高通高管谈6G与AI融合 布局数据中心终端的四大切入点

本文深度解析高通执行副总裁马德嘉关于6G与AI融合的见解，详解高通在数据中心领域的CPU、AI加速器、HBC近存计算及定制芯片四大布局，帮助科技从业者洞察未来通信与算力趋势。

6G时代即将到来，AI与通信的融合正在重构行业格局。高通执行副总裁马德嘉近期分享了高通在6G标准化、AI原生网络及数据中心领域的最新思考，特别是其独特的HBC近存计算技术，揭示了高通如何从移动芯片巨头向全栈算力提供商转型。

一、6G与AI融合带来终端变革

6G与AI的深度融合，正在从根本上重塑通信网络的底层逻辑与终端形态。这种变革并非简单的功能叠加，而是通过AI原生架构，让网络具备自主感知与推理能力。

在连接性能层面，6G延续了5G在增强移动宽带上的路径，显著扩大了覆盖范围与网络容量。但更关键的突破在于终端品类的革新。AI算力下放催生了新的智能体终端（Agentic AI devices），如智能戒指、吊坠等无屏设备。这些设备不再依赖复杂的屏幕交互，而是通过端侧AI实时处理用户意图，实现更自然的交互体验。

与此同时，网络本身也在发生质变。基于高性能计算处理器，6G网络实现了自智化与AI推理能力的内嵌。通过引入传感技术识别网络中的各类事物，系统能像汽车的ADAS（高级驾驶辅助系统）一样，实时感知环境变化并动态调整网络资源分配。这意味着网络运营效率将大幅提升，从“被动响应”转向“主动预判”。这种端云协同的深度重构，为后续高通在数据中心领域的算力布局奠定了基础。

二、高通数据中心四大布局解析

从端侧迈向云端，高通在数据中心的布局并非简单的产品线延伸，而是基于其深厚的芯片设计经验，针对高算力需求场景进行的精准定制。其核心策略聚焦于四大切入点：CPU、AI加速器、HBC近存计算以及定制芯片。

在通用计算领域，高通推出的CPU方案专门部署于风冷或液冷服务器中。这与手机CPU有着本质区别，它针对数据中心的高密度、高稳定性需求进行了架构优化，旨在提供更高效的通用算力底座。而在生成式AI爆发的大背景下，高通基于NPU打造的AI加速器成为另一大亮点。其AI250机架级方案额定功率高达160千瓦，展示了其在大规模并行计算中的强劲性能，能够支撑高强度的模型训练与推理任务。

面对大模型时代日益严峻的内存墙挑战，高通引入了HBC近存计算技术。通过将计算逻辑直接置于内存下方，这一架构有效缩短了数据访问路径，显著提升了解码性能，为高带宽需求场景提供了硬件级的解决方案。此外，高通还开放了ASIC定制服务，整合自有IP与客户特定IP，为拥有独特算力需求的行业客户提供灵活的芯片定制选项。这种全栈式的算力布局，不仅弥补了传统移动芯片厂商在云端领域的短板，更为后续HBC架构在产业中的落地积累了关键的技术储备。

三、HBC架构优势与产业进展

在四大布局中，HBC（High Bandwidth Computing）近存计算无疑是高通最具差异化的技术支点。与传统的HBM不同，HBC将计算逻辑直接下沉至内存下方，这种架构从物理层面缩短了数据访问路径。这种设计不仅显著降低了功耗，更在有效带宽上实现了比HBM更高的表现，尤其是在大模型推理的解码阶段，这种性能提升对于缓解日益严峻的“内存墙”瓶颈至关重要。

目前，HBC的技术潜力已引起产业界的高度关注。超大规模云服务商对这一技术表现出浓厚兴趣，高通也正与各大内存厂商紧密合作，加速推进该技术从实验室走向实际部署。对于正在构建下一代AI基础设施的企业而言，关注HBC的落地进展，或许是提前布局高能效算力基础设施的关键一步，其背后的能效比优势值得深入评估。

四、未来竞争力关键指标分析

然而，技术架构的差异化仅是进入数据中心核心圈层的“入场券”。高通要真正从边缘计算延伸至云端，构建所谓的“计算连续体”，必须跨越两道更难的门槛：单位Token成本与系统可靠性。在AI推理大规模落地的今天，云厂商对算力的考量已从单纯的峰值性能转向极致性价比。高通需要证明其HBC等创新架构在实际部署中，能切实降低每生成一个Token的能耗与硬件成本，且在高负载下保持长期稳定的运行表现，而非仅仅停留在理论参数上。

此外，生态建设是决定胜负的另一关键。芯片性能再强，若缺乏完善的软件栈支持和开发者生态，也难以被头部云厂商采纳。高通需加速构建稳定、易用的软件环境，并争取获得超大规模云服务商的规模部署验证。只有当技术落地能力与生态完善度形成合力，高通才能确立其在数据中心领域的长期竞争力，从而稳固地坐上这一核心牌桌。

相关标签：

高通