新浪科技郑峻 发自美国圣地亚哥 

　　AI时代将给移动通信和设备计算带来怎样的剧变？这个问题，或许移动通信巨头高通是最有发言权的。在今天于美国圣地亚哥举办的高通全球6G分析师与媒体日上
，高通执行副总裁 、边缘解决方案与数据中心业务总经理马德嘉（Durga Malladi）接受了包括新浪科技在内的媒体专访，详细阐述了高通的6G战略与数据中心布局 。

　　马德嘉提到
，6G终端或许不再是智能手机，而会出现一类全新的设备品类出现 ，高通把它叫做智能体AI终端
，从一开始就为AI而生。而6G时代的运营商，商业模式也不会是只卖数据 ，而是算力即服务
，Token即服务
。

　　值得一提的是，高通正在AI时代全线扩张。高通CEO安蒙（Cristiano Amon）在6月的投资者日上宣布了新的数据中心产品线Dragonfly和全新的HBC高带宽架构 ，目标是到2029财年实现超过150亿美元的数据中心营收
，并宣布收购AI基础设施公司Modular 。

　　6G是AI原生技术，点名豆包手机

　　马德嘉表示 ，6G真正的分水岭不在于网速，而在于AI首次被写进了网络的底层逻辑
。6G被称作“AI原生技术”
，意味着网络设计之初就要构建AI原生网络——更多使用高性能计算处理器，并通过AI实现自主网络。他说 ，不少运营商已经开始投资这一领域
，着手把现有网络向AI原生网络转型 。

　　谈及6G与5G最本质的区别，马德嘉表示：“6G的差异不在于带宽速率的提升 ，而在于AI无处不在的原生集成
。 ”他坦言
，物理层的技术标准制定仍在进行中，确切的答案要等到2028年6G标准最终确定后才能明确。

　　他补充说 ，AI原生网络是一种基于高性能计算单元（包括CPU和AI加速器）构建的网络架构
，在移动通信网络中会集成大量风冷服务器和加速器卡，从射频单元、分布式单元到核心网都能看到它们的存在 ，核心特征是具备AI推理能力
，同时还能在常规处理器上运行无线协议 。

　　在终端形态上，马德嘉认为6G时代将催生一批全新的设备类别 ，他称之为“智能体AI设备”
。这一趋势在中国已经出现，马德嘉专门以豆包AI手机举例。在他看来
，这种全新的AI设备不限于智能手机，还包括传感器
、可穿戴设备等各种连接设备 ，甚至可能没有显示屏 。三星、苹果 、荣耀
、小米、vivo等厂商也在研发智能体优先的终端
。马德嘉认为
，这种差异化竞争会推动整个行业向前发展。

　　运营商商业模式Token即服务

　　谈及6G与5G的技术差异，马德嘉表示 ，6G会在连接性能上延续5G的提升轨迹
，比如更快的部署速度，但速度并不是关键 ，更重要的差异在于AI在网络和设备中的广泛应用 。与此同时
，他观察到云端AI公司正加大硬件投入，试图成为新一代OEM厂商。

　　至于AI与6G具体如何深度融合 ，马德嘉坦言实现路径还在探索中
。高通目前正与美国 、中国
、日本、韩国和欧洲的运营商紧密合作：在中国参与了一些预商用技术试验
，2028年的洛杉矶奥运会，高通正在策划进行6G网络演示活动。

　　马德嘉认为 ，6G会推动运营商的商业模式发生实质性转变 。他解释，如果运营商在建设6G网络时集成了AI能力和大量处理能力
，他们就会希望提供计算服务 、Token服务等新业务模式，以此回收投资
、实现收益
。

　　他再次提到了中国 ，以中国电信举例
，阐述6G时代的运营商商业模式：该运营商已经在传统数据服务之外，加入了算力这项新的服务内容。

　　高通的数据中心布局

　　就高通如何切入竞争激烈的数据中心市场 ，马德嘉表示
，公司的主要突破口是AI加速器和NPU解决方案，这些技术专门针对生成式AI应用做了优化 ，此外还利用高带宽计算和定制硅业务来满足数据中心需求 。

　　他提到
，数据中心用的是大规模、液冷和风冷服务器，与智能手机架构不同；以高通的AI250解决方案为例 ，目前可提供160千瓦功率
，未来预期将达到数百千瓦级别
。在定制硅业务上，高通不仅提供自有IP ，也会整合客户提供的IP来满足特定需求。马德嘉表示，这些产品线之间通过可扩展架构复用底层技术
，同时针对不同客户需求做定制化调整 。

　　在高带宽内存的技术路线上，马德嘉解释了高通为何选择高带宽计算（HBC）而非主流的HBM
。他说 ，HBC采用近存计算的设计理念
，把计算逻辑尽量贴近内存本身，相比HBM能有效降低功耗 、提高带宽利用率 ，目前已经获得超大规模云厂商与存储厂商的支持。

　　他也澄清
，HBC不会改变内存本身的功能或价格机制，内存行业的角色不会因此出现根本性变化——高通是在和内存厂商紧密合作 ，优化计算与内存之间的距离 。

　　AI智能体决定云端边缘

　　在边缘与云端的推理分配问题上
，马德嘉给出的答案是：这个决定权不在人，而在AI智能体手中
。
”是智能体在每一个时间点决定 ，这个任务应该跑在终端上
，还是跑在边缘，还是跑在云端 ，“他说。用户唯一能感知到的是最终结果，不需要关心底层发生在哪里 。

　　他补充说
，目前大部分推理仍在云端进行，但随着技术发展 ，更多任务会向边缘端和基站端转移
，具体比例因经典AI模型与生成式模型的场景差异而有所不同。但他强调，高通的角色是向运营商介绍和展示这一理念的价值 ，而不是强行说服所有人接受
。他说
，有些运营商会迅速跟进，有些则可能保持现状 ，最终采纳与否取决于各自的商业逻辑判断。

　　谈到“计算连续体”（continuum of computing）这一高通反复强调的理念
，马德嘉解释： ”我们一直在用一个说法，叫计算的连续体——计算不再局限于某一个地方 ，而是从终端一路延伸到数据中心
，无处不在 。“

　　感知能力也是这次访谈中被提及的话题
。马德嘉说，感知技术能让网络具备对内部信息和环境的全面感知能力 ，实时检测并分析行人
、车辆、交通灯 、无人机等要素，进而构建出能够自我调整参数的自治网络
，原理类似汽车上的ADAS辅助驾驶系统。

　　云巨头主动联系HBC

　　HBC是高通对目前AI数据中心主流内存架构HBM（高带宽内存）这套既有秩序的正面挑战 。马德嘉的解释很直接：HBM的逻辑是内存和计算分居两边，中间靠一条高速接口传输数据；而HBC走的是近存计算 ，把一部分计算逻辑直接放在内存下面
。

　　距离近带来两个好处：有效带宽大幅提升
，功耗显著下降，
”HBM不可避免会导致功耗偏高” ，这是HBC真正要解决的问题
，也是数据中心四条产品线里的第三条，主要瞄准大模型推理时最吃紧的解码环节。（注：高通的数据中心四条产品线包括CPU、AI加速器
、HBC以及定制芯片/ASIC服务）

　　高通实际上是目前唯一的HBC供应商 ，因此最关键的任务是说服超大规模云厂商（Hyperscale）接受这一方案 。马德嘉说这些云巨头本身就很喜欢这项技术
，主动找上门；同时高通还在和所有内存厂商谈，因为DRAM堆叠终归要靠他们来做 ，“沟通非常顺畅 ”
。

　　他强调
，HBC也不是必须打包销售的产品。如果某家超大厂已经有自研CPU和加速卡，完全可以只买HBC ，再把相应的计算逻辑塞进自己的产品里，作为一个独立组件使用 。

　　至于HBC会不会改变内存产业的底层格局
，马德嘉给出的答案很干脆：不会
。“HBC的存在就是让计算和内存距离更近而已，而不是改变内存自身的架构
” ，因此高通和内存厂商是合作关系
，不是替代关系，这也是他反复强调“沟通顺畅”背后的逻辑。

　　对于物理层的下一步创新 ，马德嘉表示
，高通已经在概率成型、几何成型等方面投入了大量研发资源，以提升频谱效率 ，同时也在加大对超大规模MIMO射频 、以及在网络侧使用AI等技术的投资 。