消费电子观察 — 智能手机、影音穿戴、智能家居与消费电子供应链资讯与深度分析

IT之家 8 月 27 日消息，今天（8 月 27 日）在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IT之家在内的媒体专访，详细阐述了高通的 6G 战略与数据中心布局。随着全球通信技术向 6G 时代加速迭代，通信、人工智能与算力产业的边界正快速消融，行业迎来技术范式与商业模式的双重变革。相较于 5G 时代聚焦移动宽带普及的发展路径，预定 2029 年商用落地的 6G，以 AI 原生、通感一体、全域算力协同为核心特质，重构终端形态、网络架构与产业生态，成为全球科技巨头角逐的核心赛道。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”，并指出这一趋势在中国已经出现，并在访谈中多次点名赞赏豆包手机。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。<img class="no-alt-img" src="https://img.ithome.com/newsuploadfiles/2026/8/09f7d914-c3e2-4cb1-91d0-8cdabf20ab6d.jpg" /><figcaption>图源：高通</figcaption>本次访谈首次系统阐释高通“计算连续体”理念，详解 HBC 高带宽计算技术对算力架构的革新价值，以及数据中心、边缘算力、终端 AI 的全场景布局逻辑，解读运营商从数据服务向算力服务、Token 服务转型的全新商业模式。<h3>问题：我们知道，中国、美国、韩国等全球主要国家目前都在推进 6G 研发工作。高通认为，下一代通信标准最核心的竞争会发生在哪里 —— 是技术专利层面还是产业生态层面？高通最关注的 6G 竞争维度是什么？</h3>马德嘉：<blockquote>谢谢你的问题。首先我想从整体层面介绍一下 6G 的几个关键领域 —— 这些领域对即将在 2029 年商用部署的 6G 技术非常关键。第一个 6G 将带来重大影响的领域是连接。这是移动通信技术代际演进中大家所预期的基本提升 —— 更好的连接性、更广的覆盖范围、更大的网络容量。这一切都与网络部署相关，而且我们预计，其演进方式将与 5G 的推进路径非常相似。在终端层面，我们认为将出现一类全新的终端品类，也就是“智能体终端”（Agentic AI devices）。这些终端不仅包括智能手机，也不只是固定无线接入终端 —— 而是以 AI 优先为设计理念构建的新型终端。它们可以是各种形态，甚至可以没有显示屏 —— 如智能吊坠、智能戒指等网联终端，这些都是此前市场上没有出现过的全新品类。同时，我们预计这一领域也将有全新的终端厂商进入，这些厂商会采用 6G，这些终端的形态还会有更多可能。当前，许多云端 AI 公司也在向硬件领域投入，有望成为新型终端厂商，这也是我们看到的一个新的市场动态。以中国为例，智能体手机就是一种以前从未有过的全新产品形态。同样，在美国也有很多 AI 公司在考虑推出自己的硬件设备。这正是我们看到差异化开始出现的地方，并将由此带来一些健康的良性竞争，这也是我们非常欢迎的。与此同时，三星、苹果、荣耀、OPPO、vivo、小米也都在打造各自的智能体 AI 终端。从这个意义上说，我们对智能体 AI 终端这一品类的兴起感到非常期待，这里也将是我们开始看到更多有趣终端品类涌现的地方。另外一方面，6G 从一开始就被设计为 AI 原生的技术。这意味着在网络层面，出现了 AI 原生网络的概念 —— 包括更多地使用高性能计算处理器，以及运用 AI 实现自智网络或网络自主化。因此网络侧将有大量创新涌现。这对终端用户来说可能不是立刻直观可见的，因为终端用户更为关注的还是终端本身。但在网络侧，从今天的网络向 AI 原生网络的转变正在发生，向下一代演进的过程中，我们也看到许多头部运营商正积极投入这一领域。最后一个值得关注的方向，我们目前还无法完全判断它的最终走向，那就是网络感知（Sensing）。各地区运营商都在向其网络中引入感知能力，这仍是一个持续演进的领域。现在判断这一领域的竞争格局会如何形成还为时尚早，但可以明确的是，每家运营商都在研究感知能够带来哪些新的应用场景，以及由此带来的商业化机会。</blockquote><h3>问题：我接着这个 6G 相关的问题追问一下。我想知道，在您看来，6G 跟 5G 相比，最大的技术突破体现在哪些方面？6G 跟人工智能怎么样更深度地融合？第二个问题是，高通宣布的 6G 发展共识涵盖了全球近 60 家合作伙伴。下一步，高通计划怎样和这些伙伴，包括中国的伙伴，开展合作？</h3>马德嘉：<blockquote>一共有三个问题，我先从第一个问题开始，也就是：6G 与 5G 相比究竟如何？不同于 5G，我们对 6G 的预期，最大的区别在于其与 AI 的融合，AI 将无处不在 —— 既应用于网络，也应用于终端设备。与过去 5G 所能实现的能力相比，6G 在这一点上会更加明显。在 5G 时代，我们常常谈论移动宽带能力的提升，谈论大规模物联网，以及超可靠低时延通信。回看过去七年，2019 年是 5G 商用部署元年。当时 5G 的大部分工作实际上都集中在移动宽带方面，对物联网的关注并没有那么多。后来物联网逐渐开始发展起来，但这仍然需要一些时间。起初在超可靠低时延通信方面也没有太多进展，真正有起色的是移动宽带以及少量的一些物联网应用。除此之外，我们还有卫星通信。从另一方面来说，对于 6G，我们讨论的并不仅是宽带和物联网，这些都属于应用场景。从技术角度来看，随着 6G 的发展，人工智能将无处不在。这是一点。第二，我们将真正关注新的终端品类和新的应用场景。我们讨论 6G 并不只是从单纯的宽带视角出发。在这个层面来看，我们预期 6G 的演进会与 5G 非常不同。第二个问题，也就是 6G 与 AI 的融合。我在上一个问题的回答里也提到了，智能体 AI 终端是一种新型设备。在我们看来，这不仅是在手机上运行 AI，还涉及到将 AI 推理任务放在终端还是云端执行的决策。不过这一切还是建立在智能体基础之上的，由智能体决定这些任务在哪里完成。从用户的角度来看，只会看到一个与 AI 智能体的交互界面，这将是一种非常不同的用户体验。可以设想，如果我在 2029 年购买一台 6G 设备，我会希望它是 AI 原生的设备。这将带来完全不同的体验，也是用户可以马上看到 6G 与 AI 实现紧密融合的场景。类似地，网络中也有大量用于 AI 应用场景的高性能计算，但这些部分对终端消费者来说是看不见的。如今，随着这些网络逐渐演变为 AI 网络 ——6G 网络也将成为 AI 网络，你会发现，计算任务可以在多个地方完成，不仅仅是在设备上，它可以在网络边缘，也可以在网络中心，甚至在数据中心完成。在高通，我们一直在用一个说法，叫作“计算连续体”。计算并不只存在于一个地方，而是遍布各处，从终端一直延伸到数据中心。这正是你能看到 6G 网络与计算实现更加紧密融合的地方。最后一个问题是，自从我们在今年的世界移动通信大会（MWC Barcelona 2026）上与包括运营商在内的合作伙伴发布 6G 发展共识以来，都有哪些进展？当前，我们正在与来自美国、中国的运营商、合作伙伴密切合作，同时也有来自日本、韩国和欧洲的其他运营商及厂商，大家一起制定了相关的计划。在中国，我们正与相关产业伙伴开展一些技术研究和验证方面的合作，共同探索未来技术的发展和应用方向。在美国，你可能也知道，2028 年美国将举办奥运会，我们也在规划和探讨届时能够展示和呈现哪些成果。请大家持续保持关注，之后大家会看到更多的相关内容和发布，我们正在和各个运营商们保持合作。</blockquote><h3>问题：关于 6G，我想补充追问一些问题。在 5G 时代，当时也是杀手级应用没有出现的时候，大家先投资了；但是 6G 时代，似乎运营商的钱都用在数据中心，对 6G 的热情度不是很高。我想问一下，高通与那么多运营商打交道，在 6G 的建设中，运营商的兴趣点在哪里？另外，现在的运营商，尤其中国的运营商，都在做算力套餐，这是不是意味着 6G 时代运营商的商业模式也会出现一些改变？如果可以预测的话，在 6G 时代，通感一体有可能诞生哪些比较有意义的杀手级应用？</h3>马德嘉：<blockquote>我想先从第三个问题说起，是否正在涌现出新的商业模式。事实上，我近期一直在与全球各地的运营商交流。今年四月我在中国，与大多数中国运营商进行了深入探讨；与美国运营商也是如此。有一点越来越清晰，运营商希望将业务范围从单纯的提供数据服务，向更广的方向拓展。这是他们目前首要考虑的问题。如今，典型的移动运营商主要提供的是数据服务。我们所看到的是：如果我作为一个运营商，正在建设一张具备 AI 能力、同时在网络内拥有强大处理能力的 6G 网络，我会希望超越“数据即服务”的范畴，将“算力即服务”和“Token 即服务”也作为业务体系的一部分。而这正是每一家运营商都在探索的方向。换句话说，如果我要在网络上投入资金并进行升级，我的商业模式是什么？我又如何从中实现盈利？这是每一家运营商都在思考的问题。因此，在 6G 时代，随着运营商推进这些网络投资，他们也在寻求不同的商业模式。现在来回答第二个问题，是否会有基于感知技术的新型杀手级应用问世？我认为首先需要思考的是，感知技术今天能为我们带来什么？简而言之，传感技术让你能够识别网络中的所有事物。这本质上是一个物体检测与分类问题，你需要判断那是行人、汽车、交通信号灯、无人机，还是空中出现的其他物体，从而能够全面感知网络覆盖范围内正在发生的情况。这是一个庞大的数据问题，你需要收集所有数据，并将它们反馈回网络中。此时，网络完全有能力接收这些海量数据，进行深度处理与分析。我们认为，这将带来一种新的网络运营方式，我们将其称为“自智网络”，也就是能够自主运行的网络。它实时感知和分析网络中的各种信息，并在此基础上持续演进，各项参数也在不断动态调整。这与汽车行业 ADAS（高级驾驶辅助）的情况有些相似，车辆感知周围环境，继而判断下一步的行动。在这里，网络同样在感知外部发生的一切，然后自主进行调整。从这个意义上说，我们认为这代表着一种全新的网络运营方式。虽然不能确定它最终是否会被冠以“杀手级应用”的称号，但它无疑是一种截然不同的网络运营模式。现在我们来看最后一个问题。在 5G 时代，大家可能认为缺乏杀手级应用，然而的确有许多应用在 5G 的支持下得到了显著提升，但真正全新的应用并没有出现。我认为固定无线接入算是其中之一。而在 6G 时代，运营商似乎对数据中心更感兴趣。我之前的回答已经解释了，他们确实对数据中心有兴趣，但他们真正感兴趣的是一种新的商业模式，运营商不再局限于提供数据服务，而是要进一步提供算力即服务（Compute as a Service）。在算力即服务的模式下，如果我是一家运营商，我有几种选择：一是只建设数据中心，仅此而已；另一种是，不仅建数据中心，同时将网络升级为 AI 原生网络。这样一来，可以利用网络自身的能力提供服务，不仅仅依托数据中心，而是从网络内部一直延伸至网络边缘。从这个意义上来说，我们看到运营商展现出了一种不同的思维方式和理念。从我们的观察来看，中国电信是一个很好的例子，他们已经在涉足计算业务，而不仅仅是提供数据服务。这正是运营商如何突破单纯数据提供商角色、实现自我重塑的一个例证。</blockquote><h3>问题：您好，我想问一个关于 6G 技术性的问题。高通一直在研究概率成型和几何成型等技术，以提升频谱效率。展望 6G，您认为哪些基础的物理层的创新可以对容量、覆盖和能效产生最大的影响？</h3>马德嘉：<blockquote>这是一个好问题。确实，我们在这些技术上投入了许多资源，尤其是概率成型方面。我们相信，即便在物理层，运用这些技术也能收获很大的性能提升。高通正深度参与 6G 标准化工作，但 6G 的标准化进程有其自身的时间表。到 2028 年底，我们才能知道 6G 最终会确定哪些内容。但从性能角度来看，我们目前正大力投入几个方向：网络侧的 Giga MIMO 射频、概率成型技术，以及 AI 在无线协议中的应用。这些最终会如何落地，还有待观察，需要等标准化工作推进到一定程度后，我才能对这个问题给出更完整的回答。</blockquote><h3>问题：之前提到的 AI 原生概念可以展开一下吗？因为“原生”这一概念现在是被芯片商、设备商、运营商赋予了不同的定义，您可以给出一个比较通用的界定吗？另一个问题是：一个网络，应该具备哪些特性，才能被称之为 AI 原生 6G 网络？</h3>马德嘉：<blockquote>首先，AI 原生网络是建立在高性能计算处理器之上的，这既包括 CPU，也包括 AI 加速器。这意味着，在网络中我们会看到大量风冷服务器和风冷加速卡的部署。它们可能被用于无线接入层、DU（分布单元）层，或者更深层的网络节点，一直到核心网本身。这可以说是理解“AI 原生网络”的一种方式。就目前而言，我认为产业对于这个概念其实并没有什么争议。大多数运营商都认同，AI 原生网络不仅能够依托现有的 CPU 等处理器运行各类无线通信协议，同时还具备在网络中执行 AI 推理的能力。可以说，这是对“AI 原生网络”比较普遍的一种理解。</blockquote><h3>问题：我想问一下，高通进入到数据中心这个竞争激烈的市场，主要的切入点是什么？并且我们看到，数据中心的业务也能追溯到以前手机架构上的积累。这种跨市场的复用在研发上是如何去实现？不同市场的需求差异，反过来又怎么去牵引底层架构的演进？</h3>马德嘉：<blockquote>这其实是个范围相当大的问题，所以我尽量把回答控制在一个比较容易理解的层面。首先，在数据中心业务方面，我们大概有四个不同的切入点，正如我们在今年 6 月 24 日举办的投资者日上所解释的那样，这几个方向目前都取得了相当不错的进展。我们将基于 CPU 的解决方案应用于数据中心业务。这类系统的规模要大得多，将数百颗 CPU 按照特定架构整合在一起，部署于数据中心的风冷和液冷服务器中。这与目前应用在智能手机里的 CPU 完全不是一回事：尽管同属一个产品家族，但实际上是完全不同类型的处理器，是专门针对数据中心应用场景进行定制的。第二个切入点是我们的 AI 加速器，也就是基于 NPU 的解决方案。现在，我们越来越多地采用 NPU 以及其演进产品的组合方案，专门面向运行在数据中心中的生成式 AI 应用。同样，这些也是（部署在）液冷机架中。现在，我们的 AI250 机架级解决方案额定功率已达到 160 千瓦，未来我们预计它会达到数百千瓦的级别。这点和智能手机完全不同。第三个切入点，我们在投资者日也做了很多介绍，叫做高带宽计算（HBC, High Bandwidth Compute）。这是一种全新的内存架构，相较于现有市场上的方案，能够真正形成差异化优势，提供非常高的内存带宽，从而提升推理过程中解码阶段的性能表现。第四个切入点是，我们也在做定制芯片业务。这意味着我们不一定需要提供全部的 IP。我们可以提供部分 IP，同时也会整合客户的 IP，以 ASIC 服务（专用集成电路）的形式提供解决方案。这也是我们具备的一项能力。所以一共有四个不同的切入点：CPU、AI（加速器）、基于 HBC 的近存计算架构，以及定制芯片。最后，关于 IP 复用以及智能手机这个问题，我想说明的一点：在高通内部，我们有一套“统一技术路线图”，但这并不意味着我们在每一个业务板块中都使用完全相同的技术。我们的做法是采用可扩展的架构，以便针对不同的产品细分领域进行定制。因此，虽然我们会说我们的 CPU 同属于 Oryon 家族，但这并不意味着用于智能手机、PC 或数据中心的是完全相同的 CPU 架构。它们之间会存在一些差异。虽然能实现复用，但实际应用的并不是完全相同的 IP。</blockquote><h3>问题：我有一个关于 HBC 的问题。HBC 是高通重点押注的一项技术。核心理念是在 DRAM 附近部署计算能力，而不是采用传统的 HBM 架构。我想请教的是，从架构层面来看，HBC 究竟解决了哪些 HBM 从根本上无法解决的问题？另外，鉴于目前高通是唯一提供 HBC 方案的厂商，您们将如何说服超大规模云服务商接受并采用这一架构？</h3>马德嘉：<blockquote>这是两个很好的问题。我想先花一点时间谈谈 HBC（High Bandwidth Compute，高带宽计算）和 HBM（High Bandwidth Memory，高带宽内存）的区别。我认为二者最主要的区别在于，在 HBM 架构中，内存位于一侧。打个比方，我把我的内存放在这里，而处理则是在另一侧完成的。内存和处理单元之间通过一个高速接口进行连接。而我们在 HBC 中所做的，则是一种被称为“近存计算”（near-memory computing）的架构。它的意思是：这里仍然是我的内存，但与其把所有处理都放在另一侧完成，我们会将一部分计算逻辑直接放到内存的下方。所以可以理解为计算发生在内存下方，这样不仅能够显著降低功耗；同时，由于计算单元和内存彼此非常接近，因此能够实现极高的带宽，并且仍然可以完成大量计算任务。此外，你仍然可以在另一侧配置其他 SoC（System on Chip，系统级芯片），由其承担部分处理任务；当然，也可以由同一系统来完成全部处理。因此，相较于 HBM，这种架构能够实现更高的有效带宽。其次，它还能够降低功耗，因为计算单元与内存不再像传统架构那样彼此分离。关于您的第二个问题，我们如何说服超大规模云服务商采用这项技术。事实上，他们对这项技术非常感兴趣，并一直在与我们保持深入交流。同时，我们也在与各大内存厂商开展合作，因为这些内存厂商负责 DRAM（Dynamic Random-Access Memory）堆叠的实现。他们也在与我们合作，共同推动 HBC 技术的落地。因此，无论是与超大规模云服务商，还是与内存厂商，就我们计划推向市场的产品和方案而言，双方的沟通都非常顺畅。对我们而言，HBC 既可以作为一项独立产品提供，也可以与其他产品搭配使用。这意味着，如果您是一家超大规模云服务商，并且已经拥有自己的 CPU 解决方案以及自己的 AI 加速器解决方案，您完全可以表示：“我对你们的 HBC 方案感兴趣，这对我来说很有吸引力。”同时，您也可以进一步提出，希望我们在位于底层的计算逻辑中实现哪些特定功能。这是一个非常积极的讨论过程。我的意思是，实际上超大规模云服务商会告诉我们需要确保实现哪些功能。</blockquote><h3>问题：我的问题是关于边缘端的推理。6G 网络的一大特征就是会把一部分推理放到边缘端或者基站端，当前大部分的推理都是在云端进行的，端侧的推理其实还在非常早期的阶段。那你们认为，什么样的推理是比较合适放在边缘端或者基站端的？未来你们认为这种推理需求分布的比例大概是怎样的？</h3>马德嘉：<blockquote>这是两个非常重要的问题。首先，有多少推理会放在边缘侧、多少会放在云端，我觉得这并不存在一个固定的比例，而是取决于具体的应用场景。例如，我们现在认为，AI 智能体会在任何一个时刻自行决定：这项任务应该在终端设备上运行？在网络边缘运行？还是在云端运行？而这个答案，会因具体应用场景的不同而有所不同。因此，对于究竟有多少比例的任务在终端运行、又有多少比例在云端运行，并不存在一个统一的答案。从终端用户的角度来看，用户并不关心任务究竟在哪里运行，只要能够在合适的时间获得正确的结果即可。因此，真正做出判断的是智能体本身。比如，对于某些需要极快响应的任务，智能体会认为必须尽快返回结果，那么这类任务就会在终端设备上运行。再举一个例子，假设我的需求是上网搜索并获得一个答案，那么显然，这类任务必须在云端运行。再比如第三种情况，你可能有一个规模非常大的任务，需要为一个大型项目编写大量问题。那么你可能会希望把这项任务放在网络中的某个位置运行，而不一定是在终端设备上完成。对高通而言，我们支持这三种模式。不过，要回答您刚才的问题，很难明确地说究竟会是哪一种模式。实际上，答案是三者都有可能。从最终用户的角度来看，用户并不关心任务究竟是在设备端运行，还是在云端运行，他们只关注最终输出的结果。至于第二个问题，也就是哪些类型的推理适合在边缘侧运行，这同样取决于具体用例。有些场景可能只需要在终端本地进行图像处理，这类任务可以使用传统 AI 功能，并不一定需要生成式 AI 能力。另一些场景可能需要生成内容，但设备无法连接网络，这时推理同样需要在本地运行。目前，大多数推理仍然运行在云端。直到最近，我们开始看到越来越多的推理转向边缘侧，因此不同部署方式所占的比重也在不断变化。总体而言，无论是面向消费者还是面向企业的应用，都会根据具体用例采用不同部署方式的组合。</blockquote><h3>问题：如果 HBC 这条技术路线走通了，内存厂商的角色会有怎样的变化？</h3>马德嘉：<blockquote>我们预计，不会发生根本性的变化。我们一直与内存厂商密切合作。目前我们所做的是让计算更加靠近内存，而不是改变内存本身。因此，从这个角度来看，我们并不认为会出现根本性的变化。</blockquote><h3>问题：我的问题是关于您刚才提到的计算连续体，它将高通在终端、边缘和云端数据中心的产品连接起来，如何让市场认可这一理念的价值？计算最终应该由具体任务和应用场景决定，而不是由某一家厂商的架构决定。换句话说，计算连续体究竟能够为超大规模云服务商、运营商、终端厂商和最终用户带来哪些实际价值？</h3>马德嘉：<blockquote>移动运营商以及这一领域的其他参与者，最终都需要自己得出结论。我们可以向他们说明为什么我们认为这一模式是有价值的，但归根结底，每家运营商都有自己的实际情况，需要找到最适合自己的运营模式。例如，运营商需要评估自身是否拥有相应的用户基础，今天是否能够提供“数据即服务”（Data as a Service ），未来是否有机会进一步拓展到“Token 即服务”（Token as a Service）等新的服务模式。我们与运营商沟通时，会告诉他们，我们认为这一模式是可行的，但运营商需要自行评估是否适合自己。一些运营商可能会认为这一模式非常契合，因此快速推进；另一些运营商也可能认为它并不适合自己，选择不采用。对我们来说，这同样没有问题。高通与各方都保持着合作。我们并不试图说服每一家运营商都采用这一模式，而是向他们解释为什么我们认为这一模式具有价值，最终仍由运营商自己决定。如果他们认为这一模式适合自己，我们也很乐意提供支持。谢谢大家！</blockquote>

专访高通马德嘉：6G 是 AI 原生系统，多次点名赞赏豆包手机

📌 概要