概述：2025年10月27日，高通（Qualcomm）发布面向数据中心机柜级推理的AI200与AI250两代产品，并宣布沙特AI公司Humain将部署200兆瓦规模的AI200集群，计划2026年起交付。当天股价大涨逾一成，市场把这家手机芯片霸主重新定价为“AI基础设施玩家”。本文回答三个问题：高通为什么要逃离手机市场的天花板？AI200/AI250凭什么跟英伟达掰手腕？以及，通信行业的人为什么必须看懂这场豪赌。本文以高通官方新闻稿与公开财报口径为主轴，结合路透社等媒体报道展开，分析部分为作者观点。
先看基本盘。按高通财报口径，2025年6月财季公司单季营收首次突破百亿美元量级（约104亿美元），创下当时纪录，其中手机SoC与基带所在的QCT部门贡献了绝对大头，手机芯片收入约63亿美元。但繁华之下，结构性焦虑写在脸上：手机芯片收入占了QCT的七成上下，而全球智能手机年出货量已经连续多年在12亿部上下横盘，换机周期越拉越长。逻辑很直白——就算你能一直涨份额、提均价，这条曲线的天花板肉眼可见。
高通管理层的对策，是2024年11月投资者日上给出的那个数字：到2029财年，来自手机之外的业务（汽车、PC、XR、工业物联网、数据中心等）年营收做到220亿美元。而数据中心，正是这块版图里最后落子、也是想象空间最大的一块。高通当时的口径是：到2030年，公司可参与的含数据中心在内的市场空间（TAM）约9000亿美元。作为对比，高通2024财年全年营收约390亿美元——也就是说，管理层画的是「再造两个高通」的图。
问题在于，数据中心这块饼，2023年以来一直被英伟达一家独吃。第三方分析机构普遍估计英伟达在AI加速器市场份额在八成以上。一个从没在服务器市场站稳过的公司（高通2017年推出Centriq 2400服务器CPU，2018年就壮士断腕卖掉团队），凭什么再进来？
答案是：这一轮它不打算从训练切入，而是从推理切入，而且用的是一颗和所有人都不一样的棋子——内存。
按高通2025年10月27日官方新闻稿，这次发布的产品是两代机柜级（rack-scale）AI推理方案：
| 维度 | AI200 | AI250 |
|---|---|---|
| 商用时间 | 2026年起 | 2027年起 |
| 定位 | 机柜级推理，率先交付Humain | 近存计算（near-memory computing）新一代 |
| 内存路线 | LPDDR大容量方案（官方称业界领先的机柜级内存容量） | LPDDR流式供数 + 算存近邻摆布，单加速器LPDDR容量达768GB（官方口径） |
| 散热 | 全风冷，可部署在普通机房 | 官方未强调风冷，架构以能效为先 |
| 关键卖点 | 大容量KV缓存、推理经济学 | 官方宣称相对传统架构带来10倍量级的低功耗内存带宽提升 |
| 配套 | 依托收购Alphawave获得的高速互连SerDes能力 | 同左 |
几点解读，分清哪些是官方说的、哪些是我的分析：
官方口径：AI200解决的是「大内存容量」——推理场景里，模型的权重是一部分，但真正吃内存的是KV缓存（KV Cache）。上下文越长、并发越多，KV缓存越大，HBM那种单卡百来GB的容量很快见底。AI250解决的是「能效带宽」——传统架构数据在内存和计算单元之间来回搬运，搬运功耗远超计算本身；近存计算把计算单元搬到内存旁边，官方宣称10倍量级的每瓦带宽改善。
我的分析：这两代产品合起来，其实是在说一句话——推理的钱，是省出来的。训练看峰值算力，推理看单位token成本。谁能在同样电力、同样机房条件下吞吐更多token，谁就赢。这场仗打的是tokens per joule（每焦耳token数）和TCO（总拥有成本），不是FP16峰值浮点。高通避开了自己最弱的地方（超大规模训练集群生态），挑了对手护城河相对浅的地方（推理经济学）下刀。
全风冷这个细节值得多看一眼。当前主流AI机柜（如英伟达GB300 NVL72这类）单柜功率已到百千瓦量级，普遍需要液冷，这对全球存量数据中心是极其昂贵的改造——大多数机房的供电密度和制冷设计是按每柜几千瓦到十几千瓦做的。AI200敢做全风冷，等于宣布「我不需要你重建机房，插电就能跑」。这对后来者是聪明的打法：把「改造客户」的成本降为零。
要看懂这步棋，得先明白AI芯片内存之争的两个流派。
flowchart TB
subgraph HBM["传统路线：HBM机柜"]
A["GPU + HBM3e高带宽显存"] --> B["带宽极高 单GB成本高"]
B --> C["功耗密度大 基本绑死液冷"]
end
subgraph LP["高通路线：LPDDR大内存"]
D["推理加速器"] --> E["LPDDR大容量内存池"]
E --> F["KV缓存装得多 并发批次开得大"]
F --> G["风冷部署 存量机房可用"]
end
HBM（高带宽内存）堆叠在GPU旁边，单颗带宽1TB/s以上，是训练的标配，但它贵——业内估算HBM单GB成本数倍于LPDDR——而且容量天花板低。LPDDR5X就是我们手机里的内存，单GB便宜得多、待机功耗低、容量可以堆得很大，短板是单通道带宽远不如HBM。
高通的算盘：推理是访存密集型负载，但可以通过架构设计扬长避短。容量上去之后，KV缓存能塞下超长上下文，推理服务的并发批次（batch）就能开大，单位硬件吞吐量随之提升——用容量换有效带宽。至于带宽本身的绝对短板，AI250的近存计算是补丁：计算逻辑直接贴着DRAM阵列摆，数据少跑路，官方给的口径是10倍量级的每瓦带宽提升。
还有一层供应链的巧思：HBM产能近年被英伟达链条锁死，SK海力士、三星、美光三大厂的HBM排期饱满，新玩家插队极其困难；而LPDDR产线相对宽裕，议价空间大。用行业里的话说，高通这是「你打你的HBM，我打我的LPDDR」。
当然，这盘棋不是高通独创。博通定制ASIC阵营（谷歌TPU、Meta MTIA，以及2025年10月博通与OpenAI宣布的10吉瓦级自研芯片合作）同样在推理侧挤压英伟达；AMD的Helios机柜（MI400系列，2026年，72卡单柜）也把机柜级方案作为主攻方向。但「全LPDDR+风冷+近存计算」这套组合拳，确实是高通独有的差异化。
timeline
title 高通数据中心豪赌时间线
2024年11月 : 投资者日提出2029年非手机营收220亿美元目标
2025年5月 : 沙特美利坚投资论坛 与Humain达成数据中心CPU合作
2025年6月 : 官宣约24亿美元收购英国Alphawave 补高速互连短板
2025年10月 : 发布AI200与AI250 锁定Humain 200兆瓦推理订单 股价单日大涨逾一成
2026年 : AI200按计划出货 商用验证之年
2027年 : AI250近存计算产品接棒
这张订单的买方Humain，来头不小：沙特公共投资基金（PIF）2025年官宣成立的AI公司，CEO塔里克·阿明（Tareq Amin）——通信圈的老熟人，曾任印度Reliance Jio的CTO，是从零建成Jio全国4G/5G网络的操盘手。据公开报道，Humain的目标是到2030年建成吉瓦级智算容量，技术选型走的是「全都要」路线：英伟达（首批1.8万块GB300，远期数十万块）、AMD（500兆瓦级合作）、高通（CPU+AI200推理）、AWS、思科，全部签约。
200兆瓦是什么概念？做点工程估算：当前主流AI机柜单柜功率在百千瓦量级，200兆瓦大致相当于一两千个高密度AI机柜；如果换成风冷中低密度机柜，数量还要翻几倍。配套的变电站、柴油发电、制冷水系统，基本是一座中型工业厂区的量级。这不是「试点POC」，是实打实的生产规模。
对高通来说，这张单子的战略价值超过营收本身：第一，它证明了AI200不是PPT；第二，买方是主权基金背景的国家级AI项目，验资能力和付款能力都够硬；第三，也是被很多人忽略的一点——Humain的操盘者是通信工程师出身，他选供应商的思维方式（多供应商制衡、按兆瓦谈判、分期交付）恰好是运营商采购的那一套，这对同样讲「单站成本、整网TCO」的高通来说是主场作战。
顺带一提，2025年6月高通宣布以约24亿美元全现金收购英国Alphawave Semi，把对方的高速SerDes和互连IP收入囊中——做机柜级系统，芯片之间的互连带宽是命门，这步收购等于给AI200/AI250补上了「脊柱」。按公告计划，交易预计2026年上半年前后完成交割。
把主要玩家放在一张表里看：
| 玩家与方案 | 出货节奏 | 内存路线 | 散热 | 软件生态 | 商业模式 |
|---|---|---|---|---|---|
| 英伟达 GB300 NVL72 | 已规模商用 | HBM3e，单卡288GB | 液冷 | CUDA，事实标准 | 卖整机柜，一家通吃 |
| AMD Helios（MI400系列） | 2026年 | HBM4 | 液冷 | ROCm追赶中 | 开放机柜，捆绑CPU |
| 博通系定制ASIC（TPU/MTIA/OpenAI芯片等） | 陆续商用 | HBM | 多为液冷 | 深度绑定大客户自研栈 | 设计服务+芯片分成 |
| 高通 AI200/AI250 | 2026/2027年 | LPDDR大容量 | AI200全风冷 | 自家全栈，兼容主流框架 | 机柜级方案+能效合同 |
坦率地说，高通的胜算不在「打败英伟达」，而在「在英伟达吃不下或不愿吃的区间里圈地」。三个判断：
第一，推理市场比训练市场更碎片化。训练要的是极致算力密度，CUDA生态垄断难破；推理侧主流框架（PyTorch、vLLM等）的抽象层越来越厚，换底层硬件的迁移成本在下降。这是所有ASIC和新玩家的共同机会窗口。
第二，电力是新的稀缺资源。全球算力短缺的本质是电力短缺，「每兆瓦算力产出」正在取代「每芯片峰值性能」成为采购第一指标。LPDDR+近存计算恰好卡在能效这个点上，这是高通叙事里最硬的部分——当然，纸面参数到实测数据还有距离，10倍带宽能效改善最终要靠第三方实测验证。
第三，风险同样具体：软件全栈（编译器、算子库、集群调度）要从零建到能用；单一大客户Humain的交付风险；LPDDR方案在大模型权重常驻场景下的带宽瓶颈是否真的被架构消化掉，都要等2026年真实部署的公开数据。Centriq的旧事提醒我们：高通在数据中心摔过跤，这次的区别是它带着「不进训练、只打推理」的克制来的。
你可能觉得这是芯片圈的事，和核心网、无线侧有什么关系？关系比想象中大。
第一，买AI芯片的最大新客群里，到处是通信行业的身影。 Humain的操盘手是Jio前CTO；软银在做AI-RAN和自研数据中心；国内三大运营商的智算中心采购已经以百亿人民币计。运营商正在从「卖连接」转向「卖连接+卖算力」，而算力业务的采购逻辑——每兆瓦成本、每token成本、PUE、分期交付验收——就是我们熟悉的机房工程逻辑换了个计量单位。
第二，风冷+大内存这个组合，对存量机楼是善意。 运营商遍布各地的机楼，绝大多数是按风冷设计的，供电密度普遍不高。液冷改造动辄数千万级投入、周期以年计。如果推理算力真能以风冷形态下沉到地市级机楼，边缘推理的商用门槛会陡降一截——这对5G-A时代的MEC业务，可能比任何新协议都实在。
第三，供应链联动。 LPDDR需求暴涨会改变存储厂的产能分配，进而影响手机内存价格——通信终端的成本曲线会跟着数据中心的需求曲线波动。这条传导链，做过终端采购的人都懂。
第四，方法论可借鉴。 高通这波「避开正面战场、用对方供应链的相对过剩资源（LPDDR）打对方的稀缺资源（HBM）」的打法，本质上就是我们做网络优化时常说的「避忙、错峰、用闲时资源」——工程智慧是相通的。
豪赌归豪赌，工程师的活是盯落地。我给这场豪赌列了三张考卷：
问号一：AI200能否如期在2026年规模交付？ 出货、点亮、稳定跑生产负载，三关每一关都能卡死人。观察点：除Humain之外的第二、第三家客户何时官宣——没有复购的订单只是新闻，不是生意。
问号二：能效数字何时接受第三方检验？ 「10倍每瓦带宽」是官方口径，行业等的是独立实测的tokens per joule数据。观察点：2026年起主要云厂商与中立测试机构的公开评测。
问号三：软件栈的成熟速度。 CUDA用了近二十年建立的生态壁垒，PyTorch抽象层只是开了条缝，没有缝到能让运维团队无痛迁移。观察点：主流推理框架对高通后端的支持成熟度、算子覆盖率、以及Alphawave交割后的互连产品化进度。
回看高通四十年的历史，其实就是两次跃迁：从CDMA标准公司跃迁到3G/4G时代的「专利+芯片」双引擎，然后熬过5G时代专利模式被削弱的漫长下坡。这一次下注数据中心，是第三次跃迁的尝试——也是被手机天花板逼出来的一跃。
作为看了十八年设备商起落的老人，我对这类故事的判断标准从来只有一条：别听发布会，等规模化交付后的实测数据和复购订单。 2026年，AI200会给出第一份答卷；2027年，AI250的近存计算见真章。如果两关都过，「手机芯片王」的标题就真的要改写了；如果过不了，它至少也替全行业验证了一个重要假设——推理时代，内存经济学比峰值算力更接近生意本质。这个假设一旦成立，改变的不只是高通的命运，还有全球每一个机房的功率密度设计规范。
对通信人而言，最该记住的可能就是这句话：下一轮网络建设的核心指标，正在从比特每秒，变成token每焦耳。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。