在骁龙峰会2026上，高通发布了两款2nm旗舰芯片。随后，高通技术公司执行副总裁马德嘉与媒体交流，从数据中心、HBC架构与智能体AI时代的SoC设计等维度，勾勒出高通从端侧到云端的AI布局。
马德嘉在接受媒体采访时表示：“仅仅拥有最好的GPU、最好的NPU或最好的CPU都不够，而是需要这三者都非常优秀。”
这一判断既是AI SoC设计逻辑的概括，也解释了高通此次产品布局背后的思路。
Oryon CPU走向数据中心
马德嘉表示，高通将Oryon CPU引入数据中心。此前，Oryon已用于高通的部分终端计算平台；进入数据中心，意味着Oryon CPU从终端走向云端。
这一动作的背景是：AI负载正从单一的加速计算走向混合计算。CPU不仅要承担指令调度，还要参与数据预处理、模型分发和功耗管理等工作。在数据中心的AI服务器中，已经没有任何单一计算单元能单独决定最终性能。
HBC架构：从云端扩展到终端
对于内存与带宽问题，马德嘉看好3D堆叠HBC架构。在AI推理场景中，带宽决定了数据能多快到达计算单元，是影响吞吐与能效的核心变量。3D堆叠HBC架构通过垂直方式缩短数据路径、提高带宽密度，为高并发AI推理提供支撑。
更重要的是，这一技术路线并不止于云端。马德嘉表示，高通还计划将HBC技术扩展到终端。随着端侧大模型和智能体应用增加，终端对内存带宽的要求也会明显提高。云端验证过的架构思路，正在向移动端迁移。
智能体AI时代，CPU价值重估
马德嘉认为，智能体AI时代，CPU的重要性提升，高主频CPU和定制核心成为差异化优势。
智能体应用往往涉及多步推理、环境感知与工具调用，任务链路比传统AI应用更长，对实时响应和并发处理的要求也更高。CPU作为通用计算中枢，其单线程性能与定制化能力，直接影响智能体的执行效率。这也是高通将高主频CPU作为竞争力来源的原因之一。
在完整的AI SoC架构中，任何单一模块的领先都不足以构成整体优势。要支撑复杂AI应用，需要在CPU、GPU、NPU之间形成协同。马德嘉提到，这种竞争力来自完整IP组合与开放软件栈的配合。
中国合作与生态扩展
马德嘉还表示，高通将与中国AI公司展开合作。在AI应用生态快速成长的背景下，芯片厂商与应用生态之间的协同正变得更加重要。
从两款2nm旗舰芯片，到Oryon CPU进入数据中心，再到HBC的终端化，以及与中国AI公司的合作布局，高通在本次骁龙峰会上展示出一条以完整IP组合贯通端云两侧的AI路径。马德嘉的这段话，为理解这条路径提供了一个清晰的注脚：AI算力优势不再取决于单一硬件模块，而是取决于CPU、GPU、NPU协同构成的整体能力。
热门跟贴