2026年11月2日，高通公司在圣迭戈实验室完成第一代高带宽计算（HBC）技术硬件验证并对外公布。此次验证覆盖完整读写能力和近存计算能力，意味着高通以多层LPDDR堆叠替代传统HBM路径的AI推理内存方案，已经从架构设想推进到可验证的硬件阶段。按高通公布的时间表，搭载第一代HBC的AI250加速器将于2027年上半年出样，AI300则计划采用第二代HBC。对AI算力基础设施、云计算和通信芯片产业而言，这不是一次单纯的参数刷新，而是“内存墙”约束下一条新工程路线的阶段性落地。
HBC的技术逻辑：把计算放进内存堆叠的“近场”
AI加速器的瓶颈早已不只在算力。训练和推理过程中，数据在处理器与内存之间频繁搬运，带宽、时延和功耗共同构成系统效率的上限。传统HBM方案通过堆叠DRAM芯片提升带宽，再借助硅通孔和先进封装与GPU、ASIC靠近；HBC则走了一条更激进的空间集成路径：将多层LPDDR内存垂直堆叠，底部集成计算芯片，通过TSV实现芯片间互连，让计算单元直接位于内存堆叠下方。
这一结构的关键不在“堆得更高”，而在“离得更近”。高通公开的技术方案显示，HBC把数据传输距离从传统架构中的数厘米缩短至数微米，并把部分计算能力放到内存近端，以减少数据在内存与处理单元之间的往返。其目标是用LPDDR相对较低的功耗，配合近存计算设计，改善AI推理场景下的数据搬运效率。高通给出的能效目标是每瓦带宽达到传统HBM方案的6倍。
从验证结果看，高通此次使用的早期样品采用两层DRAM堆叠，实测每瓦带宽超过HBM4的5倍，但尚未达到此前公布的6倍目标。正式产品预计采用四层堆叠设计。这一细节说明，HBC当前仍处在工程收敛阶段：方向已经验证，但堆叠层数、良率、功耗和散热仍需产品化打磨。近存计算不是简单把内存和计算封装在一起，它还涉及编译器、数据布局、内存控制器和系统软件对“近端计算”的调度能力。硬件验证完成只是第一道门槛。
133TB/s与18倍：AI250的参数意义与边界
高通公布的第一代HBC方案将为AI250加速卡提供133TB/s的有效内存带宽，相比采用LPDDR5X内存的AI200提升18倍。按照高通2026年6月公布的数据中心产品路线图，AI250搭载第一代HBC，后续AI300采用第二代HBC，有效内存带宽设计目标达到AI200的54倍。也就是说，从AI200到AI250是一次18倍跃升，而AI300的目标是在此基础上再向前推进约3倍。
这组数字的行业意义在于，它试图证明LPDDR堆叠路线可以在“有效带宽”上进入传统HBM主导的高性能区间。但需要区分三个层面：其一，133TB/s是“有效内存带宽”，实际应用表现还取决于容量、访问粒度、缓存层级和软件栈优化；其二，AI250计划2027年上半年出样，出样不等于量产，更不等于大规模云部署；其三，HBC采用LPDDR路线，成本、供应和封装良率会直接影响其商业竞争力。
HBM的优势在于生态成熟、带宽密度高，并已围绕GPU和AI加速器形成完整的设计、封装和软件体系。HBC的优势则在于功耗和近存结构，理论上更适合推理场景中高并发、低时延、能效敏感的数据流。它未必是HBM的全面替代者，更可能成为AI加速器内存分层中的新变量：训练侧继续依赖HBM，推理侧出现HBM、LPDDR堆叠、近存计算并存的多元方案。
为什么瞄准推理：AI基础设施从“峰值算力”转向“系统能效”
高通把HBC首先用于AI推理，而不是直接挑战训练市场，这一选择符合当前AI基础设施的成本结构。训练任务追求大规模并行和峰值算力，对HBM带宽和容量极为敏感；推理任务则更关注单位请求成本、并发吞吐、首token时延和每瓦性能。随着大模型进入规模化应用，云厂商和智算中心的主要压力正在从“能不能训练”转向“能否低成本、稳定地推理”。
在这一背景下，内存带宽和功耗成为推理服务器设计的关键变量。传统HBM方案带宽高，但功耗、封装成本和供应约束明显；LPDDR路线功耗较低，若能在近存架构下把带宽效率做上去，就有机会改变加速卡的形态和机房的热设计。对云计算而言，这意味着同样的电力预算可能支撑更高推理吞吐；对运营商智算中心而言，则意味着算网协同之外，还需要在服务器内存层级、液冷和调度算法上重新平衡。
不过，推理基础设施的竞争从来不是单芯片参数竞赛。加速卡能否被主流框架高效调用，编译器能否把算子映射到近存计算单元，云平台能否把新内存层级纳入资源池管理，都会决定HBC的实际落地速度。AI250在2027年上半年出样，给产业链留下的正是软件适配和系统验证的窗口期。
对通信芯片产业的外溢：从数据中心到端侧、6G
HBC的影响不会局限于数据中心加速卡。高通已公开讨论将数据中心芯片堆叠架构引入手机SoC、在骁龙芯片中整合HBC架构的方向，目标是提升端侧AI的速度和能效。若这一路径成熟，通信芯片的内存设计思路可能从“外挂大容量内存”转向“计算与内存更紧密协同”，这对手机、边缘计算设备和智能终端都会产生外溢效应。
通信产业对此尤其敏感。5G-A向6G演进过程中，终端和网络侧都在引入AI能力：基站需要更高效的推理资源调度，边缘节点需要低时延的数据处理，终端需要在功耗约束下运行本地模型。HBC所代表的近存计算思路，与通信芯片追求高能效、低时延的方向一致。高通6G终端原型机计划在第九届进博会亮相，也说明其正在把端侧算力、连接能力和AI处理能力放在同一技术叙事中。对通信设备商和终端厂商而言，未来竞争不只是基带和射频，还包括内存带宽、近存计算单元和AI软件栈的协同能力。
中国通信产业的观察点：不追单一参数，抓系统能效与生态
对中国通信产业而言，HBC的价值不在于复制某一条具体路线，而在于提示AI推理基础设施的竞争维度正在变化。过去行业更多关注峰值算力和单卡性能，未来则要在带宽、时延、功耗、成本和软件生态之间做系统平衡。国内运营商智算中心、云服务商和通信设备企业已在算网协同、液冷、先进封装、内存接口和推理软件栈上持续投入；面对LPDDR堆叠、近存计算等新方向，产业链需要关注高带宽LPDDR供应、TSV和先进封装良率、加速卡互联标准以及编译器生态的配套。
中国拥有全球最大的通信网络和快速增长的智算基础设施市场，这为多元内存路线提供了验证场景。无论是东数西算背景下的区域智算中心，还是边缘推理节点，能效和成本都是硬约束。HBC若能在2027年出样后证明其每瓦带宽和软件可用性，国内产业链在加速卡设计、服务器架构和云调度层面都将获得新的参考系；若工程化进度不及预期，HBM及其演进路线仍将是高性能AI基础设施的主干。
结语：HBC是补充变量，不是终局答案
高通HBC完成硬件验证，最重要的信号不是133TB/s这个数字本身，而是AI推理内存路线开始出现不同于HBM的工程化选择。AI250在2027年上半年出样，将是检验这条路线能否从实验室走向产品的关键节点；AI300的54倍目标，则显示高通希望把近存计算做成持续演进的架构，而非单代方案。
短期看，HBM仍将主导训练和高性能AI加速器市场，HBC更可能先在推理侧寻找能效和成本优势。中期看，若LPDDR堆叠、近存计算和软件生态能够协同成熟，AI算力基础设施的内存分层将更加多元，云计算和通信芯片产业也将围绕“每瓦带宽”重新组织竞争。对行业而言，真正值得跟踪的不是一次验证发布，而是2027年出样之后，HBC能否在真实负载中兑现其能效承诺。
热门跟贴