成为第四极！高通参加德银2026年技术大会演讲全文（深度解读）

来源：市场资讯

（来源：invest wallstreet）

高通此次沟通传递出一个清晰的战略信号：公司正经历第三次“基因突变”，目标是在AI算力时代成为与NVIDIA、AMD、Intel并列的“第四极”。

一、核心总结

1. 高带宽计算（HBC）：突破内存墙的核心武器

高通将HBC定位为超越HBM的下一代内存-计算协同架构，旨在解决AI推理中日益严峻的“内存墙”问题（计算能力指数级增长，但内存带宽增长缓慢）。

• 技术原理：并非单纯的内存技术，而是将计算逻辑芯粒（Logic Die）与LPDDR DRAM堆叠通过TSV垂直互联，实现计算单元紧邻内存，消除数据传输延迟并大幅降低功耗。

• 性能指标：与HBM相比，每瓦特处理token数提升6倍；带宽达数百TB/s（当前HBM约21-22TB/s）。与SRAM相比，在同等容量下占用面积更小，机架级TCO显著优于SRAM方案。

• 产品节奏：

• • Gen 1：芯片已完成流片并回实验室验证，计划2027年商业化出货；

  • Gen 2：预计2028年推出，性能将进一步提升，届时将与HBM4E直接竞争。

• 产业生态：韩国存储巨头（SK海力士等）并未视其为威胁，反而主动寻求深度合作；高通自身不生产DRAM，而是制定TSV和设计规范，自研计算芯粒逻辑，由台积电负责先进封装集成。

• 应用场景：短期主攻数据中心解码（Decode）阶段（该阶段完全受限于内存带宽，与计算关系不大）；中长期将下沉至智能手机、PC、汽车、XR及机器人等边缘设备，支撑“环境式AI/智能体AI”（Ambient AI）的持续低功耗运行。

2. Dragonfly C1000服务器CPU：2028年切入数据中心算力核心

高通基于自研Oryon核心重启数据中心CPU业务，目标是在2028年推出时领先竞争对手整整一代，而非仅几个百分点的性能提升。

• 产品定位：超过256核心的多核设计，同时覆盖通用计算与AI头节点/智能体AI工作负载。

• 客户进展：Meta已确认为首个客户，表明其性能指标已获得头部超大规模云服务商（Hyperscaler）认可。

• 市场逻辑：随着Agentic AI兴起，数据中心CPU与XPU（GPU/NPU）的配比正从过去的8:1、4:1向2:1甚至更低演进，CPU在AI推理管线中的战略地位被重新抬高。

3. 双轨CPU架构：ARM与RISC-V并行

高通采取ARM（Oryon）与RISC-V双轨并行策略，且RISC-V不再是“学术实验”，而是严肃的商业化路线。

• RISC-V优势：ISA完全开放，允许深度参与标准制定，微架构创新空间远大于授权模式的ARM；每30年一次的ISA变革窗口已至。

• 生态建设：高通在RISC-V国际基金会担任领导角色，并与中美头部云厂商共建软件生态；已收购团队（Antenna Microsystems）并整合，重点推进数据中心级RISC-V产品。

• 商业判断：未来市场将呈现ARM与RISC-V长期共存、混合采用的格局，而非非此即彼。

4. Modular软件栈：打破CUDA护城河的关键一役

高通将Modular（Mojo语言+MAX编译器+Modular Cloud）视为对抗NVIDIA CUDA生态垄断的核心软件投资。

• 技术主张：Mojo兼容Python语法，MAX作为编译器层可替代CUDA+Triton；Modular技术栈可运行在任何第三方硬件（高通、AMD等）上。

• 性能宣称：在现有机架上从原生CUDA栈迁移至Modular栈，性能持平或提升最多50%。

• 开源策略：Mojo与MAX均采用开源模式（Apache 2.0），避免供应商锁定；AMD已公开站台表示将试用。

• 开发者生态：与Hugging Face深度合作（覆盖1500万日活开发者、300万+模型），实现“一键智能体化”部署——开发者仅需自然语言提示，后台自动完成模型适配、代码生成与平台部署。

5. 定制芯片（Custom Silicon）与网络业务

通过收购Alphawave，高通保留了定制芯片业务并获得了高速SerDes技术。当前与所有超大规模云服务商的洽谈均涉及不同程度的IP定制与整合，且Alphawave原有客户资源为高通提供了现成的云厂商入口。

二、投资分析

（一）战略价值与增长机会

市场卡位

高通正从“移动通信芯片商”向“全栈算力提供商”转型。HBC直击AI推理的内存瓶颈，C1000 CPU瞄准云厂商算力架构变革，Modular试图瓦解CUDA生态，三者形成“硬件差异化+软件开放性”的协同攻势。

TAM扩张

数据中心AI推理、边缘智能体AI、定制芯片三大市场均为数百亿美元级TAM。若HBC在2027-2028年成功商业化，高通有望从当前以手机SoC为主的收入结构，打开第二增长曲线。

客户验证

Meta作为C1000首发客户、存储厂商对HBC的积极态度、AMD对Modular的兴趣，均表明高通的声明并非“空中楼阁”，已获得产业链关键节点的背书。

生态壁垒

若Modular+HF（Hugging Face）组合能在未来2-3年内形成“开放版CUDA”的开发者心智，高通将拥有长期护城河；反之，若仅停留在技术宣称阶段，则难以撼动NVIDIA。

（二）核心风险与执行挑战

1. 时间窗口风险：HBC Gen 1要到2027年才出货，C1000到2028年下半年，而竞争对手（NVIDIA、AMD、Intel及云厂商自研芯片）不会停滞。届时HBM4E、新一代TPU/GPU可能已大幅缩小差距。

2. 技术验证风险：尽管芯片已回实验室且“进展顺利”，但大规模量产良率、散热管理（3D堆叠的核心挑战）、机架级可靠性仍需后续验证。投资者应关注下个季度将公布的芯片实测数据。

3. 软件生态不确定性：打破CUDA是行业长期难题。Modular虽获AMD口头支持，但能否真正吸引大规模云厂商将核心工作负载从CUDA迁移，取决于未来几个季度的第三方独立基准测试结果（如Artificial Analysis等机构的评测）。

4. 资本开支与盈利节奏：数据中心业务前期研发投入巨大，且2026-2027年尚处投入期，对短期EPS可能形成拖累。需警惕“故事性感、兑现遥远”的估值回调风险。

5. 竞争格局复杂化：云厂商（AWS、Google、Microsoft）普遍采取“自研+多供应商”策略。高通虽提供灵活组合（HBC/CPU/AI加速器可单独采购），但也面临云厂商内部团队（如AWS Trainium/Inferentia、Google TPU）的直接竞争。

（三）关键投资里程碑（建议跟踪）

时间节点

关键事件

投资意义

2026年Q3-Q4

HBC芯片实测数据公开

验证“6倍能效提升”与数百TB/s带宽是否成立

2026年底-2027年

HBC工程样片送样，首批云客户签约

确认商业化前景与订单能见度

2027年

HBC Gen 1正式出货

数据中心业务首次贡献实质性收入

2028年

C1000量产、HBC Gen 2发布

验证CPU竞争力与HBC技术代际领先性

持续跟踪

Modular第三方基准测试、Mojo/MAX开发者采用率

判断软件生态是否形成网络效应

三、总结和展望

高通此次沟通传递出一个清晰的战略信号：公司正经历第三次“基因突变”，目标是在AI算力时代成为与NVIDIA、AMD、Intel并列的“第四极”。

• 硬件层面，HBC是最大亮点。如果其3D堆叠内存-计算架构能在2027年如期兑现“每瓦性能6倍于HBM”的承诺，将有机会重新定义AI推理基础设施的性价比标准；C1000 CPU则抓住了“Agentic AI推高CPU配比”的结构性趋势。

• 软件层面，Modular的开源化与Hugging Face的战略合作，是高通历史上罕见的“平台级开放”尝试，旨在从生态根源上瓦解NVIDIA的CUDA锁定。

• 商业层面，高通不再追求“捆绑销售”，而是允许云厂商像“点菜”一样单独采购HBC、CPU或AI加速器，这种灵活性在当前云厂商追求供应链多元化的背景下极具吸引力。

投资结论：高通的数据中心叙事已从“概念期”进入“验证期”。对于长期投资者而言，当前是高风险高赔率的战略转型押注期—— upside在于若HBC+Modular成功，公司估值体系将从消费电子PE向算力基础设施PE切换；downside在于2027年前缺乏收入兑现，且技术路线面临巨头围剿。建议在2026年下半年至2027年初的芯片实测数据与样片送样节点，作为加仓或减仓的关键决策窗口。

QUALCOMM Incorporated (QCOM) 德意志银行 2026年技术大会

Durga Malladi——高通技术公司技术规划与边缘解决方案执行副总裁兼总经理

Amy Sutter

Amy Sutter

谢谢大家，大家好。我是 Amy Sutter，今天代替 Rob Sanders 出席。他是我们的欧洲半导体和硬件分析师，很遗憾今天无法到场，并且负责 QUALCOMM。因此，今天的炉边谈话将由我主持。现在，我想介绍来自 Qualcomm 的 Durga Malladi，他是技术规划与边缘数据中心执行副总裁。

也许我们可以先从这里开始。我知道您说过您自1998年起就在高通任职，不妨简单介绍一下您的经历，以及您曾担任过哪些不同的职位？

Durga Malladi，Qualcomm Technologies, Inc技术规划与边缘解决方案执行副总裁兼总经理

是的。我于1998年加入Qualcomm，所以今年是我在那里工作的第29（原文如此）[第28]个年头。在Qualcomm内部，过去大约25年间，我们至少经历了两次不同的基因突变。这是第三次。在大约10年前之前，我一直负责我们的研究和研发部门，而且是任职时间最长的人。后来，Cristiano——他现在是我们的CEO，也是我的上司——对我说：“我希望你到这边来，帮助开展业务。”所以过去几年——其实已经不只是几年了——现在算下来已经超过8年或9年，我一直负责产品规划。

目前，我负责我们所有业务的技术路线图，范围从最低端的物联网一直到数据中心。去年，当我们重新启动数据中心业务时，我亲自负责运营了一年，以确保我们的方向是正确的。现在，我们已经建立了一个能够独立运营的完整业务部门。这就是我的职责。

Amy Sutter

太棒了。好的。我认为，自分析师日以来，我们从投资者那里听到的最常见问题，就是你们将如何凭借新近宣布的高带宽计算技术，在数据中心实现差异化。你能否帮助我们了解一下高性能计算（HPC）的起源，以及它在你们整体战略中的定位？

Durga Malladi，高级副总裁兼技术规划与边缘解决方案总经理，Qualcomm Technologies, Inc.

是的。首先，当我们公布 HPC 产品组合以及正在研发的多个产品世代时，需要明确的是，这并不是我们仅用一年左右时间完成的事情，而是经过了很长时间的筹备。但直到去年，我才感觉我们的研发已经达到一个阶段，现在是将其商业化的时候了。 不过，回过头来看，它究竟要解决什么问题？到 2021 年左右，我们已经相当清楚这一点。当时我们观察到，每个数据中心机架中的计算能力——事实上，这一点也适用于其他一些场景——正在面临相应的问题。

它在一代又一代之间呈指数级大幅增长，而内存带宽基本停滞不前，或者说增长得更为温和，更接近线性增长。最终，这会导致所谓的“内存墙”：你可以尽可能增加计算能力，但在推理解码部分，如果不同时解决内存带宽问题，再多的计算能力也将无济于事。因此，我们在研发方面投入了大量资源，并在去年达到了这样一个阶段：这件事开始变得可行了。我们已经攻克了其中许多解决方案。需要注意的是，我们称之为高带宽计算，因为它并不是一种纯粹的内存技术。

这实际上涉及多个方面的结合：如何将计算单元紧邻内存放置，如何以正确的方式进行设计和协同设计，然后确保其能够与 AI 加速器的其余部分进行接口连接。这是对 HBM 之外另一种实现方式的直接探索。我们对目前的进展感到非常有信心，也非常满意。因此，我们公布了多代解决方案：第一代产品将于明年推出，随后还会推出第二代产品。但这具有非常独特的价值主张。如今，这也得到了众多内存供应商的充分认可。他们一直以来都是我们的合作伙伴，而现在也同样公开表达支持，并开始讨论类似的方案。

Amy Sutter

是的，很好。没错。之前我不会想到 Qualcomm 会涉足内存领域。不过，将其作为一种计算技术来讨论非常有帮助。也许可以进一步深入谈谈：当你提到 Gen 1 和 Gen 2 时——我想在 Analyst Day 上，你展示了相较于 HBM 的每瓦带宽，而且相较于 SRAM，你们也有一些非常高的数据。你能否谈谈你们向客户介绍的、相较于 HBM 和 SRAM 的独特卖点？也就是说，在解决内存墙问题方面，这项技术有哪些优势？

高通技术公司技术规划与边缘解决方案执行副总裁兼总经理Durga Malladi

好的，那里有两点。第一是一些数据，第二是关于验证依据的内容；我也许可以稍微说明一下，我们与 hyperscalers 的讨论是如何展开的。 就数据而言，我们一直、始终都会谈到每瓦特处理的 token 数，因为功耗非常重要。如今，采用 HBM 时，功耗非常高。顺便说一句，这里有个有趣的小插曲：我们曾谈到，与 HBM 相比，按每瓦特每秒处理的 token 数计算，性能提升了 6 倍。

第二部分是，HBM目前大约为每秒21至22TB，而我们达到了每秒数百TB。与SRAM相比，SRAM也有自身的限制。它是速度最快的接口，但同时也会占用更多面积。要实现同样的功能，你需要更多的机架。因此，从总拥有成本（TCO）的角度来看，SRAM并不占优。这就是我们在投资者日上讨论的三点。但重要的是，好的，这些只是数字，那么有哪些佐证呢？

所以，值得高兴的是，我们确实已经完成了芯片流片。芯片已经回到实验室，目前进展非常顺利。随着我们开始逐步披露更多信息，以及各项数据开始呈现出来，敬请关注这方面的进展。不过，就第一代产品而言，我们相当有信心。 这里讲一个小故事。就在 Investor Day 之后，我们谈到了这件事。我们说：“嘿，这是 HBM。”当时有两个很不错的动画，其中一个讲的是：好吧，这种情况下 HBM 不太理想；另一方面，采用 [HBC] 就非常棒。

紧接着，我与两家存储器供应商在韩国会面，我原本完全料想到他们会说：“你在说什么？我们有这么棒的 HBM 路线图，真的非常出色。我们的产品将会比 HBC 好得多。”但我们收到的反馈并不是这样。相反，他们说：“嘿，我们怎样才能在这件事上与你们开展更紧密的合作？”事实上，我们一直在与他们合作，因为在推进商业化的过程中，我们需要确保拥有充足且合适的供应。 除此之外，存储器行业本身也直接表达了浓厚的兴趣，这是一段非常积极且令人愉快的经历。

而且这实际上是件好事。这也在某种程度上验证了我们提出的一些观点，即随着数据中心机架的发展，我们需要一种不同类型的解决方案。该产品的第二代产品将于2028年推出，而第一代产品计划于2027年实现商业化并出货。我们已经在研发第二代产品，其性能数据还会更高。其中一个原因，是我们预计它将与HBM4E进行相对比较。

原因在于，展望2028年，很多事情本身都在不断演进。一方面，AI模型本身在不断发展，这意味着我们最终需要在位于DRAM堆叠下方的计算芯粒或逻辑芯粒中执行的计算也会随之增加；实际上，我们预计到这一点，并加入了更多算术运算。而利用HBM来实现这种扩展会更加困难。因此，相对收益看起来会更为明显。这就是我们目前的情况。

Amy Sutter

好的。关于这项技术，有一种批评意见是，在高性能逻辑芯片上方堆叠多层 LPDDR，可能会带来散热问题。因此，能否谈谈你们将如何通过封装技术来解决这些问题？另外，你们提到了第一代和第二代产品，能否为我们投资者介绍一些里程碑，或者说我们应该关注哪些进展？还有，我知道你们正在与韩国的存储器厂商洽谈，但你们目前是否也在与超大规模数据中心运营商接洽？我不确定这是否是你们已经对外分享的信息。

高通技术公司技术规划与边缘解决方案执行副总裁兼总经理杜尔加·马拉迪

好的。简短回答是，所有问题的答案都是肯定的，不过我先从验证结果说起。正如我所说，芯片已经回到实验室，目前进展良好，整体推进得非常顺利。我不认为我们已经明确公布了这项技术何时正式亮相的日期。但在下个季度，请继续关注这方面的进展。我认为，其中一部分也取决于我们的营销安排，即我们希望以何种方式对外展示这项技术。不过，我们会公布具体数据。届时我们实际上会拿到芯片验证结果。我们也在按计划推进样品出货，包括工程样品和商业样品；就这项技术验证本身而言，我认为目前看起来进展良好。

我们预计第一代产品不会有什么问题。实际情况是，随着我们推进这项工作，并开始与每一家超大规模云服务商进行交流，我们发现每一家超大规模云服务商都有大量自主研发的解决方案。大多数公司——其中一些会说：“我有自己的 CPU。”另一些会说：“我有自己的 CPU，还有自己的 AI 加速器。”但很少有公司会……他们一直把 HBM 视为内存带宽方面的一个要素，认为“我会获取这项 IP，然后在此基础上构建我的机架。”

一直以来，我们与所有超大规模云服务商坐下来交流时，情况都非常好。他们看了这项技术后都会说：“太棒了！我到底该如何将它引入进来？”在投资者日上，我们特别提到，这里有三条不同且彼此独立的路径。 例如，某家超大规模云服务商可能会说：“我有自己的 CPU 和 AI 加速器，我需要你们的 HBC 作为一款能够与之配合使用的独立产品。”对此，我们有相应的解决方案。

可能还会有人说：“你知道吗，我已经有自己的 AI 加速器了，这挺好的。我喜欢你的 HBC，而且你知道吗，你们的 CPU 看起来也相当不错。也许我可以两者都采用。那对我来说该怎么合作呢？” 对此我们也有答案。现在，对于 hyperscalers 而言，情况已经发展到这样一个阶段：我们并不是以某种“要么全要、要么全不要”的方式进入。不，你可以根据需要单独采用某个组件，也可以把上述所有组件全部采用。然后，我们再从那里继续推进。

Amy Sutter

明白了。我想到 HBC 时，担忧之一是，也许当你比较 prefill 和 decode 时，我知道内存更侧重于 decode 端，而瓶颈就在这里。但你能否谈谈 HBC 在这方面的表现？好的。

Durga Malladi，Qualcomm Technologies, Inc. 技术规划与边缘解决方案执行副总裁兼总经理

因此，如果你关注数据中心中的推理，通常我们会将这个问题分为预填充阶段和解码阶段。预填充阶段完全受计算能力主导。投入的计算能力越多，效果就越好。最近，我们看到计算能力一代接一代地提升了大约 2.5 倍到 3 倍。因此，你总是可以通过投入更多计算能力来解决这个问题。HBC 对此几乎不会起到什么作用。另一方面，解码阶段则完全受内存带宽主导。你可以投入任意多的计算能力，但都无关紧要。除非你拥有像这样的解决方案，否则它不会奏效。

这或许就是在所有这些讨论中——不仅是与 hyperscalers 的讨论，也包括与许多其他方面的讨论——我们所看到的情况：我有自己的计算解决方案，可以将其用于 prefill。至于 decode，正如在进行 HPC 时一样，底层芯片中还会加入额外的逻辑，你可以在那里引入这些逻辑。因此，在这一领域，甚至会出现更多的混合搭配。这至少是我们预计短期内事态发展的方式。

现在，除了这三项——CPU、我们的 AI 加速器和 HBC——之外，在投资者日上，我们还谈到了定制芯片业务。现在，如果你把我所说的一切都考虑进去，几乎可以说，这是不是一种用于超大规模云服务商某项业务的定制芯片。我认为，这两个论点之间只有一条非常细微的学术界限，因为一旦开始将它们整合起来，确实会朝这个方向发展。不过，其中也会大量采用我们的 IP，同时还会与他们的 IP 进行混合搭配。

Amy Sutter

明白，明白。我的意思是——当你们……比如说，我认为 Hynix 和 SanDisk 也在讨论高带宽闪存，尽管这似乎还需要一段时间，至少我是这么认为的。但有没有可能——超大规模云服务商可以将一组 HBM 和 HBF 结合起来，以更低的成本运行他们的模型？如果这是我们试图攻克内存墙的一种方式，那么你们的 HBC 将如何应对这种 TCO 叙事？

Durga Malladi，Qualcomm Technologies, Inc技术规划与边缘解决方案执行副总裁兼总经理

所以，当我们与内存供应商交流时——实际上，我们已经就 HBC 与 HBM 的区别，以及 High Bandwidth Flash 的未来发展，与他们进行了深入讨论——我想说的是，这只是我目前的看法。HB Flash 试图解决一个略有不同的问题。它并不完全是同一个问题，因为其中一个论点是：除了 DRAM 之外，也使用闪存来实现其他功能。这与将内存带宽提升到足以让解码性能变得非常出色，并不是一回事。但它有自己的应用场景，仍有更多工作需要完成。

这只是我们目前的看法。但这是诸多事实中的一个，某种程度上与此无关。与此同时，就 HBM 与 [HPC] 的比较而言，那些已经在 HBM 领域投入了一段时间的同一批供应商会认为：我需要在此基础上另行开辟一条并行路线，因为至少在可预见的未来——不只是近期——我并不确定能否通过自己的 HBM 提供类似 HPC 的方案。时间会告诉我们答案，也许五年后情况会有所不同。但截至今天，相较于我们现有的水平，实际上只有这一种解决方案能够实现这样的性能提升。

Amy Sutter

本周早些时候参加 Hot Chips 后，我觉得非常有意思的一点是，如今计算领域正在出现如此多样化的解决方案，涵盖 GPU、CPU 和内存，而且每一家超大规模云服务商和客户模型公司采取的应对方式都各不相同。当我想到 HBC 时，它是否也能适用于数据中心以外的其他终端市场，比如汽车市场？

Durga Malladi，Qualcomm Technologies, Inc技术规划与边缘解决方案执行副总裁兼总经理

这是一个非常好的问题。我们在投资者日谈到 HPC 时，当然，当时我们更多是在谈论对超出我们以往在边缘设备领域通常所做工作的投资，这也是为什么我们大量谈到了数据中心。但说实话，HBC 是一种通用技术，它一直可以下沉到设备层面。让我解释一下为什么会这样。事实上，不管你信不信，我们正在研究如何将 HPC 应用于如今我们身边的设备。我们实际上正在研究，什么样的技术适用于这些设备。

原因就在这里。在数据中心，比较对象是 HBM，我们讨论的是如何最好地解决那里的解码问题和内存墙问题。而在设备中，并不存在与之等同的问题。我们可以以智能手机或智能体 AI 设备为例，但那里的问题有所不同，尤其是智能体 AI 设备。这类设备正在被打造，参与其中的人一直专注于“AI 优先”的理念，并思考如何围绕这一理念构建解决方案。 但这一切的核心都是环境式 AI。它会持续运行，这也是我们称之为智能体 AI 的原因。它始终在后台运行，等待你说些什么，然后从那里开始响应。

但如果你始终处于环境式 AI 状态，也就是说一直在运行，那就意味着你会持续消耗电力。如今，HPC——计算单元就在内存旁边。因此，你还能获得另一项优势：我们彻底消除了内存与计算单元之间的传输延迟，而且不仅如此，功耗也大幅下降。这种架构非常适合环境式 AI，以及如今出现的各种智能体 AI 设备。因此，HBC 在设备中的应用场景是环境式 AI；而在数据中心，则主要看重它所提供的内存带宽和解码性能。

Amy Sutter

当你说类似边缘场景的情况时，你指的是像机器人技术这种我们会考虑使用 AI 的领域吗？还是说你认为它也可能被应用在汽车或手机中？

高通技术公司技术规划与边缘解决方案执行副总裁兼总经理 杜尔加·马拉迪

一路覆盖到智能手机、平板电脑、PC、XR 设备，当然也包括汽车领域。归根结底，就是这一点。

Amy Sutter

那你觉得这会在什么时候发生？

高通技术公司技术规划与边缘解决方案执行副总裁兼总经理 Durga Malladi

讨论正在进行中。通常来说，这方面会有一个提前期：如果一款商业产品将在1年后推出，那么商业谈判通常会在此之前大约3年开始。这个问题——等它真正出现时，你自然会意识到——不过可以肯定地说，距离第一代商业产品问世已经不远了。

Amy Sutter

明白了。我想那就暂时把 HBC 收尾一下。我的意思是，你认为是在 Gen 2 还是 Gen 1 时，客户才会真正强烈要求这项技术？另外，如果是这样的话，你们会不会考虑将这项技术授权给第三方，帮助他们实现规模化？还是说，你们把它视为一种 Qualcomm 可以提供的专有护城河？

Durga Malladi，Qualcomm Technologies, Inc技术规划与边缘解决方案执行副总裁兼总经理

所以那边有两个问题。第一个问题是，就超越 Gen 1、进入 Gen 2 而言，具体的进展在哪里？Gen 1 就在明年，也就是说确实是明年。届时会有几家客户朝这个方向发展。但当我们与许多超大规模云服务商等进行沟通时，可以看出 Gen 1 和 Gen 2 之间的需求量会有所分化。 我们当然会看到 Gen 1 获得进展。我希望能看到更多进展，因为越来越多的客户正在排队。最早采用的客户将会选择 Gen 1。但现在我们收到的兴趣非常多，我预计也会有更多客户采用 Gen 2。这就是我们目前的看法。

第二部分是我们如何看待这项技术。请记住，实际上它包含三个不同的组成部分。我们不是存储器供应商，所以仍然会有其他厂商负责 DRAM 堆叠。我们自己并不进行 DRAM 堆叠。我们的要求是规定应该如何完成这项工作：需要实现哪些 TSV、采用什么样的设计。计算芯片当然由我们提供，我们负责其中的全部逻辑设计。我们仍然需要与 TSMC 这样的公司合作，将所有部分整合在一起。我认为，从各自的职责范围来看，这些工作都以不同方式属于我们的业务领域。但我们有点像整体系统集成商，负责以正确的方式将其组装起来。所以从这个意义上说，这就是我们目前的模式。我们还没有说明预计这种模式将如何演变，但目前我们就是这样做的。

Amy Sutter

所以，如果我是超大规模云服务商的客户，我是否需要专注于内存方面的问题，因为内存如今是一个很大的瓶颈？你不必担心这些。超大规模云服务商会处理这些问题，而你只需要帮助将整个解决方案集成起来。

Durga Malladi，Qualcomm Technologies, Inc.技术规划与边缘解决方案部门执行副总裁兼总经理

所以，当一家超大规模云服务商对我们的 HBC 产品感兴趣时，他们会做出一定的采购量承诺，或者向我们释放某种需求信号；他们会与我们沟通，并进行交叉核实，确保——从供应角度来看——一切都没有问题。但他们是先与我们沟通，而我们是所有这些沟通的前端。当然，他们也会与存储器厂商以及 TSMC 等公司沟通，以确保其他各环节都按正确的顺序推进。但这是一款由我们提供给他们的产品。他们是我们的客户。所以，事情就是这样开始的。

Amy Sutter

很好。我们换个话题，谈谈 Dragonfly C1000 服务器 CPU。就单位功耗性能而言，相较于同行，你们提出了非常高的指标。但如果我没记错的话，它要到 2028 年下半年才会推出，对吗？所以某种程度上，你们是在提前透露一些信息。你们如何看待竞争对手的动向？如果其他主要 CPU 竞争者提高了基准水平，那么这款产品在推出时是否可能会面临挑战？

Durga Malladi，Qualcomm Technologies, Inc. 技术规划与边缘解决方案执行副总裁兼总经理

所以去年，我记得我们决定重新启动这项业务时，我就在思考，我们在这方面究竟有哪些差异化优势。首先，我想，我们必须深入研究内存架构，通过内存架构来解决内存墙问题。我们的研发项目已经准备就绪。这一点进展顺利。 然后我们又审视了现有的 CPU 解决方案，以及应当如何正确扩展这些方案。当时我们已经在进行规划，因为在过去三四年里，我们一直在大力投资于定制 CPU 解决方案，也就是我们的 Oryon CPU 系列。同时，我也密切关注着每一款数据中心级 CPU 的具体进展。

从 Neoverse V2 开始，逐代进行比较。我的着眼点是，我们并不是在与当前市场上的任何其他产品竞争。我希望与他们在 2028 年将达到的水平竞争，这就是我们当时制定战略时的思路；而且，我们需要领先一代，才能让产品具有足够的吸引力。如果只好 2%，那没有人会选择它，而不是他们自己的内部解决方案或其他现有方案。产品必须真正具有说服力。这就是我们为自己设定的标准。

随着时间推移，我们逐步完善了这项工作，并完成了所有基准测试。通常，这类测试会使用 SPECint 2K 等基准，而我们也有自己的预测数据。一家超大规模云服务商给出的回应是：“你们的数据好得令人难以置信。”我当时想，好吧，所以我听到的意思是，如果你们真的能拿出这样的表现，他们会喜欢，对吧？对方回答：“哦，当然，绝对会。”所以现在我们已经做出了声明，而你说得完全正确。我们对这些声明非常有信心。

我们对此完全没有任何二次猜疑。现在到了执行和全力冲刺的时候。我们宣布 Meta 是 C1000 的首个客户。他们相信这些说法。对于 Qualcomm 这家公司来说，如果我们说事情会这样发展，就从未真正让它落空过。我们一直都能达到预期，甚至表现得更好。因此，他们信赖我们的声誉，认为我们已经准备就绪。还有一些人则会说，先让我们看看你们的芯片，之后我们就会加入。所以我非常期待这一点。不过，我对此感到极其有信心。

Amy Sutter

所以，下一里程碑将随着你的第一位客户一起启动吗？

Durga Malladi，高通技术公司技术规划与边缘解决方案执行副总裁兼总经理

与首位客户一同发布。不过在此之前——商业发布将在2028年进行。但随着芯片样片回到实验室，完成各项验证等工作，希望届时我们能够分享更多信息。

Amy Sutter

好的。我也认为，目前市场上的 CPU 产品，有些更侧重于提供更多核心，有些则更侧重于单核性能，比如超线程技术，如果我理解得没错的话。所以我只是有点好奇，从您的角度来看，当您审视数据中心中的 CPU 时，您认为哪种方案是正确的？或者也许并不存在一种统一的方案，毕竟工作负载的差异会非常大。但我很想听听您对此的看法。

高通技术公司技术规划与边缘解决方案执行副总裁兼总经理Durga Malladi

直到大约两年前，我还会这样说：顺便提一句，CPU 的格局正在不断演变，而且长期以来，包括在 Qualcomm 内部，情况一直是这样——我们的 XPU 团队、GPU 团队和 NPU 团队会觉得，我们是做 AI 业务的，而 CPU 团队还没有完全进入这个领域。它有点像是在做另一套东西，但现在已经不再是这样了。这三种处理器都很重要，只是重要的方式不同。 但过去两年发生的变化是，数据中心过去有两类不同的工作负载。一类是通用计算，也就是说，如果你有很多核心，就把所有核心都启用。在投资者日上，我们说过，我们的机架拥有超过 250 个核心，等等。所以，假设你有大约 256 个核心，那么就把它们全部启用。这就是通用计算，就像一台主力机器。

还有另一种配置，即 AI 头节点，实际上大部分 AI 工作负载都是由位于外部的某个 XPU 完成的。CPU 的任务是进行一些管理，然后基本上退出工作流程，让 GPU 或 NPU 执行所需的任务。所有 AI 推理都在那里完成。 但这导致 CPU 与 XPU 数量之间出现了不对称，比例大约是 4:1。过去曾经是 8:1，后来变成了 4:1。但随着智能体式 AI 的发展，这种情况正在发生很大变化。事实上，如今我们更多采用的是 2:1 的配置。也就是说，每个 CPU 大约对应 2 个 XPU，也许并不是 4 个。我不会惊讶于这一比例实际上变得更低，也就是两者越来越趋于对称。

随着这些对话不断深入，我们最初的想法是：你们的核心确实非常出色，非常适合通用计算。我觉得在 AI 头节点方面我已经找到解决方案了，可能不需要你们；但通用计算确实很棒。不过随着时间推移，我们现在开始讨论的不仅是通用计算，还有智能体 AI，因为我也希望利用那边的 CPU。因此，这就是 CPU 所处格局的演变。 工作负载本身也在发生变化。它们正逐渐变成通用计算与智能体 AI 的混合，而不再只是 AI 头节点；智能体 AI 工作负载的特征非常不同。

Amy Sutter

好的。然后再稍微谈谈你们整体的路线图。比如，你们也在使用自己的 RISC-V 内核。因此，你们实际上有两条路线图，一条是 ARM，另一条是 RISC-V。或许你可以谈谈为什么要这样做？这会带来哪些挑战，或者创造哪些机会？

Durga Malladi，Qualcomm Technologies, Inc技术规划与边缘解决方案执行副总裁兼总经理

关于这一点，有几个数据点值得一提。RISC-V 是一个重要话题，因为通常来说——我认为，在相当长的一段时间里，人们谈到 RISC-V 时，往往把它看作是学术性的东西，有点脱离实际。它是一个很好的科学实验。如果你是一名大学研究生，这是一个非常值得参与的优秀项目，但并不真正适合商业化。直到大约一年半以前，主流叙事一直是这样，但现在已经不是了。

目前，不仅有很多人对此感兴趣，还出现了许多商业化前期的合作，大家都在探讨应该如何发展 RISC-V 内核。——不过我会谈到这一点，因为首先要问的问题是：为什么？究竟是什么导致了这种情况？这其中的具体问题是什么？ 过去，如果你从事定制 CPU——定制 ARM CPU 业务，那么你会继承某种既定架构，而你的创新主要集中在微架构领域。你通常会在这一领域进行创新，并努力实现差异化。但你继承了某种架构，而这基本上就是全部，这意味着你的创新范围只能局限在某个门槛以下，而无法覆盖其他领域。

另一方面，RISC-V 是完全开放的。如果你有一些想法，实际上可以参与标准制定流程，提出“这是我希望看到的”，然后这些内容就会被落实。它是一项开放标准。因此，那里会有更多创新。这是一个全新的起点。大约每三十年就会出现一种新的 ISA，以及与之配套的指令架构。我们也看到了 RISC-V 的巨大潜力。因此，作为 Qualcomm，我们开始在这方面进行大量投资。首先，我们要确保标准组织是一个专业机构，以商业里程碑为导向来运作，而不只是出于研究目的。

所以，Qualcomm 在 RISC-V 论坛中担任了许多领导职务。除此之外，我们还与超大规模云服务商合作伙伴沟通，告诉他们：不能只有我们参与，必须建立一个完整的软件生态系统。因此，他们也开始大力参与进来。我们在那里有非常优秀的合作伙伴，包括几家位于美国和中国的超大规模云服务商。 这也引出了另一个问题，因为另一个常见的说法是，RISC-V 是一件将在中国完成的事情，但我不知道世界其他地区会怎样。事实并非如此。

事实上，我们也会开始在美国看到这一点，因为那里有大量的新增兴趣。因此，作为其中的一部分，我们已经开始在 RISC-V 产品组合上投入相当多的资源，尤其是面向数据中心的产品。去年，我们收购了 Antenna Microsystems。如今，该团队已经完全整合，我们也正在稳步推进。

Amy Sutter

那么——我的意思是，RISC-V 的优势是什么？

Durga Malladi，高通技术公司技术规划与边缘解决方案执行副总裁兼总经理

所以，有几件事正在发生。首先，这将是一条并行发展的路线，也就是说，两者会同时推进。随着时间推移，我们预计市场需求将会是二者的混合搭配。鉴于展望未来，RISC-V 路线图中不断加入新的功能，我们认为出现这种情况并不奇怪。至于最终实际会如何发展——我们是否会形成两条路线——还有待观察。长期以来，我们一直有 x86 和 ARM 两条路线。因此，即便出现这样的并行发展，也不应感到意外。这不是非此即彼，而是两者并存，具体取决于客户自身的需求和选择。

Amy Sutter

为什么是中国——看起来中国一直是最早采用者。有什么原因吗？

Durga Malladi，Qualcomm Technologies, Inc. 技术规划与边缘解决方案执行副总裁兼总经理

对于中国而言，这是个好问题。

Amy Sutter

好的，我会问他们。然后，也许我们可以在软件方面再深入一点。显然，正如我们都知道的，我认为 NVIDIA 凭借 CUDA 占据主导地位。而要修改这些程序，使其能够适配非 NVIDIA 芯片，是很困难的。还有 Modular 的软件——假设我是 NVIDIA，我想使用比如贵公司的 CPU 之类的产品，那么 Modular 是如何让这件事成为可能的？这具体是怎么实现的？另外，随着时间推移，你们如何让开发者相信这些编译器会保持开放并且可用，从而避免他们被 Modular 锁定？

Durga Malladi，Qualcomm Technologies, Inc. 技术规划与边缘解决方案执行副总裁兼总经理

当然，是的。顺便说一下，那边大概有两三个问题，但我实际上要先从这里开始——没关系，不过这是我们进行的一项非常重大的投资，也是一个相当重要的概念。所以我先从投资者日说起。当时我们谈到了对 Modular 的收购。那时候交易还没有完成。因此 Chris 谈到了——Chris Lattner 实际上讲了，好吧，这项业务会如何融入进来。对于那些参加过投资者日，或者看过视频的人来说，当时有一张非常重要的旗舰幻灯片。如果你们没有看过，我就解释一下我们是怎么把这些内容放在一起的——我记得当时和 Chris、Tim 一起，我们真的就坐在地板上，说，好吧，我们应该这样放，实际上就是把它们紧挨着放在一起。

所以，有 Mojo，然后我们在一侧加入 CUDA，这是 NVIDIA 的。接着我们说 MAX，这是编译器层。我说这是 Triton，那边是编译器层。还有 Modular Cloud，以及其上层的 Dynamo。也就是说，如果你愿意把它称为 CUDA 技术栈，那么这就是 CUDA 技术栈，而这是 Modular 技术栈。 从硬件角度来看，底层只能使用 NVIDIA 硬件。而在这里，可以使用任何第三方硬件和任何第三方处理器。这是一个大胆的主张。 然后就在这下面，我们加了一条脚注。我们说，假设你采用 Modular 技术栈，并以现有机架为例：你原本有自己的原生技术栈，然后你说，好吧，我不用那个了，改用 Modular 技术栈，那么性能将会持平，或者更好。

而且，当我们说更好的时候，我们说的是最多好50%。那就是其中的细则。实际上花了一些时间才把这句话写下来。我还记得我当时对 Chris 说：“好了，Chris，既然我们已经发出了挑战，那接下来肯定会收到很多问题，一定会很有意思。”事实也确实如此。实际上，我们这么做之后最先做的事情之一，就是立刻收到了很多其他人的积极反馈，他们说：“太棒了。我真的很想亲自试试看、了解一下，因为其他人也已经尝试过了。”

其他人也曾尝试过完全相同的事情，但结果并不尽如人意。这听起来似乎好得令人难以置信。你可以真正将第三方软件解耦，使其能够运行在任何第三方硬件上。作为 Qualcomm，我们的做法是：这里有一款软件产品，请试用，它同样可以运行在你的硬件上。其次，它将是开放的。从 Qualcomm 的角度来看，这其中有不少全新的内容。这就是——我之所以说这是我们在这里的第三次变革。

上周在 ModCon 上，我们又向前迈进了一步。我们宣布，Mojo 将采用开源模式。而在 MAX 方面，总体来说也是开源的，采用 Apache 2.0 许可证。任何人都可以使用它，并获得完整的源代码访问权限。其中一部分将采用授权许可，我们会在此基础上继续推进。我们还展示了更多数据。最精彩的是，AMD 还有一位代表登台表示：“这太棒了，我要试试看。”这简直是一个游戏规则改变者。

我的意思是，看起来——对，这没问题。但实际上，至少对我们来说，有第三方走上台来说：“我真的要开始使用你们的软件，并亲自试试看。”这是一件相当了不起的事。所以现在每个人都很感兴趣，想亲自试用一下，看看性能究竟如何。我们确实希望第三方自己得出这个结论。我们不希望出现这样的情况：是的，我们在做自己的分析，也有自己的基准测试。但如果我来到这里说“它的性能好多少”，而这一切都是 Qualcomm 做的，那不行。我希望由 AMD 来做，我希望由其他人来做。我希望由其他人进行第三方的 Artificial Analysis，并得出同样的结论。这正是此时此刻正在发生的事情。

Amy Sutter

有意思，你提到 AMD，我是说，它和 Servocom 竞争吗？

Durga Malladi，高通技术公司技术规划与边缘解决方案执行副总裁兼总经理

这算是他们自己的事——顺便说一句，这是个该由他们回答的问题。不过，他们确实说“这是我们想尝试的事情”，还是挺不错的。至于这会把他们带到哪里，那就是另一回事了。我们会从那里继续推进。最后我想提到的一点，算是一个有些幽默的轶事，因为——关于Modular——我当时在和Chris交谈，他们已经在除Qualcomm之外其他所有人的硬件上推出了Modular软件，这就显得非常奇怪了。

因此，上周我们也首次展示了它在我们平台上的运行情况，包括数据中心方面较老一代的 AI 100。我们甚至还展示了它在搭载 X2 Elite 平台的一台笔记本电脑上的运行情况。所以，这只是一个开始——正如我们所说，任何硬件当然都必须包括 Qualcomm。我们正在开始这么做。

Amy Sutter

明白了。你能谈谈你们与 Hugging Face 的合作关系吗？

Durga Malladi，Qualcomm Technologies, Inc. 技术规划与边缘解决方案执行副总裁兼总经理

是的。这就是 Investor Day 演示的第二部分。Hugging Face 每天有 1,500 万名开发者访问其网站，那里拥有规模最大的 AI 模型库和开放权重模型库，模型数量超过 300 万个。另一方面，我们的一些数据表明，最受欢迎的模型可能要集中得多，毕竟这 300 多万个模型并非完全相同，其中一些还是衍生模型。 但很明显，如果你是一名开发者，正在从事应用开发、编写智能体或构建智能体，那么这里显然是你首先要去的地方。你会先来这里浏览，看看自己有哪些可用的工具和资源，也就是外面现有的所有东西。

因此，在我们与 Hugging Face 的合作中，首先要实现的是让这些模型中的任何一个都能以智能体化方式接入我们的平台。任何一个模型，都可以通过智能体化流程接入我们的平台。 这是什么意思？如今，我要先访问 Hugging Face，点击某个选项，手动下载模型。然后，我还得围绕它编写一些内容，输入一些特定的命令，之后才能开始构建应用程序。我不想这么做。 我还有一个小想法。他们其实有一个叫作 Hugging chat 的产品。

我想选择一个能够进行目标检测和分类的模型，或者一个文本生成视频模型，挑选其中一个优秀的模型，并确保它能够在 Qualcomm 的这个平台上运行。这就是你的提示词。其他一切都会在后台完成；实际上，你可以看到代码在那里被编写出来，任务得以完成，随后代码被部署到你的平台上。这让开发者能够极其轻松地开始采用我们的平台。

这是这个拼图的第二部分。我们也把 Modular 纳入其中。也就是说，如果我是开发者，我可能会想，与其使用 PyTorch，不如实际使用 Modular。开发者可能会问：那我现在是不是还得学习另一门语言？而 Mojo 恰好与 Python 非常相似。 但如今，开发者越来越不一定会亲自编写所有代码，而是会使用编程代理。因此，我更愿意说：使用 Mojo，我希望看到一个应用程序被开发出来。这个应用实际上是由编程代理编写的，因为它会完成所有工具调用，并查阅相关文档。这正是 Hugging Face 成为我们非常优秀的合作伙伴的原因：我们可以直接与开发者互动，同时，这些开发者也能更多地接触 Modular 技术栈。

Amy Sutter

明白了。听起来这是一次很棒的合作。

Durga Malladi，Qualcomm Technologies, Inc技术规划与边缘解决方案执行副总裁兼总经理

是的。

Unknown Analyst

是的，当然。你刚才谈到在一些较旧的技术上运行 Modular，以及你们刚刚宣布的 Qualcomm 技术。能否谈谈它如何支持你们的云到边缘战略？它是否可以成为一个通用层，让人们一次性编写企业代理或 AI 代理，并可以放心地让它运行在各种不同的设备上，无论是笔记本电脑还是数据中心 CPU？

Durga Malladi，Qualcomm Technologies, Inc 技术规划与边缘解决方案执行副总裁兼总经理

所以，我认为这就是拼图的最后一块。我们甚至在与 Hugging Face 合作时也谈到过这一点。就我们所说的这些新兴智能体式 AI 设备而言，其中相当一部分实际上是直接通过智能体与用户交互的。你提出一个问题，想要完成某项具体任务。然后由智能体决定需要做什么：要不要在设备上运行推理？首先，我需要在设备内部了解一下，手头有哪些模型可以使用？它们是否足以满足我的需求？还是需要更好的模型？如果现有模型够用，我就使用它。

但你可能仍然需要云端运行的其他组件。于是，你可以在那里再运行一个推理实例。这样一来，就是两个并行的推理实例同时运行。并不是二选一，而是两者同时运行。与此同时，还可能有某种工具调用，通过网络请求从其他地方提取信息。这就是第三个部分。

综合来看，我们得出的结论是，最终不会是非此即彼，而是兼而有之，智能体会运行多个推理实例。假设一下，如果你设想这样一个世界：设备上实际运行着 Mojo 和 MAX、也就是 Modular 技术栈，同时推理运行所在的云实例上也运行着这一技术栈，这是否会提高效率？答案是肯定的。所以，这实际上可能是——顺便说一句，它可以是任何机架，可以是 AMD 机架，也可以是 Qualcomm 机架，或者其他人的机架，都无关紧要。但这样是否会提高效率？我们确实认为答案是肯定的，不过这正是我们正在努力实现的目标。

Amy Sutter

也许这是个很基础的问题，但 Modular 到底是怎么做到的——它的核心秘诀是什么？因为你说过，很多人都尝试过这件事。为什么他们能够做到，而其他人却做不到？因为我觉得，很多人都想打破 CUDA 的护城河。

Durga Malladi，Qualcomm Technologies, Inc. 技术规划与边缘解决方案执行副总裁兼总经理

在我看来，这是多方面因素共同作用的结果，但其中一个原因是，如果你想想现有的技术栈，包括 CUDA，举例来说，CUDA 本身如今已经有大约 15 年的历史了，而它最初是为图形处理编写的，针对性很强。随着时间推移，它逐渐演变成了现在的样子。因此，其中也包含大量遗留部分。 所以，Mojo 和 MAX 的开发确实采用了一种全新的视角，以一种根本不同的方式完成，这使得它更加整洁、简单，或者用一个不太完美但更贴切的说法——更加模块化。它确实是模块化的，这里的“模块化”就是字面意义上的形容词。

第二部分在于，随着你深入了解编译器，进一步探究其底层技术本身，会发现编译器也一直在逐步演进。如今，利用 AI 赋能编译器本身的理念也正在兴起。因此，许多这类功能都已经被融入其中。我们认为，这才是真正的差异化所在。当然，相关内容远不止这些，但我想把其余部分留到技术深度解析时再讨论。

Amy Sutter

明白了。然后，或许可以简单谈谈在模块化工具栈中 prefill 和 decode 的情况。他们的软件——也就是那套软件——是如何处理这个问题的？它能动态完成吗？

Durga Malladi，Qualcomm Technologies, Inc.技术规划与边缘解决方案执行副总裁兼总经理

所以，单就 Modular 的技术栈而言，按照目前的构想和构建方式，它并不是——可以说，预填充和解码是运行在特定硬件之上的系统级概念，但软件层本身彼此相互独立。因此，我之前所说的关于 Modular 的一切同样适用于这两个阶段。

Amy Sutter

明白了。好的。另外，当你考虑到我们一直面临的内存墙以及功耗墙时，Modular 是否也能通过利用闲置设备等方式来应对其中的一些问题，从而有助于提高效率或性能？

高通技术公司技术规划与边缘解决方案执行副总裁兼总经理 Durga Malladi

我认为现在就进入那个阶段还为时过早。我们仍在对这一领域还能做些什么进行大量分析。但在现阶段，我认为还为时过早。

Amy Sutter

明白了。那么，当投资者考虑 Modular 时，我们应该关注哪些里程碑和证明性指标？您指的是使用该产品的开发者数量之类的指标，还是……

Durga Malladi，Qualcomm Technologies, Inc.技术规划与边缘解决方案执行副总裁兼总经理

实际上，接下来一两个季度我们已经规划了很多工作。随着我们开始收集有关性能指标和数据点的信息，我们会回答这样的问题：这是一个现有机架，这是采用原生软件栈时的情况；基于所有这些工作负载，性能表现如何；然后将其与在其上运行 Modular 和 MAX 时的情况进行对比。这将是第一批大量相关数据。

第二个证明点在于，它实际上能多好地扩展到数据中心之外的所有其他平台。请注意，从设备角度来看，Qualcomm 同样涉足任何框架、任何运行时和任何操作系统。我们还提供与之配套的所有调试器、编译器、工具等。实际上，现有的运行时集合非常丰富。我的意思是，Meta 有 ExecuTorch/PyTorch；Google 有 LiteRT；Microsoft 也即将推出 WinML。

他们都是我们非常优秀的合作伙伴。我们将继续支持他们，同时也会引入我们的技术栈。下一步要解决的问题是：当某个平台已经支持其中一种方案时，该方案如何在这个平台上运行，以及 Modular 将在其中发挥什么作用？这也是未来几个季度你们将看到的另一部分内容。

Amy Sutter

明白了。我的意思是，我们已经谈到了很多不同的领域，包括 HBC、CPU 和 Modular，这些都为 Qualcomm 带来了许多令人振奋的新机遇。你认为目前还有什么我们没有涉及、但希望特别向投资者指出的吗？我知道你们刚刚举办了分析师日，不过我想我们可以用最后一分钟来谈谈这个问题。

Durga Malladi，Qualcomm Technologies, Inc 技术规划与边缘解决方案执行副总裁兼总经理

是的。我想说的一点是，这其中还有第四个部分。我们谈到了 GPU、XPU 和 HPC，但我认为，定制芯片对我们来说将会非常重要。因此，在收购 Alphawave 之后，我们保留了定制芯片业务。如今，我们与各大超大规模云服务商的所有讨论都涉及某种程度的定制化。这是我们所能提供的一切与他们自身知识产权相结合、相互匹配的结果。

还要记住，我们现在已经进入网络业务领域。因此，我们拥有 SerDes，这就是我们从 Alphawave 收购的业务。它将继续发展。我希望大家记住的一点是，在被收购之前，Alphawave 已经拥有这些超大规模云服务商客户。因此，我们将继续朝这个方向发展。

继续朝那个方向前进。

Amy Sutter

好的。非常感谢你，我很感激。

Durga Malladi，Qualcomm Technologies, Inc.技术规划与边缘解决方案执行副总裁兼总经理

好的。谢谢。