高通最強手機晶片Snapdragon 8 Elite亮相!搭載Orion CPU效能升級45%,亮點規格有哪些?
高通最強手機晶片Snapdragon 8 Elite亮相!搭載Orion CPU效能升級45%,亮點規格有哪些?

如同在PC端的運算平台採用命名方式,Qualcomm在此次Snapdragon Tech Summit 2024揭曉的年度旗艦行動運算平台,將以Snapdragon 8 Elite作為正式名稱,並且如先前預告換上全自主架構設計的Orion CPU,更採用Prime主核與全大核架構設計,標榜成為全球最快的行動CPU。

snapdragon 8 elite.jpg
圖/ 高通

作為全新產品識別的命名方式

而換上全新命名方式,不難猜測是與同樣採用全自主架構設計的Orion CPU有關,藉此與先前針對PC裝置推出的運算平台採用相同命名方式,藉此以一致的產品命名作為產品識別。

Qualcomm解釋,此次調整運算平台命名方式,希望以「Elite」名稱凸顯採用自主架構的Orion CPU設計,以及結合Snapdragon品牌多項技術所呈現的頂級使用體驗。

不過,Qualcomm並未透露在旗艦運算平台命名方式再次改變之後,接下來是否也會針對既有Snapdragon 7、Snapdragon 6及Snapdragon 4系列運算平台調整命名方式,但以Qualcomm過往產品規劃策略來看,預期會是必然發展方向。

snapdragon 8 elite 1.jpg
圖/ 高通

換上第二代Orion CPU設計、全大核與全新運算區塊型態設計

至於此次推出型號為「SM8750-AB」的Snapdragon 8 Elite,主要採用第二代Orion CPU設計,更將快取記憶體增加為24MB,藉此提高資料運算吞吐效率,並且在Adreno GPU及Hexagon NPU採用全新區塊型態設計,並且進一步提升運算效能,使其能發揮更高自動生成式 人工智慧運算能力,本身同樣是以台積電第二代3nm製程 (N3E)打造。

其中,CPU主核部分的運作時脈為4.32GHz,並且在性能核心採最高可達3.53GHz運作時脈設計,另外也比照聯發科取消節能核心設計,主要藉由台積電第二代3nm製程對應更低功耗,同時透過核心運算分配方式在執行性能與電力續航之間取得平衡。

而此次採用全新運算區塊型態設計,除了加大CPU運算區塊面積,同時也提高Adreno GPU運算區塊,而因應人工智慧運算需求增加情況下,同時也將Hexagon NPU運算區塊加大,另外也換上針對人工智慧運算需求打造的影像處理器,藉此對應更聰明的相機拍攝成效,同時也能用於電腦視覺類型的人工智慧體驗。

snapdragon 8 elite 2.jpg
圖/ 高通

依照Qualcomm說明,Snapdragon 8 Elite在單核心效能相比前一代產品提升45%,多核心效能則提升45%,同時在網頁瀏覽效能更提升62%。而在電力運作表現部分,Snapdragon 8 Elite在CPU的電力損耗降低高達45%,GPU電力損耗也降低40%,每瓦 人工智慧運算電力損耗更降低45%,整體電力損耗對比前一代產品則減少約27%。

維持8核心最佳配置

在CPU核心配置方面,Snapdragon 8 Elite採2組主核,搭配6組性能核心,形成「2+6」的核心組合,與先前Snapdragon 8 Gen 4採用「1+3+4」的組合明顯不同,另外也不像聯發科在核心組合仍保留運作時脈較低的性能核心,藉此發揮更高運算效能。

Qualcomm指出,8核心配置設計目前已經成為市場主流,同時在多年發展經驗也確認8核心配置能發揮更好效能分配與多核心執行效率,因此認為8核心配置會是當前最佳組合,目前也暫時未計畫提出更少或更多核心的設計方案。

更進一步強化人工智慧運算表現

針對目前越來越多裝置端人工智慧運算需求,Qualcomm此次也藉由提升CPU運算效能表現,搭配加大運算區塊面積設計的GPU與NPU配置,另外也配合支援更多數據感知能力,以及記憶體共用架構,使得Snapdragon 8 Elite能提高人工智慧運算效能表現,同時對應更低延遲的執行效率。

配合此次核心架構設計,Qualcomm說明此次推出的Snapdragon 8 Elite可結合NPU中的張量加速器、6核心設計向量加速器與8核心設計純量加速器,搭配運作時脈可達5.3GHz的LPDDR5X雙通道記憶體設計,使得NPU整體效能可提升45%。

此外,Snapdragon 8 Elite除了可支援大型自然語言模型常見量化精度INT4、INT8、INT16與FP16半精度浮點數,更可對應INT8及INT16的混合精度計算,藉此對應市場更廣泛的大型自然語言模型執行運作。

透過運算平台整合的多模態 人工智慧助理設計,則可在大型自然語言模型與基礎人工智慧運算有更快執行效率,並且對應更深入的個人化互動,同時更可對應長指令輸入輸出,藉此加快手機端的人工智慧應用服務反應表現,例如能在以語音互動的數位助理服務更得更快反應,另外也加速電腦視覺反應速度。

而此次在對應各類數據感知的Sensing Hub設計,則是對應60%比例的人工智慧運算效能提升,同時也增加34%的記憶體資源使用量,使得諸多人工智慧運算可以變得更加流暢。

另一方面,針對電腦視覺運算相當重要的影像處理器,此次則是額外加上人工智慧設計,對應高達4.3GP/s的資料吞吐量,並且可各自對應4800萬畫素規格鏡頭,同時也能透過與Hexagon NPU直連,讓人工智慧視覺感知應用服務以更快效率執行運作,藉此對應諸如影像識別、環境感知等應用。

至於套用在影像拍攝時,則能進一步正確識別拍攝場景,並且自動調整相機最佳拍攝參數,同時也能讓被攝人物膚色、環境光線、天空等細節以更清晰且自然形式呈現。

更進階的遊戲體驗

在 遊戲體驗方面,此次推出的Snapdragon 8 Elite藉由加大GPU運算區塊,並且將GPU可用記憶體增加為12MB,不僅讓GPU顯示效能提升40%。電力損耗也降低40%,在即時光影追跡效能表現更提升35%,同時也能透過Qualcomm Adaptive Performance Engine 4.0動態效能引擎技術提升諸如《極速房車賽Legends》 (Grid Legends)般的遊戲執行表現。

此外,Snapdragon 8 Elite也成為第一個符合Unreal Engine 5.3遊戲引擎中Nanite虛擬幾何運算的運算平台,可透過 人工智慧渲染處理方式讓影像細節變得更擬真,更可在單一時間內同時處理大量幾何物件運算,另外也同樣可藉由Snapdragon Gaming設計對應更好遊戲體驗。

5G連網與其他平台設計

至於在5G連網部分,此次在Snapdragon 8 Elite整合Snapdragon X80 5G數據晶片,可對應5G Advanced-ready設計規範、支援mmWave毫米波與6GHz以下頻段,分別對應5G獨立組網及非獨立組網連接型態,以及毫米波單獨連接或毫米波與6GHz以下頻段合併連接模式,最高可對應10 Gbps下載與3.5 Gbps上傳速度,其中毫米波連接支援8載波聚合、2×2 MIMO,6GHz以下頻段則對應4×6 MIMO。

另外,Snapdragon 8 Elite也導入第二代人工智慧運算技術的FastConnect 7900平台,並且能使多天線運作模式最佳化,另外也加入支援NB-NTN規格的衛星連接功能,並且整合峰值下載速度可達5.8 Gbps的Wi-Fi 7無線連接規格,以及藍牙6.0、雙藍牙天線與UWB超寬頻網路設計。

而顯示輸出則最高支援4K@60 Hz或QHD+@240Hz規格,外接顯示螢幕最高可對應輸出8K@30Hz或1080@240Hz規格,另外也對應UFS 4.0儲存元件,支援USB-C介面設計的USB 3.1 Gen 2連接埠,以及Qualcomm Quick Charge 5快充技術。

安全設計部分,則包含對應C2PA規範的Truepic影音內容憑證系統,以及針對 人工智慧模型的內容版權保護機制。

將與諸多OEM業者合作

在此次公布Snapdragon 8 Elite之後,Qualcomm確定將由華碩、榮耀、iQOO、Motorola、Nubia、OnePlus、OPPO、紅魔、Redmi、realme、三星、vivo、小米、中興通訊等品牌推出應用此運算平台的終端設備,其中小米與OPPO也確定很快將此運算平台用於旗下推出新款手機,而更多品牌則預計會後續推出採用Snapdragon 8 Elite的終端裝置。

snapdragon 8 elite 3.jpg
圖/ 高通

延伸閱讀·:一顆AI處理器,讓桌電秒變AI PC!英特爾Arrow Lake有多強?亮點效能一次整理
專訪|台積電也是客戶!銳澤要上櫃了,解密聖暉小金雞:憑哪些策略躋身海外建廠先鋒?

本文授權轉載自:mashdigi

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓