Ponsel pintar yang mampu menjalankan GenAI diperkirakan mencapai 45% dari pengiriman global pada 2026, naik dari 36% setahun sebelumnya (Counterpoint Research, GenAI Smartphone Share Forecast 2026), dan hampir semuanya bergantung pada model bahasa kecil yang berjalan secara lokal di unit pemrosesan saraf. Model-modelnya sendiri telah menyusut agar muat: model fondasi di perangkat milik Apple memuat sekitar 3 miliar parameter dalam 2 bit per bobot (Apple Machine Learning Research, Foundation Models 2025 Updates), dan Gemma 3n E2B milik Google berjalan hanya dengan 2GB memori (Google Developers Blog, Gemma 3n Developer Guide 2025). Silikon bergerak sama cepatnya, dengan Qualcomm mengklaim hingga 220 token per detik pada NPU Hexagon terbarunya. Kami menghimpun data dari Counterpoint Research, Gartner, IDC, MLCommons, Apple, Google, Qualcomm, MediaTek, Meta, Microsoft, Deloitte, dan Samsung untuk memetakan posisi SLM di perangkat pada 2026. Untuk gambaran perangkat keras yang lebih luas, lihat rangkuman statistik edge AI kami.
TL;DR
- 45% ponsel pintar yang dikirim pada 2026 akan mampu menjalankan GenAI, naik dari 36% pada 2025 (Counterpoint Research, 2026)
- 559 juta ponsel GenAI diperkirakan pada 2026, setelah 369,3 juta pada 2025 (Gartner, GenAI Smartphone Forecast 2025)
- Belanja pengguna akhir untuk ponsel GenAI diperkirakan USD 393,3 miliar pada 2026, naik 32% (Gartner, 2025)
- Sekitar 3 miliar parameter pada 2 bit per bobot menggerakkan model di perangkat milik Apple (Apple Machine Learning Research, 2025)
- Jejak memori 2GB dan 3GB untuk Gemma 3n E2B dan E4B (Google Developers Blog, 2025)
- Model Llama 3.2 1B dan 3B terkuantisasi berukuran 56% lebih kecil dan memakai memori 41% lebih sedikit (Meta AI, 2024)
- Hingga 220 token per detik pada NPU Hexagon Snapdragon 8 Elite Gen 5, 37% lebih cepat dari generasi sebelumnya (Qualcomm, 2025)
- Gemini Nano pada Tensor G5 2,6 kali lebih cepat dan 2 kali lebih efisien dibanding Tensor G4 (Google, 2025)
- 3 ukuran model Llama (1B, 3B, 8B) dalam tolok ukur LLM baru MLPerf Mobile v6.0 (MLCommons, 2026)
- Kenaikan harga memori seluler sekitar empat kali lipat pada kuartal kedua 2026 (Counterpoint Research, 2026)
- Penurunan 13,9% pengiriman ponsel pintar 2026 menjadi 1,08 miliar unit diperkirakan akibat himpitan memori (Counterpoint Research, 2026)
- Lebih dari 70% pengguna Galaxy S25 aktif menggunakan fitur AI bawaan (Samsung, 2025)
1. Pengiriman Ponsel Pintar GenAI: Basis Terpasang untuk SLM di Perangkat
Setiap ponsel pintar GenAI, menurut definisinya, adalah inang bagi model bahasa kecil: Gartner mendefinisikan kategori ini sebagai perangkat dengan mesin saraf atau NPU bawaan yang mampu menjalankan SLM. Itu menjadikan perkiraan pengiriman sebagai indikator paling bersih untuk jumlah perangkat yang dapat menjalankan model lokal. Counterpoint kini memperkirakan 45% dari seluruh ponsel pintar yang dikirim pada 2026 akan mampu menjalankan GenAI, dan 52% pada 2027 (Counterpoint Research, GenAI Smartphone Share to Rise to 45% in 2026).
Cerita di balik kurva ini ada pada kelas menengah. Counterpoint menyebut GenAI kini menjadi standar di atas 400 USD harga grosir. Kendalanya telah bergeser dari “apakah chip bisa menjalankan model” menjadi “apakah daftar bahan (BoM) sanggup menampung memorinya”, yang dikuantifikasi di Bagian 6. Jika Anda ingin konteks ponsel yang lebih luas, halaman statistik pasar ponsel pintar kami mencakup total volume per vendor.
| Metrik | Nilai | Sumber |
|---|---|---|
| Pangsa pengiriman ponsel pintar global yang mampu menjalankan GenAI, 2026 | 45% (naik dari 36% pada 2025) | Counterpoint Research, Juni 2026 |
| Perkiraan pangsa yang mampu menjalankan GenAI, 2027 | 52% | Counterpoint Research, Juni 2026 |
| Pengiriman ponsel pintar GenAI, perkiraan 2025 | Lebih dari 400 juta, sekitar satu dari tiga ponsel | Counterpoint Research, Maret 2025 |
| Pangsa yang mampu menjalankan GenAI pada 2024 | Satu dari lima ponsel pintar | Counterpoint Research, Maret 2025 |
| Unit ponsel pintar GenAI, 2024 / 2025 / 2026 | 260,4 juta / 369,3 juta / 559 juta | Gartner, GenAI Smartphone Forecast, Sep 2025 |
| Pengiriman ponsel pintar GenAI, 2025 | Lebih dari 370 juta (pangsa 30%), naik 73,1% | IDC Worldwide Smartphone Forecast, 2025 |
| Pengiriman ponsel pintar GenAI, 2028 | 912 juta unit, CAGR 78,4% | IDC, Generative AI Smartphone Forecast, Juli 2024 |
Catatan konteks: ketiga firma memakai definisi dan tanggal yang berbeda. Rilis IDC pada Juli 2024 (siaran pers IDC) memproyeksikan ponsel GenAI mencapai 70% pasar pada 2028, sementara perkiraan 2025-nya menggeser tonggak “di atas 70%” ke 2029. Data jangka panjang terbaru dari IDC: Juli 2024.
2. Belanja dan Ukuran Pasar: Dolar Perangkat Keras Besar, Pendapatan Model Kecil
Dua angka yang sangat berbeda menggambarkan pasar ini. Perangkat keras yang menjalankan SLM adalah kategori konsumen arus utama, sedangkan pasar untuk modelnya sendiri masih kecil dan didefinisikan dengan buruk. Gartner memperkirakan belanja pengguna akhir untuk ponsel pintar GenAI sebesar USD 393,3 miliar pada 2026, naik 32% dari USD 298,2 miliar pada 2025 (Gartner, siaran pers belanja pengguna akhir ponsel pintar GenAI 2025).
Di sisi perangkat lunak, estimasi analis untuk pasar model bahasa kecil berbeda satu orde besaran, yang lebih banyak bicara tentang definisi ketimbang permintaan. MarketsandMarkets mengukur 2025 sebesar USD 0,93 miliar, sedangkan Research and Markets menempatkannya mendekati USD 9,16 miliar. Benang merahnya: setiap firma menandai penerapan di tepi jaringan (edge) dan di perangkat sebagai segmen dengan pertumbuhan tercepat.
| Metrik | Nilai | Sumber |
|---|---|---|
| Belanja pengguna akhir untuk ponsel pintar GenAI, 2024 / 2025 / 2026 | USD 244,7 miliar / 298,2 miliar / 393,3 miliar | Gartner, Sep 2025 |
| Pangsa ponsel pintar GenAI dari seluruh belanja pengguna akhir AI, 2025 | 20% | Gartner, Sep 2025 |
| Ponsel pintar GenAI dasar (di bawah 350 USD) dengan NPU, 2025 | 41% | Gartner, Sep 2025 |
| Ponsel pintar premium dengan kemampuan GenAI pada 2029 | 100% | Gartner, Sep 2025 |
| Pasar model bahasa kecil, 2025 hingga 2032 | USD 0,93 miliar hingga USD 5,45 miliar, CAGR 28,7% | MarketsandMarkets, April 2025 |
| Pasar model bahasa kecil, 2025 hingga 2030 | USD 9,16 miliar hingga USD 22,45 miliar, CAGR 19,6% | Research and Markets, SLM Market Report 2026 |
| Pasar model bahasa kecil, 2026 hingga 2030 | USD 11,1 miliar hingga USD 20,7 miliar, CAGR 15,1% | Grand View Research, SLM Market Report |
Rilis MarketsandMarkets (GlobeNewswire, April 2025) menyebut penerapan di tepi jaringan sebagai segmen dengan pertumbuhan tercepat, didorong tuntutan latensi dan privasi pada ponsel pintar dan perangkat IoT.
3. Ukuran Model dan Kompresi: 3 Miliar Parameter pada 2 Bit
Batas praktis untuk model yang tinggal di ponsel ditentukan oleh RAM, bukan ambisi. Model yang dipasarkan berkumpul di antara 1B dan 4B parameter, dan rekayasa sesungguhnya ada pada seberapa sedikit bit yang diberikan untuk setiap bobot. Apple memampatkan model di perangkatnya yang berparameter sekitar 3 miliar menjadi 2 bit per bobot menggunakan pelatihan sadar kuantisasi, dengan embedding 4 bit dan cache KV 8 bit (Apple Machine Learning Research, Updates to Apple’s On-Device and Server Foundation Language Models 2025).
Itu penurunan tajam dari 2024, ketika model Apple rata-rata 3,7 bit per bobot. Google menempuh jalur berbeda dengan Gemma 3n, mempertahankan lebih banyak parameter mentah tetapi memarkir embedding per lapisan di luar memori akselerator sehingga hanya sekitar 2B atau 4B parameter “efektif” yang berada di memori cepat (Google Developers Blog, Introducing Gemma 3n 2025). Kompresi hanya sedikit mengorbankan akurasi pada tingkat ini: Apple melaporkan peningkatan MMLU 1,5% dan penurunan MGSM sekitar 4,6% setelah kompresi.
| Metrik | Nilai | Sumber |
|---|---|---|
| Ukuran model di perangkat Apple | Sekitar 3 miliar parameter | Apple Machine Learning Research, 2025 |
| Presisi bobot model di perangkat Apple | 2 bit per bobot (QAT); embedding 4 bit; cache KV 8 bit | Apple Machine Learning Research, 2025 |
| Pengurangan memori cache KV Apple dari berbagi blok | 37,5% | Apple Intelligence Foundation Language Models Tech Report, 2025 |
| Presisi model di perangkat Apple pada 2024 | Campuran 2 bit dan 4 bit, rata-rata 3,7 bit per bobot | Apple Machine Learning Research, 2024 |
| Parameter mentah Gemma 3n E2B / E4B | 5B / 8B | Google Developers Blog, 2025 |
| Jejak memori Gemma 3n E2B / E4B | Serendah 2GB / 3GB | Google Developers Blog, 2025 |
| Ukuran dan pengurangan memori Llama 3.2 1B dan 3B terkuantisasi dibanding BF16 | 56% lebih kecil, memori 41% lebih sedikit | Meta AI, Quantized Llama Models, Okt 2024 |
| Ukuran dan kuantisasi Phi Silica | 3,3B parameter, bobot 4 bit, pengurangan memori sekitar 60% | Microsoft Windows Blog, Des 2024 |
Catatan konteks: rilis Llama terkuantisasi dari Meta (blog Meta AI) dan tulisan Microsoft tentang Phi Silica (Windows Experience Blog) berasal dari akhir 2024. Data terbaru yang tersedia untuk keduanya: 2024. Sebuah studi akademik berbasis laptop menambahkan aturan praktis yang berguna: sekitar 3,5 bit efektif per bobot adalah titik ketika model lebih besar yang dikuantisasi berat mulai mengungguli model lebih kecil dengan presisi lebih tinggi (arXiv 2505.15030, A Systematic Evaluation of On-Device LLMs).
4. Throughput NPU: Token per Detik pada Silikon Andalan
Klaim throughput dilaporkan vendor dan diukur pada model yang berbeda, jadi perlakukan sebagai batas atas, bukan skor yang dapat dibandingkan. Meski begitu, arahnya tak terbantahkan. Qualcomm menyatakan NPU Hexagon Snapdragon 8 Elite Gen 5 37% lebih cepat dari pendahulunya dan mempertahankan hingga 220 token per detik, dengan dukungan INT2 dan FP8 (Qualcomm, peluncuran Snapdragon 8 Elite Gen 5, Sep 2025; angka dikuatkan oleh Futurum Group).
Angka yang lebih mengungkap adalah perbandingan pengisian awal (prefill) dan dekode. Membaca prompt murah bagi NPU; menghasilkan setiap token baru dibatasi oleh memori. Gemma 3n E2B pada NPU Dimensity 9500 membaca lebih dari 1.600 token per detik tetapi hanya menulis 28, itulah sebabnya setiap vendor berebut bandwidth dan format presisi lebih rendah. Selisih itu penting untuk fitur suara dan asisten real-time, ketika respons pertama yang cepat menyembunyikan ekor yang lambat; statistik asisten suara kami melacak bagaimana hal itu tampak dalam penggunaan.
| Metrik | Nilai | Sumber |
|---|---|---|
| Peningkatan NPU Snapdragon 8 Elite Gen 5 | 37% lebih cepat dari generasi sebelumnya | Qualcomm, Sep 2025 |
| Generasi berkelanjutan Snapdragon 8 Elite Gen 5 | Hingga 220 token per detik | Qualcomm, Sep 2025 |
| Penghematan daya SoC keseluruhan Snapdragon 8 Elite Gen 5 | 16% | Analisis Futurum Group atas data Qualcomm, Okt 2025 |
| Keluaran LLM 3B parameter Dimensity 9500 | 2 kali lebih cepat (100%), dengan daya puncak 56% lebih rendah | Peluncuran MediaTek Dimensity 9500, Sep 2025 |
| Gemma 3n E2B pada NPU Dimensity 9500 (konteks 4K) | 1.600+ token/dtk pengisian awal, 28 token/dtk dekode | Hasil Google LiteRT NeuroPilot, Des 2025 |
| Throughput NPU LiteRT dibanding CPU / GPU pada MediaTek | Hingga 12 kali CPU, 10 kali GPU | Hasil Google LiteRT NeuroPilot, Des 2025 |
| Gemini Nano pada Tensor G5 dibanding Tensor G4 | 2,6 kali lebih cepat, 2 kali lebih efisien; TPU hingga 60% lebih bertenaga | Google, pengumuman Pixel 10 Tensor G5, Agu 2025 |
| Model di perangkat Apple (iPhone 15 Pro) | 0,6 md per token prompt hingga token pertama; 30 token/dtk | Apple Machine Learning Research, 2024 |
Angka MediaTek berasal dari siaran peluncurannya (MediaTek via PR Newswire); klaim Tensor G5 dari Google berasal dari tulisan Pixel 10 Tensor G5. Angka token per detik Apple adalah yang terbaru yang pernah dipublikasikannya: 2024.
5. Tolok Ukur dan Kualitas: MLPerf Mobile Memasuki Era LLM
Hingga 2026, tidak ada tolok ukur netral untuk LLM di ponsel; setiap angka di Bagian 4 berasal dari vendor sendiri. MLPerf Mobile v6.0, yang dirilis MLCommons pada 15 Juni 2026, menambahkan tolok ukur LLM berbasis Llama 3.2 1B, Llama 3.2 3B, dan Llama 3.1 8B, dengan penilaian pada TinyMMLU dan IFEval (MLCommons, MLPerf Mobile v6.0).
Masuknya model 8B adalah sorotan utama: MLCommons mencatat bahwa v6.0 mendukung eksekusi Llama 3.1 8B yang dipercepat NPU pada Snapdragon 8 Elite Gen 5, ukuran yang setahun sebelumnya masih merupakan tolok ukur pusat data. Soal kualitas, model kecil kini mendekati rekan-rekan yang lebih besar pada uji pengetahuan. Model 3B di perangkat Apple meraih 67,85% pada MMLU, sedikit di atas Qwen-2.5-3B, dan Phi Silica kehilangan kurang dari satu poin pada PIQA setelah kuantisasi 4 bit. Untuk keluarga bobot terbuka di balik banyak tolok ukur ini, lihat statistik LLM sumber terbuka kami.
| Metrik | Nilai | Sumber |
|---|---|---|
| Model LLM MLPerf Mobile v6.0 | Llama 3.2 1B, Llama 3.2 3B, Llama 3.1 8B | MLCommons, Juni 2026 |
| SoC dengan dukungan baru atau diperbarui di v6.0 | Snapdragon 8 Elite Gen 5, Dimensity 9500, Exynos 2600 | MLCommons, Juni 2026 |
| Kualitas acuan MLPerf Mobile, Llama 3.1 8B | TinyMMLU sekitar 61%, IFEval sekitar 67% (FP16) | MLCommons, halaman tolok ukur MLPerf Mobile |
| Kualitas acuan MLPerf Mobile, Llama 3.2 3B | TinyMMLU sekitar 59%, IFEval sekitar 65,5% (FP16) | MLCommons, halaman tolok ukur MLPerf Mobile |
| Batas interaktif LLM kecil MLPerf Inference 5.1 (Llama 3.1 8B) | Token pertama dalam 0,5 dtk, 30 md per token keluaran | MLCommons, Sep 2025 |
| MMLU model di perangkat Apple | 67,85% vs Qwen-2.5-3B 66,37% dan Gemma-3-4B 62,81% | Apple Foundation Models Tech Report, 2025 |
| Akurasi Phi Silica setelah kuantisasi 4 bit | PIQA 80,47% menjadi 79,76%; ARC Challenge 63,48% menjadi 60,49% | Microsoft Windows Blog, Des 2024 |
| Skor LMArena Gemma 3n E4B | Di atas 1300 | Google Developers Blog, 2025 |
Catatan konteks: halaman tolok ukur MLPerf Mobile (MLCommons) memakai latensi persentil ke-90 sebagai metrik utama untuk tugas aliran tunggal. Hasil LLM publik tingkat perangkat dari v6.0 belum dipublikasikan dalam pengumuman rilis yang kami tinjau. Skor Apple berasal dari laporan teknis 2025 di arXiv.
6. Kendala Memori dan Biaya: Himpitan DRAM
Ancaman terbesar bagi SLM di perangkat pada 2026 bukan kualitas model, melainkan harga RAM tempat mereka berada. Counterpoint melaporkan harga memori seluler naik sekitar empat kali lipat pada kuartal kedua 2026 karena pusat data AI menyerap sebagian besar produksi DRAM dan NAND (Counterpoint Research, Mobile Memory Cost Hikes, Sep 2026).
Perhatikan bagaimana perkiraan memburuk dalam enam bulan: penurunan pengiriman 2,1% pada Desember 2025, 12,4% pada Maret 2026, dan 13,9% pada Juni. Model 3B pada 2 bit hanya membutuhkan jauh di bawah satu gigabita untuk bobotnya, tetapi ruang RAM berukuran beberapa gigabita yang diharapkan fitur GenAI adalah persis yang kini dipangkas ponsel kelas anggaran. Itu menjelaskan mengapa Counterpoint mengaitkan gelombang ponsel GenAI berikutnya dengan pasokan memori sekaligus model yang lebih efisien.
| Metrik | Nilai | Sumber |
|---|---|---|
| Perubahan harga memori seluler pada kuartal kedua 2026 | Sekitar empat kali lipat | Counterpoint Research, Sep 2026 |
| Harga LPDDR4/5 seluler pada kuartal kedua 2026 dibanding kuartal ketiga 2025 | Hampir 3 kali lipat | Counterpoint Research, via EE Times Asia, Maret 2026 |
| Kenaikan biaya BoM akibat lonjakan DRAM, kelas rendah / menengah / atas | Sekitar 25% / 15% / 10% | Counterpoint Research, Des 2025 |
| Revisi ASP grosir, 2026 | Naik 6,9% dari tahun ke tahun | Counterpoint Research, Des 2025 |
| Perkiraan pengiriman ponsel pintar 2026, Des 2025 / Mar 2026 / Jun 2026 | -2,1% / -12,4% / -13,9% | Counterpoint Research |
| Pengiriman ponsel pintar global 2026 | 1,08 miliar unit, terendah sepanjang sejarah | Counterpoint Research, Juni 2026 |
| Pengiriman segmen di bawah 200 USD, 2026 | Penurunan lebih dari 20% | Counterpoint Research, via EE Times Asia, Maret 2026 |
Sumber: Counterpoint, 2026 Smartphone Shipment Forecasts Revised Down dan EE Times Asia tentang revisi Maret 2026. Gartner menambahkan batas bawah perangkat keras: mereka memperkirakan NPU di atas 40 TOPS menjadi standar pada ponsel premium pada 2027.
7. Adopsi, Penggunaan, dan Kepercayaan: Pengembang dan Konsumen
Distribusi bukan lagi hambatan. Apple membuka model di perangkatnya bagi aplikasi pihak ketiga melalui kerangka kerja Foundation Models, dengan inferensi gratis yang berjalan secara offline dan hanya membutuhkan tiga baris Swift (Apple Newsroom, WWDC25). Samsung menyatakan lebih dari 70% pengguna Galaxy S25 aktif menggunakan fitur AI bawaan, dan menargetkan Galaxy AI di lebih dari 400 juta perangkat pada akhir 2025, dua kali lipat dari target 200 juta pada 2024 (Samsung Newsroom, Galaxy Tech Forum 2025).
Kepercayaan adalah penyeimbangnya, dan merupakan argumen terkuat untuk menjaga inferensi tetap lokal. Deloitte menemukan 70% konsumen AS khawatir tentang privasi dan keamanan data, dan hanya 27% yang sangat yakin datanya terlindungi. SLM di perangkat menjawab kekhawatiran itu sejak dalam rancangan, yang juga menjadi alasan pemrosesan lokal penting bagi alat suara seperti pengubah suara real-time untuk Discord, tempat audio tidak perlu keluar dari perangkat.
| Metrik | Nilai | Sumber |
|---|---|---|
| Pengguna Galaxy S25 yang aktif memakai AI bawaan | Lebih dari 70% | Samsung, Juli 2025 |
| Target perangkat Galaxy AI, akhir 2025 | Lebih dari 400 juta (vs 200 juta pada 2024) | Samsung, Juli 2025 |
| Pengguna yang mengatakan fitur AI menjadi bagian rutinitas harian | 47% | Survei Samsung / Symmetry Research, 2025 |
| Pengguna yang memakai perintah suara sesering mengetik | 45% | Survei Samsung / Symmetry Research, 2025 |
| Konsumen yang berencana membeli ponsel pintar GenAI dalam setahun | 59% | Survei konsumen Counterpoint Research, Des 2024 |
| Konsumen AS yang menggunakan atau mencoba GenAI | 53% | Deloitte Connected Consumer Survey 2025 (n=3.524) |
| Konsumen AS yang khawatir tentang privasi dan keamanan data | 70% | Deloitte Connected Consumer Survey 2025 |
| Konsumen yang sangat yakin datanya terlindungi | 27% | Deloitte Connected Consumer Survey 2025 |
Rincian survei: siaran pers Deloitte 2025 Connected Consumer dan survei niat upgrade Counterpoint. Survei Counterpoint berasal dari Desember 2024, data niat upgrade terbaru dari firma tersebut.
Ringkasan: Model Bahasa Kecil di Perangkat dalam Angka
| Metrik | Nilai | Sumber |
|---|---|---|
| Pangsa pengiriman ponsel pintar yang mampu menjalankan GenAI, 2026 | 45% | Counterpoint Research, 2026 |
| Pangsa yang mampu menjalankan GenAI, 2027 | 52% | Counterpoint Research, 2026 |
| Unit ponsel pintar GenAI, 2026 | 559 juta | Gartner, 2025 |
| Belanja pengguna akhir ponsel pintar GenAI, 2026 | USD 393,3 miliar (+32%) | Gartner, 2025 |
| Pengiriman ponsel pintar GenAI, 2028 | 912 juta | IDC, 2024 |
| Pasar model bahasa kecil, 2032 | USD 5,45 miliar (CAGR 28,7%) | MarketsandMarkets, 2025 |
| Model di perangkat Apple | Sekitar 3B parameter pada 2 bit per bobot | Apple Machine Learning Research, 2025 |
| Pengurangan memori cache KV Apple | 37,5% | Apple Tech Report, 2025 |
| Jejak memori Gemma 3n E2B | Serendah 2GB | Google Developers Blog, 2025 |
| Ukuran / pengurangan memori Llama 3.2 terkuantisasi | 56% / 41% | Meta AI, 2024 |
| NPU Snapdragon 8 Elite Gen 5 | Hingga 220 token/dtk, 37% lebih cepat | Qualcomm, 2025 |
| Keluaran LLM 3B Dimensity 9500 | 2 kali lebih cepat, daya puncak 56% lebih rendah | MediaTek, 2025 |
| Gemma 3n E2B pada NPU Dimensity 9500 | 1.600+ token/dtk pengisian awal, 28 token/dtk dekode | Google LiteRT, 2025 |
| Gemini Nano pada Tensor G5 | 2,6 kali lebih cepat, 2 kali lebih efisien | Google, 2025 |
| Ukuran LLM MLPerf Mobile v6.0 | 1B, 3B, 8B | MLCommons, 2026 |
| Harga memori seluler pada kuartal kedua 2026 | Sekitar empat kali lipat | Counterpoint Research, 2026 |
| Pengiriman ponsel pintar 2026 | 1,08 miliar (-13,9%) | Counterpoint Research, 2026 |
| Pengguna Galaxy S25 yang memakai AI | Lebih dari 70% | Samsung, 2025 |
| Konsumen AS yang khawatir tentang privasi | 70% | Deloitte, 2025 |
Metodologi dan Sumber
- Counterpoint Research, GenAI Smartphone Share to Rise to 45% of Global Shipments in 2026 (Juni 2026), dengan rincian segmen dilaporkan oleh Electronics For You
- Counterpoint Research, GenAI Smartphone Shipments to Exceed 400 Million in 2025 (Maret 2025)
- Counterpoint Research, 2026 Smartphone Shipment Forecasts Revised Down as Memory Shortage Drives BoM Costs Up (Desember 2025)
- Counterpoint Research, Mobile Memory Cost Hikes (September 2026)
- Counterpoint Research, survei konsumen tentang upgrade ke ponsel pintar GenAI (Desember 2024)
- EE Times Asia, laporan tentang revisi pengiriman Maret 2026 oleh Counterpoint
- Gartner, siaran pers belanja pengguna akhir ponsel pintar GenAI dunia (September 2025)
- IDC, Worldwide Generative AI Smartphone Shipments Forecast (Juli 2024) dan IDC Worldwide Smartphone Forecast (2025)
- MarketsandMarkets, rilis pasar model bahasa kecil (April 2025); Research and Markets, Small Language Model Market Report 2026; Grand View Research, Small Language Model Market Report
- Apple Machine Learning Research, Updates to Apple’s On-Device and Server Foundation Language Models (2025), Apple Intelligence Foundation Language Models Tech Report 2025 (arXiv), Introducing Apple’s On-Device and Server Foundation Models (2024) dan Apple Newsroom, WWDC25
- Google Developers Blog, Introducing Gemma 3n (Juni 2025) dan Google, Pixel 10 Tensor G5 (Agustus 2025)
- Hasil Google LiteRT NeuroPilot pada Dimensity 9500 (Desember 2025), sebagaimana dilaporkan oleh MarkTechPost
- Qualcomm, peluncuran Snapdragon 8 Elite Gen 5 (September 2025) dan analisis Futurum Group
- MediaTek, siaran peluncuran Dimensity 9500 (September 2025)
- Meta AI, Introducing Quantized Llama Models (Oktober 2024)
- Microsoft, Phi Silica, SLM di perangkat yang kecil tetapi tangguh (Desember 2024)
- MLCommons, MLPerf Mobile v6.0 (Juni 2026), halaman tolok ukur MLPerf Mobile dan tolok ukur LLM kecil MLPerf Inference 5.1 (September 2025)
- arXiv 2505.15030, A Systematic Evaluation of On-Device LLMs: Quantization, Performance, and Resources
- Samsung Newsroom, Galaxy Tech Forum di Galaxy Unpacked 2025 (Juli 2025), angka survei sebagaimana dilaporkan oleh FoneArena
- Deloitte, siaran pers Connected Consumer Survey 2025 (September 2025)
- Catatan data: volume ponsel pintar GenAI 2025 berbeda antarfirma: IDC menyebut lebih dari 370 juta (pangsa 30%), Gartner 369,3 juta, dan Counterpoint lebih dari 400 juta dalam perkiraan Maret 2025, yang kemudian merevisi pangsa 2025 menjadi 36%. Untuk 2026, 45% dari 1,08 miliar unit versi Counterpoint menyiratkan sekitar 486 juta ponsel GenAI (0,45 x 1,08 miliar), jauh di bawah 559 juta versi Gartner, yang dipublikasikan pada September 2025, sebelum kelangkaan memori memaksa pemangkasan pengiriman; harapkan Gartner merevisinya. Ukuran pasar model bahasa kecil berkisar dari USD 0,93 miliar (MarketsandMarkets) hingga sekitar USD 9 sampai 11 miliar (Research and Markets, Grand View Research) untuk 2025-2026 akibat perbedaan definisi. Semua angka throughput NPU dilaporkan vendor pada model, presisi, dan panjang konteks yang berbeda, sehingga tidak dapat dibandingkan langsung; hasil LLM tingkat perangkat MLPerf Mobile v6.0 adalah data yang perlu dipantau. Angka 30 token/dtk Apple, hasil Llama terkuantisasi Meta, angka Phi Silica Microsoft, dan perkiraan 2028 IDC adalah data 2024, yang terbaru yang pernah dipublikasikan masing-masing sumber. Halaman riset ML Apple mencantumkan 15 bahasa yang didukung, sedangkan laporan teknis arXiv menyebut 16 lokal.
Terakhir diperbarui: 3 Oktober 2026. Kami memperbarui rangkuman ini setiap kuartal, dan pembaruan berikutnya diperkirakan terjadi ketika Counterpoint mempublikasikan pelacak ponsel pintar dan harga memori kuartal ketiga 2026 serta MLCommons merilis hasil LLM publik pertama MLPerf Mobile v6.0.