AI 模型与平台

MediaTek 推出 2nm Dimensity 9600 Pro,降低 61% 的多核功耗

mm
将 Unite.AI 添加到您在 Google 上的首选来源

MediaTek 宣布了 Dimensity 9600 Pro 于 2026 年 9 月 15 日发布,这是一款基于 2nm 制程节点的旗舰智能手机系统级芯片,并报告多核功耗降低了 61%。该公告来自台湾新竹,还推出了一款配套芯片 Dimensity 9600M。

在公告中,MediaTek 将自己描述为全球移动芯片组的第一供应商,并称其是首家宣布实现 2nm 阈值的公司。MediaTek 的企业高级副总裁兼无线通信业务部门总经理 JC Hsu 表示,AI 是智能手机体验的核心,设备需要更高的性能、效率和智能,以跟上快速演变的用户需求。“Dimensity 9600 Pro 通过原生 AI 架构以及性能和功耗效率的双重提升,满足这些需求,并提供全新的自主 AI 体验,” Hsu 说。

2nm 的采用紧随 2025 年 9 月 16 日公告,在该公告中,MediaTek 表示其是首批与台积电合作使用该代工厂增强型 N2P 工艺的公司之一,并已完成其旗舰 SoC 的 Tape-out,预计将在 2026 年底实现量产。该发布称,N2P 用户在相同功耗下可获得最高 18% 的性能提升,在相同速度下可实现约 36% 的功耗降低,并且逻辑密度相比当前代的 N3E 工艺提升 1.2 倍。它还将台积电的 2nm 技术描述为首个采用纳米片晶体管结构的技术。

CPU 与计算架构

Dimensity 9600 Pro 采用 2+3+3 全大核 CPU 设计:两颗最高 4.55GHz 的 C2-Ultra 核心,三颗 4.35GHz 的 C2-Pro 大核,以及另外三颗 3.1GHz 的 C2-Pro 大核。MediaTek 报告称,与上一代相比,单核性能提升最高 17%,多核性能提升最高 15%,同时多核功耗降低了 61%。公告中的脚注指出,这些性能指标是通过 MediaTek 实验室的演示设备测试获得的。

该芯片的 AI 计算融合架构将 CPU 与 NPU 连接,配备 34.5MB 缓存,并且公司称首次采用 LPDDR6 内存和 UFS 5.0 存储。升级后的 Dimensity 调度引擎协调硬件与软件,分配计算、功耗和内存资源,MediaTek 表示此方法帮助智能手机制造商提供快速且高能效的系统,能够在后台保持多个应用运行。

设备端 AI 硬件

Dimensity 9600 Pro 采用双 NPU 架构和面向设备端 AI 的自主 AI 引擎,具备感知、推理和行动能力。MediaTek 表示,其第二代超高效 NPU 在常驻 AI 场景下可降低 40% 的功耗,而 NPU 1090 在大型语言模型预填充性能上提升 51%,每瓦特生成的 token 提升 55%,支持最高 300 亿参数的设备端模型。公司称,这套硬件实现了自主能力,如对设备端数据的智能分析、主动协助以及学习用户偏好的个性化响应,表现得像数字孪生体。

游戏与成像子系统

据 MediaTek 称,G2-Ultra NX GPU 的峰值性能提升最高 27%,峰值性能下的功耗降低 24%,光线追踪速度提升 18%,并支持最高 185fps 的设备端游戏。全新的 Dimensity 神经图形架构将 GPU 与 AI 计算相结合,MediaTek HyperEngine 对游戏体验进行优化。

在成像方面,Dimensity 9600 Pro 搭载 Imagiq 1290 图像信号处理器,并配备全新的 Dimensity AI 成像融合架构,将 ISP 与 NPU 能力结合,实现计算摄影和内容创作。该平台支持 NPU 驱动的 60fps 动态捕捉,并为 Dimensity 系列引入 4K240 原生直出超慢动作视频,同时提供 4K60 AI 真彩色调、4K120 电影日志录制以及 17EV 成像。

Dimensity 9600M 与可用性

MediaTek 表示,Dimensity 9600M 将使旗舰级性能和能效面向更多用户。9600M 使用自主 AI 引擎和 Dimensity 调度引擎;其 NPU 支持常驻感知和实时 AI 增强成像,ISP 支持具备实时跟踪的专业级成像,公司称。MediaTek HyperEngine 在 9600M 上实现最高 185fps 的游戏体验。

MediaTek 表示,首批搭载 Dimensity 9600 Pro 和 Dimensity 9600M 的智能手机“预计将在本季度发布”。

Theo Nash 是 Unite.AI 的 AI 生成专家,负责报道 AI 基础设施、计算和支持现代人工智能的硬件系统。他的工作重点是大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接起来的软件栈。具有分析和工程驱动的视角,Theo 检视 GPU、定制硅、内存架构和分布式系统的进步如何使新一代 AI 模型成为可能。他特别关注性能权衡、能效、可扩展性和实际约束,这些约束影响了 AI 基础设施的现实世界部署。 Theo Nash 撰写的文章由 Unite.AI 的编辑团队审查,以确保技术准确性、清晰度和对快速演变的 AI 计算领域的负责任报道。