高通并不是简单进入AI数据中心市场,而是在打造一套可以覆盖云端与终端所有AI设备的统一计算架构。真正值得关注的不仅是AI250这款产品,而是High Bandwidth Compute即HBC架构未来能够复制到数十亿终端设备的潜力。美股投资网从以下几个层面进行解读。
首先是关于HBC的定义与核心逻辑。传统AI芯片如英伟达GB200或AMD MI400,其架构中GPU和HBM内存虽然封装在一起,但本质上是两个独立的Die,数据需要经过中间层在两者之间频繁传输。AI训练最大的瓶颈在于内存墙,即算力足够但GPU一直处于等待数据的状态。高通提出的HBC架构则通过直接把计算单元放到内存下面,显著缩短了数据移动距离,从而实现更低延迟、更低功耗以及更高的每瓦带宽。投资者日上提到的每瓦带宽达到HBM的6倍,核心在于提升了单位功耗下的数据传输效率。
其次是为何高通放弃采用HBM。HBM成本极高、厚度较大且功耗与封装要求严苛,根本无法进入手机等移动终端设备。手机长期依赖LPDDR系列内存,高通现在的思路是保留LPDDR的同时将计算单元集成在内存下方,从而在不使用HBM的前提下获得接近HBM的数据访问效率,这使其在移动端具有天然优势。
再者是统一架构的战略意义。高通一直坚持一套架构策略,此前是Snapdragon系列覆盖手机、PC与汽车,现在更进一步将数据中心纳入该体系。这意味着只要研发一套架构,四个平台就能同时受益。这种模式类似于苹果通过M系列芯片在Mac、iPad与Vision Pro之间实现IP复用,高通则是希望在AI领域通过统一架构实现这种规模化效益。
市场之所以容易忽略这一点,是因为目前大家的目光大多集中在谁的数据中心GPU销量最大,从而只盯着英伟达、AMD或博通。然而高通的真正护城河在于全球几十亿的终端设备,包括安卓手机、Windows AI PC、汽车座舱、ADAS、XR眼镜及各类物联网设备。如果未来AI应用日益依赖端侧推理,那么统一架构所带来的规模效应,可能远比单一的数据中心市场更为深远。
此外,端侧AI的重要性正与日俱增。过去所有的AI请求都依赖云端,但未来更多的模型将直接在本地NPU运行,例如实时翻译、本地代理、视频编辑及多模态助手等功能,这要求终端设备具备极高的内存带宽。这也解释了为何苹果在疯狂提升统一内存,微软要求Copilot+ PC必须达到40以上的TOPS算力,以及谷歌力推Gemini Nano,大家都在押注Edge AI。
最后是关于高通的战略价值与挑战。高通真正的竞争优势在于,如果HBC架构成熟,未来手机、PC、汽车、XR及机器人芯片都可以采用同一套内存栈,从而将巨大的研发成本分摊到数十亿台设备上。不过目前还不能断言高通将超越英伟达,因为HBC仍处于路线图阶段,预计2027年才会有AI250落地,其实际性能、成本及生态仍需产品验证。同时,6倍的每瓦带宽并不等同于6倍的整体性能,AI系统的表现还取决于软件栈、编译器及模型优化等多方面因素。
从投资角度来看,如果高通在投资者日透露的信息能够顺利兑现,那么它讲述的不仅是一个数据中心的故事,而是一个从云端延伸至终端的统一AI平台故事。如果未来AI的发展方向确实是云端训练与终端推理并存,那么高通的长期价值将取决于它能否将HBC架构成功下放到边缘设备,成为未来AI终端的底层计算平台,这正是目前市场可能尚未充分计价的部分。












