Prozessorchips machen Preisunterschiede bei Mobiltelefonen zunichte
Die neuesten Prognosen von Omdia zeigen, dass die weltweite Smartphone-Liefermenge im Jahr 2026 im Vergleich zum Vorjahr um 12,2 % auf 1,093 Milliarden Geräte sinken wird. Im gleichen Zeitraum wird der Marktwert jedoch um 6,1 % steigen. Weniger Geräte, aber mehr Umsatz. Der durchschnittliche Verkaufspreis von Smartphones weltweit wird sich voraussichtlich von 467 US-Dollar im Jahr 2025 auf 565 US-Dollar im Jahr 2026 erhöhen, was einer Steigerung von 21 % bzw. 98 US-Dollar entspricht. Beide Zahlen setzen neue Rekorde in der Branche.
Der Triebfaktor hinter der Preiserhöhung ist die Speicherkosten. Im ersten Quartal 2026 stiegen die Durchschnittspreise von DRAM- und NAND-Flash-Speichern im Vergleich zum Vorquartal um über 80 %. Die stark ansteigende Nachfrage von AI-Servern nach HBM hat die Produktionskapazitäten der Speicherhersteller stark abgesaugt, was zu einer Engpasssituation in der Lieferung an die Unterhaltungselektronikbranche geführt hat. Omdia schätzt, dass sich die Komponentenkosten auch im zweiten Halbjahr, wenn die Preiserhöhung auf Einstellzahlen abnimmt, auf hohem Niveau halten werden. Die Hersteller werden daher gezwungen sein, die Kosten auf die Verkaufspreise weiter zu übertragen. Dies führt zu einer Differenzierung der Marktstruktur: Die Produktion von Kostengünstigen Modellen wird aufgrund der gestiegenen Kosten verringert, während die teureren Modelle von einer höheren Marktquote profitieren werden. Gleichzeitig wird der Markt für renovierte Gebrauchsmodelle wachsen.
Die chinesische Regierung hat auf diese Situation mit Subventionsmaßnahmen auf der Nachfrageseite reagiert. Am 18. Juni haben acht Ministerien, darunter das Ministerium für Handel, die „Richtlinien für die Beschleunigung der Entwicklung von „Künstliche Intelligenz + Konsum“ veröffentlicht. Darin wird klar gemacht, dass die Konsumenten bei der Anschaffung von AI-Smartphones, intelligenten Computern, AI-Brillen und anderen Produkten durch staatliche Zinsvergünstigungen bei Privatkonsumkrediten unterstützt werden sollen. Während die Preise für Smartphones steigen, werden AI-Smartphones nun als strategische Produktkategorie für den staatlichen Konsum angesehen.
Insgesamt ist die Smartphone-Liefermenge rückläufig, während die teureren Modelle auf dem Vormarsch sind. Auf den Pressekonferenzen sprechen die Smartphone-Hersteller nicht mehr über die Rechenleistung der Prozessoren.
Die Flaggschiffmodelle, die im Sommer 2026 erscheinen werden, werden fast alle mit einem Qualcomm Snapdragon 8 Gen 5-Prozessor ausgestattet sein. Xiaomi spricht über seinen 7.000 mAh „Jinshajiang“-Akku, vivo über die Grenzen der Akkulaufzeit bei Klappmodellen, iQOO über die Kühlung für E-Sport-Anwendungen und motorola über die Integration eines 6.000 mAh-Akkus in ein Klappgehäuse. Im Android-Camp rückt das Thema SoC-Leistung in den Hintergrund, und die Prozessorchips verschwinden wie die 4G-Technologie in den Pressekonferenzen.
Die Smartphone-Hersteller befinden sich in einer schwierigen Lage und müssen in anderen Bereichen nach Lösungen suchen.
Konkurrenz im Bereich der Edge-AI: Milliarden von Parametern sind nur Werbung, Energieverbrauch und Speicherplatz sind die entscheidenden Faktoren
Der Wettlauf um die höchsten Parameter in der Edge-AI ist derzeit sehr heftig. Ein Bericht von Counterpoint zeigt, dass Smartphones mit GenAI-Fähigkeiten 2026 45 % der weltweiten Liefermenge ausmachen werden. Die Analysten weisen jedoch gleichzeitig darauf hin: Es besteht ein deutlicher Unterschied zwischen Geräten, die technisch in der Lage sind, AI-Funktionen auszuführen, und solchen, die von den Nutzern tatsächlich in der täglichen Nutzung genutzt werden. Die technischen Fähigkeiten haben sich verbessert, aber das Verhalten der Nutzer hat sich nicht geändert.
Mediatek und vivo haben gemeinsam demonstriert, dass ein 33-Milliarden-Parameter-Modell auf dem Dimensity 9300 läuft. Huawei behauptet, dass das Kirin-Flaggschiffmodell ein Milliarden-Parameter-Modell lokal inferieren kann. Xiaomi hat kürzlich bekannt gegeben, dass sein Flaggschiffmodell ein Milliarden-MoE-Modell erfolgreich ausgeführt hat. Die Zahlen 7 Milliarden, 13 Milliarden, 33 Milliarden und 100 Milliarden steigen alle paar Monate. Dann hat vivo eine umgekehrte Entscheidung getroffen: Das Haupt-Edge-Modell wurde von 7 Milliarden auf 3 Milliarden Parameter reduziert. Dies liegt nicht an technischen Problemen, sondern daran, dass das 3-Milliarden-Parameter-Modell nur 2 GB Speicherplatz benötigt, einen Stromverbrauch von etwa 750 mA hat und 128K lange Texte kontinuierlich verarbeiten kann. In der täglichen Nutzung erreichen das 3-Milliarden- und 7-Milliarden-Parameter-Modell ähnliche Ergebnisse, aber das Smartphone wird nicht heiß und der Akku wird nicht so schnell leer. Die Nutzer wollen nicht unbedingt Modelle mit mehr Parametern, sondern eine AI, die ihre tägliche Nutzungserfahrung wirklich verbessert, jederzeit reagiert, nicht heiß wird und wenig Strom verbraucht, und die in jeder Situation beim Öffnen des Smartphones hilfreich ist.
Hinter dieser Einschätzung verbirgt sich ein in der Branche nicht oft erwähntes Faktum: Die Edge-Parameter im Milliarden- oder Billionenbereich basieren in der Regel auf einer dünn besetzten MoE-Architektur. Obwohl die Gesamtanzahl der Parameter sehr hoch ist, werden nur einige Milliarden Parameter bei jeder Inferenz aktiviert. Nach der INT4-Quantisierung und Komprimierung entspricht die tatsächliche Rechenleistung in etwa der eines 7-Milliarden-Dichten-Modells. Die Milliarden repräsentieren die maximale Kapazität, aber nicht die tatsächlich genutzte Menge.
Dieser Trend bedeutet, dass die AI-Fähigkeiten eines Smartphones von der LPDDR5X-Speicherkapazität, der NPU-Rechenleistung und dem Energieverbrauchsbudget gemeinsam bestimmt werden. Die stabilen Implementierungen konvergieren fast alle um 7 Milliarden Parameter. Ein 7-Milliarden-Modell benötigt nach der INT4-Quantisierung etwa 4 GB Speicher, was innerhalb der 12-16 GB LPDDR5X-Speicherkapazität von Flaggschiff-Smartphones liegt. Mediatek hat klar gemacht, dass der APU 790 des Dimensity 9300 ein 7-Milliarden-Modell mit einer Geschwindigkeit von etwa 20 Tokens pro Sekunde inferieren kann. OPPO hat das 7-Milliarden-Edge-Modell in über 100 AI-Funktionen eingesetzt. Obwohl Qualcomm die Anzahl der Parameter nicht veröffentlicht, entspricht die tatsächliche Leistungsstufe seines AI-Engines der gleichen Größenordnung. Bei noch höheren Parametern würden die Anforderungen an die Speicherkapazität und die Kühlung des Smartphones die Grenzen der meisten Flaggschiffmodelle überschreiten.
Diese Entwicklung verändert auch die Bedeutung dieser Zahlen für die Chipindustrie. In der Vergangenheit wurde die NPU-Leistung anhand des Spitzen-TOPS-Werts gemessen, je höher desto besser. Wenn die Smartphone-Hersteller jedoch zunehmend kleinere Modelle anstelle von größeren einsetzen, muss die NPU in der Lage sein, eine Inferenzaufgabe mit einem langen Kontext bei einem Energieverbrauch von 750 mA stabil auszuführen, anstatt nur auf hohe Spitzenwerte abzuzielen.
Die Größe des SRAM-Speichers für den KV-Cache, die Effizienz der Speicherbandbreitenschaltung und die native Unterstützung von INT4/FP8-Niedrigpräzisionsformaten sind für die tatsächliche AI-Nutzungserfahrung der Nutzer wichtiger als die TOPS-Zahlen.
Die Engpässe bei der Inferenz liegen nicht nur in der NPU-Rechenleistung, sondern auch in der Speicherbandbreite, die es ermöglicht, die Modellgewichte schnell zu laden. Eine Lesegeschwindigkeit von 10,8 GB/s hat einen direkten Einfluss auf die Modellladezeit und die Effizienz des KV-Cache-Updates. Dies ist genauso wichtig wie der TOPS-Wert der NPU für die wahrgenommene AI-Reaktionsgeschwindigkeit des Nutzers.
Die Speicherhersteller haben dies erkannt. Das am 23. Juni von Samsung veröffentlichte UFS 5.0-Speichersystem erreicht eine sequentielle Lesegeschwindigkeit von 10,8 GB/s, mehr als doppelt so schnell wie das vorherige UFS 4.1, und verbessert die Energieeffizienz um über 40 %. Samsung hat dieses Produkt als „Kerninfrastruktur für die Edge-AI“ positioniert. Das UFS 5.0 wird jedoch erst im vierten Quartal dieses Jahres in Massenproduktion gehen, was bedeutet, dass es in den Flaggschiffmodellen des nächsten Jahres, nicht aber auf den diesjährigen Pressekonferenzen, auftauchen wird. Counterpoint hat analysiert, dass die Speicherbeschränkungen einer der Hauptgründe dafür sind, dass GenAI-Smartphones derzeit auf einen Preis über 400 US-Dollar festgelegt sind. Das UFS 5.0 kann eine deutliche Leistungssteigerung bringen, aber die Anfangskosten werden nicht niedrig sein, und das Muster, dass zunächst die High-End-Segmente profitieren, wird sich kurzfristig nicht ändern.
Der Schwerpunkt des Wettbewerbs im Bereich der Smartphone-AI verschiebt sich von der Hardware selbst hin zu den auf dem Gerät laufenden AI-Modellen. Counterpoint hat festgestellt, dass im High-End-Segment Google Gemini zum Kern dieses Bereichs wird. Gemini unterstützt die von Apple neu entwickelte Siri, ist die Grundlage für Samsung Galaxy AI und treibt auch die AI-Fähigkeiten der ausländischen Versionen der wichtigsten chinesischen Smartphone-Marken an. Die OEM-Hersteller sind für die Logik, die Nutzererfahrung und die Ökosystemintegration auf Modell-Ebene verantwortlich. Dies ist der Ort, an dem der nächste Wettbewerbskampf ausgetragen wird.
Der Aufstieg eines neuen Wettbewerbsgebiets: Coprozessor + Edge-Modell
Die Wettbewerbsdynamik im Bereich der Edge-AI hat sich geändert, aber eines bleibt gleich: Es gibt keine Unterschiede zwischen den Flaggschiffmodellen auf Prozessorebene. Zwei verschiedene Smartphones können mit demselben SoC ausgestattet sein, aber die Pressekonferenzen müssen unterschiedliche Themen behandeln. Die Unterscheidung muss daher in anderen Bereichen gesucht werden, wie z. B. in der Bildverarbeitungsalgorithmen, der Spieleerfahrung und der Akkulaufzeitoptimierung. Diese Aspekte der Benutzererfahrung können nicht von der universellen SoC-Designung optimal abgedeckt werden.
Die Lösung für die Smartphone-Hersteller besteht darin, einen eigenen Chip zu entwickeln, um die Aufgaben, die der SoC nicht gut erledigen kann, optimal zu lösen.
Seit Apple mit der A-Serie eine klare Leistungsdifferenz zu den Android-Smartphones hergestellt hat, ist die „Eigenentwicklung eines SoC“ zum Traum der Smartphone-Industrie geworden. Viele Smartphone-Hersteller haben versucht, einen eigenen SoC zu entwickeln, aber die tatsächlichen Daten zeigen, dass die Entwicklung eines Flaggschiff-SoC, das mit Qualcomm und Mediatek konkurrieren kann, keine kosteneffektive Option ist.
Die Smartphone-Hersteller haben später herausgefunden, dass es nicht notwendig ist, den Snapdragon zu ersetzen, sondern nur einen kleinen Chip in Bereichen zu entwickeln, die der Snapdragon nicht abdeckt.
Das iQOO Q2 E-Sport-Chip ist ein gutes Beispiel. Es greift weder auf die CPU, GPU noch auf die NPU zu, sondern konzentriert sich ausschließlich auf die Superauflösung und Superframerate von Spielbildern. Die Adreno GPU des Snapdragon 8 Gen 5 könnte zwar auch diese Aufgabe erledigen, muss aber gleichzeitig auch andere Aufgaben wie die Systemgrafikrendering, die UI-Synthese und andere Lasten bewältigen. Daher ist die Superauflösungseffizienz und der Energieverbrauch nicht optimal. Das Q2-Chip extrahiert diese Aufgabe und löst sie mit einem speziellen Chip optimal. Dadurch kann der Haupt-SoC seine Ressourcen auf die Stabilisierung der Framerate konzentrieren.
Das von Xiaomi entwickelte Bildverarbeitungs-Chip folgt dem gleichen Prinzip. Es ersetzt nicht die ISP des Snapdragon, sondern übernimmt nach der Grundverarbeitung der ISP Aufgaben wie die Rechenfotografie, die Mehrfachbildzusammensetzung und die Verbesserung der Langzeitaufnahmegüte, die höhere Rechenleistung und geringere Latenz erfordern. Die Aufgabenteilung zwischen den zwei Chips ist effizienter und führt zu weniger Wärmeentwicklung als die Verwendung eines einzigen Chips für alle Aufgaben.
Diese Strategie ist kosteneffektiver als die Eigenentwicklung eines SoC. Die Funktionsgrenzen eines Coprozessors sind klar definiert, und die Entwicklungszeit ist kurz. Viele Coprozessoren nutzen die bewährten 12/16/28 nm-Prozesse, und die Kosten für die Chipherstellung sind nur ein Bruchteil derjenigen für fortschrittliche Prozesse. Es ist auch keine vollständige Compiler- und Treiber-Ökosystem nötig. Ein Spiele-Chip kann von der Konzeption bis zur Massenproduktion innerhalb der Zeitspanne zwischen zwei SoC-Generationen entwickelt werden, was ein bis zwei Jahre schneller ist als die Wartezeit auf die nächste Generation des Snapdragon von Qualcomm.
Dieser Trend hat einen zweifachen Einfluss auf die Chipindustrie. Die Nachfrage nach speziellen Chips auf der Grundlage bewährter Prozesse steigt, was die Auslastung der 12/16/28 nm-Produktionslinien erhöht. Gleichzeitig müssen Qualcomm und Mediatek sich an diesen Trend anpassen: Um die nahtlose Integration der Coprozessoren der Smartphone-Hersteller in die Datenpfade des SoC zu ermöglichen, müssen sie mehr untere Ebenen-Schnittstellen öffnen. Die Partnerschaftsart ändert sich von der einfachen Verkaufsbeziehung eines Chips zu einer kooperativen Plattform.
OpenAI will auch ein Smartphone entwickeln
OpenAI plant, im Jahr 2028 ein auf KI basierendes Smartphone auf den Markt zu bringen. Die Chipentwicklung wird in Zusammenarbeit mit Qualcomm und Mediatek erfolgen. Diese Entscheidung ist bemerkenswert. Wenn das weltweit größte KI-Unternehmen beschließt, ein Smartphone zu entwickeln, versucht es nicht, einen eigenen SoC zu entwickeln, sondern wählt stattdessen zwei existierende Smartphone-Chip-Plattformen. Dies zeigt erneut, dass die SoC-Ebene nicht der Schwerpunkt ist. Das echte Ziel ist es, die Modell-Ebene zu erobern, die bereits von Gemini eingenommen wird.
Dies zeigt in die gleiche Richtung wie die aktuelle Entwicklung in der Smartphone-Industrie: Der SoC wird zur Infrastruktur, und der echte Wettbewerb findet auf drei Ebenen statt: der AI-Modell-Ebene, der Coprozessor-Ebene und der Anwendungs-Ebene.
Der Wettbewerb auf der AI-Modell-Ebene bezieht sich darauf, welches Edge-Modell länger bei einem Energieverbrauch von 750 mA läuft und welches die Logik so organisiert, dass die Nutzer es tatsächlich nutzen. Der Wettbewerb auf der Coprozessor-Ebene richtet sich darauf, wer die speziellen Anwendungen wie die Superauflösung von Spielen und die Bildverarbeitung am besten umsetzen kann. Der Wettbewerb auf der Anwendungs-Ebene bezieht sich darauf, wer die Nutzungshabits der Nutzer tatsächlich durch die Edge-AI ändern kann.
Die Anforderungen an Smartphone-Chips werden einerseits von der KI in Richtung Effizienz und andererseits von den Kosten in Richtung Integration gedrängt. Beide Richtungen verringern den exklusiven Wert des Flaggschiff-SoC und eröffnen neuen Raum für bewährte Prozesstechnologien und heimische Akteure.
Zukünftig werden die Preisdifferenzen zwischen Smartphones von der Innovationskraft der Hersteller und der Implementierungsgeschwindigkeit der KI bestimmt, die die wirklichen Brüche bringen werden.