小米發佈玄戒O3/O100/D100三款自研AI芯片,搭建人車家全生態算力底座
小米今日正式發表三款自研 AI 晶片——玄戒 O3、O100 與 D100,宣示將以這一系列晶片為「人車家全生態」建立統一的算力底座。這項發布標誌著小米在半導體自研道路上邁出關鍵一步,也讓外界得以更具體窺見其從智慧型手機、電動車到智慧家庭裝置之間,如何透過底層運算技術實現更深入的協同與連結。在這三款晶片中,最受矚目的是玄戒 O100。小米將其定位為首款端側大模型 AI 加速晶片,專為強化終端設備上的大模型推理與吞吐量而設計。所謂端側,指的是運算直接在裝置本機完成,而非依賴雲端伺服器;這對於回應速度、隱私保護以及離線使用場景都有重要意義。
O100 的應用範圍涵蓋手機、車載系統及智慧家庭場景,能為這些裝置提供即時 AI 運算支援,讓語音助理、影像辨識、自動駕駛輔助等功能在本地端就能高效運行。從技術規格來看,玄戒 O100 採用了 6 奈米晶圓級垂直堆疊與混合鍵合工藝,鍵合間距僅 1.4 微米,成功實現高達 1.22 TB/s 的頻寬。這個數字相較傳統旗艦手機提升了 16 倍,意味著資料在晶片內部不同層之間傳輸的速度大幅加快,對於需要大量資料吞吐的大模型推論任務而言,是相當關鍵的突破。
垂直堆疊技術讓晶片能在有限的面積內整合更多運算單元,而混合鍵合工藝則確保了層與層之間的高速、低延遲連接,兩者結合之下,O100 得以在功耗與效能之間取得更理想的平衡。在端側推理速度方面,該晶片最高可達 330 TPS。TPS 指的是每秒可處理的 token 數,也就是語言模型在生成文字或理解輸入時的基本單位。330 TPS 的表現,代表裝置端的大模型運算效率獲得顯著加速,能夠更流暢地處理複雜的自然語言指令、即時翻譯、內容摘要等任務。對使用者而言,這意味著未來搭載這款晶片的裝置,在執行 AI 功能時將更加即時、靈敏,甚至能在沒有網路連線的環境下維持一定程度的智慧服務。
除了 O100 之外,此次推出的玄戒 O3 與 D100 則分別針對不同運算場景進行設計。雖然小米並未在發表會上逐一揭露兩款晶片的完整細部規格,但從產品定位來看,O3 與 D100 的加入,讓這一系列晶片不再只是單一旗艦產品,而是形成一個覆蓋不同效能需求、不同裝置型態的完整產品矩陣。O3 可能對應的是更廣泛的終端應用,而 D100 則可能聚焦於特定運算密集型場景;三款晶片各司其職,共同構成小米在人車家全生態中的算力基礎。這三款晶片的問世,不僅展現小米在自研晶片領域的技術突破,也為其生態系統內的手機、汽車與智慧家電產品提供統一的 AI 加速方案。
過去,小米旗下裝置雖然共享同一品牌生態,但在底層運算架構上往往各自為政;如今透過統一的晶片設計,不同裝置之間可望採用更一致的 AI 運算標準,進而讓跨裝置的協作變得更順暢。例如,手機上的導航資訊可以更無縫地流轉到車載系統,家中智慧音箱的語音辨識也能與手機上的個人助理共享相同的運算邏輯。從產業角度來看,小米此次發布自研 AI 晶片,也反映了終端裝置廠商對於底層技術掌控權的日益重視。
近年來,全球主要科技公司紛紛投入自研晶片行列,從蘋果的 A 系列與 M 系列,到 Google 的 Tensor 系列,再到各家中國手機品牌的自研影像晶片與 AI 晶片,趨勢相當明確:在 AI 時代,掌握了晶片設計,就等於掌握了產品體驗的關鍵環節。小米選擇在此時推出玄戒系列,既是對自身技術實力的證明,也是對未來 AI 終端競爭格局的提前布局。值得注意的是,O100 所採用的晶圓級垂直堆疊與混合鍵合工藝,屬於先進封裝技術的一環。在先進製程逼近物理極限的當下,透過封裝層面的創新來提升晶片效能,已成為半導體產業的重要發展方向。
小米在自研晶片中導入這類技術,顯示其並非僅止於晶片設計層面的投入,而是對整個半導體供應鏈的技術趨勢有深入掌握。這也讓玄戒系列在技術含量上,具備了與國際一線晶片產品競爭的潛力。對於消費者而言,玄戒晶片的實際意義,最終還是要回到產品體驗上。小米旗下手機、汽車與智慧家電的用戶,未來可望在裝置上享受到更快的 AI 回應速度、更聰明的本地端運算,以及更低的延遲。尤其是在隱私意識抬頭的時代,端側 AI 的優勢在於資料不需上傳雲端即可完成處理,這對於重視個人資料保護的使用者來說,是一項相當有感的升級。整體而言,玄戒 O3、O100 與 D100 的發布,是小米在自研晶片戰略上的一次重要集結。
從單一產品到系列布局,從手機場景延伸到汽車與家庭場景,小米正試圖以晶片為核心,串聯起整個生態系統的智慧化升級。未來,這一系列晶片能否在實際產品中兌現其技術承諾,將是市場持續關注的焦點;而小米能否藉此在 AI 終端時代站穩領先位置,也有待後續產品上市後的表現來驗證。
Related
相關文章
擴展印度語言預訓練:2.8兆詞元與開放資料生成管線
本文介紹了針對22種印度語言的預訓練擴展計畫,使用了2.8兆詞元,並提供了12種語言的羅馬化資料。作者來自AI4Bharat與NVIDIA,開發了一套可重用的GPU加速管線,用於翻譯、品質評估與修復,以支援這些語言的模型訓練。
Multimodal open d1 decision models for the edge
Back to Articles Multimodal open d1 decision models for the edge Team Article Published October 7, 2026 Upvote - Aurelien Lac Aurelien-Lac Follow LiquidAI Fernando Fernandes Neto fernandofernandes Follow LiquidAI Edoardo Mosca EdoardoMosca Follow LiquidAI Maxime Labonne mlabonne Follow LiquidAI Leonie Monigatti iamleonie Follow LiquidAI Today, we release two open decision models in our d1 decision model family: d1-3B and d1-omni-600M (experimental).
A Developer’s Guide to Laya: Zero-Shot Decisions and Calibration
In this tutorial, we work with Laya, the open-source decision engine from Convai Innovations that became one of the most-starred machine-learning repositories of September 2026.

AI算力硬合作,馬斯克還是更相信中國製造
馬斯克確認正與臺積電討論Terafab芯片製造合作,此前英特爾是唯一被點名的夥伴,計劃提供14A製程。Terafab規模龐大,目標年產1TW AI算力,約為當前全球產出50倍,馬斯克可能藉此分散風險並確保芯片供應。外界推測合作可能採臺積電直接運營、SpaceX控股或僅技術合作等模式,英特爾的14A製程也可能與臺積電技術混搭使用。
NVIDIA Kumo Tabular Sets a New Accuracy-Efficiency Frontier for Tabular Prediction
Back to Articles NVIDIA Kumo Tabular Sets a New Accuracy-Efficiency Frontier for Tabular Prediction Enterprise + Article Published September 29, 2026 Upvote - Jingang Qu jingangqu Follow nvidia Valter Hudovernik valterh-nv Follow nvidia Martin Jurkovic martinjurkovic Follow nvidia Cedric Lorenz cedric-lorenz Follow nvidia Akihiro Nitta akihironitta-nv Follow nvidia DG dgordeev Follow nvidia Federico Lopez flopeznv Follow nvidia Ramona Bendias RBendiasN Follow nvidia Gilberto Titericz Jr titericz Follow nvidia Aleksandar S.
黃仁勳:明年英偉達芯片銷量將翻倍,AI監管不該照搬社交媒體模式
NVIDIA創辦人黃仁勳預估明年該公司晶片銷售量將翻倍成長,反映市場對運算力的強勁需求。他同時認為AI監管不應直接套用社交媒體模式,以免扼殺創新,呼籲決策者深入了解技術特性。