高通HBC架构2028年落地手机，端侧AI算力将跃升至何水平？
高通公司执行副总裁杜尔加·马拉迪于2026年6月27日宣布，公司将把最新发布的数据中心芯片技术引入智能手机领域，以显著提升移动设备在本地运行人工智能（AI）任务的能力。这一战略举措的核心是高通新推出的高带宽计算（High Bandwidth Compute, HBC）架构，该架构采用垂直堆叠设计，将内存与计算单元紧密集成，从而大幅提高数据传输效率与能效比。根据高通此前披露的路线图，HBC架构的第一代产品将于2027年中开始向数据中心客户送样，并计划在2028年实现商业化供货。马拉迪强调，“数据中心的技术不会止步于此”，公司正积极与智能手机、个人电脑及汽车制造商就该技术的跨平台应用展开洽谈。
数据中心先行：HBC架构的技术路径与时间表
高通对HBC架构的布局并非临时起意，而是其长期AI战略的关键一环。早在2026年6月24日，高通通过官方渠道发布其面向数据中心的AI推理扩展路线图，明确将HBC作为核心组件之一。该路线图围绕名为“Dragonfly C1000”的数据中心CPU展开，这款芯片预计于2028年正式商用，目标配置包括250个以上核心、主频超过5 GHz，并支持PCIe Gen 7和CXL互连标准。与此同时，HBC技术将首先集成于代号为AI250的推理加速器中，计划于2027年中提供工程样品。
值得注意的是，HBC的设计理念聚焦于“近内存计算”（near-memory compute），旨在替代当前主流的高带宽内存（HBM）方案，以更高效地解决AI模型推理过程中频繁的数据搬运瓶颈。传统架构中，计算单元与内存分离导致大量能耗消耗在数据传输上；而HBC通过3D堆叠将逻辑层与存储层垂直整合，缩短物理距离，从而在单位功耗下实现更高的吞吐量。高通表示，这一设计特别适用于需要高tokens-per-watt效率的“智能体式AI”（agentic AI）推理场景——即能够自主规划、调用工具并持续交互的下一代AI应用。
从云端到终端：端侧AI的演进逻辑与市场驱动力
将原本为数据中心优化的架构反向移植至智能手机，看似违背常规，实则反映了AI计算范式的根本性转变。过去数年，大型语言模型（LLMs）主要依赖云端部署，但随着模型压缩、量化技术和专用神经网络加速器的进步，越来越多的AI任务已能在终端设备上高效运行。这一趋势被称为“端侧AI”（on-device AI）或“边缘AI”（edge AI），其核心优势在于低延迟、隐私保护和离线可用性。
高通作为全球领先的移动芯片供应商，早已在骁龙平台集成Hexagon NPU（神经处理单元），持续提升端侧AI算力。然而，随着用户对实时语音助手、个性化内容生成、增强现实（AR）交互等复杂AI功能的需求激增，现有架构在内存带宽和能效方面逐渐逼近瓶颈。HBC架构的引入，正是为突破这一限制。通过将数据中心级的高带宽内存技术微型化并适配移动功耗约束，高通有望在2028年后的旗舰智能手机中实现每秒数百TOPS（万亿次操作）的有效AI算力，同时维持全天候续航。
这一战略也契合行业整体方向。苹果、谷歌和三星等科技巨头近年来均加大了对端侧AI的投入，推动操作系统和应用生态向本地化智能演进。例如，iOS和Android系统已开始支持设备端运行小型语言模型，用于消息摘要、图像编辑和语音转录等功能。高通若能率先将HBC技术成功下放至移动端，不仅可巩固其在安卓阵营的芯片主导地位，还可能重塑智能手机的性能定义标准——从单纯的CPU/GPU跑分转向综合AI推理效率与能效比。
跨平台协同：汽车与PC成为潜在延伸战场
杜尔加·马拉迪在声明中特别提到，高通正与汽车和PC制造商探讨HBC技术的合作可能性，这揭示了公司更宏大的“全场景AI计算”愿景。在智能座舱领域，车载系统对实时语音识别、驾驶员状态监测和多模态交互的需求日益增长，而传统车规级芯片在算力与带宽上难以满足未来L3级以上自动驾驶辅助系统的AI负载。HBC架构若能通过车规认证，将为高通在快速增长的智能汽车芯片市场打开新空间。
同样，在PC端，Windows on Snapdragon设备正试图挑战x86阵营在轻薄本市场的统治地位。微软Copilot+ PC的推出已明确要求设备具备40 TOPS以上的NPU算力，而高通最新骁龙X Elite芯片虽已达标，但面对未来更复杂的本地AI工作流（如视频实时翻译、文档智能生成），仍需更高带宽支持。HBC技术的引入可使高通在PC市场形成差异化优势，尤其是在需要长时间离线运行AI任务的商务和创作场景中。
不过，技术迁移并非没有挑战。数据中心芯片通常不计成本追求性能，而移动和汽车芯片则对功耗、散热和成本极为敏感。HBC的3D堆叠工艺虽能提升密度，但也可能增加制造良率难度和封装成本。此外，软件生态的适配同样关键——开发者需针对新内存架构优化AI模型，否则硬件优势难以兑现为用户体验提升。高通能否在2028年前完成从数据中心到终端的完整技术闭环，将取决于其在半导体制造、系统集成和开发者支持三方面的协同能力。
竞争格局与投资启示
在端侧AI芯片赛道，高通并非孤军奋战。英伟达凭借其CUDA生态和Grace CPU布局，也在探索从数据中心向边缘设备的延伸；英特尔则通过Lunar Lake处理器强化PC端AI能力；而苹果自研的A/M系列芯片持续领跑移动端AI性能。然而，高通的独特优势在于其横跨移动、汽车、物联网和即将进入的数据中心市场的全栈覆盖能力，以及与全球主流OEM厂商的深度合作关系。
对于投资者而言，高通此次技术路线调整释放出明确信号：公司正从通信芯片供应商向通用AI计算平台转型。尽管HBC在智能手机的落地尚需两年时间，但其数据中心产品的进展将成为关键先行指标。若2027年AI250样品表现符合预期，市场对高通在AI时代长期竞争力的评估或将显著上调。与此同时，关注其与安卓手机厂商、汽车Tier 1供应商的合作官宣，也将为技术商业化节奏提供早期验证。
综上所述，高通将数据中心HBC架构引入智能手机的战略，不仅是技术复用的自然延伸，更是对AI计算重心从云端向终端迁移趋势的主动押注。在2028年商业化窗口开启前，市场将密切关注其工程实现进度、生态构建成效与跨行业合作深度。若成功，高通有望在下一代智能设备浪潮中占据核心算力入口，重塑其在全球半导体价值链中的定位。
