高通入局数据中心AI芯片市场 - 高通于10月27日发布面向数据中心的两款AI推理芯片Qualcomm AI200和AI250及机架，AI200计划2026年上市，AI250计划2027年上市，均采用高通Hexagon NPU，主打低功耗、高性价比和模块化部署，直接挑战英伟达[1] - 高通官方表示其数据中心芯片路线图将每年更新一次，并透露沙特支持的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，按单机柜160千瓦计算，200兆瓦部署规模相当于约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），该合作有望为高通带来超过30亿美元的收入[1] - 这并非高通首次进军数据中心领域，公司曾在2017年推出基于ARM架构的服务器芯片Centriq 2400，但于2020年以关闭"非核心业务"为由停止了该业务，此次入局挑战的对手从英特尔换成了英伟达[2] 市场反应与公司估值 - 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[2] - 该股价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[2] 高通的业务多元化驱动力 - 高通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%，其中芯片业务营收331.9亿美元，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[3] - 手机芯片业务面临结构性增长瓶颈，主要危机来自苹果加速去"高通化"，苹果计划在2025年iPhone 16e开始搭载自研5G基带芯片C1，与高通的基带芯片购买协议将于2026年四季度到期，一家投资量化基金预测，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）[4] - 全球智能手机市场极度饱和，过去五年全球智能手机出货量分别为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%[5] - 为应对挑战，高通极力发展汽车芯片和物联网芯片，2024财年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，两者合计占芯片业务总营收的25.1%，公司目标到2029财年，物联网和汽车部门的总收入达到220亿美元[5] 高通在AI领域的技术积累 - 高通在手机端AI积累深厚，其Hexagon NPU经过近二十年迭代，已从基础AI加速模块进化为支撑生成式AI的核心引擎，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[6] - 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及视觉大模型，目标在终端侧实现千亿参数级模型的高效运行[6] - 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、运行时环境及工具[6] - 高通技术高管曾强调端侧AI芯片与云端AI芯片联动的重要性与必要性，指出需做好算力分工、数据协同与场景互补以构建更高效的AI应用生态[7] 数据中心AI芯片市场格局与技术路径 - 数据中心AI芯片主要分为英伟达的GPU和其他公司的ASIC芯片，英伟达在2024年营收达到1305亿美元，是高通的三倍以上，其数据中心AI芯片市场增量在2022年至2024年间超过1000亿美元[8] - ASIC芯片是针对特定需求定制的非通用可编程芯片，具备算力密度高、能耗低的优点，高盛预估2025年至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%[9] - 随着主要模型性能稳定成熟，模型训练的算力需求占比趋于稳定，模型推理的需求正在逐步增长，在推理场景中ASIC芯片与英伟达GPU的差距在缩小[10] - 多家大型科技公司正在定制数据中心专用的ASIC芯片，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，以及AI芯片创业公司如Etched、寒武纪、燧原科技等[9][10] 高通AI芯片的产品优势与挑战 - 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内存支撑，并支持灵活部署[10] - 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，两款产品均配备直接液冷散热方案，单机柜功耗达160千瓦，并集成机密计算技术[10][11] - 高通面临的主要挑战是英伟达通过CUDA建立的强大生态壁垒，全球90%的AI开发者依赖其工具链，高通AI Stack在算子库完整性、模型优化工具链成熟度上存在差距[11] - 除Humain外，高通能否吸引其他大型客户采购其AI推理芯片是其长期发展的关键，因谷歌、亚马逊、微软等科技巨头已自研AI芯片[11]