看了9月7日这场华为发布会，原本最容易想到的主角，是HarmonyOS 7和Mate XT 2非凡大师。三折叠怎么变、系统又多了什么功能，已经足够聊上一阵。

没想到，麒麟9050 Pro的亮相又带来了一份意外。继Mate 40全球发布会之后，华为时隔六年再次在旗舰发布会上展开介绍一颗全新麒麟芯片，而且这次拿出的内容，相当值得细看。

单核峰值性能提升24%、多核并发性能提升52%、渲染性能提升142%，这些数字当然吸引眼球。

不过看完之后，我更在意的是它们背后的几项变化：CPU为什么分成这么多种核心，GPU为什么要同时增加缓存，一个300亿参数的模型又是怎么放进手机的。把这些问题串起来，我们或许就能一瞥麒麟9050 Pro的真实成色。

逻辑折叠

先聊最有新鲜感的逻辑折叠。这个名字听上去有点抽象，其实出发点很容易理解：芯片里的计算单元除了自己干活，还要不断交换数据。单元本身再快，如果信息总要绕远路，整体效率也会被拖住。就像两个人配合做事，各自手脚都很利索，却要频繁跑到另一栋楼取材料，时间还是会耗在路上。

麒麟9050 Pro的做法，是把电路安排到垂直堆叠的不同层，再用密集的层间连接把它们接起来。原来在平面上隔得较远的单元，可以通过重新布局缩短往返距离。这里的“折叠”，可以理解为把原本铺开的工作区重新安排成立体空间，让经常交流的部分靠得更近。

少走一些路，为什么就能更快？因为芯片内部的线路也有电阻和寄生电容，信号切换需要完成充放电。缩短关键线路，有机会减小这些负担，减少信号传递所需的时间。所以，逻辑折叠并非只是在有限空间里多塞一些晶体管，它同时在调整这些晶体管之间的关系。

从观察芯片发展的角度看，这一点值得关注。过去大家讨论性能升级，往往很快就落到“几纳米”上。制程当然重要，但一颗芯片最终能发挥多少能力，还与架构、布线、存储和封装有关。逻辑折叠让这些不太容易被消费者看见的环节，重新走到了台前。

今年5月提出的韬（τ）定律，也可以沿着这个思路理解：把关注点进一步放到完成任务所需的时间上，通过电路和系统设计减少等待。它给出的启发很实际——在继续推进器件微缩的同时，还可以想办法让现有的计算资源配合得更好。

当然，立体布局本身也会带来新的难题。层间连接要足够紧密，供电和散热也得跟上，不能省下了传输时间，却让热量更难散出去。因此，逻辑折叠的价值要靠设计、制造和封装共同兑现。把它理解成一条值得继续探索的技术路线，比急着为摩尔定律宣布结局，更接近这颗芯片真正值得讨论的地方。

CPU：超线程落地，榨干性能潜力

再看灵犀CPU。单核峰值提升24%，多核并发提升52%，后者的增幅明显更大。对手机来说，这种变化很有现实意义。我们平时很少只让它做一件事：前台刷着内容，后台可能还在下载文件、处理消息，开起视频会议之后，事情就更多了。

麒麟9050 Pro采用1颗大核、2颗性能大核、4颗能效大核和2颗小核的组合，另外还有低功耗微核负责部分待机任务。光看名字，确实容易觉得复杂。简单说，这套配置给系统准备了更多档位：急着完成的重任务用更强的核心，持续运行的交互任务兼顾效率，熄屏显示之类的工作则尽量少耗电。

超线程则是在另一处挖潜。CPU运行一条线程时，可能因为等待数据，暂时有一些执行资源闲着。超线程让同一物理核心有机会处理更多线程，利用这部分空闲能力。可以把它想成等材料的间隙顺手推进另一项工作，前提是两件事不要处处争抢同一套工具。

所以，相比一次跑分又多了多少，CPU升级更值得期待的结果，是复杂场景下少一点忙乱：切回应用时不必停一下，开着会议再查资料也能及时响应。尤其放在三折叠上，屏幕容得下更多窗口，处理器就要接得住更多同时发生的操作。这是多核能力和系统调度真正有用武之地的地方。

GPU：缓存翻倍值得关注

马良GPU的渲染性能提升142%，是这次参数里很显眼的一项。它的计算单元与缓存同时翻倍，这个组合比单独增加计算单元更值得留意。因为渲染一帧画面，需要反复读取纹理、几何信息和中间结果，计算资源增加了，数据也要及时送到。

缓存可以理解成计算单元手边的材料台。经常要用的东西放在附近，就不用一次次跑去较远的仓库拿。缓存变大，有机会留下更多可重复使用的数据，减少对外部内存的访问。它既帮助计算单元少等一会儿，也能减少数据来回搬运的开销。

这也是看GPU升级时容易忽略的一点：堆上更多计算单元，并不自动等于它们能一直满负荷工作。算力、缓存和内存访问配合得好，新增资源才更容易发挥作用。麒麟9050 Pro同时补强两端，至少在设计思路上，考虑到了这个问题。

光追硬加速则更容易对应到画面上。光线追踪要计算光线如何与物体相交，再处理反射、阴影等效果，用专门硬件承担其中的重复工作，可以减轻通用计算资源的压力。麒麟9050 Pro支持5000万线实时光追，为适配游戏提供了更复杂的光照表现。

GPU的用途也不只限于游戏。多轨道视频里的画面合成、特效和预览，同样需要它参与。Mate XT 2的4K视频导出速度提升40%，就对应了另一类更容易感知的收益：如果经常在手机上处理素材，少等一段导出时间，有时比偶尔看到一次漂亮的光追反射更实用。

NPU：300亿参数进手机

达芬奇架构NPU这一部分，最抓人眼球的是端侧MoE全模态大模型：总参数300亿，激活参数20亿。两个数字放在一起，难免让人疑惑，既然有300亿，为什么只用20亿？这恰好是混合专家架构值得聊的地方。

可以把模型想成一个分工不同的团队。每次处理输入，由路由机制挑选一部分“专家”参与，不需要让所有成员一起上场。这样，模型保留了较大的整体容量，每次实际参与计算的部分又相对较小。对功耗和算力都比较紧张的手机，这是很有吸引力的取舍。

但“少算一些”不等于其余参数可以消失。整个模型仍然需要被存储和管理，运行时的数据也得及时送到NPU。因此，这次提到的多级存算协同优化，同样是重点。它要处理的不只是算得快不快，还有模型怎么放、数据怎么取，以及怎样减少反复搬运。

从产品角度看，我觉得端侧AI最值得期待的，是让一些原本依赖联网的操作变得更直接。比如图库整理，相关分析能在本地完成，网络不好时也可以继续，不必为了一个简单任务等云端回应。这类变化可能不如演示一段长篇对话热闹，却更容易进入日常使用。

写在最后

将上面提到的各个模块放在一起，麒麟9050 Pro给人的感觉就清楚了：它在增加计算资源，也在想办法让数据少绕路，让不同任务分配得更合理。

逻辑折叠、CPU调度、GPU缓存和端侧模型运行，看起来是几件不同的事，最终都关系到芯片里的资源能不能用得更充分。

这次意外亮相最让人有兴趣继续追下去的，是华为把芯片怎么继续往前做这件事，讲出了更多具体内容。逻辑折叠能挖出多少空间，新的计算和存储配置能否转化成体验，都值得我们长期观察。

关于搭载这颗芯片的华为Mate XT 2使用体验究竟如何，ZOL也将在之后发布详细的评测内容，敬请期待。