สมาร์ตโฟนที่รองรับ GenAI มีแนวโน้มแตะ 45% ของยอดจัดส่งทั่วโลกในปี 2026 เพิ่มจาก 36% เมื่อปีก่อน (Counterpoint Research, คาดการณ์สัดส่วนสมาร์ตโฟน GenAI ปี 2026) และเกือบทั้งหมดพึ่งพาโมเดลภาษาขนาดเล็กที่รันภายในเครื่องบนหน่วยประมวลผลประสาทเทียม ตัวโมเดลเองก็หดขนาดลงเพื่อให้พอดี โดยโมเดลพื้นฐานบนอุปกรณ์ของ Apple อัดราว 3 พันล้านพารามิเตอร์ลงใน 2 บิตต่อน้ำหนัก (Apple Machine Learning Research, อัปเดตโมเดลพื้นฐานปี 2025) และ Gemma 3n E2B ของ Google รันได้ในหน่วยความจำเพียง 2GB (Google Developers Blog, คู่มือนักพัฒนา Gemma 3n ปี 2025) ฝั่งซิลิคอนก็ก้าวหน้าไม่แพ้กัน โดย Qualcomm อ้างว่า NPU Hexagon รุ่นล่าสุดทำได้สูงสุด 220 โทเคนต่อวินาที เรารวบรวมข้อมูลจาก Counterpoint Research, Gartner, IDC, MLCommons, Apple, Google, Qualcomm, MediaTek, Meta, Microsoft, Deloitte และ Samsung เพื่อทำแผนที่ว่า SLM บนอุปกรณ์อยู่ตรงไหนในปี 2026 สำหรับภาพรวมด้านฮาร์ดแวร์ที่กว้างขึ้น ดูสรุปสถิติ AI ที่ขอบเครือข่ายของเรา
สรุปโดยย่อ
- 45% ของสมาร์ตโฟนที่จัดส่งในปี 2026 จะรองรับ GenAI เพิ่มจาก 36% ในปี 2025 (Counterpoint Research, 2026)
- คาดการณ์สมาร์ตโฟน GenAI 559 ล้านเครื่องในปี 2026 หลังจาก 369.3 ล้านเครื่องในปี 2025 (Gartner, คาดการณ์สมาร์ตโฟน GenAI ปี 2025)
- คาดการณ์การใช้จ่ายของผู้ใช้ปลายทางกับสมาร์ตโฟน GenAI อยู่ที่ USD 393.3 พันล้านในปี 2026 เพิ่มขึ้น 32% (Gartner, 2025)
- ราว 3 พันล้านพารามิเตอร์ที่ 2 บิตต่อน้ำหนักขับเคลื่อนโมเดลบนอุปกรณ์ของ Apple (Apple Machine Learning Research, 2025)
- ใช้หน่วยความจำ 2GB และ 3GB สำหรับ Gemma 3n E2B และ E4B (Google Developers Blog, 2025)
- Llama 3.2 1B และ 3B แบบควอนไทซ์มีขนาดเล็กลง 56% และใช้หน่วยความจำน้อยลง 41% (Meta AI, 2024)
- สูงสุด 220 โทเคนต่อวินาทีบน NPU Hexagon ของ Snapdragon 8 Elite Gen 5 เร็วกว่ารุ่นก่อน 37% (Qualcomm, 2025)
- Gemini Nano บน Tensor G5 เร็วกว่า 2.6 เท่าและประหยัดพลังงานกว่า 2 เท่าเมื่อเทียบกับ Tensor G4 (Google, 2025)
- โมเดล Llama 3 ขนาด (1B, 3B, 8B) ในเกณฑ์วัด LLM ใหม่ของ MLPerf Mobile v6.0 (MLCommons, 2026)
- ราคาหน่วยความจำมือถือเพิ่มขึ้นราวสี่เท่าภายในไตรมาส 2 ปี 2026 (Counterpoint Research, 2026)
- คาดว่ายอดจัดส่งสมาร์ตโฟนปี 2026 ลดลง 13.9% เหลือ 1.08 พันล้านเครื่อง เพราะภาวะขาดแคลนหน่วยความจำ (Counterpoint Research, 2026)
- ผู้ใช้ Galaxy S25 มากกว่า 70% ใช้ฟีเจอร์ AI ในตัวเครื่องอย่างสม่ำเสมอ (Samsung, 2025)
1. ยอดจัดส่งสมาร์ตโฟน GenAI: ฐานติดตั้งสำหรับ SLM บนอุปกรณ์
สมาร์ตโฟน GenAI ทุกเครื่องย่อมเป็นโฮสต์ของโมเดลภาษาขนาดเล็กโดยนิยาม Gartner กำหนดหมวดหมู่นี้ว่าเป็นอุปกรณ์ที่มีเอนจินประสาทเทียมหรือ NPU ในตัวที่รัน SLM ได้ ดังนั้นคาดการณ์ยอดจัดส่งจึงเป็นตัวแทนที่ชัดเจนที่สุดของจำนวนอุปกรณ์ที่รันโมเดลในเครื่องได้ ตอนนี้ Counterpoint คาดว่า 45% ของสมาร์ตโฟนทั้งหมดที่จัดส่งในปี 2026 จะรองรับ GenAI และ 52% ในปี 2027 (Counterpoint Research, สัดส่วนสมาร์ตโฟน GenAI จะขึ้นเป็น 45% ในปี 2026)
เรื่องราวเบื้องหลังเส้นกราฟอยู่ที่ตลาดระดับกลาง Counterpoint ระบุว่า GenAI เป็นมาตรฐานแล้วในรุ่นที่ราคาขายส่งสูงกว่า 400 USD ข้อจำกัดเปลี่ยนจาก “ชิปรันโมเดลได้ไหม” เป็น “ต้นทุนวัสดุ (BoM) รับภาระหน่วยความจำไหวหรือไม่” ซึ่งส่วนที่ 6 ได้ประเมินเป็นตัวเลข หากต้องการบริบทของอุปกรณ์ที่กว้างขึ้น หน้าสถิติตลาดสมาร์ตโฟนของเราครอบคลุมยอดรวมแยกตามผู้ผลิต
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| สัดส่วนสมาร์ตโฟนที่รองรับ GenAI ในยอดจัดส่งทั่วโลก ปี 2026 | 45% (เพิ่มจาก 36% ในปี 2025) | Counterpoint Research, มิถุนายน 2026 |
| คาดการณ์สัดส่วนที่รองรับ GenAI ปี 2027 | 52% | Counterpoint Research, มิถุนายน 2026 |
| ยอดจัดส่งสมาร์ตโฟน GenAI คาดการณ์ปี 2025 | มากกว่า 400 ล้านเครื่อง ราวหนึ่งในสามของโทรศัพท์ทั้งหมด | Counterpoint Research, มีนาคม 2025 |
| สัดส่วนที่รองรับ GenAI ในปี 2024 | หนึ่งในห้าของสมาร์ตโฟน | Counterpoint Research, มีนาคม 2025 |
| จำนวนสมาร์ตโฟน GenAI ปี 2024 / 2025 / 2026 | 260.4 ล้าน / 369.3 ล้าน / 559 ล้านเครื่อง | Gartner, คาดการณ์สมาร์ตโฟน GenAI, กันยายน 2025 |
| ยอดจัดส่งสมาร์ตโฟน GenAI ปี 2025 | มากกว่า 370 ล้านเครื่อง (สัดส่วน 30%) เพิ่มขึ้น 73.1% | IDC คาดการณ์สมาร์ตโฟนทั่วโลก, 2025 |
| ยอดจัดส่งสมาร์ตโฟน GenAI ปี 2028 | 912 ล้านเครื่อง CAGR 78.4% | IDC, คาดการณ์สมาร์ตโฟน AI เชิงสร้างสรรค์, กรกฎาคม 2024 |
หมายเหตุบริบท: ทั้งสามบริษัทใช้นิยามและวันที่ต่างกัน เอกสารของ IDC เมื่อกรกฎาคม 2024 (ข่าวประชาสัมพันธ์ IDC) คาดว่าโทรศัพท์ GenAI จะมีสัดส่วน 70% ของตลาดภายในปี 2028 ขณะที่คาดการณ์ปี 2025 เลื่อนหลักไมล์ “เกิน 70%” ไปเป็นปี 2029 ข้อมูลระยะยาวล่าสุดของ IDC: กรกฎาคม 2024
2. การใช้จ่ายและขนาดตลาด: เม็ดเงินฮาร์ดแวร์มหาศาล รายได้จากโมเดลยังน้อย
ตัวเลขสองชุดที่ต่างกันมากอธิบายตลาดนี้ ฮาร์ดแวร์ที่รัน SLM เป็นสินค้าผู้บริโภคกระแสหลัก ขณะที่ตลาดของตัวโมเดลเองยังเล็กและนิยามได้ไม่ชัด Gartner คาดการณ์การใช้จ่ายของผู้ใช้ปลายทางกับสมาร์ตโฟน GenAI ที่ USD 393.3 พันล้านในปี 2026 เพิ่มขึ้น 32% จาก USD 298.2 พันล้านในปี 2025 (Gartner, ข่าวประชาสัมพันธ์การใช้จ่ายของผู้ใช้ปลายทางกับสมาร์ตโฟน GenAI ปี 2025)
ฝั่งซอฟต์แวร์ ประมาณการของนักวิเคราะห์สำหรับตลาดโมเดลภาษาขนาดเล็กต่างกันเป็นลำดับขนาด ซึ่งบอกเรื่องนิยามมากกว่าเรื่องความต้องการ MarketsandMarkets ประเมินปี 2025 ที่ USD 0.93 พันล้าน ขณะที่ Research and Markets ให้ไว้ใกล้ USD 9.16 พันล้าน จุดร่วมคือทุกบริษัทชี้ว่าการติดตั้งที่ขอบเครือข่ายและบนอุปกรณ์เป็นกลุ่มที่เติบโตเร็วที่สุด
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| การใช้จ่ายของผู้ใช้ปลายทางกับสมาร์ตโฟน GenAI ปี 2024 / 2025 / 2026 | USD 244.7 พันล้าน / USD 298.2 พันล้าน / USD 393.3 พันล้าน | Gartner, กันยายน 2025 |
| สัดส่วนสมาร์ตโฟน GenAI ของการใช้จ่ายด้าน AI ของผู้ใช้ปลายทางทั้งหมด ปี 2025 | 20% | Gartner, กันยายน 2025 |
| สมาร์ตโฟน GenAI ระดับพื้นฐาน (ต่ำกว่า 350 USD) ที่มี NPU ปี 2025 | 41% | Gartner, กันยายน 2025 |
| สมาร์ตโฟนระดับพรีเมียมที่มีความสามารถ GenAI ภายในปี 2029 | 100% | Gartner, กันยายน 2025 |
| ตลาดโมเดลภาษาขนาดเล็ก ปี 2025 ถึง 2032 | USD 0.93 พันล้าน ถึง USD 5.45 พันล้าน CAGR 28.7% | MarketsandMarkets, เมษายน 2025 |
| ตลาดโมเดลภาษาขนาดเล็ก ปี 2025 ถึง 2030 | USD 9.16 พันล้าน ถึง USD 22.45 พันล้าน CAGR 19.6% | Research and Markets, รายงานตลาด SLM ปี 2026 |
| ตลาดโมเดลภาษาขนาดเล็ก ปี 2026 ถึง 2030 | USD 11.1 พันล้าน ถึง USD 20.7 พันล้าน CAGR 15.1% | Grand View Research, รายงานตลาด SLM |
เอกสารของ MarketsandMarkets (GlobeNewswire, เมษายน 2025) ระบุว่าการติดตั้งที่ขอบเครือข่ายเป็นกลุ่มที่เติบโตเร็วที่สุด โดยมีแรงขับเคลื่อนจากความต้องการด้านความหน่วงและความเป็นส่วนตัวบนสมาร์ตโฟนและอุปกรณ์ IoT
3. ขนาดโมเดลและการบีบอัด: 3 พันล้านพารามิเตอร์ที่ 2 บิต
เพดานในทางปฏิบัติของโมเดลที่อยู่บนโทรศัพท์ถูกกำหนดด้วย RAM ไม่ใช่ความทะเยอทะยาน โมเดลที่วางจำหน่ายกระจุกตัวระหว่าง 1B ถึง 4B พารามิเตอร์ และงานวิศวกรรมที่แท้จริงอยู่ที่การให้บิตกับแต่ละน้ำหนักให้น้อยที่สุด Apple บีบอัดโมเดลบนอุปกรณ์ที่มีราว 3 พันล้านพารามิเตอร์เหลือ 2 บิตต่อน้ำหนักด้วยการฝึกที่คำนึงถึงการควอนไทซ์ โดยเอมเบดดิง 4 บิตและแคช KV 8 บิต (Apple Machine Learning Research, อัปเดตโมเดลภาษาพื้นฐานบนอุปกรณ์และบนเซิร์ฟเวอร์ของ Apple ปี 2025)
นั่นเป็นการลดลงอย่างฮวบจากปี 2024 ซึ่งโมเดลของ Apple เฉลี่ย 3.7 บิตต่อน้ำหนัก Google เลือกเส้นทางต่างออกไปกับ Gemma 3n โดยเก็บพารามิเตอร์ดิบไว้มากกว่า แต่พักเอมเบดดิงรายเลเยอร์ไว้นอกหน่วยความจำของตัวเร่งความเร็ว ทำให้มีพารามิเตอร์ “ที่ใช้งานจริง” เพียงราว 2B หรือ 4B อยู่ในหน่วยความจำความเร็วสูง (Google Developers Blog, แนะนำ Gemma 3n ปี 2025) การบีบอัดแลกกับความแม่นยำน้อยมากที่ระดับนี้ โดย Apple รายงานว่า MMLU ดีขึ้น 1.5% และ MGSM ถดถอยราว 4.6% หลังการบีบอัด
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ขนาดโมเดลบนอุปกรณ์ของ Apple | ราว 3 พันล้านพารามิเตอร์ | Apple Machine Learning Research, 2025 |
| ความละเอียดน้ำหนักของโมเดลบนอุปกรณ์ของ Apple | 2 บิตต่อน้ำหนัก (QAT) เอมเบดดิง 4 บิต แคช KV 8 บิต | Apple Machine Learning Research, 2025 |
| การลดหน่วยความจำแคช KV ของ Apple จากการแชร์บล็อก | 37.5% | รายงานทางเทคนิคโมเดลภาษาพื้นฐานของ Apple Intelligence, 2025 |
| ความละเอียดของโมเดลบนอุปกรณ์ของ Apple ในปี 2024 | ผสม 2 บิตและ 4 บิต เฉลี่ย 3.7 บิตต่อน้ำหนัก | Apple Machine Learning Research, 2024 |
| พารามิเตอร์ดิบของ Gemma 3n E2B / E4B | 5B / 8B | Google Developers Blog, 2025 |
| การใช้หน่วยความจำของ Gemma 3n E2B / E4B | ต่ำสุด 2GB / 3GB | Google Developers Blog, 2025 |
| ขนาดและการลดหน่วยความจำของ Llama 3.2 1B และ 3B แบบควอนไทซ์เทียบกับ BF16 | เล็กลง 56% ใช้หน่วยความจำน้อยลง 41% | Meta AI, โมเดล Llama แบบควอนไทซ์, ตุลาคม 2024 |
| ขนาดและการควอนไทซ์ของ Phi Silica | 3.3B พารามิเตอร์ น้ำหนัก 4 บิต ลดหน่วยความจำราว 60% | Microsoft Windows Blog, ธันวาคม 2024 |
หมายเหตุบริบท: การเปิดตัว Llama แบบควอนไทซ์ของ Meta (บล็อก Meta AI) และบทความ Phi Silica ของ Microsoft (Windows Experience Blog) เป็นของปลายปี 2024 ข้อมูลล่าสุดที่มีสำหรับทั้งสองรายคือปี 2024 งานวิจัยเชิงวิชาการบนแล็ปท็อปให้หลักคร่าว ๆ ที่มีประโยชน์ว่า ราว 3.5 บิตที่ใช้งานจริงต่อน้ำหนักคือจุดที่โมเดลใหญ่ซึ่งถูกควอนไทซ์หนักเริ่มเอาชนะโมเดลเล็กที่มีความละเอียดสูงกว่า (arXiv 2505.15030, การประเมินอย่างเป็นระบบของ LLM บนอุปกรณ์)
4. ปริมาณงานของ NPU: โทเคนต่อวินาทีบนซิลิคอนรุ่นเรือธง
ตัวเลขปริมาณงานมาจากผู้ผลิตเองและวัดบนโมเดลที่ต่างกัน จึงควรมองเป็นเพดานสูงสุด ไม่ใช่คะแนนที่เทียบกันได้ ถึงกระนั้นทิศทางก็ชัดเจนไม่มีใครเถียงได้ Qualcomm ระบุว่า NPU Hexagon ของ Snapdragon 8 Elite Gen 5 เร็วกว่ารุ่นก่อน 37% และรักษาความเร็วได้สูงสุด 220 โทเคนต่อวินาที พร้อมรองรับ INT2 และ FP8 (Qualcomm, เปิดตัว Snapdragon 8 Elite Gen 5, กันยายน 2025 ตัวเลขได้รับการยืนยันโดย Futurum Group)
ตัวเลขที่บอกเรื่องราวได้ดีกว่าคือความต่างระหว่างขั้นประมวลผลพรอมต์กับขั้นถอดรหัส การอ่านพรอมต์เป็นงานเบาสำหรับ NPU ส่วนการสร้างโทเคนใหม่แต่ละตัวถูกจำกัดด้วยหน่วยความจำ Gemma 3n E2B บน NPU ของ Dimensity 9500 อ่านได้มากกว่า 1,600 โทเคนต่อวินาที แต่เขียนได้เพียง 28 ซึ่งเป็นเหตุผลที่ผู้ผลิตทุกรายแย่งกันเรื่องแบนด์วิดท์และรูปแบบความละเอียดต่ำลง ช่องว่างนี้สำคัญกับฟีเจอร์เสียงและผู้ช่วยแบบเรียลไทม์ ซึ่งคำตอบแรกที่เร็วบดบังส่วนท้ายที่ช้า สถิติผู้ช่วยเสียงของเราติดตามว่าเรื่องนี้ปรากฏในการใช้งานอย่างไร
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ประสิทธิภาพที่เพิ่มขึ้นของ NPU Snapdragon 8 Elite Gen 5 | เร็วกว่ารุ่นก่อน 37% | Qualcomm, กันยายน 2025 |
| การสร้างข้อความต่อเนื่องของ Snapdragon 8 Elite Gen 5 | สูงสุด 220 โทเคนต่อวินาที | Qualcomm, กันยายน 2025 |
| การประหยัดพลังงานโดยรวมของ SoC Snapdragon 8 Elite Gen 5 | 16% | การวิเคราะห์ข้อมูล Qualcomm โดย Futurum Group, ตุลาคม 2025 |
| ผลลัพธ์ LLM 3B พารามิเตอร์ของ Dimensity 9500 | เร็วกว่า 2 เท่า (100%) พลังงานสูงสุดต่ำลง 56% | เปิดตัว MediaTek Dimensity 9500, กันยายน 2025 |
| Gemma 3n E2B บน NPU ของ Dimensity 9500 (บริบท 4K) | 1,600+ โทเคนต่อวินาทีในขั้นประมวลผลพรอมต์ 28 โทเคนต่อวินาทีในขั้นถอดรหัส | ผล Google LiteRT NeuroPilot, ธันวาคม 2025 |
| ปริมาณงาน NPU ของ LiteRT เทียบกับ CPU / GPU บน MediaTek | สูงสุด 12 เท่าของ CPU, 10 เท่าของ GPU | ผล Google LiteRT NeuroPilot, ธันวาคม 2025 |
| Gemini Nano บน Tensor G5 เทียบกับ Tensor G4 | เร็วกว่า 2.6 เท่า ประหยัดพลังงานกว่า 2 เท่า TPU แรงขึ้นสูงสุด 60% | Google, ประกาศ Pixel 10 Tensor G5, สิงหาคม 2025 |
| โมเดลบนอุปกรณ์ของ Apple (iPhone 15 Pro) | 0.6 มิลลิวินาทีต่อโทเคนพรอมต์จนถึงโทเคนแรก 30 โทเคนต่อวินาที | Apple Machine Learning Research, 2024 |
ตัวเลขของ MediaTek มาจากเอกสารเปิดตัวของบริษัท (MediaTek ผ่าน PR Newswire) ส่วนข้ออ้างเกี่ยวกับ Tensor G5 ของ Google มาจากบทความ Pixel 10 Tensor G5 ตัวเลขโทเคนต่อวินาทีของ Apple เป็นตัวเลขล่าสุดที่บริษัทเคยเผยแพร่: ปี 2024
5. เกณฑ์วัดและคุณภาพ: MLPerf Mobile เข้าสู่ยุค LLM
จนถึงปี 2026 ยังไม่มีมาตรวัดที่เป็นกลางสำหรับ LLM บนโทรศัพท์ ตัวเลขทุกตัวในส่วนที่ 4 มาจากผู้ผลิตเอง MLPerf Mobile v6.0 ที่ MLCommons เผยแพร่เมื่อวันที่ 15 มิถุนายน 2026 เพิ่มเกณฑ์วัด LLM ที่สร้างบน Llama 3.2 1B, Llama 3.2 3B และ Llama 3.1 8B โดยให้คะแนนด้วย TinyMMLU และ IFEval (MLCommons, MLPerf Mobile v6.0)
การรวมโมเดล 8B เข้ามาคือประเด็นเด่น MLCommons ระบุว่า v6.0 รองรับการรัน Llama 3.1 8B ที่เร่งด้วย NPU บน Snapdragon 8 Elite Gen 5 ซึ่งเป็นขนาดที่เมื่อปีก่อนยังเป็นเกณฑ์วัดของศูนย์ข้อมูล ด้านคุณภาพ โมเดลขนาดเล็กตอนนี้ใกล้เคียงรุ่นพี่ที่ใหญ่กว่าในการทดสอบความรู้ โมเดล 3B บนอุปกรณ์ของ Apple ได้ 67.85% บน MMLU นำ Qwen-2.5-3B เล็กน้อย และ Phi Silica เสียคะแนน PIQA ไม่ถึงหนึ่งจุดหลังควอนไทซ์ 4 บิต สำหรับตระกูลโมเดลโอเพนเวตที่อยู่เบื้องหลังเกณฑ์วัดเหล่านี้ ดูสถิติ LLM โอเพนซอร์สของเรา
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| โมเดล LLM ของ MLPerf Mobile v6.0 | Llama 3.2 1B, Llama 3.2 3B, Llama 3.1 8B | MLCommons, มิถุนายน 2026 |
| SoC ที่มีการรองรับใหม่หรืออัปเดตใน v6.0 | Snapdragon 8 Elite Gen 5, Dimensity 9500, Exynos 2600 | MLCommons, มิถุนายน 2026 |
| คุณภาพอ้างอิงของ MLPerf Mobile, Llama 3.1 8B | TinyMMLU ราว 61% IFEval ราว 67% (FP16) | MLCommons, หน้าเกณฑ์วัด MLPerf Mobile |
| คุณภาพอ้างอิงของ MLPerf Mobile, Llama 3.2 3B | TinyMMLU ราว 59% IFEval ราว 65.5% (FP16) | MLCommons, หน้าเกณฑ์วัด MLPerf Mobile |
| ขีดจำกัดเชิงโต้ตอบของ LLM ขนาดเล็กใน MLPerf Inference 5.1 (Llama 3.1 8B) | โทเคนแรกภายใน 0.5 วินาที 30 มิลลิวินาทีต่อโทเคนผลลัพธ์ | MLCommons, กันยายน 2025 |
| MMLU ของโมเดลบนอุปกรณ์ของ Apple | 67.85% เทียบกับ Qwen-2.5-3B 66.37% และ Gemma-3-4B 62.81% | รายงานทางเทคนิคโมเดลพื้นฐานของ Apple, 2025 |
| ความแม่นยำของ Phi Silica หลังควอนไทซ์ 4 บิต | PIQA 80.47% เป็น 79.76% ARC Challenge 63.48% เป็น 60.49% | Microsoft Windows Blog, ธันวาคม 2024 |
| คะแนน LMArena ของ Gemma 3n E4B | เกิน 1300 | Google Developers Blog, 2025 |
หมายเหตุบริบท: หน้าเกณฑ์วัด MLPerf Mobile (MLCommons) ใช้ความหน่วงที่เปอร์เซ็นไทล์ที่ 90 เป็นมาตรวัดหลักสำหรับงานแบบสตรีมเดี่ยว ผล LLM ระดับอุปกรณ์ของ v6.0 ที่เปิดเผยต่อสาธารณะยังไม่ได้ถูกเผยแพร่ในประกาศที่เราตรวจสอบ คะแนนของ Apple มาจากรายงานทางเทคนิคปี 2025 บน arXiv
6. ข้อจำกัดด้านหน่วยความจำและต้นทุน: แรงบีบจาก DRAM
ภัยคุกคามใหญ่ที่สุดต่อ SLM บนอุปกรณ์ในปี 2026 ไม่ใช่คุณภาพของโมเดล แต่เป็นราคาของ RAM ที่โมเดลอาศัยอยู่ Counterpoint รายงานว่าราคาหน่วยความจำมือถือเพิ่มขึ้นราวสี่เท่าภายในไตรมาส 2 ปี 2026 เพราะศูนย์ข้อมูล AI ดูดซับผลผลิต DRAM และ NAND ส่วนใหญ่ (Counterpoint Research, ราคาหน่วยความจำมือถือพุ่ง, กันยายน 2026)
ลองดูว่าคาดการณ์แย่ลงอย่างไรในหกเดือน: ยอดจัดส่งลดลง 2.1% ในเดือนธันวาคม 2025, 12.4% ในเดือนมีนาคม 2026 และ 13.9% ในเดือนมิถุนายน โมเดล 3B ที่ 2 บิตต้องการหน่วยความจำสำหรับน้ำหนักน้อยกว่าหนึ่งกิกะไบต์มาก แต่พื้นที่ RAM ระดับหลายกิกะไบต์ที่ฟีเจอร์ GenAI คาดหวังนั้นคือสิ่งที่โทรศัพท์ระดับประหยัดกำลังตัดออก นี่คือเหตุผลที่ Counterpoint ผูกคลื่นลูกถัดไปของโทรศัพท์ GenAI กับทั้งอุปทานหน่วยความจำและโมเดลที่มีประสิทธิภาพมากขึ้น
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| การเปลี่ยนแปลงของราคาหน่วยความจำมือถือภายในไตรมาส 2 ปี 2026 | ราวสี่เท่า | Counterpoint Research, กันยายน 2026 |
| ราคา LPDDR4/5 มือถือในไตรมาส 2 ปี 2026 เทียบกับไตรมาส 3 ปี 2025 | เกือบ 3 เท่า | Counterpoint Research ผ่าน EE Times Asia, มีนาคม 2026 |
| ต้นทุน BoM ที่เพิ่มจากราคา DRAM พุ่ง ระดับล่าง / กลาง / สูง | ราว 25% / 15% / 10% | Counterpoint Research, ธันวาคม 2025 |
| การปรับ ASP ขายส่ง ปี 2026 | เพิ่มขึ้น 6.9% เมื่อเทียบปีต่อปี | Counterpoint Research, ธันวาคม 2025 |
| คาดการณ์ยอดจัดส่งสมาร์ตโฟนปี 2026 ธันวาคม 2025 / มีนาคม 2026 / มิถุนายน 2026 | -2.1% / -12.4% / -13.9% | Counterpoint Research |
| ยอดจัดส่งสมาร์ตโฟนทั่วโลกปี 2026 | 1.08 พันล้านเครื่อง ต่ำสุดเท่าที่เคยบันทึก | Counterpoint Research, มิถุนายน 2026 |
| ยอดจัดส่งกลุ่มราคาต่ำกว่า 200 USD ปี 2026 | ลดลงมากกว่า 20% | Counterpoint Research ผ่าน EE Times Asia, มีนาคม 2026 |
แหล่งที่มา: Counterpoint, ปรับลดคาดการณ์ยอดจัดส่งสมาร์ตโฟนปี 2026 และ EE Times Asia ว่าด้วยการปรับลดเมื่อมีนาคม 2026 Gartner เพิ่มเกณฑ์ขั้นต่ำด้านฮาร์ดแวร์ โดยคาดว่า NPU ที่เกิน 40 TOPS จะเป็นมาตรฐานในโทรศัพท์ระดับพรีเมียมภายในปี 2027
7. การยอมรับ การใช้งาน และความไว้วางใจ: นักพัฒนาและผู้บริโภค
การกระจายไม่ใช่คอขวดอีกต่อไป Apple เปิดโมเดลบนอุปกรณ์ให้แอปบุคคลที่สามผ่านเฟรมเวิร์ก Foundation Models โดยการอนุมานฟรี ทำงานแบบออฟไลน์ และใช้โค้ด Swift เพียงสามบรรทัด (Apple Newsroom, WWDC25) Samsung ระบุว่าผู้ใช้ Galaxy S25 มากกว่า 70% ใช้ฟีเจอร์ AI ในตัวเครื่องอย่างสม่ำเสมอ และตั้งเป้านำ Galaxy AI ไปอยู่บนอุปกรณ์กว่า 400 ล้านเครื่องภายในสิ้นปี 2025 ซึ่งเป็นสองเท่าของเป้า 200 ล้านเครื่องในปี 2024 (Samsung Newsroom, Galaxy Tech Forum 2025)
ความไว้วางใจคือตัวถ่วงดุล และเป็นข้อโต้แย้งที่หนักแน่นที่สุดสำหรับการเก็บการอนุมานไว้ในเครื่อง Deloitte พบว่าผู้บริโภคชาวสหรัฐฯ 70% กังวลเรื่องความเป็นส่วนตัวและความปลอดภัยของข้อมูล และมีเพียง 27% ที่มั่นใจสูงว่าข้อมูลของตนได้รับการปกป้อง SLM บนอุปกรณ์ตอบข้อกังวลนี้ด้วยการออกแบบ ซึ่งเป็นเหตุผลที่การประมวลผลในเครื่องสำคัญกับเครื่องมือเสียงอย่างเครื่องเปลี่ยนเสียงเรียลไทม์สำหรับ Discord ที่เสียงไม่จำเป็นต้องออกจากเครื่องเลย
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ผู้ใช้ Galaxy S25 ที่ใช้ AI ในตัวเครื่องอย่างสม่ำเสมอ | มากกว่า 70% | Samsung, กรกฎาคม 2025 |
| เป้าหมายอุปกรณ์ Galaxy AI สิ้นปี 2025 | เกิน 400 ล้านเครื่อง (เทียบกับ 200 ล้านเครื่องในปี 2024) | Samsung, กรกฎาคม 2025 |
| ผู้ใช้ที่บอกว่าฟีเจอร์ AI เป็นส่วนหนึ่งของกิจวัตรประจำวัน | 47% | การสำรวจของ Samsung / Symmetry Research, 2025 |
| ผู้ใช้ที่ใช้คำสั่งเสียงบ่อยพอ ๆ กับการพิมพ์ | 45% | การสำรวจของ Samsung / Symmetry Research, 2025 |
| ผู้บริโภคที่วางแผนซื้อสมาร์ตโฟน GenAI ภายในหนึ่งปี | 59% | การสำรวจผู้บริโภคของ Counterpoint Research, ธันวาคม 2024 |
| ผู้บริโภคชาวสหรัฐฯ ที่ใช้หรือทดลองใช้ GenAI | 53% | Deloitte, การสำรวจ Connected Consumer ปี 2025 (n=3,524) |
| ผู้บริโภคชาวสหรัฐฯ ที่กังวลเรื่องความเป็นส่วนตัวและความปลอดภัยของข้อมูล | 70% | Deloitte, การสำรวจ Connected Consumer ปี 2025 |
| ผู้บริโภคที่มั่นใจสูงว่าข้อมูลของตนได้รับการปกป้อง | 27% | Deloitte, การสำรวจ Connected Consumer ปี 2025 |
รายละเอียดการสำรวจ: ข่าวประชาสัมพันธ์ Connected Consumer ปี 2025 ของ Deloitte และการสำรวจความตั้งใจอัปเกรดของ Counterpoint การสำรวจของ Counterpoint เป็นของเดือนธันวาคม 2024 ซึ่งเป็นข้อมูลความตั้งใจอัปเกรดล่าสุดของบริษัท
สรุป: โมเดลภาษาขนาดเล็กบนอุปกรณ์ในรูปแบบตัวเลข
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| สัดส่วนสมาร์ตโฟนที่รองรับ GenAI ในยอดจัดส่ง ปี 2026 | 45% | Counterpoint Research, 2026 |
| สัดส่วนที่รองรับ GenAI ปี 2027 | 52% | Counterpoint Research, 2026 |
| จำนวนสมาร์ตโฟน GenAI ปี 2026 | 559 ล้านเครื่อง | Gartner, 2025 |
| การใช้จ่ายของผู้ใช้ปลายทางกับสมาร์ตโฟน GenAI ปี 2026 | USD 393.3 พันล้าน (+32%) | Gartner, 2025 |
| ยอดจัดส่งสมาร์ตโฟน GenAI ปี 2028 | 912 ล้านเครื่อง | IDC, 2024 |
| ตลาดโมเดลภาษาขนาดเล็ก ปี 2032 | USD 5.45 พันล้าน (CAGR 28.7%) | MarketsandMarkets, 2025 |
| โมเดลบนอุปกรณ์ของ Apple | ราว 3B พารามิเตอร์ที่ 2 บิตต่อน้ำหนัก | Apple Machine Learning Research, 2025 |
| การลดหน่วยความจำแคช KV ของ Apple | 37.5% | รายงานทางเทคนิคของ Apple, 2025 |
| การใช้หน่วยความจำของ Gemma 3n E2B | ต่ำสุด 2GB | Google Developers Blog, 2025 |
| ขนาด / การลดหน่วยความจำของ Llama 3.2 แบบควอนไทซ์ | 56% / 41% | Meta AI, 2024 |
| NPU ของ Snapdragon 8 Elite Gen 5 | สูงสุด 220 โทเคนต่อวินาที เร็วขึ้น 37% | Qualcomm, 2025 |
| ผลลัพธ์ LLM 3B ของ Dimensity 9500 | เร็วกว่า 2 เท่า พลังงานสูงสุดต่ำลง 56% | MediaTek, 2025 |
| Gemma 3n E2B บน NPU ของ Dimensity 9500 | 1,600+ โทเคนต่อวินาทีในขั้นประมวลผลพรอมต์ 28 โทเคนต่อวินาทีในขั้นถอดรหัส | Google LiteRT, 2025 |
| Gemini Nano บน Tensor G5 | เร็วกว่า 2.6 เท่า ประหยัดพลังงานกว่า 2 เท่า | Google, 2025 |
| ขนาด LLM ของ MLPerf Mobile v6.0 | 1B, 3B, 8B | MLCommons, 2026 |
| ราคาหน่วยความจำมือถือภายในไตรมาส 2 ปี 2026 | ราวสี่เท่า | Counterpoint Research, 2026 |
| ยอดจัดส่งสมาร์ตโฟนปี 2026 | 1.08 พันล้านเครื่อง (-13.9%) | Counterpoint Research, 2026 |
| ผู้ใช้ Galaxy S25 ที่ใช้ AI | มากกว่า 70% | Samsung, 2025 |
| ผู้บริโภคชาวสหรัฐฯ ที่กังวลเรื่องความเป็นส่วนตัว | 70% | Deloitte, 2025 |
ระเบียบวิธีและแหล่งที่มา
- Counterpoint Research, สัดส่วนสมาร์ตโฟน GenAI จะขึ้นเป็น 45% ของยอดจัดส่งทั่วโลกในปี 2026 (มิถุนายน 2026) พร้อมรายละเอียดรายกลุ่มที่รายงานโดย Electronics For You
- Counterpoint Research, ยอดจัดส่งสมาร์ตโฟน GenAI จะเกิน 400 ล้านเครื่องในปี 2025 (มีนาคม 2025)
- Counterpoint Research, ปรับลดคาดการณ์ยอดจัดส่งสมาร์ตโฟนปี 2026 เมื่อภาวะขาดแคลนหน่วยความจำดันต้นทุน BoM สูงขึ้น (ธันวาคม 2025)
- Counterpoint Research, ราคาหน่วยความจำมือถือพุ่ง (กันยายน 2026)
- Counterpoint Research, การสำรวจผู้บริโภคเรื่องการอัปเกรดเป็นสมาร์ตโฟน GenAI (ธันวาคม 2024)
- EE Times Asia, รายงานเรื่องการปรับยอดจัดส่งเมื่อมีนาคม 2026 ของ Counterpoint
- Gartner, ข่าวประชาสัมพันธ์การใช้จ่ายของผู้ใช้ปลายทางกับสมาร์ตโฟน GenAI ทั่วโลก (กันยายน 2025)
- IDC, คาดการณ์ยอดจัดส่งสมาร์ตโฟน AI เชิงสร้างสรรค์ทั่วโลก (กรกฎาคม 2024) และ IDC คาดการณ์สมาร์ตโฟนทั่วโลก (2025)
- MarketsandMarkets, เอกสารเผยแพร่เรื่องตลาดโมเดลภาษาขนาดเล็ก (เมษายน 2025) Research and Markets, รายงานตลาดโมเดลภาษาขนาดเล็กปี 2026 Grand View Research, รายงานตลาดโมเดลภาษาขนาดเล็ก
- Apple Machine Learning Research, อัปเดตโมเดลภาษาพื้นฐานบนอุปกรณ์และบนเซิร์ฟเวอร์ของ Apple (2025) รายงานทางเทคนิคโมเดลภาษาพื้นฐานของ Apple Intelligence ปี 2025 (arXiv) แนะนำโมเดลพื้นฐานบนอุปกรณ์และบนเซิร์ฟเวอร์ของ Apple (2024) และ Apple Newsroom, WWDC25
- Google Developers Blog, แนะนำ Gemma 3n (มิถุนายน 2025) และ Google, Pixel 10 Tensor G5 (สิงหาคม 2025)
- ผล Google LiteRT NeuroPilot บน Dimensity 9500 (ธันวาคม 2025) ตามที่รายงานโดย MarkTechPost
- Qualcomm, เปิดตัว Snapdragon 8 Elite Gen 5 (กันยายน 2025) และการวิเคราะห์ของ Futurum Group
- MediaTek, เอกสารเปิดตัว Dimensity 9500 (กันยายน 2025)
- Meta AI, แนะนำโมเดล Llama แบบควอนไทซ์ (ตุลาคม 2024)
- Microsoft, Phi Silica SLM บนอุปกรณ์ที่เล็กแต่ทรงพลัง (ธันวาคม 2024)
- MLCommons, MLPerf Mobile v6.0 (มิถุนายน 2026) หน้าเกณฑ์วัด MLPerf Mobile และเกณฑ์วัด LLM ขนาดเล็กของ MLPerf Inference 5.1 (กันยายน 2025)
- arXiv 2505.15030, การประเมินอย่างเป็นระบบของ LLM บนอุปกรณ์: การควอนไทซ์ ประสิทธิภาพ และทรัพยากร
- Samsung Newsroom, Galaxy Tech Forum ในงาน Galaxy Unpacked 2025 (กรกฎาคม 2025) ตัวเลขการสำรวจตามที่รายงานโดย FoneArena
- Deloitte, ข่าวประชาสัมพันธ์การสำรวจ Connected Consumer ปี 2025 (กันยายน 2025)
- ข้อสังเกตเกี่ยวกับข้อมูล: ยอดสมาร์ตโฟน GenAI ปี 2025 ต่างกันตามแต่ละบริษัท IDC ระบุว่าเกิน 370 ล้านเครื่อง (สัดส่วน 30%) Gartner ระบุ 369.3 ล้านเครื่อง และ Counterpoint ระบุมากกว่า 400 ล้านเครื่องในคาดการณ์เดือนมีนาคม 2025 ก่อนปรับสัดส่วนปี 2025 เป็น 36% ในภายหลัง สำหรับปี 2026 ตัวเลข 45% ของ 1.08 พันล้านเครื่องตาม Counterpoint หมายถึงโทรศัพท์ GenAI ราว 486 ล้านเครื่อง (0.45 x 1.08 พันล้าน) ซึ่งต่ำกว่า 559 ล้านเครื่องของ Gartner มาก ตัวเลขของ Gartner เผยแพร่เมื่อกันยายน 2025 ก่อนที่ภาวะขาดแคลนหน่วยความจำจะบังคับให้ลดยอดจัดส่ง จึงควรคาดว่า Gartner จะปรับตัวเลข ขนาดตลาดโมเดลภาษาขนาดเล็กอยู่ในช่วง USD 0.93 พันล้าน (MarketsandMarkets) ถึงราว USD 9 ถึง 11 พันล้าน (Research and Markets, Grand View Research) สำหรับปี 2025-2026 เพราะนิยามที่ต่างกัน ตัวเลขปริมาณงานของ NPU ทั้งหมดเป็นตัวเลขที่ผู้ผลิตรายงานเองบนโมเดล ความละเอียด และความยาวบริบทที่ต่างกัน จึงเทียบกันตรง ๆ ไม่ได้ และผล LLM ระดับอุปกรณ์ของ MLPerf Mobile v6.0 คือข้อมูลที่ควรจับตา ตัวเลข 30 โทเคนต่อวินาทีของ Apple ผล Llama แบบควอนไทซ์ของ Meta ตัวเลข Phi Silica ของ Microsoft และคาดการณ์ปี 2028 ของ IDC เป็นข้อมูลปี 2024 ซึ่งเป็นข้อมูลล่าสุดที่แต่ละแหล่งเคยเผยแพร่ หน้าวิจัยการเรียนรู้ของเครื่องของ Apple ระบุ 15 ภาษาที่รองรับ ขณะที่รายงานทางเทคนิคบน arXiv อธิบายไว้ 16 ภาษาและภูมิภาค
อัปเดตล่าสุด: 3 ตุลาคม 2026 เราจะอัปเดตสรุปนี้ทุกไตรมาส และคาดว่าการอัปเดตครั้งถัดไปจะเกิดขึ้นเมื่อ Counterpoint เผยแพร่ตัวติดตามสมาร์ตโฟนและราคาหน่วยความจำของไตรมาส 3 ปี 2026 และเมื่อ MLCommons เผยแพร่ผล LLM สาธารณะชุดแรกของ MLPerf Mobile v6.0