Điện thoại thông minh hỗ trợ GenAI đang trên đà đạt 45% lượng xuất xưởng toàn cầu vào năm 2026, tăng từ 36% một năm trước (Counterpoint Research, GenAI Smartphone Share Forecast 2026), và gần như tất cả đều dựa vào một mô hình ngôn ngữ nhỏ chạy cục bộ trên bộ xử lý thần kinh. Bản thân các mô hình cũng đã thu nhỏ để vừa vặn: mô hình nền tảng trên thiết bị của Apple gói khoảng 3 tỷ tham số vào 2 bit mỗi trọng số (Apple Machine Learning Research, Foundation Models 2025 Updates), và Gemma 3n E2B của Google chạy chỉ với 2GB bộ nhớ (Google Developers Blog, Gemma 3n Developer Guide 2025). Phần cứng cũng tiến nhanh không kém, khi Qualcomm tuyên bố NPU Hexagon mới nhất đạt tới 220 token mỗi giây. Chúng tôi đã tổng hợp dữ liệu từ Counterpoint Research, Gartner, IDC, MLCommons, Apple, Google, Qualcomm, MediaTek, Meta, Microsoft, Deloitte và Samsung để vẽ ra bức tranh SLM trên thiết bị năm 2026. Để xem bức tranh phần cứng rộng hơn, hãy đọc bài tổng hợp thống kê edge AI của chúng tôi.
Tóm tắt nhanh
- 45% điện thoại thông minh xuất xưởng năm 2026 sẽ hỗ trợ GenAI, tăng từ 36% năm 2025 (Counterpoint Research, 2026)
- Dự báo 559 triệu điện thoại thông minh GenAI năm 2026, sau mức 369,3 triệu năm 2025 (Gartner, GenAI Smartphone Forecast 2025)
- Dự báo chi tiêu của người dùng cuối cho điện thoại thông minh GenAI đạt 393,3 tỷ USD năm 2026, tăng 32% (Gartner, 2025)
- Khoảng 3 tỷ tham số ở 2 bit mỗi trọng số vận hành mô hình trên thiết bị của Apple (Apple Machine Learning Research, 2025)
- Dung lượng bộ nhớ 2GB và 3GB cho Gemma 3n E2B và E4B (Google Developers Blog, 2025)
- Các mô hình Llama 3.2 1B và 3B đã lượng tử hóa nhỏ hơn 56% và dùng ít bộ nhớ hơn 41% (Meta AI, 2024)
- Tới 220 token mỗi giây trên NPU Hexagon của Snapdragon 8 Elite Gen 5, nhanh hơn 37% so với thế hệ trước (Qualcomm, 2025)
- Gemini Nano trên Tensor G5 nhanh hơn 2,6 lần và hiệu quả hơn 2 lần so với Tensor G4 (Google, 2025)
- 3 cỡ mô hình Llama (1B, 3B, 8B) trong bài đánh giá LLM mới của MLPerf Mobile v6.0 (MLCommons, 2026)
- Giá bộ nhớ di động tăng khoảng gấp bốn lần vào quý 2 năm 2026 (Counterpoint Research, 2026)
- Dự báo lượng xuất xưởng điện thoại thông minh năm 2026 giảm 13,9% xuống còn 1,08 tỷ chiếc do tình trạng thiếu bộ nhớ (Counterpoint Research, 2026)
- Hơn 70% người dùng Galaxy S25 chủ động sử dụng các tính năng AI tích hợp (Samsung, 2025)
1. Lượng Xuất Xưởng Điện Thoại GenAI: Cơ Sở Lắp Đặt Cho SLM Trên Thiết Bị
Theo định nghĩa, mọi điện thoại thông minh GenAI đều là nơi chạy một mô hình ngôn ngữ nhỏ: Gartner định nghĩa danh mục này là các thiết bị có bộ máy thần kinh hoặc NPU tích hợp, có khả năng chạy SLM. Điều đó khiến dự báo lượng xuất xưởng trở thành chỉ báo sạch nhất cho số thiết bị có thể chạy mô hình cục bộ. Counterpoint hiện kỳ vọng 45% toàn bộ điện thoại thông minh xuất xưởng năm 2026 sẽ hỗ trợ GenAI, và 52% vào năm 2027 (Counterpoint Research, GenAI Smartphone Share to Rise to 45% in 2026).
Câu chuyện đằng sau đường cong này nằm ở phân khúc tầm trung. Counterpoint cho biết GenAI nay đã là tiêu chuẩn ở mức giá bán buôn trên 400 USD. Rào cản đã chuyển từ “chip có chạy được mô hình không” sang “bảng chi phí linh kiện (BoM) có gánh nổi bộ nhớ không”, điều được định lượng ở Phần 6. Nếu bạn muốn bối cảnh thiết bị cầm tay rộng hơn, trang thống kê thị trường điện thoại thông minh của chúng tôi bao quát tổng sản lượng theo từng hãng.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Tỷ trọng hỗ trợ GenAI trong lượng xuất xưởng điện thoại thông minh toàn cầu, 2026 | 45% (tăng từ 36% năm 2025) | Counterpoint Research, tháng 6/2026 |
| Dự báo tỷ trọng hỗ trợ GenAI, 2027 | 52% | Counterpoint Research, tháng 6/2026 |
| Lượng xuất xưởng điện thoại thông minh GenAI, dự báo 2025 | Hơn 400 triệu, khoảng một trong ba điện thoại | Counterpoint Research, tháng 3/2025 |
| Tỷ trọng hỗ trợ GenAI năm 2024 | Một trong năm điện thoại thông minh | Counterpoint Research, tháng 3/2025 |
| Số lượng điện thoại thông minh GenAI, 2024 / 2025 / 2026 | 260,4 triệu / 369,3 triệu / 559 triệu | Gartner, GenAI Smartphone Forecast, tháng 9/2025 |
| Lượng xuất xưởng điện thoại thông minh GenAI, 2025 | Trên 370 triệu (thị phần 30%), tăng 73,1% | IDC Worldwide Smartphone Forecast, 2025 |
| Lượng xuất xưởng điện thoại thông minh GenAI, 2028 | 912 triệu chiếc, CAGR 78,4% | IDC, Generative AI Smartphone Forecast, tháng 7/2024 |
Lưu ý bối cảnh: ba hãng dùng các định nghĩa và mốc thời gian khác nhau. Thông cáo tháng 7 năm 2024 của IDC (thông cáo báo chí IDC) dự báo điện thoại GenAI chiếm 70% thị trường vào năm 2028, trong khi dự báo năm 2025 của hãng này lùi mốc “trên 70%” sang năm 2029. Dữ liệu dài hạn gần nhất của IDC: tháng 7 năm 2024.
2. Chi Tiêu và Quy Mô Thị Trường: Doanh Thu Phần Cứng Lớn, Doanh Thu Mô Hình Nhỏ
Hai con số rất khác nhau mô tả thị trường này. Phần cứng chạy SLM là một danh mục tiêu dùng phổ thông, còn thị trường cho chính các mô hình vẫn nhỏ và được định nghĩa kém. Gartner dự báo chi tiêu của người dùng cuối cho điện thoại thông minh GenAI đạt 393,3 tỷ USD năm 2026, tăng 32% so với 298,2 tỷ USD năm 2025 (Gartner, thông cáo báo chí về chi tiêu người dùng cuối cho điện thoại thông minh GenAI 2025).
Về phía phần mềm, ước tính của các nhà phân tích về thị trường mô hình ngôn ngữ nhỏ chênh nhau cả một bậc độ lớn, điều này nói lên nhiều về định nghĩa hơn là về nhu cầu. MarketsandMarkets định cỡ năm 2025 ở mức 0,93 tỷ USD, trong khi Research and Markets đặt nó gần 9,16 tỷ USD. Điểm chung: mọi hãng đều chỉ ra triển khai tại biên và trên thiết bị là phân khúc tăng trưởng nhanh nhất.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Chi tiêu của người dùng cuối cho điện thoại thông minh GenAI, 2024 / 2025 / 2026 | 244,7 tỷ USD / 298,2 tỷ USD / 393,3 tỷ USD | Gartner, tháng 9/2025 |
| Tỷ trọng điện thoại thông minh GenAI trong toàn bộ chi tiêu người dùng cuối cho AI, 2025 | 20% | Gartner, tháng 9/2025 |
| Điện thoại thông minh GenAI cơ bản (dưới 350 USD) có NPU, 2025 | 41% | Gartner, tháng 9/2025 |
| Điện thoại thông minh cao cấp có khả năng GenAI vào năm 2029 | 100% | Gartner, tháng 9/2025 |
| Thị trường mô hình ngôn ngữ nhỏ, 2025 đến 2032 | 0,93 tỷ USD đến 5,45 tỷ USD, CAGR 28,7% | MarketsandMarkets, tháng 4/2025 |
| Thị trường mô hình ngôn ngữ nhỏ, 2025 đến 2030 | 9,16 tỷ USD đến 22,45 tỷ USD, CAGR 19,6% | Research and Markets, SLM Market Report 2026 |
| Thị trường mô hình ngôn ngữ nhỏ, 2026 đến 2030 | 11,1 tỷ USD đến 20,7 tỷ USD, CAGR 15,1% | Grand View Research, SLM Market Report |
Thông cáo của MarketsandMarkets (GlobeNewswire, tháng 4/2025) nêu triển khai tại biên là phân khúc tăng trưởng nhanh nhất, được thúc đẩy bởi yêu cầu về độ trễ và quyền riêng tư trên điện thoại thông minh và thiết bị IoT.
3. Kích Thước Mô Hình và Nén: 3 Tỷ Tham Số Ở 2 Bit
Trần thực tế của một mô hình nằm trên điện thoại do RAM quyết định, không phải tham vọng. Các mô hình được phát hành tập trung trong khoảng 1B đến 4B tham số, và phần kỹ thuật thực sự nằm ở việc mỗi trọng số được cấp bao nhiêu bit. Apple nén mô hình trên thiết bị khoảng 3 tỷ tham số xuống 2 bit mỗi trọng số bằng huấn luyện có nhận biết lượng tử hóa, với embedding 4 bit và KV cache 8 bit (Apple Machine Learning Research, Updates to Apple’s On-Device and Server Foundation Language Models 2025).
Đó là bước giảm mạnh so với năm 2024, khi mô hình của Apple trung bình 3,7 bit mỗi trọng số. Google chọn hướng khác với Gemma 3n: giữ nhiều tham số thô hơn nhưng đặt embedding theo từng lớp ra ngoài bộ nhớ của bộ tăng tốc, nhờ đó chỉ khoảng 2B hoặc 4B tham số “hiệu dụng” nằm trong bộ nhớ nhanh (Google Developers Blog, Introducing Gemma 3n 2025). Ở các mức này, việc nén gần như không làm mất độ chính xác: Apple báo cáo MMLU cải thiện 1,5% và MGSM giảm khoảng 4,6% sau khi nén.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Kích thước mô hình trên thiết bị của Apple | Khoảng 3 tỷ tham số | Apple Machine Learning Research, 2025 |
| Độ chính xác trọng số mô hình trên thiết bị của Apple | 2 bit mỗi trọng số (QAT); embedding 4 bit; KV cache 8 bit | Apple Machine Learning Research, 2025 |
| Mức giảm bộ nhớ KV cache của Apple nhờ chia sẻ khối | 37,5% | Apple Intelligence Foundation Language Models Tech Report, 2025 |
| Độ chính xác mô hình trên thiết bị của Apple năm 2024 | Kết hợp 2 bit và 4 bit, trung bình 3,7 bit mỗi trọng số | Apple Machine Learning Research, 2024 |
| Tham số thô của Gemma 3n E2B / E4B | 5B / 8B | Google Developers Blog, 2025 |
| Dung lượng bộ nhớ của Gemma 3n E2B / E4B | Thấp nhất 2GB / 3GB | Google Developers Blog, 2025 |
| Kích thước và mức giảm bộ nhớ của Llama 3.2 1B và 3B lượng tử hóa so với BF16 | Nhỏ hơn 56%, ít bộ nhớ hơn 41% | Meta AI, Quantized Llama Models, tháng 10/2024 |
| Kích thước và lượng tử hóa của Phi Silica | 3,3B tham số, trọng số 4 bit, giảm khoảng 60% bộ nhớ | Microsoft Windows Blog, tháng 12/2024 |
Lưu ý bối cảnh: bản phát hành Llama lượng tử hóa của Meta (blog Meta AI) và bài viết của Microsoft về Phi Silica (Windows Experience Blog) đều có từ cuối năm 2024. Dữ liệu mới nhất hiện có cho cả hai: năm 2024. Một nghiên cứu học thuật trên máy tính xách tay bổ sung một quy tắc ngón tay cái hữu ích: khoảng 3,5 bit hiệu dụng mỗi trọng số là ngưỡng mà tại đó một mô hình lớn hơn bị lượng tử hóa mạnh bắt đầu vượt mô hình nhỏ hơn có độ chính xác cao hơn (arXiv 2505.15030, A Systematic Evaluation of On-Device LLMs).
4. Thông Lượng NPU: Token Mỗi Giây Trên Chip Cao Cấp
Các tuyên bố về thông lượng do nhà cung cấp tự báo cáo và đo trên các mô hình khác nhau, vì vậy hãy xem đó là mức trần chứ không phải điểm số có thể so sánh. Dù vậy, xu hướng là không thể phủ nhận. Qualcomm cho biết NPU Hexagon của Snapdragon 8 Elite Gen 5 nhanh hơn 37% so với thế hệ trước và duy trì được tới 220 token mỗi giây, có hỗ trợ INT2 và FP8 (Qualcomm, ra mắt Snapdragon 8 Elite Gen 5, tháng 9/2025; số liệu được Futurum Group đối chiếu xác nhận).
Những con số đáng chú ý hơn là sự chênh lệch giữa giai đoạn xử lý prompt và giai đoạn giải mã. Đọc một prompt là việc rẻ đối với NPU; tạo ra từng token mới thì bị giới hạn bởi bộ nhớ. Gemma 3n E2B trên NPU Dimensity 9500 đọc hơn 1.600 token mỗi giây nhưng chỉ viết ra 28, đó là lý do mọi nhà cung cấp đều đang cạnh tranh về băng thông và các định dạng độ chính xác thấp hơn. Khoảng cách đó quan trọng với các tính năng giọng nói và trợ lý thời gian thực, nơi phản hồi đầu tiên nhanh che giấu phần đuôi chậm; thống kê trợ lý giọng nói của chúng tôi theo dõi điều này thể hiện ra sao trong việc sử dụng.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Mức tăng của NPU Snapdragon 8 Elite Gen 5 | Nhanh hơn 37% so với thế hệ trước | Qualcomm, tháng 9/2025 |
| Tốc độ tạo văn bản duy trì của Snapdragon 8 Elite Gen 5 | Tới 220 token mỗi giây | Qualcomm, tháng 9/2025 |
| Mức tiết kiệm điện năng toàn SoC của Snapdragon 8 Elite Gen 5 | 16% | Phân tích của Futurum Group về dữ liệu Qualcomm, tháng 10/2025 |
| Đầu ra LLM 3B tham số của Dimensity 9500 | Nhanh gấp 2 lần (100%), công suất đỉnh thấp hơn 56% | Ra mắt MediaTek Dimensity 9500, tháng 9/2025 |
| Gemma 3n E2B trên NPU Dimensity 9500 (ngữ cảnh 4K) | 1.600+ token/giây ở giai đoạn xử lý prompt, 28 token/giây ở giai đoạn giải mã | Kết quả Google LiteRT NeuroPilot, tháng 12/2025 |
| Thông lượng NPU LiteRT so với CPU / GPU trên MediaTek | Tới 12 lần CPU, 10 lần GPU | Kết quả Google LiteRT NeuroPilot, tháng 12/2025 |
| Gemini Nano trên Tensor G5 so với Tensor G4 | Nhanh hơn 2,6 lần, hiệu quả hơn 2 lần; TPU mạnh hơn tới 60% | Google, công bố Pixel 10 Tensor G5, tháng 8/2025 |
| Mô hình trên thiết bị của Apple (iPhone 15 Pro) | 0,6 ms mỗi token prompt đến token đầu tiên; 30 token/giây | Apple Machine Learning Research, 2024 |
Số liệu của MediaTek đến từ thông cáo ra mắt của hãng (MediaTek qua PR Newswire); các tuyên bố về Tensor G5 của Google đến từ bài viết về Pixel 10 Tensor G5. Số token mỗi giây của Apple là số liệu mới nhất hãng từng công bố: năm 2024.
5. Bài Đánh Giá và Chất Lượng: MLPerf Mobile Bước Vào Kỷ Nguyên LLM
Cho đến năm 2026, chưa có thước đo trung lập nào cho LLM trên điện thoại; mọi con số ở Phần 4 đều là của chính nhà cung cấp. MLPerf Mobile v6.0, do MLCommons phát hành ngày 15 tháng 6 năm 2026, bổ sung các bài đánh giá LLM dựa trên Llama 3.2 1B, Llama 3.2 3B và Llama 3.1 8B, chấm điểm trên TinyMMLU và IFEval (MLCommons, MLPerf Mobile v6.0).
Việc đưa vào mô hình 8B là điểm nhấn: MLCommons lưu ý v6.0 hỗ trợ chạy Llama 3.1 8B được tăng tốc bằng NPU trên Snapdragon 8 Elite Gen 5, một cỡ mô hình mà một năm trước còn là bài đánh giá cho trung tâm dữ liệu. Về chất lượng, các mô hình nhỏ nay đã tiến sát các đối thủ lớn hơn trên bài kiểm tra kiến thức. Mô hình 3B trên thiết bị của Apple đạt 67,85% trên MMLU, nhỉnh hơn Qwen-2.5-3B một chút, và Phi Silica mất chưa đến một điểm trên PIQA sau khi lượng tử hóa 4 bit. Về các họ mô hình trọng số mở đứng sau nhiều bài đánh giá này, hãy xem thống kê LLM mã nguồn mở của chúng tôi.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Các mô hình LLM của MLPerf Mobile v6.0 | Llama 3.2 1B, Llama 3.2 3B, Llama 3.1 8B | MLCommons, tháng 6/2026 |
| SoC có hỗ trợ mới hoặc cập nhật trong v6.0 | Snapdragon 8 Elite Gen 5, Dimensity 9500, Exynos 2600 | MLCommons, tháng 6/2026 |
| Chất lượng tham chiếu của MLPerf Mobile, Llama 3.1 8B | TinyMMLU khoảng 61%, IFEval khoảng 67% (FP16) | MLCommons, trang đánh giá MLPerf Mobile |
| Chất lượng tham chiếu của MLPerf Mobile, Llama 3.2 3B | TinyMMLU khoảng 59%, IFEval khoảng 65,5% (FP16) | MLCommons, trang đánh giá MLPerf Mobile |
| Giới hạn tương tác của LLM nhỏ trong MLPerf Inference 5.1 (Llama 3.1 8B) | Token đầu tiên trong 0,5 giây, 30 ms mỗi token đầu ra | MLCommons, tháng 9/2025 |
| MMLU của mô hình trên thiết bị Apple | 67,85% so với Qwen-2.5-3B 66,37% và Gemma-3-4B 62,81% | Apple Foundation Models Tech Report, 2025 |
| Độ chính xác của Phi Silica sau lượng tử hóa 4 bit | PIQA 80,47% xuống 79,76%; ARC Challenge 63,48% xuống 60,49% | Microsoft Windows Blog, tháng 12/2024 |
| Điểm LMArena của Gemma 3n E4B | Trên 1300 | Google Developers Blog, 2025 |
Lưu ý bối cảnh: trang đánh giá MLPerf Mobile (MLCommons) dùng độ trễ phân vị thứ 90 làm chỉ số chính cho các tác vụ luồng đơn. Kết quả LLM công khai theo từng thiết bị của v6.0 chưa được công bố trong thông báo phát hành mà chúng tôi đã xem. Điểm số của Apple lấy từ báo cáo kỹ thuật 2025 trên arXiv.
6. Hạn Chế Về Bộ Nhớ và Chi Phí: Cơn Siết DRAM
Mối đe dọa lớn nhất với SLM trên thiết bị năm 2026 không phải chất lượng mô hình mà là giá của chính bộ RAM chúng cư trú. Counterpoint báo cáo giá bộ nhớ di động đã tăng khoảng gấp bốn lần vào quý 2 năm 2026 khi các trung tâm dữ liệu AI hút phần lớn sản lượng DRAM và NAND (Counterpoint Research, Mobile Memory Cost Hikes, tháng 9/2026).
Hãy xem dự báo xấu đi thế nào trong sáu tháng: giảm 2,1% lượng xuất xưởng vào tháng 12 năm 2025, 12,4% vào tháng 3 năm 2026 và 13,9% vào tháng 6. Một mô hình 3B ở 2 bit chỉ cần dưới một gigabyte cho trọng số, nhưng khoảng RAM dư vài gigabyte mà các tính năng GenAI trông đợi chính là thứ điện thoại giá rẻ đang cắt giảm. Điều đó giải thích vì sao Counterpoint gắn làn sóng điện thoại GenAI tiếp theo với cả nguồn cung bộ nhớ lẫn các mô hình hiệu quả hơn.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Biến động giá bộ nhớ di động đến quý 2/2026 | Khoảng gấp bốn lần | Counterpoint Research, tháng 9/2026 |
| Giá LPDDR4/5 di động quý 2/2026 so với quý 3/2025 | Gần gấp 3 lần | Counterpoint Research, qua EE Times Asia, tháng 3/2026 |
| Chi phí BoM tăng do DRAM tăng vọt, phân khúc thấp / trung / cao | Khoảng 25% / 15% / 10% | Counterpoint Research, tháng 12/2025 |
| Điều chỉnh ASP bán buôn, 2026 | Tăng 6,9% so với cùng kỳ năm trước | Counterpoint Research, tháng 12/2025 |
| Dự báo lượng xuất xưởng điện thoại thông minh 2026, tháng 12/2025 / tháng 3/2026 / tháng 6/2026 | -2,1% / -12,4% / -13,9% | Counterpoint Research |
| Lượng xuất xưởng điện thoại thông minh toàn cầu 2026 | 1,08 tỷ chiếc, thấp nhất từ trước đến nay | Counterpoint Research, tháng 6/2026 |
| Lượng xuất xưởng phân khúc dưới 200 USD, 2026 | Giảm hơn 20% | Counterpoint Research, qua EE Times Asia, tháng 3/2026 |
Nguồn: Counterpoint, 2026 Smartphone Shipment Forecasts Revised Down và EE Times Asia về đợt điều chỉnh tháng 3/2026. Gartner bổ sung một mốc sàn về phần cứng: hãng kỳ vọng NPU trên 40 TOPS sẽ là tiêu chuẩn trên điện thoại cao cấp vào năm 2027.
7. Mức Độ Chấp Nhận, Sử Dụng và Niềm Tin: Nhà Phát Triển và Người Tiêu Dùng
Phân phối không còn là nút thắt. Apple đã mở mô hình trên thiết bị cho các ứng dụng bên thứ ba thông qua khung Foundation Models, với suy luận miễn phí, chạy ngoại tuyến và chỉ cần ba dòng Swift (Apple Newsroom, WWDC25). Samsung cho biết hơn 70% người dùng Galaxy S25 chủ động sử dụng các tính năng AI tích hợp và đặt mục tiêu đưa Galaxy AI lên hơn 400 triệu thiết bị vào cuối năm 2025, gấp đôi mục tiêu 200 triệu của năm 2024 (Samsung Newsroom, Galaxy Tech Forum 2025).
Niềm tin là đối trọng, và cũng là lập luận mạnh nhất để giữ suy luận ở cục bộ. Deloitte phát hiện 70% người tiêu dùng Mỹ lo ngại về quyền riêng tư và bảo mật dữ liệu, và chỉ 27% có độ tin cậy cao rằng dữ liệu của họ được bảo vệ. SLM trên thiết bị giải quyết mối lo đó ngay từ thiết kế, đó cũng là lý do xử lý cục bộ quan trọng với các công cụ giọng nói như bộ đổi giọng thời gian thực cho Discord, nơi âm thanh không bao giờ cần rời khỏi máy.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Người dùng Galaxy S25 chủ động dùng AI tích hợp | Hơn 70% | Samsung, tháng 7/2025 |
| Mục tiêu thiết bị Galaxy AI, cuối 2025 | Trên 400 triệu (so với 200 triệu năm 2024) | Samsung, tháng 7/2025 |
| Người dùng nói các tính năng AI là một phần thói quen hằng ngày | 47% | Khảo sát Samsung / Symmetry Research, 2025 |
| Người dùng dùng lệnh giọng nói thường xuyên như gõ phím | 45% | Khảo sát Samsung / Symmetry Research, 2025 |
| Người tiêu dùng dự định mua điện thoại thông minh GenAI trong vòng một năm | 59% | Khảo sát người tiêu dùng của Counterpoint Research, tháng 12/2024 |
| Người tiêu dùng Mỹ dùng hoặc thử nghiệm GenAI | 53% | Deloitte Connected Consumer Survey 2025 (n=3.524) |
| Người tiêu dùng Mỹ lo ngại về quyền riêng tư và bảo mật dữ liệu | 70% | Deloitte Connected Consumer Survey 2025 |
| Người tiêu dùng có độ tin cậy cao rằng dữ liệu được bảo vệ | 27% | Deloitte Connected Consumer Survey 2025 |
Chi tiết khảo sát: thông cáo báo chí Connected Consumer 2025 của Deloitte và khảo sát ý định nâng cấp của Counterpoint. Khảo sát của Counterpoint được thực hiện vào tháng 12 năm 2024, là dữ liệu ý định nâng cấp mới nhất của hãng.
Tổng kết: Mô Hình Ngôn Ngữ Nhỏ Trên Thiết Bị Qua Các Con Số
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Tỷ trọng hỗ trợ GenAI trong lượng xuất xưởng điện thoại thông minh, 2026 | 45% | Counterpoint Research, 2026 |
| Tỷ trọng hỗ trợ GenAI, 2027 | 52% | Counterpoint Research, 2026 |
| Số lượng điện thoại thông minh GenAI, 2026 | 559 triệu | Gartner, 2025 |
| Chi tiêu người dùng cuối cho điện thoại thông minh GenAI, 2026 | 393,3 tỷ USD (+32%) | Gartner, 2025 |
| Lượng xuất xưởng điện thoại thông minh GenAI, 2028 | 912 triệu | IDC, 2024 |
| Thị trường mô hình ngôn ngữ nhỏ, 2032 | 5,45 tỷ USD (CAGR 28,7%) | MarketsandMarkets, 2025 |
| Mô hình trên thiết bị của Apple | Khoảng 3B tham số ở 2 bit mỗi trọng số | Apple Machine Learning Research, 2025 |
| Mức giảm bộ nhớ KV cache của Apple | 37,5% | Apple Tech Report, 2025 |
| Dung lượng bộ nhớ của Gemma 3n E2B | Thấp nhất 2GB | Google Developers Blog, 2025 |
| Kích thước / mức giảm bộ nhớ của Llama 3.2 lượng tử hóa | 56% / 41% | Meta AI, 2024 |
| NPU Snapdragon 8 Elite Gen 5 | Tới 220 token/giây, nhanh hơn 37% | Qualcomm, 2025 |
| Đầu ra LLM 3B của Dimensity 9500 | Nhanh gấp 2 lần, công suất đỉnh thấp hơn 56% | MediaTek, 2025 |
| Gemma 3n E2B trên NPU Dimensity 9500 | 1.600+ token/giây ở giai đoạn xử lý prompt, 28 token/giây ở giai đoạn giải mã | Google LiteRT, 2025 |
| Gemini Nano trên Tensor G5 | Nhanh hơn 2,6 lần, hiệu quả hơn 2 lần | Google, 2025 |
| Các cỡ LLM của MLPerf Mobile v6.0 | 1B, 3B, 8B | MLCommons, 2026 |
| Giá bộ nhớ di động đến quý 2/2026 | Khoảng gấp bốn lần | Counterpoint Research, 2026 |
| Lượng xuất xưởng điện thoại thông minh 2026 | 1,08 tỷ (-13,9%) | Counterpoint Research, 2026 |
| Người dùng Galaxy S25 dùng AI | Hơn 70% | Samsung, 2025 |
| Người tiêu dùng Mỹ lo ngại về quyền riêng tư | 70% | Deloitte, 2025 |
Phương pháp luận và Nguồn
- Counterpoint Research, GenAI Smartphone Share to Rise to 45% of Global Shipments in 2026 (tháng 6/2026), cùng chi tiết theo phân khúc do Electronics For You đưa tin
- Counterpoint Research, GenAI Smartphone Shipments to Exceed 400 Million in 2025 (tháng 3/2025)
- Counterpoint Research, 2026 Smartphone Shipment Forecasts Revised Down as Memory Shortage Drives BoM Costs Up (tháng 12/2025)
- Counterpoint Research, Mobile Memory Cost Hikes (tháng 9/2026)
- Counterpoint Research, khảo sát người tiêu dùng về nâng cấp lên điện thoại thông minh GenAI (tháng 12/2024)
- EE Times Asia, bài viết về đợt điều chỉnh lượng xuất xưởng tháng 3/2026 của Counterpoint
- Gartner, thông cáo báo chí về chi tiêu người dùng cuối toàn cầu cho điện thoại thông minh GenAI (tháng 9/2025)
- IDC, Worldwide Generative AI Smartphone Shipments Forecast (tháng 7/2024) và IDC Worldwide Smartphone Forecast (2025)
- MarketsandMarkets, thông cáo về thị trường mô hình ngôn ngữ nhỏ (tháng 4/2025); 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) và Apple Newsroom, WWDC25
- Google Developers Blog, Introducing Gemma 3n (tháng 6/2025) và Google, Pixel 10 Tensor G5 (tháng 8/2025)
- Kết quả Google LiteRT NeuroPilot trên Dimensity 9500 (tháng 12/2025), do MarkTechPost đưa tin
- Qualcomm, ra mắt Snapdragon 8 Elite Gen 5 (tháng 9/2025) và phân tích của Futurum Group
- MediaTek, thông cáo ra mắt Dimensity 9500 (tháng 9/2025)
- Meta AI, Introducing Quantized Llama Models (tháng 10/2024)
- Microsoft, Phi Silica, SLM trên thiết bị nhỏ mà mạnh (tháng 12/2024)
- MLCommons, MLPerf Mobile v6.0 (tháng 6/2026), trang đánh giá MLPerf Mobile và bài đánh giá LLM nhỏ của MLPerf Inference 5.1 (tháng 9/2025)
- arXiv 2505.15030, A Systematic Evaluation of On-Device LLMs: Quantization, Performance, and Resources
- Samsung Newsroom, Galaxy Tech Forum tại Galaxy Unpacked 2025 (tháng 7/2025), số liệu khảo sát do FoneArena đưa tin
- Deloitte, thông cáo báo chí Connected Consumer Survey 2025 (tháng 9/2025)
- Lưu ý về dữ liệu: lượng điện thoại thông minh GenAI năm 2025 khác nhau giữa các hãng: IDC nói trên 370 triệu (thị phần 30%), Gartner 369,3 triệu, còn Counterpoint trên 400 triệu trong dự báo tháng 3 năm 2025, sau đó điều chỉnh thị phần năm 2025 lên 36%. Với năm 2026, mức 45% của 1,08 tỷ chiếc theo Counterpoint hàm ý khoảng 486 triệu điện thoại GenAI (0,45 x 1,08 tỷ), thấp hơn đáng kể so với 559 triệu của Gartner, vốn được công bố vào tháng 9 năm 2025, trước khi tình trạng thiếu bộ nhớ buộc phải cắt giảm lượng xuất xưởng; hãy chờ Gartner điều chỉnh. Quy mô thị trường mô hình ngôn ngữ nhỏ dao động từ 0,93 tỷ USD (MarketsandMarkets) đến khoảng 9 đến 11 tỷ USD (Research and Markets, Grand View Research) cho giai đoạn 2025-2026 do khác biệt về định nghĩa. Mọi số liệu thông lượng NPU đều do nhà cung cấp tự báo cáo trên các mô hình, độ chính xác và độ dài ngữ cảnh khác nhau, nên không thể so sánh trực tiếp; kết quả LLM theo từng thiết bị của MLPerf Mobile v6.0 là dữ liệu cần theo dõi. Số liệu 30 token/giây của Apple, kết quả Llama lượng tử hóa của Meta, số liệu Phi Silica của Microsoft và dự báo 2028 của IDC đều là dữ liệu năm 2024, là số liệu mới nhất mà mỗi nguồn từng công bố. Trang nghiên cứu ML của Apple liệt kê 15 ngôn ngữ được hỗ trợ trong khi báo cáo kỹ thuật arXiv mô tả 16 vùng ngôn ngữ.
Cập nhật lần cuối: ngày 3 tháng 10 năm 2026. Chúng tôi cập nhật bài tổng hợp này hằng quý, và đợt làm mới tiếp theo dự kiến diễn ra khi Counterpoint công bố các bộ theo dõi điện thoại thông minh và giá bộ nhớ quý 3 năm 2026, đồng thời MLCommons phát hành kết quả LLM công khai đầu tiên của MLPerf Mobile v6.0.