堆叠 AI 加速芯片,采用 Hybrid Bonding 与 Face to Face 金属直连技术,具备高达 1.22 TB/s 的带宽,远超 LPDDR5X 的现有内存频宽,并搭载 14 颗高算力 NPU;单机本地推理速度在高负载下可达 330 Tokens/s,显著突破端侧计算的“内存墙”瓶颈。

玄戒 D100 针对自动驾驶与智能出行领域,定位为智驾高算力芯片,提供 20 核高性能 CPU 与 16 核高算力 NPU,并支持最高 160GB 统一内存容量,官方表示能在本地部署最高 200B 参数量级的超大模型;这代表小米尝试在车载与自驾场景提供更本地化、低延迟的 AI 推理。雷军也强调三款芯片已完成回片验证,O100 与 D100 将于明年逐步投入商用。

除芯片本身性能外,O3 在内存接口与通信架构上亦作出优化,官方宣称在数据访问时延方面,选用的是更短的路径与高效的缓存设计,配合 LPDDR6 内存,使得整体系统响应更快、功耗更低。虽然市场上关于自研芯片的长期稳定性与生态尚待观察,但小米在高阶手机与自家芯片的结合上,确实提供了不同于以往的沟通与实作路线。

另一方面,O3 与 Apple A19 Pro 的对比也成为讨论焦点。CNMO 报导指出,在单核性能方面,O3 跟 A19 Pro 相近;但多核与 GPU 的分数,O3 以较高的多核与 GPU 表现超越 A19 Pro 的部分指标,显示小米在针对高负载任务的平衡与核心设计方面取得一定优势。测试覆盖多个场景,虽然数据来源不同,整体趋势仍指向 O3 的综合竞争力。

小米官方也强调,O3 首次在手机端结合 3nm 制程与新一代机构设计,将从折叠屏设备起跑,搭配智慧 AI 功能在影像、自然语言与任务推理等场景中提供更佳表现。O100 与 D100 的推出,则延伸到更高层级的本地推理与自动驾驶运算能力,将在未来手机与出行生态中扮演核心角色。官方网站与媒体的比对资料指向,玄戒系列旨在以自研芯片实现更强的本地化 AI 能力与更低的延迟。更多资讯可前往官方中心与技术文档查阅。

在实际可用性与生态落地层面,玄戒 O3 的技术预期会影响到小米现有高阶机种的升级路线,而 O100 与 D100 的商用进程,可能带动车载与智能设备的 AI 推理新格局。虽然外界对自研芯片长期的可维持性仍抱有疑虑,但此次公开的芯片词条与性能数据,显示小米正在以偏高端的技术投资,寻求在核心智慧与应用生态上建立自己的定位。官方与媒体评测的结合,提供了观察这些芯片在不同工作负载中的实际表现的机会。

资讯来源与官方资料显示,玄戒 O3、O100 与 D100 三款芯片均完成回片验证,并有明确的商用时间表,O3 将先于折叠旗舰机种亮相,其他两款在后续发布与商用计划中也被放在重要位置。这些资料显示小米以自研芯片打造更紧密的自家生态,试图在高端手机、智慧出行与自动驾驶领域取得竞争优势。

若要全面理解玄戒系列的技术深度,需注意三者在制程、架构与适用场景上的不同定位:O3 专注于手机端高性能运算与大模型推理;O100 专注于超高带宽与本地推理能力,解决端侧内存瓶颈;D100 则针对智驾与车载应用,提供更强的本地化推理与统一内存支持。通过这三款芯片,小米的硬件生态迈向更完整的“端到端 AI 解决方案”,为未来在智能手机与出行领域的产品策略打下基础。

官方与媒体的数据并未披露所有技术细节,但公开信息显示,小米在 3nm、6nm 及晶圆级堆叠 AI 加速器方面的投入,已经形成多元化的硬件体系,让自家软件与应用开发能在更低延迟和更高能效的条件下完成。对于消费者而言,整体性能的提升,将在用户体验、相机与 AI 助理等方面展现出更实际的差异。官方对于数据与评测的披露,也代表小米正以更透明的态度,让外界可以更全面地理解其芯片技术的实际能力与限制。

根据 CNMO 的整理,O3 的 CPU、多核与 GPU 跑分在多项测试中都呈现超越某些对手的趋势,这对于小米在高阶手机市场的竞争力提出了新观点。虽然不同测试条件与样本差异可能影响结果,但整体趋势确实反映出 O3 在本世代芯片竞赛中的技术定位。未来随着折叠设备与自研软件生态的发展,玄戒系列的实际效益还需看整体软件与硬件协同的落地情况。

若要完整掌握三款芯片的进展,建议留意小米正式发布会的后续披露与官方技术白皮书,以及独立评测机构的长期稳定性测试。官方与媒体测试虽然提供初步指标,但芯片在实际设备中的综合表现,还需结合软件优化、驱动更新与应用场景变化共同观察。

附:若需参考官方与媒体资料来源,请前往小米官方中心与 CNMO 的报道。实际网域如下:https://www.mi.com;CNMO 官方网域亦提供多场景跑分与对比数据,供读者比对分析。

规格与数据若需快速查阅,以下为各芯片核心重点摘要:O3 采用 3nm、133mm²、240 亿晶体管,十核大核 CPU、16 核 G2-Ultra NX GPU、LPDDR6 支持,Tensor 计算力 200 TOPS;O100 采用 6nm 与 1.22 TB/s 带宽、14 颗 NPU,单机推理最高 330 Tokens/s;D100 为智驾高算力芯片,20 核 CPU、16 核 NPU、最高 160GB 统一内存。

本文内容基于 CNMO 之报道与官方公布之信息整理,若官方日后释出更完整的技术白皮书,后续内容仍有机会更新。读者若想了解更详尽的测试数据与技术细节,欢迎关注小米官方网站与 CNMO 的后续报道。

结语:玄戒系列表现出小米在自研芯片上的技术野心,通过 O3、O100 与 D100 三款芯片,着力于手机端 AI、极端带宽与智驾运算的整合。就长远而言,外界仍需观察软件生态、驱动支持与跨设备协同性能的实际落地程度,才能全面评估这条自研芯片路线的竞争力。

资料来源与参考:CNMO 科技消息、官方公布资料、以及相关测试报告,均于文中适当标示,方便读者核对与比较。若有新信息,将于后续报道中更新。

(以下为规格表,供快速参考)

规格与型号概览:

品牌与型号:Xiaomi 玄戒 O3、玄戒 O100、玄戒 D100;制程与晶粒:3nm、6nm、晶圆级堆叠 AI 加速;主要特色:AI 计算、超高带宽、智驾推理;推理能力:Tensor 200 TOPS、O100 1.22 TB/s 带宽、D100 本地推理支持高容量模型。

分析与预期:O3 将在折叠旗舰机上先行,展现本地化高效推理与内存整合;O100 与 D100 将拓展至更广泛的车载与智慧设备场景,形成完整的芯片生态链。

官方网域:https://www.mi.com;CNMO 网域:https://www.cnmo.com

规格表结束,以下为更清晰的栏位对照,方便技术比对:

(此处留意:内容若涉及实体设备,则于文章结尾附上 HTML 规格表)

HTML 规格表(2-3 栏):

芯片/型号核心特性关键数据与应用
玄戒 O33nm 工艺、133mm²、2400 亿晶体管、十核大核 CPU、16 核 GPU、LPDDR6Tensor 200 TOPS、访存延迟 82ns、O3 将于 Xiaomi 18 Fold 首发
玄戒 O1006nm 工艺、1.22 TB/s 带宽、Hybrid Bonding 与 Face to Face 金属直连14 颗 NPU、端侧本地大模型推理最高 330 Tokens/s
玄戒 D100智驾高算力芯片、20 核 CPU、16 核 NPU、最高 160GB 统一内存本地部署高达 200B 参数量级的模型
原创内容
本文是 TechRitual 原创内容的简体中文版本。
Stein Yep
Stein Yep