Lo Snapdragon di nuova generazione di Qualcomm sposta la sfida dell'AI dalla velocità alla memoria

Qualcomm ha illustrato tre motori all'interno della sua prossima piattaforma mobile premium, inclusa la prima CPU mobile che, secondo l'azienda, può raggiungere i 5GHz. Eppure la storia dello Snapdragon di nuova generazione di Qualcomm non riguarda semplicemente una frequenza di clock più elevata. La sua CPU Oryon, la GPU Adreno e la NPU Hexagon puntano tutte allo stesso vincolo: spostare i dati richiede tempo, larghezza di banda della memoria e carica della batteria.

L'azienda sta quindi portando più archiviazione e accelerazione specializzata vicino a ciascun motore di calcolo. FlexCache alimenta la CPU, la memoria dedicata ad alte prestazioni serve la GPU e una memoria condivisa più ampia supporta la NPU. Questi cambiamenti sono progettati per carichi di lavoro che passano ripetutamente tra pianificazione, grafica, inferenza e azioni di sistema.

Questo approccio porta Qualcomm in un confronto diretto con i limiti di memoria di uno smartphone. Arriva inoltre mentre Apple promuove una maggiore larghezza di banda della memoria e l'accelerazione neurale nel suo chip A20 Pro. Qualcomm ha fornito dettagli architetturali sufficienti a spiegare la propria strategia, ma non abbastanza risultati indipendenti per dichiarare un vincitore.

Qualcomm ha rivelato la piattaforma prima di darle un nome

Qualcomm ha presentato in anteprima una strategia di calcolo integrata, non tre aggiornamenti scollegati dei componenti.

Le rivelazioni sono iniziate con la prossima CPU Oryon il 25 agosto 2026. Qualcomm ha proseguito con la sua architettura grafica Adreno riprogettata il 2 settembre. Ha poi illustrato la NPU Hexagon il 10 settembre, completando il quadro dell'elaborazione centrale prima dello Snapdragon Summit 2026.

L'azienda non ha indicato pubblicamente il nome della piattaforma mobile premium in queste comunicazioni. Tuttavia, Qualcomm afferma che il silicio sarà integrato nella sua prossima generazione di dispositivi di punta. Lo Snapdragon Summit è previsto dal 22 al 24 settembre a Maui, nelle Hawaii.

L'iniziale rapporto sull'architettura descrive una CPU Oryon a otto core con due core Prime e sei core Performance. Secondo Qualcomm, i core Prime raggiungono i 5GHz. La GPU utilizza tre slice a 1.45GHz, oltre a 18MB di memoria locale ad alte prestazioni.

La NPU Hexagon aggiunge un Element Accelerator per le operazioni dei transformer. Un transformer è l'architettura di rete neurale alla base della maggior parte dei moderni modelli linguistici. Qualcomm afferma inoltre che la NPU supporta lunghezze di contesto fino a 32K, il che significa che può lavorare con fino a 32.000 token durante una sessione del modello.

Queste specifiche creano un evidente titolo incentrato sulle prestazioni. Una CPU mobile a 5GHz attira l'attenzione perché gli smartphone devono operare entro limiti rigorosi di temperatura e batteria. Tuttavia, Qualcomm torna ripetutamente sul tema della località dei dati quando spiega perché la nuova architettura è importante.

Per località dei dati si intende mantenere istruzioni, stato del modello e risultati intermedi vicino al processore che li utilizza. Una cache vicina richiede in genere meno tempo ed energia rispetto ad accessi ripetuti alla memoria di sistema. Lo stesso principio compare nei progetti di CPU, GPU e NPU.

La CPU riceve un pool di cache allocato dinamicamente. La GPU ottiene memoria locale dedicata per tile, framebuffer e dati di calcolo. La NPU guadagna più memoria condivisa e tecniche di caricamento dei modelli pensate per ridurre i trasferimenti esterni.

Questo è importante perché l'AI agentica non comporta un unico calcolo continuo. Un agente AI potrebbe interpretare una richiesta, costruire un piano, chiamare un'applicazione, analizzare la risposta e rivedere la propria azione successiva. Le diverse fasi possono spostarsi tra motori di elaborazione, aumentando il costo di ogni passaggio di dati.

Qualcomm scommette sul fatto che processori specializzati offriranno più valore quando il sistema di memoria circostante li manterrà adeguatamente alimentati. Questa proposta è più rilevante di un singolo record di frequenza di picco. Sarà anche più difficile da verificare con una scheda tecnica.

La CPU Oryon a 5GHz è solo metà della storia della CPU

La CPU Oryon necessita di un accesso sostenuto a dati utili prima che i suoi core Prime a 5GHz possano migliorare le applicazioni reali.

Qualcomm definisce Oryon una microarchitettura CPU personalizzata basata su Arm. Una microarchitettura è il progetto interno che determina come un processore esegue le istruzioni, predice i rami, gestisce le cache e sposta i dati. Qualcomm controlla queste scelte invece di integrare senza modifiche un progetto standard di CPU Arm Cortex.

La prossima implementazione mobile dispone di due core Prime per i carichi più impegnativi e sei core Performance per le altre attività. Qualcomm afferma che i core Prime rendono Oryon la prima CPU mobile a raggiungere i 5GHz. Questa dichiarazione rimane un'affermazione dell'azienda finché i dispositivi commerciali non saranno sottoposti a test indipendenti.

La sola frequenza non può descrivere le prestazioni di un processore. Un core deve inoltre completare istruzioni utili durante ogni ciclo di clock, evitando stalli causati da dati mancanti. I limiti di calore e potenza determinano ulteriormente per quanto tempo un telefono può mantenere la massima velocità.

Il design Oryon a 5GHz di Qualcomm abbina quindi la sua dichiarazione di frequenza a FlexCache. Questa architettura consente a core eterogenei di accedere a un pool di cache allocato dinamicamente. I core eterogenei sono core con caratteristiche differenti in termini di prestazioni ed efficienza.

Un'allocazione fissa della cache può lasciare un core con poco spazio mentre un altro ha capacità inutilizzata. FlexCache permette invece a un core Prime impegnativo di attingere da un pool condiviso più ampio quando il suo set di lavoro cresce. Un set di lavoro è l'insieme di dati e istruzioni di cui un'attività attiva necessita in un dato periodo.

Mantenere quel set di lavoro nella cache riduce gli accessi alla memoria di sistema. Questo può ridurre la latenza diminuendo al tempo stesso il traffico sul chip. Può anche aiutare quando un'attività passa tra core Prime e Performance.

I carichi di lavoro agentici illustrano l'obiettivo del progetto. Un core potrebbe gestire la logica dell'applicazione mentre un altro prepara i dati per la NPU. Una cache condivisa può conservare informazioni rilevanti durante queste transizioni invece di costringere ciascun core a recuperarle nuovamente.

I giochi offrono un esempio diverso. I loro processori aggiornano ripetutamente lo stato della simulazione, il comportamento dei personaggi e i dati della scena. Una cache accessibile più ampia può ridurre gli stalli, anche se i risultati effettivi dipenderanno da ciascun motore di gioco e dal sistema di raffreddamento del telefono.

Anche l'editing video comporta operazioni concatenate. Decodifica, effetti, generazione dell'anteprima ed esportazione possono trasferire fotogrammi tra più unità di calcolo. Qualcomm sostiene che mantenere più di queste informazioni nelle vicinanze migliorerà la reattività.

L'incertezza riguarda le prestazioni sostenute. Un processore può raggiungere una frequenza elevata per breve tempo senza mantenerla durante un carico di lavoro prolungato. Qualcomm non ha ancora pubblicato l'intero profilo di potenza, la capacità della cache, il processo produttivo o i risultati termici sostenuti per questa piattaforma mobile.

Questa omissione non invalida l'architettura. Significa che il dato di 5GHz dovrebbe essere considerato una parte di un sistema, non un verdetto definitivo. I telefoni commerciali varieranno per raffreddamento, capacità della batteria, pianificazione software e regolazioni del produttore.

Qualcomm affronta inoltre un contesto di confronto difficile. L'A20 Pro di Apple utilizza una CPU a sei core e un packaging termico riprogettato nell'iPhone 18 Pro. Apple sostiene che il suo nuovo chip offra le più alte prestazioni sostenute mai raggiunte da un iPhone, mentre Qualcomm rivendica il traguardo della frequenza mobile.

Queste affermazioni usano misurazioni diverse. Una enfatizza un clock di picco, mentre l'altra mette l'accento sulle prestazioni sostenute del prodotto. I test indipendenti dovranno confrontare telefoni completati in condizioni equivalenti di carico di lavoro, temperatura e alimentazione.

Per gli acquirenti, la domanda utile non è se 5GHz compaia su una pagina delle specifiche. È se la CPU Oryon completi più rapidamente le attività quotidiane e intensive senza ridurre l'autonomia della batteria o limitare le prestazioni dopo alcuni minuti.

Lo Snapdragon di nuova generazione di Qualcomm rende la località della memoria il meccanismo principale

L'architettura dello Snapdragon di nuova generazione di Qualcomm distribuisce l'accelerazione AI su ogni principale motore di calcolo, collocando al contempo la memoria più vicino al lavoro.

La GPU Adreno rende questa strategia particolarmente visibile. Qualcomm afferma che il nuovo progetto dispone di tre slice grafiche, ciascuna contenente Matrix Cores dedicati. I Matrix Cores accelerano le operazioni matematiche utilizzate dalle reti neurali e dalle moderne tecniche grafiche.

Secondo l'azienda, questa è la prima generazione Adreno con tali core AI dedicati. Invece di inviare ogni operazione grafica assistita dall'AI alla NPU, un gioco può elaborare determinati modelli all'interno della pipeline grafica. Ciò elimina un passaggio di andata e ritorno tra blocchi di elaborazione.

La GPU contiene inoltre 18MB di Adreno High Performance Memory, o HPM. Questa memoria locale conserva elementi quali framebuffer, tile di rendering e risultati intermedi di calcolo. Qualcomm afferma che mantenere queste risorse sulla GPU riduce il traffico verso la memoria di sistema.

L'azienda riporta un miglioramento dell'efficienza energetica del 12 percento rispetto al riferimento Snapdragon 8 Elite Gen 5. Questa cifra non è ancora stata riprodotta in modo indipendente. Qualcomm non ha inoltre fornito abbastanza dettagli sui test per confrontare ogni carico di lavoro o condizione operativa sostenuta.

Adreno Neural Fusion è il sistema software e hardware costruito attorno a questi Matrix Cores. Applica il super resolution assistito dall'AI, che esegue il rendering di una scena a una risoluzione inferiore prima di ricostruire un output più nitido. Questa tecnica può ridurre il lavoro grafico quando viene implementata efficacemente.

L'upscaling tradizionale può introdurre tremolii, ghosting o dettagli dell'immagine poco nitidi. Qualcomm afferma che il suo nuovo metodo migliora la stabilità del movimento mantenendo i dettagli fini. La sua architettura di rendering AI è integrata nei flussi di lavoro di Unity e Unreal Engine.

Queste integrazioni sono importanti perché le funzionalità hardware richiedono l'adozione da parte degli sviluppatori. Un acceleratore specializzato ha valore limitato quando motori e applicazioni non possono raggiungerlo facilmente. Il supporto di Unity e Unreal riduce il lavoro di integrazione, ma i singoli studi devono comunque testare e distribuire implementazioni compatibili.

La NPU Hexagon applica lo stesso principio di località ai modelli linguistici e agli agenti. Una NPU è un'unità di elaborazione neurale progettata per eseguire in modo efficiente operazioni di machine learning. Qualcomm ha aggiunto un Element Accelerator focalizzato sui calcoli dei transformer, insieme a estensioni vettoriali e scalari.

Le estensioni vettoriali elaborano in parallelo molti valori correlati. Le estensioni scalari gestiscono singole operazioni, incluse la gestione dell'instradamento e la logica decisionale. Qualcomm presenta queste unità come un'architettura collettiva per inferenza, orchestrazione e controllo dei modelli.

L'azienda afferma che la grande capacità di memoria condivisa è aumentata del 50 percento. Mantenere stato del modello, contesto, attivazioni e dati della cache chiave-valore vicino alla NPU può ridurre le richieste alla memoria esterna. Una cache chiave-valore memorizza i precedenti calcoli del transformer affinché il modello non ripeta tutto il lavoro precedente per ogni nuovo token.

Qualcomm rivendica inoltre prestazioni di prefill fino al 50 percento superiori per i modelli INT4 rispetto a Snapdragon 8 Elite Gen 5. INT4 archivia i valori del modello usando interi a quattro bit, riducendo l'uso della memoria a un possibile costo in precisione. Il prefill è la fase che elabora un prompt iniziale prima che un modello generi la propria risposta.

La NPU supporta i formati numerici INT2, INT4, INT8, FP8 e FP16. Gli sviluppatori possono scegliere tra rappresentazioni più piccole e più grandi in base alle esigenze di qualità del modello, velocità, memoria ed energia. Una precisione inferiore riduce generalmente l'uso di risorse, ma i risultati dipendono da quanto bene un modello tolleri la quantizzazione.

L’affermazione più ambiziosa riguarda i modelli mixture-of-experts. Un modello MoE contiene gruppi specializzati di parametri, ma ne attiva solo alcuni per ciascun input. Questo può consentire di accedere a un modello complessivamente più grande senza coinvolgere ogni parametro per ogni token.

Secondo i dettagli sulla Hexagon NPU di Qualcomm, la piattaforma può supportare modelli MoE con fino a 30 miliardi di parametri totali. Circa 3 miliardi di parametri instradati restano attivi a ogni fase di generazione dei token.

Qualcomm propone di archiviare gli esperti inattivi nella memoria flash, trasferendo e memorizzando nella cache quelli selezionati quando necessario. Questo approccio riduce la memoria di lavoro richiesta in un determinato momento. Non elimina però i vincoli di archiviazione, latenza di caricamento o larghezza di banda dell’intero modello.

I tre motori affrontano quindi fasi diverse. Oryon coordina l’attività di sistema e il codice generico. Hexagon esegue inferenza neurale concentrata. Adreno gestisce la grafica accelerando al contempo i modelli AI che fanno parte della pipeline di rendering.

La strategia è quella del calcolo eterogeneo, che assegna ciascun carico di lavoro al processore più adatto. Qualcomm utilizza l’elaborazione eterogenea da anni. Il cambiamento importante è che le operazioni AI dedicate e la memoria locale si estendono ora più profondamente all’intera piattaforma.

Apple e MediaTek competono sullo stesso vincolo

Anche i rivali di Qualcomm stanno combinando CPU, GPU, accelerazione neurale, memoria e software, invece di trattare una NPU come una funzionalità isolata.

Apple ha annunciato l’A20 Pro il 9 settembre, un giorno prima della presentazione di Hexagon da parte di Qualcomm. La tempistica porta alla luce due diverse strategie di fascia alta, sebbene Qualcomm non abbia ancora presentato la piattaforma per dispositivi completa.

L’A20 Pro utilizza un processo produttivo a 2 nanometri e include una CPU a sei core, una GPU a sette core e un Neural Engine Dual a 16 core. Apple afferma che il chip offre il 50% di larghezza di banda della memoria in più rispetto all’A19 Pro. Integra inoltre acceleratori neurali nella CPU e nella GPU.

Questa somiglianza è significativa. Entrambe le aziende distribuiscono le capacità di machine learning tra elaborazione generica, grafica e hardware neurale dedicato. Entrambe trattano inoltre il trasferimento dei dati in memoria e il funzionamento prolungato come problemi di progettazione centrali.

La piattaforma A20 Pro di Apple abbina il chip a un nuovo packaging e a una camera di vapore più grande all’interno dell’iPhone 18 Pro. Apple afferma che il design termico consente prestazioni sostenute fino al 40% migliori rispetto alla generazione precedente.

Qualcomm non ha rivelato né uno smartphone finito equivalente né la relativa implementazione di raffreddamento. I clienti Snapdragon realizzano dispositivi con sistemi termici differenti, offrendo ai produttori flessibilità ma producendo risultati variabili. Uno smartphone Snapdragon può comportarsi diversamente da un altro con silicio simile.

Apple controlla chip, sistema operativo, framework e dispositivo finale. Questa integrazione può semplificare il modo in cui le applicazioni utilizzano il suo Neural Engine e gli altri acceleratori. Qualcomm deve coordinare Android, produttori di smartphone, sviluppatori di modelli, motori di gioco e il proprio stack software.

Qualcomm dispone di un diverso vantaggio in termini di diffusione. Le sue piattaforme premium sono presenti in dispositivi di vari produttori, consentendo a un’unica architettura di supportare design diversi. Il successo, tuttavia, dipende dalla capacità dei partner di esporre coerentemente le nuove funzioni.

MediaTek offre un altro termine di confronto nel mondo Android. Il suo Dimensity 9500 combina una CPU a otto core con una GPU Arm Mali-G1 Ultra e la MediaTek NPU 990. MediaTek propone la piattaforma per AI generativa e agentica, gaming, imaging e inferenza locale continua.

L’azienda afferma che la sua NPU 990 offre una velocità di generazione dei token più che doppia rispetto alla predecessora. Dichiara inoltre un consumo di picco fino al 56% inferiore per determinate elaborazioni AI. Come i dati di Qualcomm, questi risultati dipendono da condizioni selezionate dall’azienda.

Le specifiche del Dimensity 9500 di MediaTek mostrano che Qualcomm non è l’unica a perseguire un’elaborazione neurale specializzata e a basso consumo. La competizione riguarda piattaforme complete, strumenti per sviluppatori ed esperienze realmente distribuite, non un singolo valore TOPS.

TOPS significa trilioni di operazioni al secondo. Può descrivere il throughput teorico di una NPU, ma non cattura compatibilità dei modelli, capacità di memoria, velocità dei token, overhead software o consumo energetico. Qualcomm ha invece concentrato in modo evidente le nuove comunicazioni su architettura e comportamento dei carichi di lavoro.

La pressione competitiva va oltre la leadership nei benchmark. I produttori di smartphone hanno bisogno di funzioni AI convincenti che operino senza un accesso costante al cloud. Gli sviluppatori hanno bisogno di percorsi affidabili verso gli acceleratori. Gli utenti hanno bisogno che tali funzioni operino senza calore, ritardi o consumo della batteria inaccettabili.

L’elaborazione locale può migliorare la privacy perché alcuni dati restano sul dispositivo. Può inoltre ridurre la latenza di rete e offrire funzioni quando la connettività è debole. L’esecuzione locale richiede comunque che le applicazioni gestiscano responsabilmente autorizzazioni, aggiornamenti dei modelli e dati sensibili.

I modelli cloud manterranno vantaggi in termini di scala, aggiornamento rapido e accesso a vaste risorse di calcolo. La sfida più realistica, quindi, non è locale contro cloud come scelta assoluta. È capire quanto spesso uno smartphone possa evitare il cloud preservando qualità e reattività.

Qualcomm vuole che la sua architettura sposti quel confine. Apple e MediaTek puntano allo stesso risultato attraverso i rispettivi sistemi hardware e software. Questo rende efficienza della memoria, accesso degli sviluppatori e prestazioni sostenute criteri di confronto più utili dei singoli record di marketing.

Le affermazioni sull’architettura richiedono ancora prove nei prodotti commerciali

Qualcomm ha spiegato come dovrebbe funzionare il design, ma non ha ancora mostrato il comportamento della piattaforma completa all’interno di smartphone in vendita.

La maggiore lacuna nelle prove riguarda consumi e termica. Un picco di 5GHz dice poco su quanto a lungo entrambi i core Prime possano operare a quella frequenza. Non rivela nemmeno l’energia richiesta, l’effetto sulla temperatura superficiale o le prestazioni dopo l’attivazione dei limiti termici.

Il miglioramento del 12% nei consumi della GPU richiede un contesto analogo. Qualcomm ha indicato Snapdragon 8 Elite Gen 5 come riferimento, ma i guadagni reali possono variare in base a gioco, risoluzione, frame rate, driver e design dello smartphone. Anche la qualità delle immagini di Neural Fusion richiede valutazioni in scene ricche di movimento.

Le prestazioni AI introducono ulteriori complicazioni. L’aumento dichiarato del 50% nel prefill INT4 riguarda una fase e un formato numerico specifici. Non si traduce automaticamente in prestazioni agentiche end-to-end più rapide del 50%.

Un agente impiega tempo anche al di fuori dell’inferenza del modello. Può attendere archiviazione, risposte di rete, autorizzazioni dell’applicazione o servizi del sistema operativo. Errori degli strumenti e tentativi software ripetuti possono dominare il ritardo percepito dall’utente, anche quando la NPU elabora rapidamente i token.

Anche il supporto MoE da 30 miliardi di parametri richiede un’interpretazione attenta. Solo circa 3 miliardi di parametri sono attivi per ciascun token, mentre gli esperti inattivi devono restare disponibili nell’archiviazione. Il caricamento di esperti diversi dalla memoria flash può introdurre latenza e consumare energia.

La dimensione del modello non è una garanzia di qualità. Dati di addestramento, architettura, quantizzazione, instradamento e design dell’applicazione influenzano tutti i risultati. Un modello più piccolo ottimizzato per un compito specifico può superare un modello più grande usato senza un’ottimizzazione adeguata.

Anche il supporto al contesto richiede la stessa cautela. Una finestra di contesto da 32K descrive quante informazioni tokenizzate l’architettura può indirizzare. Non garantisce che un modello ricordi accuratamente ogni dettaglio o ragioni correttamente nell’intera finestra.

Il supporto software potrebbe diventare il problema pratico più difficile. Gli sviluppatori hanno bisogno di API stabili, conversioni dei modelli documentate, strumenti di profiling e comportamento coerente tra dispositivi. Le funzioni che richiedono un’ampia ottimizzazione specifica per ciascun fornitore possono faticare a superare le dimostrazioni.

Qualcomm ha ridotto una barriera all’adozione integrando Neural Fusion con i principali motori di gioco. La storia della NPU dipende ancora da framework, disponibilità dei modelli, servizi Android e software degli smartphone. I consumatori non possono sperimentare un acceleratore che le applicazioni non riescono a utilizzare.

I test indipendenti devono inoltre distinguere i risultati di picco nei benchmark dai carichi di lavoro sostenuti. Brevi test della CPU possono favorire la frequenza boost. Test AI brevi potrebbero non rivelare la pressione sulla memoria o le variazioni di temperatura che emergono durante sessioni più lunghe.

Un’analisi della piattaforma identifica la località della memoria come tema comune nelle comunicazioni di Qualcomm. Questa interpretazione è coerente con l’architettura, ma resta un’ipotesi sulle prestazioni dei prodotti commerciali.

Qualcomm merita credito per aver rivelato i meccanismi alla base delle proprie affermazioni. FlexCache, Matrix Cores, HPM, Element Accelerator ed esperti gestiti nella memoria flash sono più informativi di una generica etichetta sulle prestazioni AI. Il loro valore combinato richiede ancora misurazioni.

Il risultato più significativo non sarebbe una singola vittoria in un benchmark. Sarebbe una prestazione coerente su vari smartphone commerciali, con applicazioni utili che restino reattive entro i limiti di batteria e temperatura.

Finché tali dispositivi non arriveranno, la piattaforma Snapdragon di prossima generazione di Qualcomm dovrebbe essere considerata una proposta architetturale dettagliata. Non è ancora un verdetto definitivo sul prodotto.

Tre segnali decideranno se la scommessa di Qualcomm funzionerà

Snapdragon Summit, benchmark sui prodotti commerciali e adozione da parte degli sviluppatori determineranno se Qualcomm ha risolto un vero collo di bottiglia o ha semplicemente riorganizzato le proprie priorità di marketing.

Il primo segnale sarà il lancio della piattaforma completa allo Snapdragon Summit 2026. Qualcomm dovrà rivelare il nome del chip, la tecnologia di processo, l’organizzazione completa della cache, il supporto alla memoria, la connettività e gli obiettivi prestazionali. Questi dettagli chiariranno cosa circonda i tre motori di calcolo.

Il lancio dovrebbe inoltre identificare i primi partner hardware e la disponibilità prevista. Un gruppo ampio di produttori impegnati rafforzerebbe la tesi di Qualcomm sulla piattaforma. Un lancio ristretto o ritardato limiterebbe la rapidità con cui gli sviluppatori potranno considerare le nuove capacità un obiettivo significativo.

Il secondo segnale sarà costituito da test indipendenti sostenuti. I recensori dovrebbero misurare le prestazioni della CPU in carichi di lavoro brevi e lunghi, quindi monitorare consumo energetico e temperatura. I confronti più utili includeranno l’A20 Pro di Apple e l’attuale silicio flagship di MediaTek.

I test della GPU dovrebbero valutare separatamente il rendering nativo e Neural Fusion. I recensori dovranno esaminare qualità dell’immagine, regolarità dei frame, consumo energetico e artefatti. Un frame rate più alto conta meno quando le immagini ricostruite tremolano o la latenza diventa incoerente.

I test della NPU dovrebbero coprire elaborazione dei prompt, generazione dei token, consumo di memoria e durata complessiva delle attività. Dovrebbero inoltre confrontare l’esecuzione locale con alternative basate su CPU, GPU e cloud assistito. Un unico dato di throughput di picco non può rappresentare tali differenze.

Il terzo segnale sarà l’adozione nelle applicazioni. Qualcomm ha bisogno che gli sviluppatori utilizzino Matrix Cores, Element Accelerator e lo stack AI condiviso in software che le persone riconoscono. Giochi, assistenti, applicazioni creative e strumenti di produttività dovrebbero mostrare benefici misurabili.

Un utile agente on-device dovrebbe completare azioni in più passaggi con controlli delle autorizzazioni prevedibili. Dovrebbe mantenere il contesto, funzionare con connettività debole ed evitare di scaricare la batteria. Tali risultati sosterrebbero l’argomento di Qualcomm secondo cui il calcolo localizzato cambia l’esperienza.

Dimostrazioni limitate lo indebolirebbero. Lo farebbero anche funzioni limitate a un solo smartphone o a un unico modello attentamente selezionato. Il valore della piattaforma aumenta quando gli sviluppatori possono distribuire capacità su più dispositivi senza un esteso lavoro personalizzato.

I prossimi mesi sposteranno quindi l’attenzione dai blocchi architetturali al comportamento del prodotto. Qualcomm ha sostenuto in modo convincente che il movimento dei dati in memoria, e non solo la potenza di calcolo pura, limita l’AI mobile. Ha collocato cache e acceleratori dove, secondo questa tesi, dovrebbero trovarsi.

Ora la piattaforma Snapdragon di nuova generazione di Qualcomm deve dimostrare che queste scelte reggono su telefoni reali, software reale e nell’uso prolungato. Seguite le specifiche presentate al summit, confrontate i risultati sostenuti dei prodotti in vendita e verificate quali applicazioni attivano effettivamente il nuovo hardware. Questi tre segnali indicheranno se Qualcomm ha fatto avanzare l’AI on-device o ha semplicemente aggiunto più etichette AI al chip.