過去十幾年裡，智慧型手機幾乎定義了我們的數字生活。我們用它上網、拍照、聊天、導航、看視訊，也通過它接入移動網際網路。高通長期以來，就是這個時代最典型的底層贏家之一。

但在2026 年投資者大會上，高通給出了一個非常激進的目標：到 2029 財年，手機業務預計只佔高通 QCT 晶片業務收入的約三分之一。

QCT，也就是高通不包括專利授權的晶片業務。這意味著高通未來的增長中心將不再只是手機。

這次大會上，高通展示了它的戰略野心：從AI 資料中心到汽車、機器人，再到未來的智能眼鏡和 6G，它試圖搭建的，其實是一張覆蓋雲、邊、端和實體世界的分佈式 AI 計算網路。

而這一切的起點，是代理式AI。

過去大家熟悉的ChatGPT，更像是聊天機器人。你問一句，它回答一句，整個過程仍然是被動的一問一答。

但代理式AI 不一樣。它不只是回答問題，而是會理解目標、拆解任務、呼叫工具並執行流程。比如你讓它安排一次商務旅行，它可能要同時查航班、比酒店、排會議、調整日程、發郵件，甚至處理支付。

對人來說，這只是一個指令；但對AI 來說，背後可能是一連串推理、檢索、規劃和工具呼叫。

高通在會上提到，一次代理式AI 查詢，可能會觸發 50 到 100 次推理請求，並生成超過 100 萬個 Token。簡單理解，這相當於 AI 為了完成一項任務，要在極短時間內處理接近十本長篇小說的資訊量。

當未來不再只是幾個人在和AI 聊天，而是數百萬、數千萬個代理同時工作時，資料中心面臨的核心問題，就不再只是算力夠不夠。

真正的瓶頸會變成：電力，散熱，記憶體頻寬，資料中心的擴建。

這也是高通進入資料中心最核心的切入點。

很多人也許會好奇，高通現在進入資料中心，會不會太晚？

如果這是一個成熟、穩定、沒有新增需求的存量市場，高通直接去挑戰輝達，確實很難。

但高通押注的並不是一個普通的存量競爭市場。

他們看到的機會是很多雲廠商今天不是沒有錢買更多AI 晶片，而是沒有足夠的電力、並網能力和冷卻條件，去繼續堆疊傳統高功耗的 GPU 叢集。

高通在會上稱，傳統GPU 型 AI 基礎設施已運行在數百千瓦等級，部分下一代競爭方案可能超過 500 千瓦。所以，高通真正瞄準的是：在同樣的電力、機房面積和散熱約束下，生成更多Token，完成更多推理任務。

高通在這次大會上提出的HBC 架構，背後就是這個邏輯。

HBC，也就是High Bandwidth Compute，高頻寬計算。

HBC背後要解決的是 AI 時代最典型的“記憶體牆”。

你可以把處理器想像成一位頂級大廚。大廚動作再快，如果食材只能通過一扇很窄的門送進來，他大部分時間也只能等著。今天很多AI 晶片面臨的就是這個問題：計算能力增長很快，但記憶體頻寬和容量跟不上，資料在計算單元和記憶體之間反覆搬運，既浪費電，也製造熱量。

高通提出的HBC，本質上是一種近存計算架構。它試圖讓計算能力更貼近 DRAM 記憶體堆疊，減少傳統 GPU 與高頻寬記憶體之間長距離、大規模的資料搬運。

就像過去住在郊區，每天要穿過擁堵的高速公路去上班；現在直接住進辦公樓裡，通勤距離消失了，擁堵和能耗自然都會下降。

因此，高通認為，未來評估AI 基礎設施，不能只看 FLOPS，也就是峰值浮點算力，而要越來越重視每瓦能生成多少 Token。誰能用更少的電完成更多推理任務，誰就可能擁有更低的總擁有成本。

當然，高通的資料中心戰略並不只押注HBC 這一條產品路線。它把自己的資料中心戰略稱為 Dragonfly。這個平台包括四條產品線：高速連接、定製晶片、AI 加速器和伺服器 CPU。

第一條是高速連接。AI叢集越大，網路越重要。高通通過收購 Alphawave，獲得了高速 SerDes、電連接和光連接 DSP、die-to-die 互連、共同封裝光學介面和相干光通訊能力。它想覆蓋從晶片內部到機架之間、再到資料中心園區之間的高速連接。

這也是高通最現實、最先產生收入的一部分業務。因為無論誰做AI 晶片，資料中心都需要更高速的電互連和光互連。

第二條是定製晶片。大型雲廠商不會永遠只買標準化GPU，它們會越來越希望圍繞自己的模型、功耗限制、網路架構和供應鏈需求，定製 ASIC、Chiplet 和專用網路方案。

高通希望提供IP、前端設計、芯粒整合、互連、製造匯入和供應鏈最佳化能力。這樣，即使 HBC 加速器還在產品爬坡期，它也可以先通過定製晶片切入雲廠商。

第三條才是AI 加速器，也就是 HBC、AI 250 和後續 AI 300 的位置。

高通的思路不是讓所有任務都跑在同一類加速器上，而是把代理式AI 的不同環節拆開：有的計算單元重點最佳化 Attention 和 Prefill，有的則重點服務 Decode 階段對 KV Cache 的讀取和處理。

未來的資料中心不再只是“買一批GPU”，而是不同硬體通過高速網路和軟體編排共同完成任務。

高通發佈的C1000，不只是想在核心數和主頻上與傳統伺服器 CPU 競爭，更希望切入未來異構 AI 資料中心的調度和控制層。

它為C1000 設計了三種角色：用於代理式 AI 工作負載的 Agentic CPU、用於傳統雲端運算的通用 CPU，以及負責調度異構資料中心的 AI Head Node CPU。

如果未來一個資料中心同時有GPU、專用加速器、定製 ASIC、儲存節點和光網路節點，就需要一個統一編排、管理流量和調度資源的控制層。高通想爭奪的，就是這個位置。

Meta已經公開宣佈，將與高通開展多代 CPU 合作，用於下一代資料中心伺服器叢集。微軟則公開認可了高通 HBC 的技術方向，認為高記憶體頻寬和更緊密的計算—記憶體架構，有望改善下一代 AI 基礎設施的成本和性能。

但要注意，微軟釋放的是技術合作和驗證訊號，不是已經披露規模的HBC 部署訂單；Meta 的明確合作重點則是 C1000 CPU。高通的資料中心戰略仍在早期兌現階段。

高通預計，2027財年資料中心業務收入目標為 50 億美元，2029 財年目標達到 150 億美元。這個收入不是靠單一產品爆發，而是連接產品、定製晶片、AI 加速器和 CPU 逐步疊加的結果。

代理式AI 最終不會永遠停留在資料中心裡替我們寫郵件、訂酒店。它真正的終點，是進入現實世界，開始感知、判斷和執行。這就是高通強調的物理AI，也就是 Physical AI。

過去行業一直在講軟體定義汽車，但高通認為，未來汽車將進一步走向AI 定義汽車。一輛車不再只是四個輪子的交通工具，而會逐漸成為具備感知、理解、決策和執行能力的 AI 終端。

比如汽車進入停車場後，可以依靠本地視覺識別二維碼，在車端完成支付和通行，不需要每一步都依賴雲端指令和人工操作。

汽車之所以適合作為實體AI 的重要入口，是因為它擁有更大的電池、更充足的空間和更強的散熱能力，可以在本地運行更大的模型。

高通的汽車業務已經是它手機之外最成熟的增長曲線，到 2026 財年末，年化收入目標約為 60 億美元，設計贏單管線達到 650 億美元。

這裡的650億美元是指高通已經進入未來多個車型和平台的供應體系，按照這些項目未來生命周期內的預計銷量和單車價值量測算，可能帶來的累計收入規模。

如果說汽車是高通已經驗證過的實體AI 入口，那麼機器人則是它押注更長周期的下一站。

很多人會覺得，機器人就是在手機晶片外面加一個機械臂。但真正能進入工廠、倉庫和家庭的機器人，需要的不只是一個會聊天的大模型，而是多個層級的計算系統。

系統二負責思考，比如複雜推理、路線規劃和任務分解；系統一負責運動，比如控制肢體、協調動作和平衡；系統零則是反射神經，負責毫秒級的局部控制。

比如機器人拿水壺給紙杯倒水。紙杯的重量、形變、壓力和濕度都在即時變化。如果每一個觸覺訊號都要上傳雲端，等模型算完再回傳指令，幾十毫秒的延遲就可能讓紙杯被捏壞，或者讓水灑出來。

所以，機器人的手指和關節必須擁有局部反射能力，能夠即時感知壓力、溫度、重量和觸覺，並立刻調整握力。這就是系統零的意義。

高通的DragonWing IQ 產品路線，可以理解為想成為機器人分佈式神經系統中的關鍵計算層。它不只是讓機器人運行一個大模型，還試圖把中央計算、感知、末端執行器控制和局部反應能力整合到一套平台中。

當汽車、機器人、無人機、掃地機等裝置都開始具備獨立感知和行動能力時，手機的角色也會變化。

高通CEO 阿蒙提出，未來數字生活的中心，可能不再是手機，而是 AI Agent。手機不會消失，而會和 PC、眼鏡、耳機、手錶等裝置一起，成為 Agent 接觸使用者與現實世界的端點。

未來的手機甚至可能同時服務兩個使用者：一個是人，另一個是代表人執行任務的AI 代理。

過去手機的介面是為人設計的，你需要滑動、點選、輸入和確認。但高通設想，未來AI 代理可以在獲得使用者授權的前提下，在後台呼叫應用和服務，完成比價、訂票、整理日程等任務。

這也是為什麼手機未來可能不只是服務人類使用者，還要持續運行代表使用者執行任務的Agent。

而代理要真正理解你，離不開上下文。它不只要知道你說了什麼，還要知道你在那裡、看到了什麼、聽到了什麼、正在做什麼。

這也是智能眼鏡的重要性所在。

智能眼鏡未必是為了取代手機螢幕，它真正的價值是持續採集現實世界的上下文。它可以看到你看到的、聽到你聽到的，再把這些資訊提供給你的AI 代理。

高通提到，全球每年眼鏡出貨量約6 億副，但智能眼鏡滲透率仍不到 1%。如果 AI Agent 真正需要即時上下文，眼鏡很可能成為未來個人 AI 裝置的重要入口。

而當眼鏡、汽車、機器人、無人機和各種終端都開始持續感知世界時，通訊網路也會發生變化。

過去大家理解通訊升級，更多想到下載更快、延遲更低。但高通認為，5G的重點更多是下行，而 6G 將越來越強調上行。

未來裝置不只是從雲端下載內容，而是不斷上傳圖像、聲音、位置、環境變化和感測器資料，為AI 代理提供即時上下文。

更進一步，高通認為未來射頻訊號本身可能具備感知能力。無線電波遇到物體會反射，通過分析反射訊號的變化，網路可能識別空間中的移動、飛行器和環境變化。6G因此不僅是通訊網路，也可能逐步成為一個結合通訊、計算和感知的分佈式系統。

但問題也隨之出現：如此複雜的硬體體系，開發者該如何程式設計？

未來AI 計算可能分佈在資料中心、汽車、手機、眼鏡、機器人手指和低功耗感測器上。如果每一種硬體都要單獨開發，整個生態會高度碎片化。

這也是高通收購Modular 的原因。

Modular希望通過 Mojo 程式語言和 MAX 推理引擎，建構一個更統一的 AI 計算層。它想讓開發者保留 Python 的易用性，同時獲得接近底層硬體的性能，並儘量實現一次編寫、跨硬體部署。

高通想做的，本質上是AI 基礎設施時代的 Android：用更開放的軟體層連接不同硬體，降低客戶對單一封閉生態的依賴。

這當然也是高通最難的一步。因為輝達真正的護城河不只是GPU，而是 CUDA、開發工具、框架、模型、社區和部署經驗。高通能否真正建立起開發者生態，仍然需要長期驗證。

高通的戰略轉型可以總結成一句話：它不只是想從賣手機晶片，變成賣更多晶片；它想成為代理式AI 時代，從雲端資料中心到汽車、機器人、眼鏡和 6G 網路之間的底層計算平台。

它希望用HBC 解決電力和記憶體頻寬問題，用高速連接和定製晶片進入雲廠商，用 C1000 爭奪資料中心的調度層，用汽車和機器人進入實體 AI，用智能眼鏡獲取現實世界上下文，再用 Modular 把分散硬體整合到更開放的軟體生態中。

這套佈局還遠沒有完成，資料中心HBC、伺服器 CPU、機器人和 6G 都處於不同階段的驗證與兌現期。

但高通真正押注的方向已經非常明確：當AI 不再只是雲端模型，而開始進入每一輛車、每一副眼鏡、每一台機器人和每一個網路節點時，未來最重要的公司，可能不只是擁有最大模型的公司，也包括那些能夠把計算、連接、感知和軟體平台真正鋪到現實世界裡的公司。

彙整鉅亨號中所有使用「HBC」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`