高通押注AI数据中心：2029年营收目标升至150亿美元

摘要：高通在FY2026第四季度财报会上大幅上调AI数据中心业务预期：预计2027财年第一季度相关收入约6.5亿美元，2027年末达到50亿美元，2029年进一步增至150亿美元。增长动力来自与Amazon、Meta等云厂商在AI加速器上的多代合作，但手机业务同比下滑约20%，凸显公司由移动芯片供应商向AI基础设施供应商转型。按其2026财年104亿美元总收入计算，150亿美元目标已相当于当前营收的144%，执行风险主要来自产品量产、客户集中及软件生态成熟度。

---

高通把AI数据中心列为第二增长曲线

高通在FY2026第四季度财报会上披露，AI数据中心业务预计在2027财年第一季度贡献约 6.5亿美元收入，到2027年末增至 50亿美元，并在2029年达到 150亿美元。公司2026财年总收入为104亿美元，因此2029年的150亿美元目标相当于现有总营收的约 144%，意味着数据中心业务必须从近乎零起步，并在数年内改写公司的收入结构。

这一扩张计划建立在与Amazon、Meta等公司的多代AI芯片合作之上。Qualcomm试图将移动端积累的SoC设计、封装、能效和边缘计算能力迁移到云端，但数据中心市场并不是把手机芯片稍作放大即可完成的产品迁移。

从移动SoC到云端加速器：哪些能力可以复用

Qualcomm的传统优势主要位于手机SoC，包括CPU、GPU、Modem、内存接口和低功耗设计。进入AI数据中心后，这套能力可以部分迁移到推理加速器，例如复用高能效CPU/GPU、芯片级互联、封装经验以及高通长期积累的AI软件栈。

典型数据中心推理路径可以抽象为：

1. 输入经过Tokenizer、Embedding和上下文缓存处理；
2. Transformer层执行矩阵乘法、注意力计算与归一化；
3. Prefill阶段并行度高，通常更偏向计算密集型；
4. Decode阶段需要逐Token读取权重，容量通信和显存带宽更容易成为瓶颈；
5. KV Cache持续增长，使显存容量、带宽和调度策略直接影响并发成本。

对于大模型，权重读取量可近似写成：

Bandwidth demand ≈ Model bytes × Decode tokens

因此，在相同模型精度下，更大的权重容量或更多计算单元并不会自动带来更高吞吐。如果内存带宽、HBM供给、芯片间互联或编译器效率不足，理论峰值算力会被闲置，实际性能更接近内存系统上限。

高通的潜在优势是能效和异构计算，但必须解决云端负载与移动端负载的根本差异：云数据中心更看重高吞吐、集群扩展、故障隔离、虚拟化、多租户和软件兼容性，而不只是单芯片每瓦性能。

商业规模可观，但150亿美元目标隐含高执行风险

从路径上看，数据中心收入从2027年第一季度6.5亿美元增长至该年末50亿美元，意味着不到一年增加约43.5亿美元。随后再增至2029年的150亿美元，也要求继续维持极高增速。这不是一个温和的市场预测，而是一次产品、供应链和客户导入节奏都必须同步兑现的跃迁。

Amazon与Meta的合作可以提供需求锚点和量产验证，但也会带来客户集中风险。超大规模云厂商通常掌握芯片选型、模型架构和部署节奏，还可能要求定制化互连、固件和软件栈，使芯片厂商的议价空间与毛利结构受到压缩。

此外还需区分几个容易混淆的指标：

• 签约、发布与出货并非收入确认；收入取决于实际部署和验收。
• 加速器收入不等于完整数据中心平台收入；机架、网络、存储和软件的价值归属不同。
• 合作规模不等于高通独家收入；多代协议可能引入更多供应商，也会加剧内部竞争。
• 预测收入不等于已锁定订单；财报指引仍受产品进度与客户部署节奏影响。

手机业务下滑强化转型紧迫性

与数据中心增长形成对比的是，高通手机相关销售同比下降约20%。这使AI数据中心不只是新增增长选项，而成为修补移动业务周期和客户集中风险的重要支柱。

然而，AI服务器市场的竞争维度与智能手机不同。NVIDIA拥有成熟GPU、CUDA、TensorRT和通信库生态，AMD以Instinct与ROCm争夺训练和推理市场，云厂商还大量自研ASIC。高通如果仅凭能效和价格切入，难以改变客户已有的软件迁移成本。软件兼容性、框架支持、算子覆盖、调试工具和集群运维能力，可能比单颗芯片规格更决定商业采用速度。

开发者与云客户应关注什么

对于AI基础设施采购方，不宜只按官方TFLOPs或理论带宽做决定。更关键的验证项目包括：

• 实际模型在Prefill与Decode阶段的吞吐和尾延迟；
• 首Token时间、每用户Token成本及并发调度表现；
• 长上下文下的KV Cache容量、带宽消耗和缓存命中率；
• BF16/FP16及FP8/INT8量化后的精度损失；
• 模型并行、张量并行和流水线并行下的扩展效率；
• 编译器稳定性、算子覆盖率及现有CUDA代码迁移成本；
• 故障恢复、集群监控和多租户隔离能力。

对Qualcomm投资者而言，150亿美元目标提供的是长期增长空间，而不是已实现业绩。后续应重点追踪数据中心分部收入、实际部署客户数、量产进度和分部毛利率，而不能只依据合作公告判断商业化结果。

工程判断

Qualcomm的AI数据中心战略具备明确产业逻辑：移动芯片停滞迫使公司寻找新的规模市场，而云端AI又恰好需要高能效SoC和开放加速器供给。然而，Amazon和Meta合作解决的是“有没有客户”的一部分问题，不能自动解决软件生态、集群扩展和竞争定价问题。

150亿美元目标展示的是一次高强度转型赌注。决定其成败的关键并非单代芯片峰值，而是高通的硬件、编译器、框架支持与云运营能力能否共同达到生产级成熟度。

---

消息来源：The Verge AI (2026-11-04)

—— 完 ——

主题标签： #Qualcomm 关注 #AI数据中心 关注 #AI加速器 关注 #Amazon 关注 #Meta 关注