高通计划将 HBC 架构引入骁龙芯片，端侧 AI 有望更快更省电

据 IT之家现场报道，在夏威夷时间 9 月 22 日 9 点、北京时间 9 月 23 日 3 点举行的 2026 骁龙峰会上，高通宣布将把 HBC 技术下放至骁龙芯片。HBC 全称为 High Bandwidth Compute，可理解为“高带宽计算”，该技术此前在 2026 年 6 月的投资者日上公开，最初面向数据中心产品，如今高通确认未来会应用到移动端骁龙平台。这一变化意味着，智能手机本地运行 AI 模型的性能瓶颈，可能不再只靠提升 NPU 算力来解决，而是进一步转向内存带宽、数据搬运效率和能耗控制。

HBC 是什么：把计算放到更靠近内存的位置

来源显示，HBC 属于一种近内存计算架构。它的核心思路，是将计算芯片放置在堆叠式 LPDDR DRAM 下方，并通过 3D 集成和硅通孔 TSV 等方式缩短数据传输距离。对于 AI 推理任务来说，模型参数、缓存与中间数据需要频繁在内存和处理器之间移动，这一过程不仅影响速度，也会带来功耗开销。

过去手机 AI 芯片宣传中，NPU 的 TOPS 或乘加计算能力往往是焦点。但随着端侧模型变大，仅有更强的算力并不足够。如果数据无法及时送到计算单元，处理器就可能处于等待状态，这就是业界常说的“内存墙”问题。HBC 试图通过缩短数据路径、提升有效带宽、减少反复搬运来缓解这一限制。

• HBC 最初面向数据中心产品，未来将进入骁龙移动芯片体系。
• 其技术路线强调近内存计算，而不是单纯堆高传统计算单元。
• 目标是改善 AI 推理时的延迟、带宽利用率与内存功耗。
• 对手机用户而言，潜在收益是更流畅的本地 AI 功能和更好的续航表现。

对手机端 AI 的意义：更大模型和更长上下文有了空间

对于普通用户来说，高通将 HBC 引入骁龙芯片后，最直接的想象空间是手机可以在本地更快、更省电地运行更复杂的 AI 功能。例如本地语音助手、图像生成与编辑、会议摘要、文档理解、多模态识别等任务，都依赖模型在设备端快速完成推理。若数据移动成本下降，手机就有机会减少云端依赖，在隐私、响应速度和离线可用性方面获得提升。

需要注意的是，高带宽并不等同于更大内存容量。HBC 本身并不会自动让手机拥有更多 RAM，也不意味着所有大模型都能无门槛塞进移动设备。但如果它能同时提高有效带宽、降低数据搬运功耗，并改善每瓦性能，那么手机端运行参数量更大、上下文更长的模型就会更现实。这对于端侧 AI 来说，比单纯提升峰值算力更接近实际体验提升。

产业解读：移动芯片竞争进入“存算协同”阶段

从产业趋势看，高通此次释放的信号很清晰：未来移动 AI 芯片竞争将不只是 CPU、GPU、NPU 的堆叠，而是走向存储、封装、互连与计算架构协同优化。端侧 AI 需要在极小功耗预算内处理大量模型数据，传统 SoC 架构在带宽与能效上的压力会越来越明显。HBC 这类近内存计算思路，正是为了解决 AI 推理中“算得动但喂不饱”的问题。

当然，HBC 何时落地到具体骁龙产品、会覆盖旗舰还是逐步下放、对成本和良率带来怎样的影响，目前来源并未给出更多细节。可以确定的是，随着手机厂商持续押注端侧 AI，芯片平台需要在本地模型运行、能耗控制和响应速度之间找到新平衡。高通将数据中心技术路线带入骁龙平台，或将推动下一代 AI 手机从“能运行 AI”走向“更高效地运行 AI”。