数据中心AI芯片是AI算力的核心，英伟达目前是全球一骑绝尘的绝对领军者，除了英伟达，包括英特尔、AMD、博通等传统芯片公司，以及华为、阿里、海光、寒武纪、沐曦中国公司等也在积极布局，但暂时难以撼动英伟达的主导者地位。现在，这个炙手可热的赛道上，多了一个选手——智能手机芯片领域的全球龙头公司高通再次高调宣布入局。

10月27日，高通发布面向数据中心的两款AI推理芯片Qualcomm AI200和AI250及机架。

AI200（2026 年上市）和 AI250（2027 年上市）均采用高通Hexagon NPU（神经网络处理器），主打低功耗、高性价比和模块化部署，直接挑战英伟达。

为展示决心，高通官方表示，其数据中心芯片路线图将每年更新一次。高通还透露，沙特支持的AI创业公司Humain将从2026年开始部署200兆瓦的高通新型AI机架。若按单机柜160千瓦计算，200兆瓦的部署规模相当于约1,250个机架，参考英伟达高端机架级AI系统价格（260万美元至300万美元之间），Humain有望为高通带来超过30亿美元的收入。

这并非高通第一次进军数据中心领域。早在2017年，高通推出了基于ARM架构的服务器芯片Centriq 2400，该芯片面向数据中心通用计算，直接对标当时的绝对领导者英特尔。但由于ARM芯片生态在当时的服务器芯片领域仍然比较弱，高通无法从英特尔和AMD手中赢得足够数量的客户，2020年，高通以关闭“非核心业务”为由停止了ARM服务器芯片业务。

五年后再度入局服务器芯片市场，此时高通要挑战的对手已经从英特尔换成了英伟达，资本市场给出了积极反馈。

消息公布当日，高通股价直线上涨，日内涨幅一度接近21%，截至美股收盘，股价收于187.68美元，涨幅为11.09%，市值单日增加近280亿美元至2025亿美元。这一表现不仅跑赢同期纳斯达克指数（上涨1.86%），也创下高通自2019年以来的最大单日涨幅。

01

高通的多元化焦虑与野心

如果说2017年第一次布局服务器芯片是尝试和探索的话，那么这一次，高通的业务多元化焦虑更重，步子迈得更快。

高通收入主要来自两大块，一块是芯片业务，包括手机芯片、汽车芯片和其他芯片；另一块收入来自专利授权，指高通向手机厂商收取 3G/4G/5G 标准必要专利的使用费。

高通财报显示，2024财年（2023年9月末-2024年9月末）营收389.6亿美元，同比增长9%。其中，芯片业务（包括其手机、汽车和其他芯片）营收331.9亿美元，而手机芯片业务受益于安卓高端机型需求回暖同比增长10%，达到248.63亿美元。

但手机芯片业务作高通核心收入来源，一直面临结构性增长瓶颈，甚至可以说是危机。

主要危机来自苹果加速去“高通化”。苹果手机搭载的是高通基带芯片，在2025年2月投资者会议上，高通管理层明确透露苹果业务在高通手机业务中占15%到20%左右。但苹果一直在自研基带芯片且已初见成效：2025年iPhone 16e开始搭载自研5G基带芯片C1。业界普遍认为，与高通的基带芯片购买协议到期后（2026年四季度），苹果有可能全面启用自研芯片。一家名为Khaveen投资量化基金预测，全面替代情况下，2028年高通将损失约77亿美元收入（不含专利授权费）。

全球智能手机市场极度饱和，新需求疲软不振也是另一大隐忧。全球国际数据公司IDC统计数据显示，过去五年，全球智能手机出货量分别是12.9亿台（2020年）、13.5亿台（2021年）、12.1亿台（2022年）11.7亿台（2023年），12.4亿台（2024年）。尽管 2024年因AI功能驱动出现6.4%的反弹，但IDC预测2025年增速将放缓至1.6%，手机芯片需求难以恢复至疫情前水平。

手机芯片之外，过去五年，高通一直极力发展汽车芯片和物联网芯片。高通2024年财报显示，应用于AI PC、XR设备和工业物联网的物联网芯片业务收入54.23 亿美元，汽车芯片业务收入29.1亿美元，两者合计占高通芯片业务总营收的25.1%。

在高通2024年投资者日活动上，该公司公布增长目标：到2029财年，物联网和汽车部门的总收入将达到220亿美元，其中预计物联网部门的收入达140亿美元，汽车部门的收入达80亿美元。对此，摩根大通分析师表示，若目标达成，手机芯片将只占高通芯片收入的50%。上述Khaveen投资量化基金也认为，高通在物联网和汽车芯片业务能填补苹果业务流失带来的损失。

如今高通重启数据中心芯片业务，是高通业务进一步多元化的体现。

此前，高通的AI战略主要集中在手机芯片端蓄力。

高通手机端NPU的发展始于2007年首款Hexagon DSP的诞生，经过近二十年的技术迭代，已从最初的基础AI加速模块进化为支撑生成式AI的核心引擎。

如今高通手机芯片形成“NPU负责核心AI推理、GPU处理图形渲染、CPU响应即时任务”的异构计算体系。在大模型支持方面，高通2023年推出的第三代骁龙 8已实现终端侧流畅运行100亿参数级大语言模型（LLM）及视觉大模型（LVM）。通过内存架构升级（如 64 位寻址）、精度优化（如 INT2 量化）等技术，高通目标在终端侧实现千亿参数级模型的高效运行。

并且，为了发展端侧AI，高通打造了相应的AI 软件栈（Qualcomm AI Stack），支持目前所有的主流AI框架，包括TensorFlow、PyTorch、ONNX、Keras；它还支持所有主流的AI运行时环境（连接 AI 应用程序与底层硬件（如 NPU、GPU、CPU）的中间层软件组件），以及支持不同的编译器、数学库等AI工具。

在今年9月举办的高通骁龙技术峰会上，高通未曾透露数据中心AI芯片相关信息。但高通技术高管与合作伙伴嘉宾多次提到端侧 AI 芯片（本地设备如手机、汽车、IoT 终端的专用 AI 芯片）与云端 AI 芯片（数据中心的大规模 AI 计算芯片）联动的重要性与必要性，指出为了解决单一芯片形态无法覆盖“效率、安全、成本、体验” 的痛点，终端侧芯片与云端芯片须做好算力分工、数据协同与场景互补，最终才能构建更高效、灵活且实用的AI应用生态。

02

高通AI芯片机会几何？

2022年之前，高通的营收规模一直高于英伟达（英伟达2022年营收270亿美元）。但在2024年，英伟达的营收规模1305亿美元，是高通的三倍以上。

核心原因是，数据中心AI芯片市场在今年正在创造更大的增量——英伟达短短三年（2022年-2024年），增量收入就超过了1000亿美元。

目前数据中心AI芯片分成两大类，分别是英伟达的GPU（图形处理器），以及其他公司的ASIC（专用集成电路）芯片。

从技术差异来看，GPU是图形处理器，它的通用性更强。GPU最初为渲染3D图形而生，但这种架构恰好非常适合AI算法，尤其是大模型所需的大规模矩阵运算，因此成为了目前最主流的AI芯片。它在数据中心AI芯片市场至少占据半壁江山。

高通的AI芯片属于ASIC芯片。AISC芯片是针对特定用户需求、应用场景定制而设计的非通用可编程芯片。相较于通用处理器（如CPU、GPU），AIC芯片虽然研发门槛高、设计周期长，但具备算力密度高、能耗低的优点，且大规模量产后成本显著降低。

如今业界普遍看好ASIC芯片前景。高盛在今年9月曾在研报中预估2025年-2027年全球AI芯片需求量分别为 1000万、1400万、1700万颗。其中，ASIC芯片占比将从2025年的 38% 提升至2027年的45%，GPU芯片占比将从62%降至55%。

一位资深算法工程师曾对《财经》表示，目前大部分科技公司都不想完全依赖英伟达的AI芯片。ASIC又提供了一种新的技术方案。因此这为其他芯片侵蚀英伟达的市场份额提供了可能性。

ASIC是一种专用芯片，它一旦设计完成并大规模量产，单颗芯片制造成本可能低于同等性能的GPU，因此大量大型科技公司正在定制数据中心专用的ASIC芯片，其中包括谷歌的TPU系列、亚马逊的Trainium系列，华为的昇腾系列、阿里的PPU系列、百度的昆仑芯系列。

此外大模型这两年的技术发展趋势也加速了这个过程。AI分成了训练和推理两种算力需求。过去模型训练中，英伟达GPU几乎难以被替代。但随着主要模型的性能逐渐稳定成熟，模型训练的算力需求占比正在趋于稳定。使用模型，也就是推理的需求正在逐步增长。

推理场景中，ASIC芯片和英伟达的差距在缩小。AI芯片创业公司通常也倾向于采用ASIC这个技术方案。其中包括美国AI芯片创业公司Etched，以及中国的寒武纪、燧原科技等。

ASIC的种种优势，让高通有机会试图切入数据中心AI芯片市场。蓬勃增长的ASIC芯片市场可以为它创造新的增长曲线。高通的优势之一就是低功耗。过去十多年，它在骁龙Snapdragon手机芯片上积累的经验，就是如何在有限的功耗下实现更强的性能。这个能力可以平移到数据中心市场——数据中心最大的运营成本之一就是电费和散热。

高通两款产品本身也不乏亮点。据介绍，高通AI200单卡配备768GB LPDDR 内存，容量是英伟达GB300芯片的2.67 倍，能为大语言模型和多模态模型运行提供充足的内存支撑。AI200还支持灵活部署，可作为独立组件、服务器加速卡或完整机柜方案交付，适配不同客户的硬件环境。

AI250引入“近存储计算”架构，高通宣称内存带宽提升超10倍且功耗显著降低。这些技术特性被市场视为对英伟达GPU的差异化竞争策略，尤其在AI推理场景中可能具备成本优势。

两款产品均配备直接液冷散热方案，单机柜功耗达160千瓦，支持 PCIe 与以太网扩展，并集成机密计算技术，搭配覆盖端到端的自主研发软件栈，实现模型一键部署。

但和所有试图挑战英伟达的公司一样，高通同样面临英伟达通过CUDA建立起来的强大生态壁垒。英伟达CUDA生态构建了开发者-硬件-软件的闭环，全球90%的AI开发者依赖其工具链。多位行业人士表示，高通AI Stack虽支持PyTorch、TensorFlow等主流框架，但在算子库完整性、模型优化工具链成熟度上必然有差距。

并且，谷歌、亚马逊、微软都已自研AI芯片，除Humain外，高通能否吸引其他大型客户采购其AI推理芯片，是其后期能否长期发展的关键所在。