• 亿邦公众号
    • APP下载

撕掉「手机芯片公司」的标签 高通要做AI全栈方案商

作者:关注前沿科技的 文章来源:光锥智能

2026-06-29 14:49

作者:关注前沿科技的 文章来源:光锥智能

2026-06-29 14:49

邦小白快读

EN
全文速览

本文核心干货是披露高通正在开启十年间一次重要业务转型,从原本的手机芯片公司转向AI全栈解决方案提供商,核心信息如下:

1.转型背景:智能手机市场已经触及增长天花板,高通原有手机芯片厂商的身份锁死了估值天花板;而智能体时代到来,计算从云端扩散到各类端点,行业急需覆盖云边端的计算连续体基础设施,给高通转型带来了机会窗口。

2.本次投资者日公布的核心成果:数据中心业务正式推出飞龙品牌,走HBC差异化技术路线,已经拿到Meta和微软两大超级客户的订单,该架构用平价LPDDR内存替代昂贵的HBM,成本和能效比更适配AI推理需求。

3.收入目标调整:非手机业务目标收入从220亿美元上调至400亿美元,预计2029年手机业务收入占比将降到三分之一,成为多元化AI基础设施公司。

本文透露了科技品牌成功转型的路径逻辑,以及当前AI领域的消费产业趋势,可供品牌商参考:

1.产业与消费趋势:智能体已经成为数字生活的中心,AI应用从训练转向推理,Token需求将在2026到2030年增长40倍,用户需要全场景一致的AI智能体验,全链路AI基础设施成为行业核心需求。

2.品牌转型参考:当原有成熟赛道增长见顶,品牌需要主动撕掉旧标签,基于自身积累的核心能力开辟新赛道;可以通过推出细分领域统一品牌(如高通的飞龙、跃龙)强化新身份认知,通过精准收购补齐能力缺口,快速搭建新业务框架。

3.竞争策略参考:避开头部品牌垄断的成熟赛道,选择差异化技术路线切入细分需求市场,拿下头部客户做品牌背书,能够快速打开新市场的知名度和认可度。

本文透露出智能体AI时代多个新增量市场的动向,以及相关机会风险,可供科技领域卖家参考:

1.增长市场动向:智能体爆发带动AI推理算力需求激增,数据中心AI、物理AI(汽车、工业、机器人)、全场景端侧AI已经成为明确的增量市场,到2030年AI相关总体可服务市场规模将达到1.7万亿美元,增长空间十分广阔。

2.机会提示:AI推理侧注重单位能耗吞吐效率,定制化需求强,不像训练侧被头部厂商垄断,新进入者和中小卖家有更大的突围机会;全栈AI生态搭建需要大量软硬件配套服务,第三方卖家有大量的合作空间。

3.风险提示:智能手机赛道已经触及增长天花板,依赖单一成熟赛道的卖家增长和估值都会被锁死,需要提前布局多元化业务;头部厂商已经集体开启转型,卖家需要找准差异化定位才能抓住新机会。

本文披露了AI产业发展给硬件生产端带来的新需求和商业机会,对工厂转型发展有较多启示:

1.产品生产设计新需求:智能体时代全场景端点都需要搭载AI计算能力,覆盖从毫瓦级的可穿戴设备到千瓦级数据中心的全功耗段产品,对硬件的能效比、成本控制要求远高于以往;高通HBC架构用大规模量产的平价内存替代昂贵HBM的路线,为硬件设计指明了新的低成本方向。

2.商业新机会:AI推理需求爆发带动服务器CPU、AI加速器、高速互联芯片、定制ASIC芯片的需求快速增长,汽车、工业机器人、AIoT等物理AI领域的硬件需求也在持续扩张,目前高通汽车业务订单总估值已经达到650亿美元,会给上下游硬件工厂带来大量稳定的订单机会。

3.转型启示:工厂可以依托原有大规模量产的成本优势,切入AI新兴赛道,抓住智能体时代计算架构重构的窗口期完成业务升级。

本文梳理了智能体AI时代的行业发展趋势和核心痛点,为科技服务商指明了新的发展方向:

1.行业发展新趋势:AI产业已经从前期的模型训练竞争转向落地推理竞争,智能体爆发带来Token需求4年增长40倍,计算架构从集中云端转向云边端一体的计算连续体,客户对全栈AI解决方案的需求越来越迫切,市场空间巨大。

2.行业核心痛点:传统以GPU为核心的计算架构存在根本性内存瓶颈,英伟达的HBM方案价格昂贵且供应紧张,无法满足推理场景对低成本、低功耗的需求;同时AI跨不同异构硬件高效运行需要完整的软件生态支持,多数厂商都存在明显的能力缺口。

3.解决方案方向:服务商可以针对推理场景的需求,依托差异化技术路线打造高性价比的替代方案,也可以通过整合、收购补齐软件、生态、连接等能力缺口,围绕全栈方案打造自身核心竞争力。

本文披露了AI产业对底层计算平台的新需求,也介绍了高通转型平台型企业的最新做法,对科技平台运营发展有参考价值:

1.市场对平台的新需求:智能体时代需要能够覆盖云端、边缘、终端全链路,支持全功耗段计算,让AI在不同异构硬件之间自由流转的底层基础设施平台,现有平台无法满足AI推理对低成本、低延迟的核心需求,存在较大的市场空白。

2.平台转型的最新做法:高通明确了“做智能体时代全栈AI基础设施平台”的定位,构建三大核心支柱:打造全面的数据中心平台、做物理AI全栈参与者、整合跨软硬件的开发者生态;通过多次精准收购补齐软件、互联、垂直领域生态的能力缺口,推出统一品牌梳理业务,依托头部客户背书明确收入落地节奏。

3.风险提示:平台转型需要清晰的产品落地节奏,要提前做好技术整合、客户拓展的规划,规避转型执行不及预期的风险。

本文披露了全球芯片产业在智能体时代的最新转型动向,为产业研究提供了多方面的新素材:

1.产业新动向:全球芯片龙头高通开启十年以来第二次重大战略转型,正式从手机芯片公司转型为覆盖全功耗段的AI全栈解决方案提供商,全球数据中心AI赛道迎来实力雄厚的新入局者,有望打破当前英伟达垄断的市场格局,推动芯片产业竞争格局重构。

2.新的产业逻辑:AI发展进入智能体时代后,行业竞争焦点从模型能力转向单Token成本,全场景分布式计算成为新的方向,HBC差异化架构为推理场景提供了全新的技术路线,催生了一批新的产业机会。

3.新的商业模式样本:高通转型后从单一卖芯片转向提供从硬件到软件、从开发工具到生态的全栈平台服务,增长逻辑切换为数据中心、物理AI多引擎驱动,这种传统科技巨头开辟第二增长曲线的转型路径,为产业研究提供了全新的典型样本。

声明:快读内容全程由AI生成,请注意甄别信息。如您发现问题,请发送邮件至 run@ebrun.com 。

我是 品牌商 卖家 工厂 服务商 平台商 研究者 帮我再读一遍。

Quick Summary

This article reveals that Qualcomm is undergoing a major business transformation after a decade, shifting from a mobile chipmaker to a full-stack AI solutions provider. Key takeaways are as follows:

1. Transformation background: The smartphone market has hit a growth ceiling, capping Qualcomm's valuation as a traditional mobile chip vendor. Meanwhile, the arrival of the agent era has pushed computing to spread from the cloud to all types of endpoints, creating an urgent need for cloud-edge-end continuum computing infrastructure. This window of opportunity enables Qualcomm's transformation.

2. Core outcomes announced at the recent Investor Day: Qualcomm officially launched its data center business under the brand name "Feilong" (Veyron), which follows a differentiated HBC technology roadmap. The business has already secured orders from Meta and Microsoft, two of the world's largest tech players. Its architecture replaces expensive high-bandwidth memory (HBM) with low-cost, mass-produced LPDDR memory, delivering better cost and energy efficiency that is well-suited for AI inference workloads.

3. Updated revenue target: Qualcomm raised its non-handset business revenue target from $22 billion to $40 billion. It projects that handset revenue will account for only one-third of its total revenue by 2029, positioning the company to become a diversified AI infrastructure provider.

This article outlines the path of successful tech brand transformation and emerging AI-driven consumer industry trends for brand reference:

1. Industrial and consumer trends: AI agents have become the center of digital life, and AI development has shifted from model training to inference. Token demand is expected to grow 40-fold between 2026 and 2030. Consumers now expect consistent AI experiences across all scenarios, making full-stack AI infrastructure a core industry demand.

2. Lessons for brand transformation: When growth stalls in a mature core market, brands should proactively reposition themselves and open up new tracks based on existing core capabilities. Brands can reinforce their new identity by launching unified sub-brands for new segments (like Qualcomm's Veyron and Yuelong brands), and quickly build out new business frameworks through targeted acquisitions to close capability gaps.

3. Competitive strategy insights: By avoiding saturated mature markets dominated by incumbents, and leveraging a differentiated technology roadmap to target niche demand, then securing early partnerships with leading clients for brand validation, brands can quickly build awareness and credibility in new markets.

This article highlights growth trends, opportunities and risks in new AI agent-era markets for tech sellers:

1. Growth market trends: The AI agent boom is driving explosive growth in demand for AI inference computing power. Data center AI, physical AI (automotive, industrial, robotics) and full-scenario on-device AI are all clear high-growth markets. The total addressable market for AI-related products and services will reach $1.7 trillion by 2030, representing enormous growth potential.

2. Opportunity highlights: Unlike the model training segment, which is dominated by a handful of large players, AI inference places a high priority on throughput per watt of energy and has strong customized demand, creating more room for new entrants and small-to-medium sellers to break through. Building a full-stack AI ecosystem requires extensive supporting software and hardware services, leaving abundant collaboration opportunities for third-party sellers.

3. Risk warnings: The smartphone market has hit a growth ceiling, and sellers relying on a single mature market face capped growth and valuations, so they should diversify their business lines in advance. As major incumbents have all begun their transformation, sellers must carve out a clear differentiated positioning to capitalize on new opportunities.

This article outlines new demand and business opportunities brought by AI industry development for hardware manufacturers, with key implications for factory transformation:

1. New requirements for product design and manufacturing: In the AI agent era, all edge endpoints across scenarios require embedded AI computing power, covering the full power spectrum from milliwatt wearable devices to kilowatt-scale data centers. This places far higher requirements for energy efficiency and cost control than ever before. Qualcomm's HBC architecture, which replaces expensive HBM with mass-produced low-cost memory, points to a new low-cost direction for hardware design.

2. New business opportunities: The boom in AI inference is driving rapid demand growth for server CPUs, AI accelerators, high-speed interconnect chips, and custom ASICs. Hardware demand for physical AI segments such as automotive, industrial robotics and AIoT is also expanding steadily. Qualcomm's current automotive order backlog already has a total valuation of $65 billion, which will bring large, stable order opportunities to upstream and downstream hardware factories.

3. Transformation insights: Factories can leverage their existing cost advantages in mass production to enter emerging AI tracks, and seize the window of computing architecture restructuring in the AI agent era to complete business upgrading.

This article sorts out industry trends and core pain points in the AI agent era, pointing out new development directions for tech service providers:

1. New industry trends: The AI industry has shifted from early-stage model training competition to deployment and inference competition. The AI agent boom will drive a 40-fold growth in token demand over four years, and computing architecture is shifting from centralized cloud to an integrated cloud-edge-end computing continuum. Client demand for full-stack AI solutions is growing rapidly, creating enormous market space.

2. Core industry pain points: Traditional GPU-centric computing architectures face fundamental memory bottlenecks. NVIDIA's HBM-based solution is expensive and supply-constrained, and cannot meet the low-cost, low-power requirements of inference scenarios. At the same time, running AI efficiently across heterogeneous hardware requires complete software ecosystem support, a capability gap most vendors currently face.

3. Solution directions: Service providers can build high-cost-performance alternative solutions tailored for inference scenarios based on differentiated technology roadmaps, or close capability gaps in software, ecosystem and connectivity through integration and acquisitions, to build core competitiveness around full-stack solutions.

This article explains new demand for underlying computing platforms in the AI industry and shares Qualcomm's latest practices in transforming into a platform company, offering insights for tech platform operators:

1. New market demand for platforms: The AI agent era requires underlying infrastructure platforms that cover the full cloud-edge-end link, support full power range computing, and enable AI to run seamlessly across heterogeneous hardware. Existing platforms cannot meet the core requirements of low cost and low latency for AI inference, leaving significant unmet market demand.

2. Latest practices in platform transformation: Qualcomm has clearly positioned itself as a full-stack AI infrastructure platform provider for the AI agent era, built around three core pillars: a comprehensive data center platform, full-stack participation in physical AI, and an integrated cross-hardware-software developer ecosystem. It closed capability gaps in software, interconnectivity and vertical ecosystems through multiple targeted acquisitions, consolidated business lines under unified new brands, and clarified revenue delivery timelines backed by early major client partnerships.

3. Risk warnings: Platform transformation requires a clear product delivery roadmap, with advance planning for technology integration and client expansion to avoid the risk of underperformance during transformation.

This article discloses the latest transformation trends of the global chip industry in the AI agent era, providing new insights for industrial research:

1. New industry trends: Leading global chipmaker Qualcomm has launched its second major strategic transformation in a decade, officially transitioning from a mobile chip company to a full-stack AI solutions provider covering the full power spectrum. A new well-resourced entrant has entered the global data center AI track, which is expected to break the current market monopoly of NVIDIA and drive restructuring of the chip industry's competitive landscape.

2. Emerging industry logic: After AI entered the agent era, industry competition has shifted its focus from model capability to per-token cost, and full-scenario distributed computing has become the new development direction. Qualcomm's differentiated HBC architecture provides a completely new technology roadmap for inference scenarios, spawning a host of new industrial opportunities.

3. New business model case study: After its transformation, Qualcomm shifted from selling standalone chips to offering full-stack platform services covering hardware, software, development tools and ecosystem. Its growth driver has switched to multiple engines led by data center and physical AI businesses. This transformation path, where a legacy tech giant builds a second growth curve, provides a new typical case for industrial research.

Disclaimer: The "Quick Summary" content is entirely generated by AI. Please exercise discretion when interpreting the information. For issues or corrections, please email run@ebrun.com .

I am a Brand Seller Factory Service Provider Marketplace Seller Researcher Read it again.

前沿科技,数智经济

是时候重估高通了

文|罗镇昊

编|刘俊宏

纽约时间6月24日下午,高通总裁兼CEO安蒙(Cristiano Amon)站在2026年投资者日的舞台上,开场第一句话就定下了整场会议的基调: “ 高通正在发起十年间又一次重要的 业务转型 。”

这或许不是一场常规的IR活动。会后,高通股价应声涨超15%,投资者用真金白银认可了安蒙描绘的这一新图景。而背后的核心判断就是:高通公司的身份叙事和运营主线正在发生实质性转变。

这一转型的背景在于,智能体时代的到来正在重塑计算架构。当计算从云端扩散至各处,每个端点都在推理中成为智能体本身,具备独立思考和行动能力。因此,一套能让AI在云端、边缘和终端之间自由流传的“计算连续体”,成为行业急需的底层基础设施。

如果对一年前的高通来说, 这只是 一个战略框架的预判。而这一次,它用具体的产品、客户订单和财务目标,真正把这个框架落到了地上。

这场会议可提炼为三个核心看点:

第一,高通数据中心业务正式“亮相”,高通飞龙(Dragonfly)产品落地,走HBC技术差异化路线,Meta和微软两大超级客户为其背书;

第二,跨度极大的新 收入计划 ,非手机业务目标收入从220亿上调至400亿美元,手机收入占比将从50%降到三分一;

第三,也是最关键的一点,高通正在从一家“手机芯片公司”切换为一家覆盖全功耗段的AI解决方案公司。

安蒙在台上说得 很直 接:“我们正在向全栈解决方案提供商转型。”

高通用公司身份转换的叙事,找到了新的增长。

从“试水”到核心战略

数据中心业务正式登场

本次投资者大会最重要的环节,是高通终于将酝酿已久的数据中心业务带到台前。

此前市场对高通数据中心的印象,主要停留在AI200和AI250两款加速器,以及沙特Humain这一个早期客户。当时券商研报的态度相对谨慎:虽然承认了高通的决心,但觉得“具体能取得多大成果,市场仍保持观望”。而这次投资者日的关键变化在于,高通给出了数据中心业务完整的产品矩阵、技术路线图、客户订单和收入时间表。

首先是最具象征意义的Dragonfly(飞龙)品牌亮相。在这之前,高通的数据中心产品散落在各个业务线中,没有一个统一的身份标识。Dragonfly品牌的推出,意味着数据中心业务已经正式从“边缘试探”升级为公司的重要战略板块之一。安蒙的原话是:“这标志着高通业务多元化进入了新篇章。”

产品层面,Dragonfly的矩阵比市场预期的更加丰富:

计算层,将在2028年中推出Oryon架构的C1000服务器CPU(核心频率超5GHz、250核心以上、原生集成HBC),以及AI200、AI250、AI300加速器序列;

HBC高带宽计算平台方面,第一代搭载的AI250,2027年中完成商业出样,2028年推出搭载第二代的AI300;

网络互联层,涵盖PAM4高速电互联、光互联和数据中心交换芯片,Alpha Wave的800G DSP已经出货,224G版本在年底前量产;

定制芯片,推出面向超大规模客户的ASIC服务,目前已在六个月内拿下两笔重大订单。

不难发现,高通数据中心业务最核心的技术是HBC(高带宽计算)架构。

高通执行副总裁兼数据中心业务总经理Tony Pialis在会议上抛出一组对比数据:过去几十年计算能力增长了约6万倍,但内存带宽仅增长了约一倍。这意味着,当前以GPU为核心的计算架构存在根本性的内存瓶颈。

对此,英伟达的解决方案是HBM(高带宽内存),价格昂贵且供应紧张。而高通的打法则绕开了HBM,转用手机和PC行业大规模量产的平价内存(LPDDR),通过重新设计计算架构,将AI加速器与CPU结合,把计算单元直接置于DRAM堆栈之下。新的计算架构能在降低功耗和发热的同时,每瓦性能和每美元性能可以达到传统计算方案的数倍。

毫无疑问,新的计算架构符合当下AI应用正在从训练切换到推理的趋势。

在AI训练环节,玩家们可以准备极高预算、不计成本,打造更强的AI模型。但AI推理环节所需的算力就像供水,当AI模型变成公众产品,每一次对话、搜索、调用,智能体操作都在消耗token。这时,AI竞争就从“模型多聪明”变成“每个token多少钱”。

基于这些考量,微软Azure选择部署HBC,看中的正是这一TCO(总拥有成本)优势。Meta创始人兼CEO马克·扎克伯格在视频连线中明确表示,Meta将在下一代数据中心部署C1000 CPU,目标是实现“个人超级智能”。这是高通首次获得一线云厂商的正式CPU订单,同时也说明了全球超大规模云厂商客户对高通数据中心的认可。

在Meta和微软两大超级客户的背书下,高通定好了收入时间表:2027财年连接产品和定制芯片率先贡献收入,下半年AI加速器收入增长;2028年中C1000 CPU推出,下半年CPU收入规模化增长。高通公司CFO兼COO Akash Palkhiwala给出的数字是:数据中心业务2027财年目标50亿美元,2029财年目标超过150亿美元。

软件层则是高通进军数据中心的最后一块拼图。近日,高通宣布以约40亿美元收购Modular,其核心资产包括Mojo编程语言、MAX推理平台、AI编译器技术。高通这一收购的意图非常明确,就是硬件计算平台向“完整AI操作系统”演进。

从行业视角来看,Dragonfly品牌的意义,不仅是高通多了一个业务线,也意味着高通正式成为数据中心AI赛道的玩家之一。

Agent时代

高通的Token经济学

如果说,数据中心Dragonfly是高通业务层面最重要的改变。那么,回看过去半年的路径,高通早就规划出了一个清晰的战略布局。

从今年1月CES上发布AI PC新品骁龙X2 Plus,强调端侧AI能力,到5月COMPUTEX提出“智能体元年”和“Token经济学”,再到最近的投资者日明确转型AI解决方案公司,高通真正要做的,是构建一个覆盖智能体时代全计算链路的AI基础设施平台。

安蒙在投资者日上把这个战略归纳为三支柱:

第一,构建全面的数据中心平台。高通认为智能体AI的爆发将带来推理算力的海量需求,而传统GPU-centric架构无法满足这一需求,这正是高通切入数据中心的机会窗口。

而且相比训练侧,芯片需要极高的算力密度和昂贵的高带宽存储,英伟达在这个领域处于垄断地位。推理侧则不同,它注重的是在既定模型下单位能耗的吞吐效率,定制化需求更强,这才是ASIC厂商的突破口。

第二,向物理AI(Physical AI)的全栈参与者转型,涵盖汽车、工业和机器人等领域。 安蒙判断“未来几年将属于物理AI”,为此高通推出了Dragonwing(跃龙)品牌,作为AIoT、工业、机器人领域的统一品牌。

第三,从芯片平台向全面整合跨硬件、软件、开发者生态的平台迈进,成为一家开发者优先的公司。这意味着高通不只想卖芯片,而是想提供一个从硬件到软件、从开发工具到生态系统的完整平台。

为了达成这一战略,高通在过去18个月中进行了多项收购,每一项都精准填补了能力缺口。

比如Modular,是为补齐开源的AI原生软件栈,支持AI跨各类硬件架构高效运行;Alpha Wave是为解决AI集群中“连接”的问题,包括高速电互联和光互联;Roe、Edge Impulse、Boundaries,则是补齐工业和嵌入式领域的开发者生态和垂直行业能力。

这些收购整合在一起,构成了高通在智能体时代的核心打法:做每一个环节上最高效、最低成本的Token供应商。

这些潜在的Token需求到底有多大?安蒙曾在COMPUTEX给出了判断,“2026年,全球每10秒约317亿Token需求;到2030年,同样是每10秒,这一数值将达到1.27万亿,增幅高达40倍。而这一爆发式增长,正是由智能体AI生成的海量Token所驱动。”这种量级的需求爆发,要求AI计算必须分布在从云端到终端的每一个节点上,在单Token成本、功耗、延迟和隐私之间必须取得最优平衡。

而这,正是高通过去四十年积累的能力。从功耗低至2毫瓦的耳机,到数千瓦的数据中心,高通是全球极少数能覆盖全功耗段的计算厂商。这也恰恰符合如今智能体所需的“无处不算力”的能力。

在新的战略框架下,高通的增长逻辑也被重新梳理:

数据中心作为新引擎,2027财年起贡献数十亿美元收入,2029财年目标超过150亿美元;

物理AI(汽车+工业+机器人)作为长期第二曲线,汽车业务2029财年目标提升至100亿美元,业务订单总估值已从450亿美元扩大至650亿美元,工业、网络设备及机器人目标80亿美元;

AI PC作为过渡桥梁,长期融入更广泛的个人端侧AI生态。

全新的增长引擎显示出,高通的身份标签即将在智能体时代发生改变。

三年为期

高通要撕掉“手机芯片标签”

结合业务和营收计划看到,高通正在撕掉“手机芯片厂商”的标签。

18个月前,高通给出的非手机业务长期目标是220亿美元。彼时高通的营收结构已经比较固定,QCT(半导体芯片)业务占九成,手机芯片、物联网、汽车芯片分别占总营收的60%、10%-20%、9%左右。QTL(技术许可)业务占总营收10%-15%。

但这一次,CFO直接把这一目标修订为400亿美元,几乎翻了一倍。

这意味着,高通的收入结构即将发生重大变化:到2027财年,手机业务营收将不足总营收的一半;到2029财年,手机业务将降至QCT业务收入的约三分之一。高通将从一家“手机收入占60%以上的手机芯片公司”变成一家“手机仅占三分之一的多元化AI基础设施公司”。

高通瞄准的总体可服务市场规模(TAM)到2030年将达到约1.7万亿美元。而400亿美元的收入目标,只占这个市场的约2.3%,可以看出,高通给自己留出了足够的想象空间。

高通为什么要如此激进地推动这一转变?答案藏在最新的财报里。

高通2026第二季度财报显示,公司总营收106亿美元,同比下滑3.5%。这主要是受到全球行业低迷的影响,智能手机市场已触及天花板,增长空间有限。与此同时,高通的AI PC业务虽然在技术上有所突破,Snapdragon X2的NPU性能达85 TOPS,为笔记本最快NPU,但实际市场份额仍不足1%,短期内难以对英特尔和AMD构成实质威胁。汽车业务虽然增长强劲,但高通几乎已经是智能汽车座舱的“标配”。虽然目前高通在智驾领域已经完成不少业务落地,但仍需要订单转化的时间。

简而言之,如果高通继续被定义为“手机芯片公司”,它的估值天花板已经被锁死。而AI智能体时代的到来,恰好给了高通转变身份的机会。

正如安蒙所说:“智能体现在位于人类数字生活的中心,整个生态会以智能体为中心,而不是以手机为中心。合适的地方应该用合适的设备,各类设备都是AI智能体的端点。”

当智能体代替人类操控设备、自主规划任务、跨系统协作时,用户需要在任何终端上都获得同等的智能体验,手机、PC、眼镜、汽车、机器人。智能体将在这些设备之间自由流转,把任务分发到最合适的计算节点上。

这种“计算连续体”的实现,需要两个核心能力:一个是覆盖全功耗段的高效计算能力,二是让AI在异构硬件上无缝运行的软件生态。

高通恰好同时拥有这两项能力。过去三十多年,高通在移动端积累的节能计算技术、通信连接能力、以及横跨数十亿设备的生态系统,在智能体时代成了最稀缺的资产。而高通的目标,正是成为智能体时代最高效的Token供应商。

这意味着,接下来高通需要证明的不只是故事的吸引力,而是执行的能力。Dragonfly的产品节奏能否如期兑现、数据中心的客户能否持续扩展、Modular的整合能否真正提升软件竞争力……每一个现实的时间节点,都需要高通用一个个落地的项目推进。

安蒙在会议上说道:“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。” 安蒙还特别提到,智能体体验的创新正率先在中国加速落地。智能体时代,高通与中国企业的协同创新,同样值得关注。

接下来三年,高通会用营收数字验证这句话的分量。

注:文/关注前沿科技的,文章来源:光锥智能(公众号ID:guangzhui-tech),本文为作者独立观点,不代表亿邦动力立场。

【版权提示】亿邦动力倡导尊重与保护知识产权。未经许可,任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题,烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至run@ebrun.com,我们将及时沟通与处理。

已点赞

+1

{{ praise_text }}

好文章,值得被更多人看到

广告

下一篇

跨境电商资源对接

《全球跨境电商服务商资源手册》第二期手册现已发布,触达更多资源,了解跨境服务商信息,欢迎点击链接下载。

了解详情

京东工业联手风光火储分会 共建新能源备品备件共享平台

京东工业联合风光火储分会发起新能源备品备件供应链共享平台,以应对装机规模扩大带来的保供挑战。平台通过整合多方资源、数据共享与AI技术,旨在提升周转效率、降低库存成本,并推动行业标准统一。