据最新报道，谷歌母公司Alphabet在今年第三季度持有了价值约5.48亿美元的高通股份。这笔投资发生在一个颇为微妙的时间点：高通正试图摆脱对智能手机芯片市场的依赖，将业务重心进一步延伸至AI数据中心，而Alphabet的入股，也让这家长期以手机处理器闻名的芯片公司获得了来自重要合作伙伴的资本支持。
这次投资值得关注的地方，在于双方原本就有着相当紧密的合作关系。高通芯片长期应用于Android智能手机，两家公司还在汽车领域开展合作，近期也有面向PC市场的产品合作。如今，随着AI基础设施建设进入新的阶段，双方的合作关系开始有了更多想象空间。
当然，Alphabet持有高通股份，并不意味着谷歌已经承诺采购高通的数据中心芯片，也不能直接将这笔投资理解为一项针对数据中心业务的战略入股。但从时间点来看，谷歌的投资与高通加速进军AI数据中心市场，确实形成了一个值得观察的交集。
寻找手机之外的第二增长曲线
高通为什么如此看重数据中心？
过去，高通的核心业务始终围绕智能手机展开。无论是骁龙处理器，还是蜂窝通信基带，手机市场都是其最重要的收入来源。但AI正在改变数据中心的芯片供应格局，也给高通提供了一个重新进入大型计算市场的机会。
在今年6月的投资者日上，高通提出了一个相当积极的目标：到2029财年，数据中心芯片业务收入达到150亿美元。与此同时，公司还将2029财年的非手机业务收入目标提高至400亿美元。
这两个数字放在一起看，可以发现高通的业务转型已经不再是简单地增加几条产品线，而是希望从一家以移动终端为核心的芯片供应商，逐步转变为覆盖汽车、PC、边缘计算和数据中心的综合性计算平台公司。
高通切入数据中心市场，选择的方向也比较明确：AI推理。
与训练相比，推理市场的应用场景更加多样。随着大模型开始进入搜索、办公、编程以及各类企业应用，数据中心需要处理的推理请求不断增加。与此同时，推理成本、能耗和响应速度也成为云服务商必须考虑的问题。
这给了高通一个机会。相比单纯追求峰值算力，推理芯片还需要考虑内存带宽、功耗、系统成本以及每瓦性能。高通长期在移动芯片领域积累的低功耗设计经验，或许能够在这个市场找到用武之地。
事实上，高通已经不再满足于只推出一颗AI加速器。它正在围绕AI计算构建更完整的数据中心产品体系，包括Dragonwing AI系列加速器、服务器CPU，以及与AI推理密切相关的内存技术。
力推HBC，从内存瓶颈切入
在高通的数据中心布局中，HBC（High Bandwidth Compute）是一个值得特别关注的技术。
11月2日，Wccftech报道称，高通第一代HBC硅片已经在圣迭戈实验室完成验证。这项技术针对的是当前AI推理系统面临的一个重要问题：内存带宽。
大模型推理并不只是计算单元的事情。以自回归生成模型为例，在生成Token的过程中，处理器需要不断读取模型权重和相关数据。当模型规模越来越大、并发请求越来越多时，计算单元可能并没有得到充分利用，反而需要等待数据从内存中传输过来。
这也是为什么内存带宽正在成为AI芯片设计中的关键指标。对于推理芯片而言，单纯增加计算单元并不一定能够带来相应的性能提升。如果内存系统无法及时提供数据，增加的算力就可能被闲置。
高通的HBC技术，正是试图从计算与内存的物理连接方式上解决这个问题。
其设计思路是将低功耗LPDDR裸片堆叠在AI加速器基底裸片上，通过晶圆对晶圆键合技术缩短计算单元与内存之间的数据传输距离。相比传统内存与处理器之间相对分离的设计，这种方式可以让数据传输路径进一步缩短，从而提高带宽并降低数据搬运的能耗。
高通给出的数据显示，与LPDDR5X相比，HBC的有效内存带宽可以提高18倍，单位功耗带宽则超过其对HBM4规格预测值的5倍。
这里需要注意的是，高通强调的并不是简单地用更大容量的内存替代HBM，而是通过不同的内存组织和封装方式，寻找适合AI推理的系统架构。对于大量以模型权重读取为主要负载的推理任务而言，内存带宽、容量和功耗之间的平衡，可能比单纯追求某一项指标更重要。
这项技术将首先应用于Dragonwing AI250。按照报道，高通预计在2027年上半年提供相关产品样品。与之配套的Dragonwing Rack推理系统采用全液冷设计，内存容量达到38.6TB，有效带宽达到每秒7.4PB。
此外，高通还计划推出基于Oryon架构的C1000服务器CPU，预计时间同样指向2027年。下一代HBC技术则计划应用于2028年的Dragonfly AI300。
从这些产品规划可以看出，高通希望做的并不是一颗孤立的AI芯片，而是围绕推理计算建立一套从CPU、AI加速器到内存系统的完整方案。
瞄准数据中心芯片的新机会
高通进入数据中心市场，面对的当然不是一个没有竞争的市场。
英伟达已经建立了从GPU、CPU、网络到软件生态的完整体系，AMD也在不断扩大Instinct加速器和EPYC服务器处理器的市场份额。与此同时，谷歌、亚马逊、微软和Meta等大型云服务商都在推进自己的芯片项目。
但这并不意味着其他芯片公司没有机会。
AI数据中心的需求正在变得更加复杂。训练、推理以及不同类型的模型工作负载，对芯片架构的要求并不完全相同。尤其是推理市场，随着应用规模扩大，云服务商开始更加关注系统总成本、功耗和单位Token成本，而不只是芯片的峰值算力。
这也给了高通等后来者切入的空间。
从客户和合作伙伴来看，高通已经取得了一些进展。今年9月，高通与亚马逊达成协议，亚马逊未来可以采购最高600亿美元的高通AI数据中心芯片及相关产品。此外，微软和Meta也已经成为高通数据中心处理器的客户。
这些合作说明，高通的数据中心业务已经不完全停留在技术规划阶段。不过，从获得客户到真正形成大规模收入，中间仍然有很长的路要走。数据中心芯片不仅需要达到性能指标，还需要经过客户验证，适配软件平台，并且在长期运行中证明其稳定性和可靠性。
这也是2027年值得关注的原因。Dragonwing AI250、HBC以及C1000服务器CPU陆续进入产品落地阶段，高通能否真正获得云服务商的大规模部署，将直接影响其150亿美元数据中心收入目标的实现。
回到谷歌此次入股高通这件事，它至少反映出一个趋势：AI基础设施的竞争，正在让传统芯片公司的业务边界发生变化。
高通不再只想做手机里的骁龙，也希望进入数据中心，成为AI计算平台的供应商。对于谷歌这样的云计算巨头而言，拥有更多芯片合作伙伴，也有助于增加未来基础设施建设中的选择。
当然，5.48亿美元的持股，并不能直接说明谷歌将大规模采用高通的AI芯片。但当一家长期深耕移动计算的芯片公司，开始向数据中心市场发起冲击时，谷歌的这笔投资，显然值得多看一眼。
高通给自己设定了150亿美元的目标。接下来，它需要证明的不是能不能设计出一颗AI芯片，而是能不能真正成为数据中心计算市场的一名重要玩家。