随着能够理解用户意图并自主执行任务的“Agentic AI”加速落地，AI能力也正加快向手机端下沉。照片修复、实时翻译、文档摘要等功能，正在越来越多地依靠终端本地完成，而不必频繁往返外部数据中心。

在这一趋势下，离线状态下的手机AI究竟能做到什么程度，成为一个值得关注的问题。为此，媒体将Galaxy S26 Ultra全程置于飞行模式，并连续进行了72小时测试，在无网络连接、无云端调用的条件下，观察Snapdragon 8 Elite 5代仅凭本地算力能够完成哪些AI任务。

此次测试围绕三类使用场景展开，分别模拟上班族的日常一天、网络不稳定状态下的海外出差一天，以及内容创作者的周末使用场景。机身表面温度通过红外测温仪测量，并与飞行模式开启前的联网状态进行对照。

测温点共设置两处：一处位于后置摄像头模组下方，接近主板和AP区域，更能反映芯片热量传导情况；另一处位于机身背部中央，用于观察蒸汽腔分散热量后的机身温度。任务响应时间则通过独立秒表记录。

首日测试：办公场景下，高频短时AI任务温升极小

第一天模拟上班族使用场景，测试内容包括5分钟会议语音转写与摘要、会后邮件草稿生成，以及通勤途中对3张照片进行对象消除等高频短时AI任务。

在同时进行其他操作的情况下，5分钟会议内容的转写与摘要这一多阶段任务共耗时18.52秒，机身表面温度维持在31.6℃，未出现变化。基于会议内容生成邮件草稿耗时2.4秒。

随后连续处理3张照片的对象消除任务，其耗时与联网状态下的对照结果一致。机身表面温度由32.1℃升至32.3℃，仅上升0.2℃。Galaxy手机对该功能标注为“仅在设备端处理图像”，此次测试结果也与这一说明基本一致。

Qualcomm方面表示，面向Galaxy的Snapdragon 8 Elite 5代Hexagon NPU性能较上一代提升39%，而集成在CPU中的QMX引擎则负责轻量级AI推理。从测试情况看，日常场景中的短时任务主要由NPU与QMX引擎分担，未显示出对云端处理的明显依赖。

72小时测试覆盖日常、出差与周末三类场景

第二天模拟海外出差且网络不稳定的场景，测试项目包括对6张外语菜单和指示牌照片进行翻译、模拟10组中英口译任务，以及对英文商务邮件进行摘要并将回复内容自动翻译为英文等多阶段处理流程。

其中，外语照片翻译平均每张耗时2.3秒。尽管涉及图像识别与文本翻译，机身表面温度也仅由32.1℃升至32.7℃，温升为0.6℃。10组中英口译任务平均每句1.5秒返回结果，完成后温度上升0.4℃。英文邮件摘要及回复自动翻译整个流程合计耗时4.2秒，发热表现与办公场景相近。

按照Qualcomm的介绍，Snapdragon 8 Elite 5代采用按任务性质分工的处理架构：较重的AI模型由NPU承担，图形任务由GPU负责，轻量推理由CPU和QMX引擎分担。由于负载分布相对均衡，多任务并行时响应也更稳定。测试中，在开启口译模式的同时进行照片修复，设备未出现明显卡顿。静置30分钟后，机身表面温度恢复正常，显示新的蒸汽腔结构有助于更快释放累积热量。

内容创作场景下，APV 8K编码带来最大温升

第三天的周末场景聚焦内容创作，这也是对芯片负载考验最为明显的一组测试。测试中，设备以APV 8K编码连续拍摄1分钟视频3次，机身表面温度由29.4℃升至33.2℃，温升达到3.8℃，为72小时测试中的最高值。

不过，在紧接着进行4K H.265格式1分钟连续拍摄3次后，机身温度反而由29.6℃降至29.4℃，下降0.2℃。这一结果表明，APV编码对芯片负载的要求明显高于其他编码方式。随后进行APV视频编辑时，即便包含人群噪声分离、语音增强等AI任务，温升也仅为0.2℃。

Qualcomm称，APV通过专用硬件进行编码和解码，可实现电影级视频处理。从此次测量结果看，这一说法得到了一定印证。同时，测试也显示，在移动芯片负载中，真正带来显著压力的未必是AI任务本身，视频编码才是更主要的热量来源。

协同分工架构提升多任务稳定性

综合72小时测试结果看，简单AI任务几乎不会带来明显发热；即便是多阶段AI处理，机身表面温升大多也控制在1℃以内。相比之下，视频编码对芯片温度的影响更为明显，但最高温升场景下也可在约30分钟内回落。完成全部测试后，设备总耗电不足10%。即便考虑到飞行模式本身具备省电效果，这一结果仍显示出移动AP较高的能效水平。

需要指出的是，此次测试仅基于单一设备，并以压缩方式模拟三天场景，因此结论仍有一定局限。不过，在连续72小时飞行模式测试中，Galaxy S26 Ultra依次覆盖日常、出差和周末三类典型使用情境，已在一定程度上展示出降低云端依赖的实际体验。

从测试结果来看，移动AI正逐步摆脱“用户发出指令—数据上传数据中心—返回结果”的传统路径，转向由终端芯片直接接收并处理更多任务。这也意味着，Agentic AI时代的起点，正在从云端进一步转向用户手中的设备本身。对于下一代智能手机而言，芯片内NPU及相关本地AI能力的竞争，或将愈发关键。