8 Minuty
Čipy SoC schopné provozu GenAI na zařízeních zaznamenají v roce 2025 výrazný nárůst — Counterpoint Research předpovídá, že tyto čipy budou tvořit přibližně 35 % celkových dodávek SoC pro smartphony. Rozšířená dostupnost funkcí umělé inteligence běžících přímo v telefonech — nejen v prémiových modelech, ale čím dál častěji i ve střední třídě — urychluje adopci a přináší silný meziroční růst. Tento trend není jen o více „chytrých“ funkcích; znamená i tišší síťový provoz, nižší latenci pro konverzační asistenty, lepší ochranu soukromí a možnost offline používání aplikací, které dříve vyžadovaly připojení do cloudu.
Market forecast and what’s driving growth
Podle Counterpointova trackeru „Q2 2025 Global Smartphone AP-SoC Shipment & Forecast“ se očekává, že dodávky SoC s podporou GenAI v roce 2025 meziročně vzrostou o 74 %. Tento růst táhne poptávka po on‑device jazykových modelech (LLM), multimodálních AI funkcích (kombinující text, hlas, obraz a video) a bohatších integrovaných asistentech, kteří vykonávají složitější úkoly lokálně. Výrobcům se daří osazovat telefony většími NPUs (Neural Processing Units), efektivnějšími CPU a výkonnějšími GPU jádry — to umožňuje spouštět výkonnější modely přímo v zařízení, čímž klesá závislost na cloudových výpočtech, zlepšuje se odezva aplikací a snižují se obavy o přenos citlivých dat.
Růst podporují také systémová vylepšení: optimalizace modelů (kvantizace, pruning, distilace), pokročilé plánování zátěže mezi CPU/GPU/NPU a efektivnější paměťové subsystémy s vyšší propustností. Tyto techniky dovolují výrobcům doručit lepší uživatelský zážitek bez nepřijatelných kompromisů v oblasti výdrže baterie nebo termálního chování. Dále hraje roli legislativa a rostoucí důraz na ochranu osobních údajů — on‑device AI usnadňuje soulady s regulacemi, protože méně dat putuje přes síť a do centralizovaných serverů.
Who’s leading the GenAI SoC segment
V odvětví GenAI SoC se v roce 2025 očekává následující rozložení podílů: Apple přibližně 46 %, Qualcomm asi 35 % a MediaTek kolem 12 %. Každý z těchto hráčů zvolil odlišnou strategii, jak přistupovat k implementaci on‑device AI, což ovlivňuje výkon, ekosystém a rychlost nasazení u jednotlivých OEM partnerů.
- Apple kombinuje lokální modely na zařízení s cloudovými možnostmi: v praxi to znamená například 3miliardový lokální jazykový model optimalizovaný pro Neural Engine iPhone a současně přístup k větším modelům přes Private Cloud Compute běžící na Apple Silicon serverech. Apple navíc provázal své systémy s řešeními třetích stran — například integrací ChatGPT do iOS, iPadOS a macOS ve spolupráci s OpenAI — čímž nabízí plynulé přepnutí mezi lokálním a cloudovým výkonem podle potřeby uživatele nebo aplikace. Tento hybridní přístup zvyšuje flexibilitu, umožňuje silné uživatelské scénáře a zároveň udržuje vysoký standard ochrany soukromí a výkonu.
- Qualcomm nabízí platformní přístup prostřednictvím svého AI Orchestrator frameworku, který umožňuje výrobcům zařízení a integrátorům zpřístupnit GenAI služby bez nutnosti budovat či provozovat vlastní infrastrukturu LLM. Qualcomm klade důraz na škálovatelné reference, nástroje pro optimalizaci modelů a SDK, které zjednodušují přesun modelů na hardware Snapdragon řad 8, 7 a 6. Cílem je zkrátit čas vývoje, snížit nároky na hlubokou HW/SW integraci a zajistit konzistentní výkon napříč různými modely telefonů.
- MediaTek spoléhá na svůj software NeuroPilot, který dynamicky přiděluje výpočtové úlohy mezi CPU, GPU a NPU dle priority, energetických limitů a teplotního stavu zařízení. MediaTek úzce spolupracuje s čínskými OEM i lokálními vývojáři modelů, aby optimalizoval nasazení GenAI do masově vyráběných smartphonů. Dimensity řada se stala katalyzátorem nasazení on‑device GenAI ve střední třídě tím, že přinesla relativně vysoký výkon za konkurenční cenu a umožnila OEM zavádět lokální multimodální funkce rychleji.
Premium chips push performance and pricing
U prémiových SoC se očekává meziroční nárůst dodávek o 53 %, a v roce 2025 má podle odhadů GenAI podporovat přibližně 88 % prémiových SoC. Mezi hlavní čipy, které tento posun urychlují, patří Apple A19/A19 Pro, Qualcomm Snapdragon 8 Elite Gen 5 a MediaTek Dimensity 9500. Tyto čipy často integrují vysoce výkonné NPUs s označením pro stovky TOPS (tera operací za sekundu), rychlé integrované paměťové kanály a optimalizované ISP pro multimodální scénáře (např. vylepšené zpracování obrazu pro generování nebo rozšíření obsahu). Výzkumní analytik Shivani Parashar upozorňuje, že špičkový AI výpočetní výkon v prémiových SoC by mohl v roce 2025 dosáhnout až kolem 100 TOPS — což představuje přibližně čtyřnásobek výkonu v roce 2021. Takový růst výkonu přirozeně tlačí průměrné prodejní ceny vzhůru, protože výrobci nasazují pokročilé výrobní technologie (3nm/4nm uzly), více čipového obsahu, pokročilá balení (chiplet/SoP) a rychlejší paměti.
V praxi to znamená, že výrobci smartphonů investují do větších NPU clusterů, vyššího počtu akcelerátorů a dalších podpůrných subsystémů (rychlé cache, dedikované AI paměti, hardwarové enkodéry/dekodéry pro multimédia). Tyto změny zvyšují náklady na výrobu, ale současně otevírají nové možnosti: real‑time překlady, komplexní hlasové asistenty, lokální generování obrazu či videa, pokročilá personalizace UI a bezpečnější zpracování biometrických dat. Prémiové modely tak zůstávají laboratoří pro nejpokročilejší mobilní AI funkce, které se následně dostávají do širší nabídky.
Mid-range adoption is picking up speed
Segment smartphonů v cenovém rozmezí 300–499 USD je před zásadním rozvojem: dodávky SoC s podporou GenAI v této třídě by se měly v roce 2025 meziročně ztrojnásobit a zajistit zhruba 38 % tohoto cenového pásma. Qualcomm dominuje v mid‑range segmentu s odhadovaným podílem 57 %, a to díky rodinám procesorů Snapdragon 700 a 6. MediaTek zase pomohl urychlit adopci on‑device GenAI v prostřední třídě s řadou Dimensity 8000 a pokročilými referenčními návrhy pro OEM.
Hlavní důvod rychlého rozšíření GenAI ve střední třídě spočívá v softwarových optimalizacích: dodavatelé SoC a vývojáři modelů používají techniky jako kvantizace modelů (typicky 8bit, případně 4bit), pruning a knowledge distillation, které zmenšují nároky modelu bez výrazného snížení kvality výstupu. Dále dochází k adaptivnímu plánování zátěže, kdy se méně náročné části LLM spouštějí v úsporných režimech na NPU a nejnáročnější operace delegují na boostované jádra jen krátkodobě. Tyto přístupy umožňují přenést bohatší AI funkce do dostupnějších telefonu bez zásadního dopadu na výdrž baterie nebo teplotní limity telefonu.
Praktické příklady, které uživatelé střední třídy začínají vidět, zahrnují: rychlé offline přepisování hlasu do textu, lokální překlady v reálném čase, inteligentní režimy fotoaparátu, které kombinují více snímků a generativní retuše, nebo asistenční funkce, které analyzují kontext konverzací a navrhují odpovědi. Tyto funkce zvyšují vnímanou hodnotu telefonu a zároveň dávají OEM konkurenční prostor pro diferenciaci prostřednictvím softwarových balíčků a upgradů firmware.
Conclusion
Rok 2025 se rýsuje jako zlomový bod pro mobilní GenAI: rostoucí výpočetní výkon přímo v telefonech, širší podpora ze strany OEM a hloubkové integrace na úrovni platforem postupně proměňují GenAI z výsady vlajkových modelů v běžnou funkci, kterou mohou očekávat i uživatelé středních řad. Optimalizace hardwaru i softwaru, včetně efektivnějších NPUs, lepší správy spotřeby energie a pokročilého plánování zátěže, umožní rozšíření AI schopností hlouběji do cenového žebříčku.
Výhody jsou zřejmé: rychlejší odezva aplikací, lepší ochrana soukromí, nižší náklady na přenos dat a nové funkce, které dříve nebyly reálné bez masivního cloudového zázemí. Výrobci SoC, softwaroví partneři i vývojáři aplikací budou nadále soutěžit v oblastech modelové efektivity, nástrojů pro developerů a referenčních implementací — což by mělo vést k rychlejšímu zavádění inovací a stabilnějšímu ekosystému GenAI na mobilech. Očekávejte, že v následujících letech se funkce GenAI rozšíří níže do cenových pásem a stanou se standardní součástí mobilního zážitku pro široké spektrum uživatelů.
Zdroj: fonearena
Zanechte komentář