高通（Qualcomm）正强势进军AI数据中心，已与Meta达成多代Dragonfly C1000 CPU供应协议，并为另外两家未具名hyperscaler提供定制芯片，目标2029财年数据中心收入达150亿美元。 其核心技术HBC（High Bandwidth Compute）是亮点：采用近内存3D堆叠架构，将计算核心与LPDDR内存垂直融合，大幅缩短数据移动距离。相比传统HBM，HBC实现带宽/瓦特提升约6倍、容量/瓦特提升约200倍，同时显著降低功耗和总拥有成本（TCO），特别适合大规模AI推理和智能体AI场景。 HBM在峰值原始带宽上仍有优势，适合高强度训练负载；但HBC在实际AI工作负载中提供更低延迟、更高有效带宽和更好能效，尤其在电力和预算受限的hyperscale环境中更具吸引力。HBC并非全面取代HBM，而是成为高效补充方案——2027年中Gen1商用，2028年Gen2进一步提升，已获Meta等客户认可。 高通的优势在于能效+成本+定制化：利用成熟手机供应链降低成本，通过co-design和开放生态快速适配客户需求。这帮助高通从手机芯片巨头转型为数据中心重要玩家，在NVIDIA主导的市场中开辟差异化路径。 未来，HBC能否大规模分流HBM，取决于交付执行和软件生态成熟度。但在AI基础设施追求可持续性的今天，这种“省电即王道”的方案，已成为 hyperscalers 多元化供应链的热门选择。 但这种架构一旦被证明有效，行业复制速度可能会非常快。HBC不像CUDA，没有网络效应；不像x86，没有ISA锁定；也不像Windows，没有应用生态锁定。更大的可能是，Near-Memory Computing逐渐成为整个行业的新方向，而不是Qualcomm一家独占的技术。 因此，HBC本身更像是一张帮助Qualcomm切入AI推理市场的差异化王牌，而不是足以形成十年以上垄断优势的护城河。真正决定其长期竞争力的，不是单独的Near-Memory Compute模块，而是能否将HBC、LPDDR、Compiler、Runtime、软件生态以及完整的数据中心平台整合成一个系统级解决方案。如果这种整体体验能够持续领先，那么Qualcomm建立的将不是某一项硬件技术的优势，而是一整套AI推理架构的新范式。 免责声明：本人持有推文题及资产，观点充满偏见，非投资建议dyor