GenAI対応スマートフォンは2026年に世界出荷の45%に達する見込みで、前年の36%から上昇する(Counterpoint Research、GenAIスマートフォン比率予測2026)。そのほぼすべてが、ニューラルプロセッシングユニット上でローカル実行される小規模言語モデルに依存している。モデル自体も収まるように小型化された。Appleのオンデバイス基盤モデルは、約3Bパラメータを重み1つあたり2ビットに詰め込んでいる(Apple Machine Learning Research、Foundation Models 2025年アップデート)。GoogleのGemma 3n E2Bは最小2GBのメモリで動作する(Google Developers Blog、Gemma 3n開発者ガイド2025)。シリコンも同じ速さで進化しており、Qualcommは最新のHexagon NPUで最大220トークン/秒を謳っている。Counterpoint Research、Gartner、IDC、MLCommons、Apple、Google、Qualcomm、MediaTek、Meta、Microsoft、Deloitte、Samsungのデータを集約し、2026年のオンデバイスSLMの現在地を整理した。ハードウェア全体の動向については、当社のエッジAI統計のまとめをご覧ください。
主なポイント
- 2026年に出荷されるスマートフォンの45%がGenAI対応となり、2025年の36%から上昇(Counterpoint Research、2026)
- 2026年のGenAIスマートフォンは559百万台と予測、2025年は369.3百万台(Gartner、GenAIスマートフォン予測2025)
- 2026年のGenAIスマートフォンへのエンドユーザー支出は393.3 十億ドルと予測、32%増(Gartner、2025)
- Appleのオンデバイスモデルは約3Bパラメータを重み1つあたり2ビットで動作(Apple Machine Learning Research、2025)
- Gemma 3n E2BとE4Bのメモリ使用量は2GBと3GB(Google Developers Blog、2025)
- 量子化版Llama 3.2 1Bと3Bは56%小さく、メモリは41%少ない(Meta AI、2024)
- Snapdragon 8 Elite Gen 5のHexagon NPUは最大220トークン/秒で、前世代より37%高速(Qualcomm、2025)
- Tensor G5上のGemini NanoはTensor G4比で2.6倍高速、2倍高効率(Google、2025)
- 新しいMLPerf Mobile v6.0のLLMベンチマークにLlamaの3サイズ(1B、3B、8B)(MLCommons、2026)
- 2026年第2四半期までにモバイルメモリ価格が約4倍に上昇(Counterpoint Research、2026)
- メモリ逼迫により、2026年のスマートフォン出荷は13.9%減の1.08十億台と予測(Counterpoint Research、2026)
- Galaxy S25ユーザーの70%超が内蔵AI機能を積極的に利用(Samsung、2025)
1. GenAIスマートフォンの出荷:オンデバイスSLMの設置基盤
GenAIスマートフォンは、定義上すべて小規模言語モデルのホストである。GartnerはこのカテゴリをSLMを実行できる内蔵ニューラルエンジンまたはNPUを備えたデバイスと定義している。そのため、出荷予測はローカルモデルを実行できる端末数の最も明快な代理指標となる。Counterpointは現在、2026年に出荷される全スマートフォンの45%、2027年には52%がGenAI対応になると予想している(Counterpoint Research、2026年にGenAIスマートフォン比率が45%へ上昇)。
この曲線の背景にあるのはミッドレンジだ。Counterpointは、GenAIは卸売価格で400ドルを超える価格帯では標準になったとしている。制約は「チップがモデルを実行できるか」から「部品表がメモリのコストを吸収できるか」へ移っており、これはセクション6で定量化する。端末市場全体の背景については、ベンダー別の総出荷台数を扱うスマートフォン市場統計のページをご覧ください。
| 指標 | 値 | 出典 |
|---|---|---|
| 世界のスマートフォン出荷に占めるGenAI対応の割合、2026年 | 45%(2025年の36%から上昇) | Counterpoint Research、2026年6月 |
| GenAI対応の割合の予測、2027年 | 52% | Counterpoint Research、2026年6月 |
| GenAIスマートフォン出荷、2025年予測 | 400百万台超、約3台に1台 | Counterpoint Research、2025年3月 |
| 2024年のGenAI対応の割合 | スマートフォン5台に1台 | Counterpoint Research、2025年3月 |
| GenAIスマートフォン台数、2024年 / 2025年 / 2026年 | 260.4百万 / 369.3百万 / 559百万 | Gartner、GenAIスマートフォン予測、2025年9月 |
| GenAIスマートフォン出荷、2025年 | 370百万台超(シェア30%)、73.1%増 | IDC 世界スマートフォン予測、2025年 |
| GenAIスマートフォン出荷、2028年 | 912百万台、CAGR 78.4% | IDC、生成AIスマートフォン予測、2024年7月 |
補足:3社は定義も時点も異なる。IDCの2024年7月のリリース(IDCプレスリリース)は、GenAIスマートフォンが2028年までに市場の70%に達すると予測していたが、2025年の予測では「70%超」の到達時期が2029年に後ろ倒しされた。IDCの最新の長期データは2024年7月のものである。
2. 支出と市場規模:ハードウェアは巨額、モデル自体の収益は小さい
この市場は、まったく異なる2つの数字で語られる。SLMを動かすハードウェアは主流の消費者向けカテゴリである一方、モデル自体の市場はまだ小さく、定義も曖昧だ。Gartnerは、2026年のGenAIスマートフォンへのエンドユーザー支出を393.3 十億ドルと予測しており、2025年の298.2 十億ドルから32%増となる(Gartner、GenAIスマートフォンのエンドユーザー支出に関するプレスリリース2025)。
ソフトウェア面では、小規模言語モデル市場に対するアナリストの推計は桁違いに食い違っており、これは需要よりも定義について多くを物語っている。MarketsandMarketsは2025年を0.93 十億ドルと見積もる一方、Research and Marketsは約9.16 十億ドルとしている。共通しているのは、どの会社もエッジとオンデバイスの展開を最も成長の速いセグメントとして挙げている点だ。
| 指標 | 値 | 出典 |
|---|---|---|
| GenAIスマートフォンへのエンドユーザー支出、2024年 / 2025年 / 2026年 | 244.7 十億ドル / 298.2 十億ドル / 393.3 十億ドル | Gartner、2025年9月 |
| AI関連エンドユーザー支出全体に占めるGenAIスマートフォンの割合、2025年 | 20% | Gartner、2025年9月 |
| NPU搭載のベーシック(350ドル未満)GenAIスマートフォン、2025年 | 41% | Gartner、2025年9月 |
| 2029年までにGenAI機能を備えるプレミアムスマートフォン | 100% | Gartner、2025年9月 |
| 小規模言語モデル市場、2025年から2032年 | 0.93 十億ドルから5.45 十億ドル、CAGR 28.7% | MarketsandMarkets、2025年4月 |
| 小規模言語モデル市場、2025年から2030年 | 9.16 十億ドルから22.45 十億ドル、CAGR 19.6% | Research and Markets、SLM市場レポート2026 |
| 小規模言語モデル市場、2026年から2030年 | 11.1 十億ドルから20.7 十億ドル、CAGR 15.1% | Grand View Research、SLM市場レポート |
MarketsandMarketsのリリース(GlobeNewswire、2025年4月)は、スマートフォンやIoTデバイスにおけるレイテンシとプライバシーの要求に牽引され、エッジ展開が最も成長の速いセグメントだとしている。
3. モデルサイズと圧縮:3Bパラメータを2ビットで
スマートフォンに常駐するモデルの現実的な上限を決めるのは、意欲ではなくRAMだ。出荷されているモデルは1Bから4Bパラメータに集中しており、本当のエンジニアリングは各重みに何ビットしか割り当てないかにある。Appleは、約3Bパラメータのオンデバイスモデルを、量子化対応学習によって重み1つあたり2ビットに圧縮し、埋め込みは4ビット、KVキャッシュは8ビットとしている(Apple Machine Learning Research、Appleのオンデバイスおよびサーバー基盤言語モデルのアップデート2025)。
これは、Appleのモデルが重み1つあたり平均3.7ビットだった2024年からの大幅な前進だ。GoogleはGemma 3nで別の道を選び、生のパラメータ数を多く保ちつつ、層ごとの埋め込みをアクセラレータのメモリ外に置くことで、高速メモリに載るのは約2Bまたは4Bの「実効」パラメータだけにしている(Google Developers Blog、Gemma 3nの紹介2025)。この水準では圧縮による精度低下は小さい。Appleは、圧縮後にMMLUが1.5%向上し、MGSMが約4.6%低下したと報告している。
| 指標 | 値 | 出典 |
|---|---|---|
| Appleオンデバイスモデルのサイズ | 約3Bパラメータ | Apple Machine Learning Research、2025年 |
| Appleオンデバイスモデルの重みの精度 | 重み1つあたり2ビット(QAT)、埋め込み4ビット、KVキャッシュ8ビット | Apple Machine Learning Research、2025年 |
| ブロック共有によるAppleのKVキャッシュメモリ削減 | 37.5% | Apple Intelligence基盤言語モデル技術レポート、2025年 |
| 2024年のAppleオンデバイスモデルの精度 | 2ビットと4ビットの混合、平均で重み1つあたり3.7ビット | Apple Machine Learning Research、2024年 |
| Gemma 3n E2B / E4Bの生パラメータ数 | 5B / 8B | Google Developers Blog、2025年 |
| Gemma 3n E2B / E4Bのメモリ使用量 | 最小2GB / 3GB | Google Developers Blog、2025年 |
| 量子化版Llama 3.2 1Bと3BのBF16比のサイズおよびメモリ削減 | 56%小さく、メモリ41%減 | Meta AI、量子化Llamaモデル、2024年10月 |
| Phi Silicaのサイズと量子化 | 3.3Bパラメータ、4ビット重み、メモリ約60%削減 | Microsoft Windowsブログ、2024年12月 |
補足:Metaの量子化Llamaのリリース(Meta AIブログ)とMicrosoftのPhi Silicaの投稿(Windows Experience Blog)は、いずれも2024年後半のものだ。両者とも入手可能な最新データは2024年である。ノートPCを用いた学術研究は、有用な経験則を示している。重み1つあたり実効約3.5ビットが、強く量子化した大きなモデルが、小さく高精度なモデルを上回り始める分岐点である(arXiv 2505.15030、オンデバイスLLMの体系的評価)。
4. NPUのスループット:フラッグシップシリコンの毎秒トークン数
スループットの数値はベンダー報告であり、モデルもそれぞれ異なる条件で測定されているため、比較可能なスコアではなく上限値として扱うべきだ。それでも方向性は明白である。Qualcommは、Snapdragon 8 Elite Gen 5のHexagon NPUが前世代より37%高速で、INT2とFP8に対応し、最大220トークン/秒を維持するとしている(Qualcomm、Snapdragon 8 Elite Gen 5発表、2025年9月。数値はFuturum Groupでも裏付けられている)。
より示唆に富むのは、プリフィルとデコードの差だ。プロンプトの読み込みはNPU上では安価だが、新しいトークンを1つずつ生成する処理はメモリ帯域に律速される。Dimensity 9500のNPU上のGemma 3n E2Bは、1,600トークン/秒超で読み込む一方、書き出しは28トークン/秒にとどまる。各社が帯域と低精度フォーマットを競い合っているのはそのためだ。この差は、最初の応答が速くても後半が遅くなるリアルタイム音声やアシスタント機能にとって重要であり、利用面での現れ方は当社の音声アシスタント統計で追跡している。
| 指標 | 値 | 出典 |
|---|---|---|
| Snapdragon 8 Elite Gen 5のNPU性能向上 | 前世代より37%高速 | Qualcomm、2025年9月 |
| Snapdragon 8 Elite Gen 5の持続生成速度 | 最大220トークン/秒 | Qualcomm、2025年9月 |
| Snapdragon 8 Elite Gen 5のSoC全体の消費電力削減 | 16% | QualcommのデータによるFuturum Groupの分析、2025年10月 |
| Dimensity 9500の3BパラメータLLM出力 | 2倍高速(100%)、ピーク電力56%減 | MediaTek Dimensity 9500発表、2025年9月 |
| Dimensity 9500のNPU上のGemma 3n E2B(4Kコンテキスト) | プリフィル1,600トークン/秒超、デコード28トークン/秒 | Google LiteRT NeuroPilotの結果、2025年12月 |
| MediaTek上のLiteRT NPUスループットのCPU / GPU比 | 最大でCPUの12倍、GPUの10倍 | Google LiteRT NeuroPilotの結果、2025年12月 |
| Tensor G5上のGemini NanoのTensor G4比 | 2.6倍高速、2倍高効率、TPUは最大60%高性能 | Google、Pixel 10 Tensor G5発表、2025年8月 |
| Appleオンデバイスモデル(iPhone 15 Pro) | プロンプトトークンあたり最初のトークンまで0.6ミリ秒、30トークン/秒 | Apple Machine Learning Research、2024年 |
MediaTekの数値は同社の発表リリース(PR Newswire経由のMediaTek)によるもので、GoogleのTensor G5に関する主張はPixel 10 Tensor G5の投稿によるものだ。Appleのトークン/秒の数値は同社が公表した最新のもので、2024年のものである。
5. ベンチマークと品質:MLPerf MobileがLLM時代に突入
2026年まで、スマートフォンのLLMに中立的な物差しは存在せず、セクション4の数値はすべてベンダー自身のものだった。MLCommonsが2026年6月15日に公開したMLPerf Mobile v6.0は、Llama 3.2 1B、Llama 3.2 3B、Llama 3.1 8BをベースにしたLLMベンチマークを追加し、TinyMMLUとIFEvalで評価する(MLCommons、MLPerf Mobile v6.0)。
8Bモデルの採用が最大のニュースだ。MLCommonsは、v6.0がSnapdragon 8 Elite Gen 5上でのLlama 3.1 8BのNPU高速化実行に対応していると述べており、このサイズは1年前にはデータセンター向けのベンチマークだった。品質面では、小規模モデルは知識テストで大型モデルにほぼ肩を並べている。Appleの3Bオンデバイスモデルは、MMLUで67.85%を記録してQwen-2.5-3Bをわずかに上回り、Phi Silicaは4ビット量子化後のPIQAの低下が1ポイント未満にとどまる。これらのベンチマークの多くの基盤となるオープンウェイトのモデル群については、当社のオープンソースLLM統計をご覧ください。
| 指標 | 値 | 出典 |
|---|---|---|
| MLPerf Mobile v6.0のLLMモデル | Llama 3.2 1B、Llama 3.2 3B、Llama 3.1 8B | MLCommons、2026年6月 |
| v6.0で新規または更新されたサポート対象のSoC | Snapdragon 8 Elite Gen 5、Dimensity 9500、Exynos 2600 | MLCommons、2026年6月 |
| MLPerf Mobileの基準品質、Llama 3.1 8B | TinyMMLU約61%、IFEval約67%(FP16) | MLCommons、MLPerf Mobileベンチマークページ |
| MLPerf Mobileの基準品質、Llama 3.2 3B | TinyMMLU約59%、IFEval約65.5%(FP16) | MLCommons、MLPerf Mobileベンチマークページ |
| MLPerf Inference 5.1の小規模LLMのインタラクティブ上限(Llama 3.1 8B) | 最初のトークンまで0.5秒以内、出力トークンあたり30ミリ秒 | MLCommons、2025年9月 |
| AppleオンデバイスモデルのMMLU | 67.85%、Qwen-2.5-3Bは66.37%、Gemma-3-4Bは62.81% | Apple基盤モデル技術レポート、2025年 |
| 4ビット量子化後のPhi Silicaの精度 | PIQA 80.47%から79.76%、ARC Challenge 63.48%から60.49% | Microsoft Windowsブログ、2024年12月 |
| Gemma 3n E4BのLMArenaスコア | 1300超 | Google Developers Blog、2025年 |
補足:MLPerf Mobileのベンチマークページ(MLCommons)は、シングルストリームのタスクの主要指標として90パーセンタイルのレイテンシを使用している。v6.0のデバイス別の公開LLM結果は、確認したリリース発表には掲載されていなかった。AppleのスコアはarXivの2025年技術レポートによるものだ。
6. メモリとコストの制約:DRAMの逼迫
2026年のオンデバイスSLMにとって最大の脅威は、モデルの品質ではなく、モデルが載るRAMの価格である。Counterpointは、AIデータセンターがDRAMとNANDの生産の大半を吸収した結果、モバイルメモリ価格が2026年第2四半期までに約4倍に上昇したと報告している(Counterpoint Research、モバイルメモリのコスト上昇、2026年9月)。
6か月で予測がどれほど悪化したかに注目してほしい。2025年12月には出荷2.1%減、2026年3月には12.4%減、6月には13.9%減となった。2ビットの3Bモデルは重みに1ギガバイトを大きく下回る容量しか必要としないが、GenAI機能が前提とする数ギガバイトのRAMの余裕こそ、低価格帯スマートフォンがいま削っているものだ。Counterpointが次世代のGenAIスマートフォンを、メモリ供給とより効率的なモデルの両方に結びつけているのはそのためだ。
| 指標 | 値 | 出典 |
|---|---|---|
| 2026年第2四半期までのモバイルメモリ価格の変化 | 約4倍 | Counterpoint Research、2026年9月 |
| モバイルLPDDR4/5価格、2026年第2四半期の2025年第3四半期比 | 約3倍 | Counterpoint Research、EE Times Asia経由、2026年3月 |
| DRAM高騰による部品表(BoM)コスト増、ローエンド / ミッド / ハイエンド | 約25% / 15% / 10% | Counterpoint Research、2025年12月 |
| 卸売平均販売価格(ASP)の修正、2026年 | 前年比6.9%増 | Counterpoint Research、2025年12月 |
| 2026年のスマートフォン出荷予測、2025年12月 / 2026年3月 / 2026年6月 | -2.1% / -12.4% / -13.9% | Counterpoint Research |
| 2026年の世界スマートフォン出荷 | 1.08十億台、過去最低 | Counterpoint Research、2026年6月 |
| 200ドル未満セグメントの出荷、2026年 | 20%超の減少 | Counterpoint Research、EE Times Asia経由、2026年3月 |
出典:Counterpoint、2026年スマートフォン出荷予測の下方修正および2026年3月の修正に関するEE Times Asia。Gartnerはハードウェアの下限も示しており、40 TOPSを超えるNPUは2027年までにプレミアムスマートフォンで標準になると予想している。
7. 採用、利用、信頼:開発者と消費者
配布はもはやボトルネックではない。Appleは、Foundation Modelsフレームワークを通じて、オンデバイスモデルをサードパーティアプリに開放した。推論は無料でオフラインでも動作し、Swiftのわずか3行で利用できる(Apple Newsroom、WWDC25)。Samsungは、Galaxy S25ユーザーの70%超が内蔵AI機能を積極的に利用していると述べ、Galaxy AIを2025年末までに400百万台超のデバイスに展開する目標を掲げた。これは2024年の目標200百万台の2倍にあたる(Samsung Newsroom、Galaxy Tech Forum 2025)。
信頼はその対極にあり、推論をローカルに保つべき最も強力な論拠でもある。Deloitteは、米国の消費者の70%がデータのプライバシーとセキュリティを懸念しており、データが保護されていると高い確信を持つ人は27%にすぎないことを明らかにした。オンデバイスSLMは設計上この懸念に応えるものであり、音声が端末の外に出る必要のないDiscord向けリアルタイムボイスチェンジャーのような音声ツールでローカル処理が重要な理由でもある。
| 指標 | 値 | 出典 |
|---|---|---|
| 内蔵AIを積極的に利用するGalaxy S25ユーザー | 70%超 | Samsung、2025年7月 |
| Galaxy AIの展開デバイス目標、2025年末 | 400百万台超(2024年は200百万台) | Samsung、2025年7月 |
| AI機能が日常の一部になっていると答えたユーザー | 47% | Samsung / Symmetry Research調査、2025年 |
| 入力と同じ頻度で音声コマンドを使うユーザー | 45% | Samsung / Symmetry Research調査、2025年 |
| 1年以内にGenAIスマートフォンの購入を予定している消費者 | 59% | Counterpoint Research消費者調査、2024年12月 |
| GenAIを利用または試している米国の消費者 | 53% | Deloitte Connected Consumer Survey 2025(n=3,524) |
| データのプライバシーとセキュリティを懸念する米国の消費者 | 70% | Deloitte Connected Consumer Survey 2025 |
| データが保護されていると高い確信を持つ消費者 | 27% | Deloitte Connected Consumer Survey 2025 |
調査の詳細:Deloitteの2025年Connected ConsumerプレスリリースおよびCounterpointの買い替え意向調査。Counterpointの調査は2024年12月のもので、同社が公表した最新の買い替え意向データである。
数字で見るオンデバイス小規模言語モデル(まとめ)
| 指標 | 値 | 出典 |
|---|---|---|
| スマートフォン出荷に占めるGenAI対応の割合、2026年 | 45% | Counterpoint Research、2026年 |
| GenAI対応の割合、2027年 | 52% | Counterpoint Research、2026年 |
| GenAIスマートフォン台数、2026年 | 559百万 | Gartner、2025年 |
| GenAIスマートフォンへのエンドユーザー支出、2026年 | 393.3 十億ドル(+32%) | Gartner、2025年 |
| GenAIスマートフォン出荷、2028年 | 912百万 | IDC、2024年 |
| 小規模言語モデル市場、2032年 | 5.45 十億ドル(CAGR 28.7%) | MarketsandMarkets、2025年 |
| Appleオンデバイスモデル | 約3Bパラメータを重み1つあたり2ビット | Apple Machine Learning Research、2025年 |
| AppleのKVキャッシュメモリ削減 | 37.5% | Apple技術レポート、2025年 |
| Gemma 3n E2Bのメモリ使用量 | 最小2GB | Google Developers Blog、2025年 |
| 量子化版Llama 3.2のサイズ / メモリ削減 | 56% / 41% | Meta AI、2024年 |
| Snapdragon 8 Elite Gen 5のNPU | 最大220トークン/秒、37%高速 | Qualcomm、2025年 |
| Dimensity 9500の3B LLM出力 | 2倍高速、ピーク電力56%減 | MediaTek、2025年 |
| Dimensity 9500のNPU上のGemma 3n E2B | プリフィル1,600トークン/秒超、デコード28トークン/秒 | Google LiteRT、2025年 |
| Tensor G5上のGemini Nano | 2.6倍高速、2倍高効率 | Google、2025年 |
| MLPerf Mobile v6.0のLLMサイズ | 1B、3B、8B | MLCommons、2026年 |
| 2026年第2四半期までのモバイルメモリ価格 | 約4倍 | Counterpoint Research、2026年 |
| 2026年のスマートフォン出荷 | 1.08十億台(-13.9%) | Counterpoint Research、2026年 |
| AIを積極的に利用するGalaxy S25ユーザー | 70%超 | Samsung、2025年 |
| プライバシーを懸念する米国の消費者 | 70% | Deloitte、2025年 |
方法論と出典
- Counterpoint Research、2026年に世界出荷の45%へ上昇するGenAIスマートフォン比率(2026年6月)、セグメントの詳細はElectronics For Youによる報道
- Counterpoint Research、2025年に400百万台を超えるGenAIスマートフォン出荷(2025年3月)
- Counterpoint Research、メモリ不足でBoMコストが上昇し、2026年スマートフォン出荷予測が下方修正(2025年12月)
- Counterpoint Research、モバイルメモリのコスト上昇(2026年9月)
- Counterpoint Research、GenAIスマートフォンへの買い替えに関する消費者調査(2024年12月)
- EE Times Asia、Counterpointの2026年3月の出荷予測修正に関する報道
- Gartner、世界のGenAIスマートフォンのエンドユーザー支出に関するプレスリリース(2025年9月)
- IDC、世界の生成AIスマートフォン出荷予測(2024年7月)およびIDC 世界スマートフォン予測(2025年)
- MarketsandMarkets、小規模言語モデル市場のリリース(2025年4月)、Research and Markets、小規模言語モデル市場レポート2026、Grand View Research、小規模言語モデル市場レポート
- Apple Machine Learning Research、Appleのオンデバイスおよびサーバー基盤言語モデルのアップデート(2025年)、Apple Intelligence基盤言語モデル技術レポート2025(arXiv)、Appleのオンデバイスおよびサーバー基盤モデルの紹介(2024年)、Apple Newsroom、WWDC25
- Google Developers Blog、Gemma 3nの紹介(2025年6月)およびGoogle、Pixel 10 Tensor G5(2025年8月)
- Dimensity 9500上のGoogle LiteRT NeuroPilotの結果(2025年12月)、MarkTechPostによる報道
- Qualcomm、Snapdragon 8 Elite Gen 5発表(2025年9月)およびFuturum Groupの分析
- MediaTek、Dimensity 9500発表リリース(2025年9月)
- Meta AI、量子化Llamaモデルの紹介(2024年10月)
- Microsoft、Phi Silica:小さくても強力なオンデバイスSLM(2024年12月)
- MLCommons、MLPerf Mobile v6.0(2026年6月)、MLPerf Mobileベンチマークページ、MLPerf Inference 5.1の小規模LLMベンチマーク(2025年9月)
- arXiv 2505.15030、オンデバイスLLMの体系的評価:量子化、性能、リソース
- Samsung Newsroom、Galaxy Unpacked 2025でのGalaxy Tech Forum(2025年7月)、調査数値はFoneArenaによる報道
- Deloitte、2025年Connected Consumer調査のプレスリリース(2025年9月)
- データウォッチ:2025年のGenAIスマートフォンの台数は会社ごとに異なる。IDCは370百万台超(シェア30%)、Gartnerは369.3百万台、Counterpointは2025年3月の予測で400百万台超とし、その後2025年のシェアを36%に修正した。2026年については、Counterpointの1.08十億台の45%は約486百万台のGenAIスマートフォン(0.45 × 1.08十億)に相当し、メモリ不足で出荷削減が避けられなくなる前の2025年9月に公表されたGartnerの559百万台を大きく下回る。Gartnerによる修正が見込まれる。小規模言語モデルの市場規模は、定義の違いにより、2025年から2026年にかけて0.93 十億ドル(MarketsandMarkets)から約9〜11 十億ドル(Research and Markets、Grand View Research)まで幅がある。NPUスループットの数値はすべて、異なるモデル、精度、コンテキスト長でのベンダー報告であり、直接比較はできない。注目すべきデータはMLPerf Mobile v6.0のデバイス別LLM結果である。Appleの30トークン/秒、Metaの量子化Llamaの結果、MicrosoftのPhi Silicaの数値、IDCの2028年予測は、いずれも2024年のデータであり、各社が公表した最新のものだ。AppleのMLリサーチページは対応言語を15と記載しているが、arXivの技術レポートは16ロケールと記載している。
最終更新日:2026年10月3日。当社はこのまとめを四半期ごとに更新しており、次回の更新は、Counterpointが2026年第3四半期のスマートフォンおよびメモリ価格トラッカーを公表し、MLCommonsがMLPerf Mobile v6.0の最初の公開LLM結果を発表した時点を予定している。