跳到主要内容

2 篇博文 含有标签「Qualcomm」

Qualcomm AI chips and datacenter accelerators

查看所有标签

高通与AWS达成40亿美元AI联盟：多代定制AI芯片+1.6T光互联

· 阅读需 6 分钟
AI Compute Cards Wiki Editorial
Industry Research Team

当全球最大云计算服务商选择与一家手机SoC巨头联手开发定制AI芯片，数据中心算力市场的竞争逻辑正在被改写。

一场跨多代的战略牵手​

当地时间2026年9月8日，高通技术公司与亚马逊AWS正式宣布达成一项跨多代产品的战略合作。双方将围绕大规模AI数据中心展开两个方向的深度协同：其一是联合开发多代定制AI芯片，其二是共同推进高速光互联解决方案，其中明确包含1.6T光连接方案。

这份协议最值得注意的不是"合作"本身，而是"跨多代"三个字。云厂商与芯片供应商之间的合作，通常以单颗芯片的流片项目为单位；而跨多代的框架式合作，意味着双方在芯片定义、迭代节奏、互联演进路线上都建立了长期协同机制。对高通而言，这是其在数据中心AI芯片市场战略布局上获得的、来自全球最大云计算服务商的关键背书。

合作要点一览​

合作维度具体内容
合作双方高通技术公司 × 亚马逊AWS
宣布时间当地时间2026年9月8日
合作性质跨多代产品的战略合作
定制芯片面向大规模AI数据中心联合开发多代定制AI芯片
光互联联合推进高速光互联解决方案，包含1.6T光连接方案

芯片与光互联并举，是这份协议的另一个信号。在超大规模AI集群中，互联带宽早已成为与算力同等重要的瓶颈，1.6T光连接代表的正是下一代集群网络的带宽量级。芯片设计能力与光互联能力的组合输出，让这桩合作超出了单纯的"定制ASIC"范畴。

高通的第二次冲锋​

对高通而言，数据中心并不陌生，但此前的探索主要集中在推理侧。高通此前已推出AI100、AI200、AI250等推理加速卡产品线，试图将自己在低功耗计算、SoC集成上的多年积累迁移到数据中心场景。

产品线定位具体规格
AI100推理加速卡未公开
AI200推理加速卡未公开
AI250推理加速卡未公开

从手机SoC转向数据中心AI芯片，是高通的第二次冲锋。第一次冲锋（AI100/AI200/AI250推理卡）走的是标准产品路线；而这一次的不同之处在于：它不再只是卖标准推理卡，而是直接切入头部云厂商的定制芯片供应链——这恰恰是博通（Broadcom）、Marvell等定制芯片玩家长期占据、且利润丰厚的位置。

这个转变的产业逻辑并不难理解。AI推理需求的爆发让云厂商迫切需要"够用、便宜、可定制"的算力方案，而高通在低功耗设计、异构集成上的基因，恰好与推理场景的诉求契合。借助AWS这个锚点客户，高通有望把定制芯片业务从"试水"升级为"主业"。

AWS的双轨算力战略​

AWS是业内少数坚持自研芯片路线的云计算巨头。其Annapurna Labs团队打造了Trainium训练芯片与Inferentia推理芯片两条自研产品线，支撑起自家大规模算力底座，也是AWS在算力成本上对抗NVIDIA溢价的核心筹码。

此番与高通合作，可以视为AWS在"自研 + 外部定制"双轨战略上的进一步加码：

  • 自研线：Trainium/Inferentia保证核心架构可控与成本优化；
  • 外部定制线：引入高通等外部设计力量，扩充设计带宽与供应链弹性，应对爆发式的AI算力需求。

两条腿走路的本质是风险对冲：自研芯片的迭代周期难以无限压缩，而外部定制伙伴可以在关键代际上补充产能与设计资源。全球最大云厂商选择加码双轨，本身就说明单一供给模式已经无法满足AI算力的需求曲线。

对行业格局的影响​

这笔合作最直接冲击的，是数据中心定制芯片与互联方案的既有格局：

  • 对NVIDIA：头部云厂商在旗舰GPU之外扩充定制AI芯片选项，算力采购组合将更加多元，NVIDIA在数据中心市场的议价空间面临新的边际压力；
  • 对Marvell、博通：高通携AWS背书进入定制芯片赛道，定制ASIC设计服务的竞争者又多了一家重量级玩家，客户资源与设计人才的争夺将更激烈；
  • 对光互联生态：1.6T光连接的联合推进，意味着超大规模集群的互联带宽军备竞赛继续提速，光模块、光引擎、CPO/NPO相关供应链都将受益于这一代际切换。

更长远地看，"云厂商深度参与芯片定义"正在成为AI基础设施的主流范式。当芯片规格越来越贴近具体业务负载，通用GPU与定制ASIC之间的边界会被不断重画。

小结​

高通与AWS的跨多代合作，是"云厂商定制芯片"趋势下的标志性事件：手机SoC巨头以定制芯片+1.6T光互联的组合拳向数据中心发起第二次冲锋，全球最大云厂商则以"自研+外部定制"双轨强化供应链弹性。对NVIDIA、Marvell、博通而言，一个新的强敌已经入场；对整个AI基础设施行业而言，竞争的维度正在从"单点芯片性能"转向"芯片+互联+云"的全栈博弈。这是2026年下半年最值得持续跟踪的合作之一。

2026 H2 AI 芯片路线图重大更新：Qualcomm 入局、AMD MI400 三款型号揭晓、华为三代路线图

· 阅读需 8 分钟
Charles Qing
AI Hardware Analyst

2026 年 6 月更新——AI 算力卡市场正在经历近年来最剧烈的格局变化。本文将为您梳理最新路线图动态。

核心要点​

  • Qualcomm AI 200/250 正式进入数据中心 AI 推理市场，对标 NVIDIA H200
  • AMD MI400 系列 揭晓三款型号：MI430X（HPC）、MI440X（企业）、MI455X（旗舰）
  • 华为 昇腾 960 官宣提前发布：960DT 2027 Q2 上市（FP8 2 PFLOPS 翻倍），970（2028）/ 980（2029）一年一代
  • Intel Jaguar Shores 时间线存疑，可能延迟至 2027 或之后
  • NVIDIA Rubin R200 已全面量产，Vera CPU + Rubin GPU 组合正式交付

📌 更新（2026-09-18）：华为已于 9 月 17 日全联接大会官宣昇腾 960，本文第 3 节已按官方披露更新。

1. Qualcomm：移动芯片巨头进军数据中心 AI​

AI 100 → AI 200 → AI 250​

Qualcomm 在 2025 年 10 月正式发布了 AI 200 数据中心推理芯片，标志着移动芯片巨头正式进入数据中心 AI 市场。

型号发布时间上市时间关键特性
AI 1002025-102026 H2机架级 AI 推理，768GB LPDDR/卡
AI 2502025-102027 H1近存计算架构，10x 有效内存带宽

为什么 Qualcomm 能成功？​

  1. 低 TCO：LPDDR 内存比 HBM 便宜得多
  2. 能效优势：移动芯片设计经验，功耗控制出色
  3. 推理专用：不追求训练性能，专注推理场景
  4. 机架规格：直接液冷，160kW 机架级功耗，Ethernet 互联

市场影响​

  • 对标 NVIDIA H200：AI 200 推理性能接近 H200，但 TCO 低 30-40%
  • 倒逼 NVIDIA：可能促使 NVIDIA 推出推理专用芯片（如 Rubin CPX）
  • 多样化选择：打破 NVIDIA 在推理市场的垄断

2. AMD MI400 系列：三款型号精准定位​

在 CES 2026（2026 年 1 月）上，AMD 正式揭晓了 MI400 系列 的三款型号，精准覆盖不同市场：

MI430X（HPC + 主权 AI）​

特性规格
定位HPC + 主权 AI
FP32/FP64支持（这是关键区别）
适用场景科学计算、气候模拟、国家 AI 基础设施
竞争对手NVIDIA 不做 FP64 的 AI 卡

MI440X（企业服务器）​

特性规格
定位企业 8-GPU 服务器
兼容性兼容现有数据中心基础设施
适用场景企业 AI、私有云、边缘推理
竞争优势比 MI455X 更便宜，更易部署

MI455X（旗舰 AI 训练）​

特性规格
定位旗舰 AI 训练 + 推理
优化精度FP4/FP8/BF16
Helios 机架核心组件
竞争对手NVIDIA Rubin R200

Helios 机架级解决方案​

AMD 在 CES 2026 同时发布了 Helios 机架级 AI 解决方案：

  • 18 颗 Zen 6 CPU（2nm 制程）
  • 72 颗 MI455X GPU
  • 直接液冷
  • 预计 2026 H2 出货

3. 华为路线图：950 → 960 → 970 → 980（一年一代）​

华为在全联接大会 2025（2025 年 9 月）公布三代路线图，并在全联接大会 2026（2026 年 9 月 17 日）官宣昇腾 960 提前发布，节奏全面提速：

昇腾 950 系列（2026）​

型号发布时间关键特性
950PR2026-Q1PR（推理优化），已量产
950DT2026-Q4DT（Decode + 训练），预计全面放量

技术亮点：

  • 新增支持 FP8/MXFP8/MXFP4
  • 互联带宽 2TB/s（相比 910C 提升 2.5 倍）

昇腾 960（HC2026 官宣，提前发布）​

指标昇腾 960DT（训练版）
FP8 / FP4 算力2 PFLOPS / 4 PFLOPS（较 950 翻倍）
显存288GB（自研 HBM）
显存带宽9.6 TB/s
就绪 / 上市2027 Q1 / 2027 Q2（原计划提前三个季度）
  • 960PR（推理版）：2027 Q3 上市，配套 Atlas 960 液冷超节点
  • 昇腾 960 超节点：全球首个 NPO 超节点——4096 卡、8 EFLOPS FP8、1PB HBM、RTT 2μs，Hi-ONE 光引擎（业界首个量产 NPO，7.2T）替代 4.8 万颗 800G 光模块
  • 工艺：N+3（推测，SMIC 国产化）
  • 定位：对标 NVIDIA B200 / Rubin 一代（单卡仍有代差，以超节点系统级能力弥补）

昇腾 970 / 980（2028 / 2029 官宣）​

  • 970（2028）、980（2029）：HC2026 正式确认，一年一代稳定迭代
  • 韬定律：算力规格每代翻倍，访存带宽、访存容量、互联带宽同步大幅提升
  • 意义：从"路线图预告"升级为"确定兑现"——950、960 均已提前就绪，规划可信度显著上升

4. Intel Jaguar Shores：时间线存疑​

原定计划​

  • 发布时间：2026 年
  • 架构：Xe-HPC + Gaudi 融合
  • 制程：18A（Intel 最先进制程）
  • 内存：可能采用 HBM4E（而非原计划的 HBM4）

最新动态​

  • 可能延迟：部分消息源显示可能推迟至 2027 年
  • 竞争对手：AMD MI400 已揭晓，NVIDIA Rubin 已量产
  • 市场压力：Intel 在 AI 芯片市场节节败退，Jaguar Shores 是最后机会

对路线图的影响​

如果 Jaguar Shores 延迟至 2027 年，Intel 在 AI 芯片市场将基本出局。

5. NVIDIA Rubin 平台：已全面量产​

Rubin R200（2026-Q2 全面量产）​

特性规格
HBM288GB HBM4
算力50 PFLOPS FP4
NVLinkNVLink 6（1800 GB/s）
制程TSMC 4NP

Rubin NVL72 机柜（2026 H2 出货）​

  • 72 颗 Rubin GPU
  • 36 颗 Vera CPU
  • 1.8 EFLOPS FP4
  • 直接液冷

Vera CPU（首次亮相）​

  • 架构：自研 CPU，替代 Grace
  • 定位：与 Rubin GPU 深度协同
  • 意义：NVIDIA 从 GPU 公司转型为计算平台公司

6. Google TPU v8：训练/推理正式拆分​

TPU 8t（训练） + TPU 8i（推理）​

Google 在 Cloud Next 2026 宣布 TPU v8 将正式拆分为训练版和推理版：

特性TPU 8t（训练）TPU 8i（推理）
优化方向高算力、高带宽低延迟、低成本
互联光学互联以太网
发布时间20272027

意义​

  • 行业趋势：训练/推理芯片专用化
  • 跟随者：Qualcomm AI 200 也是推理专用
  • NVIDIA 压力：是否需要推出推理专用芯片？

7. Cerebras WSE-4：晶圆级引擎再进化​

核心规格​

特性规格
晶体管1.4 万亿
算力125 PFLOPS FP8
发布时间2026 H2
制程TSMC 5nm

竞争优势​

  • 超大模型训练：单颗 WSE-4 可训练 10T+ 参数模型
  • 低延迟推理：整个模型在单颗芯片上，无通信开销
  • 软件栈成熟：Cerebras 软件栈已支持 PyTorch、TensorFlow

8. 市场格局分析​

训练市场​

排名厂商产品市场份额（预估）
1NVIDIARubin R20070%
2AMDMI455X15%
3GoogleTPU v8t10%
4华为昇腾 950 / 9605%（中国为主）

推理市场（新战场）​

排名厂商产品优势
1NVIDIAH200 / Rubin CPX生态成熟
2QualcommAI 200低 TCO
3AMDMI440X兼容性好
4IntelGaudi 4价格低廉

9. 关键趋势​

趋势 1：推理专用芯片崛起​

  • Qualcomm AI 200：移动芯片巨头入局
  • NVIDIA Rubin CPX：NVIDIA 首次推出推理专用芯片
  • Google TPU 8i：训练/推理正式拆分

趋势 2：机架级解决方案成为标配​

  • NVIDIA NVL72：72 GPU + 36 CPU
  • AMD Helios：18 CPU + 72 GPU
  • Qualcomm 机架：160kW 液冷机架

趋势 3：中国国产芯片进入"规划驱动"阶段​

  • 华为一年一代：950（2026）→ 960（2027，官宣提前）→ 970（2028）→ 980（2029）
  • 时间线清晰且在兑现：950DT 提前上线华为云，960DT 提前三个季度就绪
  • 意义：从"追赶"到"规划"再到"确定兑现"

趋势 4：HBM 产能成为瓶颈​

  • SK 海力士：HBM4 产能已被 NVIDIA 预订
  • 三星：HBM4E 样品已交付 AMD
  • 影响：MI400、Rubin R200 出货量受 HBM 产能限制

10. 采购建议​

如果您在 2026 H2 采购​

  1. 训练场景：

    • 首选：NVIDIA Rubin R200（性能最强）
    • 备选：AMD MI455X（性价比更高）
    • 国产：华为昇腾 950DT（中国客户）

  2. 推理场景：

    • 首选：NVIDIA H200（生态成熟）
    • 性价比：Qualcomm AI 200（如果可用）
    • 成本敏感：AMD MI440X

  3. HPC 场景：

    • 唯一选择：AMD MI430X（支持 FP64）

如果您在 2027 采购​

  • 等待 Rubin Ultra：性能可能是 R200 的 2x
  • 关注 MI500：AMD 下一代产品
  • 评估 TPU v8：如果已在用 Google Cloud

结论​

2026 H2 将是 AI 芯片市场有史以来最卷的半年：

  • NVIDIA 继续领跑，但优势缩小
  • AMD 三款型号精准定位，市场份额将持续提升
  • Qualcomm 入局推理市场，低 TCO 策略可能颠覆市场
  • 华为 三代路线图清晰，国产替代加速
  • Intel Jaguar Shores 成败在此一举

对于采购决策者，现在是最难做决定的时刻——因为每个选项都有明显的优缺点。

对于技术从业者，这是最好的时代——芯片性能每年翻倍，架构创新层出不穷。

参考资料​

  • AI 算力卡未来路线图 - MirrorFrog 实时更新
  • NVIDIA Rubin R200 深度解析（见本站相关文章）
  • AMD MI400 系列 CES 2026 发布（见本站相关文章）
  • Qualcomm AI 100 发布分析（即将发布）

最后更新：2026-09-18（昇腾 960 官宣信息更新；原文 2026-06-20）
作者：Charles Qing
标签：#路线图 #市场分析 #采购决策