©️深响原创 · 作者｜何理

一石激起千层浪。

北京时间周四凌晨，高通在其纽约投资者日上释放出极为激进的增长信号：将2029财年非手机业务收入目标上调至400亿美元，约为此前目标的两倍；全面发布数据中心AI基础设施战略，设定2029财年营收目标逾150亿美元。

对此，市场立即给出了正向反馈——盘后乐观展望一经发布，股价最高涨幅触及逾16%。摩根士丹利发布研报指出，在数据中心的机遇带动下，高通的业务多元化速度推进得较预期快，同时将目标价由146美元上调至231美元。

一直以来，高通在人们眼中都是“移动通信芯片巨头”，但最近几年，其深入AI的动作已成为桌面上的“明牌”：从AI数据中心、定制芯片，到汽车、机器人和边缘AI，高通正布局于AI基础设施生态系统的几乎所有核心领域。

数据中心蓝图：开启全新周期

在投资者日的分享中，最让人关注的莫过于高通面向智能体AI时代的数据中心技术路线图以及其全新推出的高通飞龙产品组合。

过去，AI基础设施的上半场由“大模型训练”主导，全行业的资源资金集中于少数超大规模云端数据中心，靠堆算力来提升模型能力。

而现在，风向已发生明显转变：智能体全面渗透，算力需求大爆发，IDC预测，全球年度Token消耗将从2025年的0.0005
PetaTokens暴增至2030年的152,667
PetaTokens，年复合增长率高达惊人的3418%。这让算力成本激增，集中式AI到分布式AI成为必然趋势。AI系统无法再单靠云端包揽一切，而是必须具备端、边、云之间的全链路算力调度能力。

这便来到了高通的主场。

图源：IDC

在投资者日活动上发布的全新数据中心解决方案涵盖高通飞龙 C1000 CPU、高通高带宽计算（HBC）技术、高通飞龙 AI300推理加速器、连接产品及定制芯片解决方案。所有产品均旨在实现最大化每瓦特性能与Token吞吐量，同时降低客户总体拥有成本。

硬件层面，高通飞龙C1000

CPU是专为数据中心设计的服务器级CPU，其基于高通自研Oryon核心架构，能够为规模化部署的智能体工作负载提供卓越性能，为智能体、通用型和AI管理节点工作负载提供领先的性能表现和资源利用效率，同时具备同档产品中最佳的能效和总体拥有成本。

高通官方信息显示，根据规格参数预估，高通飞龙C1000 CPU每瓦特性能较现有服务器CPU竞品的基准数据提升超过2倍，预计于2028年实现商用。

行业普遍认为，AI算力结构将从单一算力向异构协同演进，CPU在调度与系统层的重要性显著提升。

高通飞龙C1000 CPU

另一个值得关注的核心技术创新是高通的高带宽计算（HBC）。这是一种将计算单元与高速内存通过3D堆叠方式紧密结合的近内存计算架构，直接对准AI推理中最关键的数据搬运瓶颈。

因为AI大模型在做推理时，需要不断从内存中读取数十亿甚至上千亿的参数，计算完再写回去。芯片算得再快，如果数据搬运的带宽跟不上，算力就会陷入空转。当前行业主流的解决方式是高带宽内存（HBM），通常需要借助昂贵的Interposer基板进行连接，数据在芯片和HBM之间反复搬运，本身就会消耗大量的电力，且产能受限进一步推高了制造成本。

相较传统HBM，高通的高带宽计算（HBC）不需要interposer，它通过3D垂直堆叠让计算靠近内存、减少数据搬运距离，实现更快速高效、扩展性更强的处理能力，在降低总体拥有成本的同时实现更高能效。高通官方数据显示，与竞品已公布的板卡级标准化产品参数相比，HBC技术支持的每瓦特带宽相比HBM技术提升6倍。

微软首席执行官Satya Nadella对此给予了高度评价：“HBC采用了一种创新性架构，结合了高内存带宽和集成计算，为下一代AI基础设施带来了成本和性能上的显著提升，且未来将有更多进展。”

随着AI推理规模的爆发，市场对持续推理、内存带宽和实时响应的需求变得格外迫切，高通这一套在移动端锤炼多年的近内存计算能力迎来了厚积薄发的机会。

与此同时，高通还全新发布了高通飞龙AI300推理加速器，它与此前已发布的AI200和AI250一起，构成了高通每年迭代一次的数据中心产品路线图。

AI300集成突破性的第二代高通HBC技术以实现计算加速，支持行业领先的内存容量与有效带宽，为大语言模型和多模态大模型（LLM、LMM）推理及智能体AI工作负载提供高吞吐量、低时延性能。与现有的基于GPU的架构相比，在单卡每瓦特内存带宽方面，AI300的每瓦特性能预计可实现4至8倍的提升。

高通飞龙AI300（加速卡/机架级产品）

不过，硬件再强，生态为王。软件层面的布局对于成为AI基础设施而言同样重要。

就在投资者日的同一天，高通宣布收购AI软件初创公司Modular。Modular的软件工具与模块化技术支持开发者一次编写、随处运行，为开发者大大降低AI开发门槛，提升AI开发性能和跨硬件迁移能力。

长期以来， AI开发者的代码都绑定在英伟达的CUDA软件平台上，更换芯片往往意味着推倒重写代码的巨大代价。此外，如果手机、汽车与数据中心各自的SDK与开发生态是断裂的，就无法实现全链路的分布式算力调度。

Modular的模块化架构可以让客户摆脱对单一硬件厂商的依赖，加快AI落地速度、减少整合成本，同时随业务需求灵活扩容。这将强化高通技术公司面向数据中心与边缘场景的生成式和智能体AI软件基础。

“Modular创立之初便秉持一个理念，即AI需要一套更开放、高效的软件基础，能够跨多样化硬件与部署场景运行。”Modular联合创始人兼CEO Chris Lattner说。

而同一天高通还宣布了与全球最大的开源AI模型社区Hugging Face的战略合作。助力开发者打造更流畅的混合AI体验，让智能在从边缘终端到数据中心基础设施的计算连续体中灵活流转。

不难发现，高通在软件层面的动作目标很明确，就是要打造一体化AI体验，让AI更开放、可扩展、易部署。

硬件解决“能否算好”的问题，软件解决“能否用得上”的问题。这种软硬一体、全栈布局的思路，构成了高通不可复制的独特优势。从CDMA起家的高通，手握5G/6G蜂窝连接、Wi-Fi

7、蓝牙等核心技术，并形成了完整连接能力体系。在分布式推理场景中，当AI智能体需要在不同设备间联网协作时，高通的连接技术正好保障了高速、稳定且低延迟的数据传输。

更进一步看，高通的优势还体现在从技术到生态的诸多方面：

首先是极致的能效比。万亿Token爆发导致云端数据中心面临“电力和散热瓶颈”。 相比于传统巨头擅长以高功耗换取高算力，高通在手机芯片领域积累的功耗控制经验，将成为其切入AI数据中心市场的差异化优势。

其次是在6G领域的提前布局。分布式
AI
的精髓在于“云-边-端”的算力接力与协同，而协同的纽带正是网络连接。高通不仅是计算芯片厂商，更是全球通信技术的推动者，其已与全球近60家企业达成6G发展共识（包括近20家中国企业）。这意味着，当未来的
AI 智能体需要跨链路频繁调用算力时， AI原生的6G能确保数据传输处于超低延迟与超高带宽状态，让分布式计算真正融为一体。

支撑高通未来竞争力的，不只是单点技术突破，而是其在系统级芯片、能效优化与核心IP上的长期积累，以及数百亿级终端规模所锻炼出的工程能力与产业协同能力。

多元化支撑：计算连续体的无限延伸

在投资者日的分享中，另一个引发广泛关注的是高通在多元化方面的战略决心——其将2029财年非手机业务收入目标上调至400亿美元，约为此前目标的两倍。其中汽车业务收入目标2029财年达100亿美元，包括工业、网络设备及机器人以及个人AI与计算在内的物联网业务收入目标在2029财年超140亿美元。

这意味着高通的多元化并非口号噱头，而是落到了实实在在的市场中。

高通多元化背后最关键支撑是“计算连续体”： 即构建一套覆盖从毫瓦级到千瓦级的完整计算能力体系，实现算力从端侧到云端的无缝贯通。

从手机、PC到汽车、机器人和数据中心，高通强调的是同一个逻辑：智能体不会只运行在云端，而是会在各种终端和边缘节点之间灵活流动。因此，未来竞争的重点不只是单点算力，而是如何构建覆盖设备、网络、边缘和云端的完整计算体系，让“一次开发、多端部署”真正成为可能。

具体深入到各大细分战场来看，这套“计算连续体”正在赋能高通多元化业务的全面爆发：

在智能汽车领域，高通从传统的车载连接演进为覆盖舱驾的汽车计算产品组合。这是高通转型中进展最快、数据最扎实的一块——高通骁龙数字盘平台已为奔驰、宝马、通用、沃尔沃、小鹏、理想、零跑等主流整车厂商提供车载信息娱乐、驾驶辅助和车联网解决方案。

投资者日上，高通将汽车设计赢单储备从此前披露的450亿美元扩大至650亿美元，并目标成为最大的汽车芯片供应商。

而在个人终端领域，骁龙是手机和PC等个人终端的旗舰平台。高通每年都基于骁龙平台密集发布颠覆性的生成式和智能体AI创新，这早已成为整个行业在终端侧落地应用的风向标。

高通近期发布了全新的骁龙 Reality Elite空间计算平台，专门面向XR和个人AI领域，大幅提升了端侧的多模态交互与本地智能体运行能力，为多样化产品形态设备打造沉浸式空间AI新体验。

骁龙 Reality Elite

在更微型的可穿戴设备上，骁龙可穿戴平台至尊版（Snapdragon Wear Elite）则成功将原本高不可攀的AI运算能力下放至智能手表、智能胸针、挂坠等微型设备中, 推动AI能力向更轻量终端延伸。

骁龙可穿戴平台至尊版（Snapdragon Wear Elite）

在以工业物联网与机器人为核心的物理AI赛道上，高通推出了全新的
Dragonwing IQ10
机器人参考设计（RRD）。其意义并不只是推出一颗新的机器人芯片，而是开始直接提供覆盖硬件、软件、中间件以及AI运维能力的完整机器人平台，让其解决的是目前物理AI领域“重复造轮子”的零散化痛点，开发者和机器人企业能够将精力聚焦于上层差异化机器人应用的开发，帮助OEM厂商和开发者更快从原型验证走向量产部署。

事实上，高通的多元化早在2021年安蒙出任高通CEO那年就已设定，那一年的投资者日，公司系统性提出了面向汽车、物联网等非手机业务的增长路径与长期目标，为后续转型奠定了方向。而五年后的今天，这个目标到2029财年将达400亿美元。

从行业演进的宏观视角来看，高通的多元化不仅是一家企业“寻求第二增长曲线”，它更是顺应全球半导体与AI发展的产业演进。当AI的洪流从“云端涌现”走向“物理世界万物互联”的技术新周期，高通围绕计算连续体正在多个关键算力节点形成布局，，完成从一家“手机芯片巨头”向“全场景AI解决方案巨头”的范式转移。

市场落地：业务动作转化为财务目标

高通的这一轮战略转型，是一场对齐客户需求、驱动订单的商业跃迁。

未来AI数据中心的竞争正从单一算力芯片的比拼，演进为覆盖GPU、CPU、网络互联与软件生态的系统级竞争。面对智能体时代高昂的云端Token成本与端侧算力饥渴，高通凭借全栈低功耗方案，将技术研发直接转化为客户急需的生产力工具。

在全球云计算、AI巨头的供应链中，高通正在尝试开辟出全新的增量空间：

在投资者日上，高通与Meta达成战略合作，成为Meta数据中心多代CPU的供应商。Meta下一代服务器集群计划搭载高通技术公司的数据中心CPU——高通飞龙™ C1000，这显示出在大规模横向扩展部署场景中，高性能、高能效计算的重要性日益提升。

此外，微软Azure已开始部署高通的高带宽计算定制芯片，这是高通首次获得大型云服务商对其AI加速器平台的公开支持。高通还携手沙特
HUMAIN 部署先进的 AI 基础设施，目标自2026年起部署高达 200 兆瓦（MW）的高通 AI200 和 AI250
机架解决方案。这将为各国建立从数据中心运营到商业 AI 服务的完整 AI 能力树立典范。

另据高通公司首席财务官兼首席运营官Akash Palkhiwala透露：“我们将拥有两家布局全球范围的超大规模云服务商客户，他们将在今年内带来至少10亿美元的收入。”

高通转型历程

让AI真正被使用，是高通增长的核心主线。数据中心补足算力，终端与应用创新则决定AI能否走向规模化。中国凭借完善的产业链和高效的产品化能力，正在成为高通多元化布局落地的大舞台之一。安蒙特别提到，智能体应用的创新，正在中国加速落地。

一方面，端侧智能体在中国大爆发。

从荣耀、小米，到中兴通讯，国内手机厂商正在将智能体AI体验引入新品。

而在智能眼镜等新形态个人AI设备赛道，围绕第一代骁龙AR1平台，高通正携手小米、千问、雷鸟创新、Rokid等中国合作伙伴，推动AI眼镜向更轻量、更智能、更多场景落地演进，加快下一代沉浸式移动终端的AI体验的发展。

另一方面，物理AI在中国迎来规模化落地机遇。2021年至今，骁龙数字底盘已支持中国车企推出超过300款车型。理想、零跑、极氪、长城、蔚来、北汽、上汽、奇瑞等中国汽车厂商均为高通的合作伙伴；高通跃龙IQ10机器人参考设计（RRD）首批合作名单也包含了阿加犀、加速进化、纽鼐机器人、美格智能、新汉、创通联达等中国合作伙伴。

无论是 Meta 与微软的订单，还是中国市场上如火如荼的智能化浪潮，都无可辩驳地证明了一件事：高通的战略转型正以极高的确定性，快速转化为扎实的业绩体现。

结语

毫无疑问，高通正在发起成立以来最重要的一次业务转型。而这波转型不是从零起步——目前，高通累计研发投资超过1100亿美元。工程能力、运营能力和供应链，确保了高通能够拥有极高的硬件执行与交付可靠性。

这不是一条好走的路，但面对激烈竞争，高通构筑了一条独特的差异化路线：利用在移动端锤炼出的极致能效比、连接性以及软件层的开放融合，主动拥抱未来的拐点。

“现在是高通开启新篇章的时候了。我们已经打造出一家横跨多个终端市场、多元化布局的边缘侧领军企业。”高通公司总裁兼首席执行官安蒙笃信。

新的价值链条正在形成，而高通始终在场。