過去 1 年間、スマートフォン メーカーは AI への取り組みを加速してきました。 Honor の YOYO は、より多くのサードパーティ エージェントと統合されており、システム層とアプリケーション層の間で AI 機能の橋渡しをしていますが、Huawei 社の Xiaoyi は、アプリ間を移動して 1 つのコマンドでタスクを完了できます。

これらの強力な進歩にもかかわらず、詳しく見てみると、これらの AI 機能は依然としてインターネット接続に依存しているという根本的な現実が明らかになります。本質的に、スマートフォン AI はまだエッジとクラウドのコラボレーション段階にあり、次の大きな飛躍にはまだ至っていません。

最近、Semi-retired-ing からの X に関するリークにより、次のことが明らかになりました。 Samsung は、AI 機能のほとんどを強化するために、次期 Galaxy S26 シリーズ上でローカルで実行できるラージ言語モデル (LLM) を準備しています。 このオンデバイス モデルには高度な権限があるとも言われており、必要に応じてメモリをクリアして、いつでもユーザーのリクエストに応答できるようにします。

実際、サムスンは2023年に「Gauss」という名前のオンデバイスLLMを披露しており、Galaxy S25シリーズにプレインストールされるという噂さえあった。 しかし、理由は不明だが、SamsungはGoogleのGeminiを大々的に宣伝しており、それ以来Gaussについてはほとんど言及していない。サムスンのオンデバイスモデルが話題に戻ってきたのは今になってからだ。ほとんどのメーカーが引き続きクラウドベースのソリューションに注力している中、なぜサムスンはこのモデルを電話機に直接搭載しようとしているのでしょうか?これは競合他社を飛び越えるための戦略なのでしょうか、それともモバイル プラットフォームが最終的に LLM をローカルに展開する機能を備えたのでしょうか?答えが何であれ、スマートフォン AI の新たな段階が始まろうとしています。

スマートフォンメーカーはエッジとクラウドのハイブリッドモデルを放棄しない

Samsung が本当に LLM をローカルに展開する場合、これはスマートフォン AI がエッジとクラウドのハイブリッド戦略を放棄して、純粋にオンデバイスのアプローチを採用することを意味するのでしょうか? 実際には、これが短期的に起こる可能性は低いです。 エッジとクラウドのハイブリッド モデルは、現時点ではほぼ完璧なソリューションです。クラウドは、更新、ガバナンス、およびセキュリティのためにサーバーの優れたコンピューティング リソースを活用して、モデルのスケール、複雑な推論、および迅速な反復を処理します。一方、デバイス (エッジ) は、複雑なリクエストをクラウドに渡す前に、ウェイクアップ ワード、音声認識、基本的な意図分析などの最初のユーザー コマンドを処理します。

この分業は、AI を時々使用するユーザーにとってはうまく機能します。ただし、 このロジックは、AI の使用頻度がそれほど高くないという前提に基づいています。 スマートフォン AI の方向性が明確になるにつれ、メーカーは「質問に答えること」から「ユーザーに代わってタスクを完了すること」に焦点を移しています。 AI はチャットボットから、画面上のコンテンツを理解し、タスクの目標を細分化し、実行パスを計画して、完全な AI エージェント チェーンを形成できるシステムに進化しています。 AI がこの高頻度で継続的なシステムレベルの対話シナリオに入ると、エッジクラウド モデルの欠点が明白になります。たとえば、ネットワークが弱い状態では、クラウドの応答遅延により顕著な中断が発生する可能性があります。一連のコマンドにおいて、ネットワークが切断されるとプロセス全体が停止する可能性があります。ユーザーにとって、このような非効率性は容認できません。

オンデバイス LLM: ハードルは何ですか?

ハイブリッド モデルの欠点を考慮すると、なぜオンデバイス LLM をスマートフォンに実装することがこれほど困難になったのでしょうか?メーカーが試みようとしないのではなく、限界が非常に明らかなのです。まず、ハードウェアの制約があります。 メモリ、計算能力、消費電力は、オンデバイス AI の 3 つの主要な条件です。 適度なサイズのモデルであっても、バックグラウンドで常に実行すると、システム リソースに継続的な負担がかかります。メモリ要件だけでも、Apple は iPhone の RAM を増やす必要があると伝えられています。 2 つ目は、安定性とメンテナンスのコストです。クラウド モデルは即座にバグを修正して迅速に反復できますが、オンデバイス モデルはシステム アップデートを通じてのみ最適化できます。システムレベルの AI の場合、これはより高いリスクとより大きなテストコストを意味します。

しかし、2025 年には状況が変わります。 チップ機能の大幅な向上により、純粋にオンデバイス LLM が現実に近づいています。 たとえば、Snapdragon 8 Gen 5 を考えてみましょう。クアルコムは、Hexagon NPU がローカル生成タスクで約 200 トークン/秒の出力速度を達成できることを明らかにしました。この指標は、AI が複雑な対話型コマンドを実行するための前提条件である、オンデバイス モデルが継続的かつ自然言語生成を実行できるようになったことを意味するため、重要です。同様に、MediaTek の Dimensity 9500 は、NPU 990 でより積極的な電力効率の高い設計を特徴としています。公式の主張によれば、全体の電力消費を大幅に削減しながら、30 億パラメータのオンデバイス モデルでの生成効率が向上するとのことです。これは、オンデバイス モデルが単なる「1 回実行」機能ではなく、継続的な運用が可能になりつつあることを示唆しています。

オンデバイス AI は革命にはならないが、主力製品にとっての分かれ目となる

主流メーカーの選択を見ると、依然としてエッジとクラウドのハイブリッド モデルが最も賢明なソリューションです。たとえば、ファーウェイのXiaoyiは、依然として中国で最も包括的なシステムレベルのAIアシスタントの1つであるが、そのコアアーキテクチャは依然として古典的なハイブリッドである。つまり、デバイスが知覚と基本的な理解を処理し、クラウドが複雑な推論を担当する。 これはメーカーがオンデバイス AI を実行できないからではなく、実際的なトレードオフです。 AI がシステムやサービスに深く統合されると、積極的な導入よりも安定性、効率、リソース制御が常に重要になります。

結局のところ、オンデバイスの大規模言語モデルは、短期的にはスマートフォン AI の全体的な方向性を完全に変えることはありません。サムスン、ファーウェイ、その他の国内主要企業のいずれであっても、現在の選択肢はエッジとクラウドのハイブリッド ソリューションです。結局のところ、スマートフォンは大型モデル向けに設計されていないため、パフォーマンス、消費電力、安定性、セキュリティのバランスが求められます。この観点から見ると、オンデバイス LLM は携帯電話の発売イベントでは「爆弾」機能ではないかもしれませんが、主力デバイスの技術水準を静かに引き上げることになります。これにより、オンデバイス機能を備えた AI スマートフォンと純粋にクラウドベースの AI スマートフォンとの間に明らかなエクスペリエンスのギャップが生じます。その境界線はすぐに引かれるかもしれない。