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
。高通近来 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，近来 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取 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
，近来 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费用 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，近来 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是高通对近来 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）

　　高通实际上是近来 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。