Qualcomm sedang membina cabaran jangka panjang terhadap dominasi Nvidia dalam infrastruktur AI—tetapi syarikat itu tidak sekadar cuba menghasilkan pengganti GPU tunggal.

Fokus utamanya ialah kos dan penggunaan tenaga ketika inferens, iaitu proses menjana jawapan atau token selepas model AI dilatih. Dalam proses ini, berat model perlu dibaca berulang kali daripada memori bagi setiap token yang dihasilkan. Pergerakan data tersebut boleh menjadi lebih mahal dan lebih membebankan tenaga berbanding operasi pengiraan itu sendiri.

Jawapan Qualcomm ialah portfolio Dragonfly, yang menggabungkan pengkomputeran berhampiran memori, pemproses pelayan, rangkaian, perisian mudah alih merentas perkakasan dan penggunaan daripada pusat data hingga ke peranti tepi. Komponen paling berbeza dalam strategi itu ialah High Bandwidth Compute (HBC).

HBC menyasarkan “dinding memori” AI inferens

Dalam inferens autoregresif, sistem perlu membaca data model daripada memori berulang kali ketika setiap token dijana. Akibatnya, lebar jalur memori, tenaga yang diperlukan untuk mengakses data dan kependaman menjadi penentu penting kos operasi AI.

Reka bentuk HBC Qualcomm meletakkan die pengkomputeran di bawah susunan memori LPDDR yang ditindan. Kedua-dua lapisan itu dihubungkan melalui sambungan silikon menegak atau through-silicon vias (TSV), supaya operasi tertentu boleh dilakukan lebih dekat dengan lokasi data. 245

Perbezaan pentingnya ialah Qualcomm tidak semata-mata mendakwa LPDDR mempunyai lebar jalur puncak mentah yang lebih tinggi daripada semua sistem berasaskan HBM. Hujah syarikat itu ialah operasi tertentu boleh berlaku dalam pakej yang sama, sekali gus mengurangkan pergerakan data antara memori dan pemproses utama. Ini berpotensi meningkatkan lebar jalur berkesan serta kecekapan penjanaan token bagi beban kerja inferens yang sesuai. 29

Qualcomm berkata HBC generasi pertama, yang dikaitkan dengan Dragonfly AI250, direka untuk mencapai lebar jalur memori berkesan sebanyak 133 TB/s bagi setiap kad—peningkatan 18 kali ganda berbanding AI200 dengan LPDDR5X. 4 Laporan lain pula menyebut dakwaan Qualcomm bahawa HBC boleh menawarkan sehingga enam kali ganda lebar jalur per watt berbanding pelaksanaan HBM semasa. 813

Namun, angka ini perlu dibaca dengan berhati-hati. Lebar jalur berkesan, lebar jalur setiap kad, lebar jalur pada peringkat rak dan lebar jalur satu susunan HBM ialah ukuran yang berbeza. Perbandingan antara ratusan terabait sesaat dengan satu angka HBM tertentu tidak semestinya perbandingan yang setara.

Justeru, angka Qualcomm wajar dianggap sebagai dakwaan seni bina dan kecekapan per watt sehingga penanda aras bebas mengenai kadar token sesaat, penggunaan tenaga dan kos keseluruhan diterbitkan.

Samsung dan SK hynix membawa cabaran pembuatan

Qualcomm mereka bentuk lapisan pengkomputeran dan menyepadukan keseluruhan sistem, manakala Samsung Electronics dan SK hynix dilaporkan menyertai usaha HBC sebagai rakan memori. Pembahagian tugas yang dilaporkan meletakkan sebahagian besar kerja penyusunan memori pada pembekal tersebut, dengan pembungkusan termaju turut menjadi komponen penting. 15

Ini menjadikan HBC bukan sekadar pertaruhan reka bentuk pemproses, tetapi juga pertaruhan terhadap teknologi pembungkusan dan pengeluaran. Kejayaan komersialnya akan bergantung pada:

• kelayakan memori;
• hasil pengeluaran pemasangan 3D;
• pengurusan haba;
• proses ujian dan kebolehpercayaan; serta
• keupayaan menghasilkan sistem yang mencukupi pada kos munasabah.

Seni bina yang kelihatan menarik di atas kertas masih boleh gagal bersaing jika masalah hasil pengeluaran, haba atau bekalan menghalang penggunaan yang stabil dan ekonomik.

Pelan Qualcomm meletakkan pengkomersialan HBC generasi pertama pada 2027, manakala generasi kedua disasarkan pada 2028. 14 Ini bermakna HBC ialah peralihan platform merentas beberapa kitaran produk—bukan pengganti serta-merta kepada perkakasan Nvidia yang sudah dipasang di pusat data.

Dragonfly mengubah HBC menjadi platform lengkap

Qualcomm memperkenalkan Dragonfly sebagai portfolio pusat data yang menyeluruh, bukan pemecut berasingan. Pelan itu merangkumi sistem inferens AI, teknologi HBC, CPU pelayan C1000, penyelesaian rangkaian dan perkhidmatan silikon tersuai. 1516

Dragonfly C1000 ialah pemproses pelayan berasaskan reka bentuk chiplet yang disasarkan untuk AI berasaskan ejen, beban kerja umum dan nod utama AI. 7

Qualcomm dan Meta turut mengumumkan kerjasama CPU berbilang generasi. Pengeluaran C1000 generasi pertama dirancang bermula pada separuh kedua 2028. 18

Perjanjian itu memberikan Qualcomm isyarat pengesahan yang penting: Meta ialah pelanggan CPU yang diumumkan dan Qualcomm mendapat laluan untuk memasuki kumpulan pelayan sebuah syarikat teknologi berskala besar. Namun, skopnya tidak boleh dibesar-besarkan. Perjanjian tersebut tidak dengan sendirinya membuktikan bahawa Meta akan menggunakan pemecut HBC pada jumlah yang besar.

Keputusan itu masih bergantung pada prestasi, kebolehpercayaan, sokongan perisian, bekalan, penyepaduan rangkaian dan jumlah kos pemilikan.

Perisian ialah jawapan Qualcomm kepada kebergantungan CUDA

Perkakasan sahaja sukar menggugat platform AI yang sudah kukuh. Kelebihan Nvidia bukan hanya terletak pada GPU, tetapi juga pada CUDA, perpustakaan perisian, alat pembangunan, pengalaman pembangun dan rekod penggunaan dalam pengeluaran.

Pengambilalihan Modular oleh Qualcomm menambah bahasa pengaturcaraan Mojo dan platform perisian MAX ke dalam strateginya. Qualcomm berkata teknologi gabungan itu bertujuan menyokong AI generatif dan AI berasaskan ejen merentas pusat data serta persekitaran tepi. 19

Matlamat strategiknya ialah kebolehgerakan perisian: pembangun boleh memindahkan model dan beban kerja antara pemproses yang berbeza tanpa membina semula keseluruhan timbunan perisian untuk satu vendor sahaja. Modular juga mempromosikan ekosistem terbuka, manakala laporan daripada persidangan syarikat itu pada 2026 menyatakan bahawa Mojo dan pengkompilnya telah dibuka sepenuhnya sebagai sumber terbuka. 46

Jika berjaya, pendekatan ini boleh mengurangkan kos pertukaran bagi pelanggan yang ingin menilai perkakasan Qualcomm bersama Nvidia, AMD dan pemecut lain. Tetapi ia tidak secara automatik menyamai kedalaman CUDA dari segi perpustakaan, alat, jumlah pembangun dan sejarah penggunaan dalam pengeluaran.

Dakwaan tentang peningkatan prestasi besar berbanding pelaksanaan asli perlu kekal sebagai prospek sehingga disokong oleh penanda aras yang telus dan boleh diulangi.

Qualcomm turut memperluas strategi CPU melalui RISC-V. Berdasarkan bukti yang tersedia, pemerolehan yang berkaitan ialah Ventana Micro Systems, bukannya syarikat bernama Antenna Microsystems seperti yang disebut dalam soalan asal. Qualcomm berkata Ventana mengukuhkan keupayaan kejuruteraan RISC-V dan usaha membangunkan ekosistemnya. 2354

Hugging Face melengkapkan cerita awan hingga peranti

Kerjasama Qualcomm dengan Hugging Face bertujuan membawa beban kerja dalaman dan pembangun Hugging Face ke sistem pusat data Dragonfly, memudahkan pendaftaran model serta menyokong penyelarasan hibrid antara peranti dan pusat data. 21

Ini menyokong kedudukan Qualcomm yang lebih luas: syarikat itu mahu menyediakan teknologi AI untuk pusat data, telefon, sistem terbenam dan aplikasi AI fizikal.

Kelebihan yang diharapkan ialah laluan penggunaan yang lebih berterusan—model boleh bergerak daripada infrastruktur awan ke peranti tepi. Cabarannya pula jelas: portfolio yang luas hanya menjadi alternatif bermakna kepada Nvidia jika pembangun boleh menggunakan model sebenar dengan mudah dan pengendali memperoleh ekonomi yang lebih baik dalam persekitaran pengeluaran.

HBC sebahagian daripada perlumbaan reka bentuk memori yang lebih luas

Pendekatan Qualcomm berlaku dalam konteks usaha industri yang lebih besar untuk mengurangkan jumlah data yang perlu bergerak antara memori dan unit pengkomputeran.

Samsung telah memperkenalkan LPDDR5X-PIM, yang menambah logik pemprosesan pada DRAM berkuasa rendah supaya operasi tertentu boleh dilakukan lebih dekat dengan data yang disimpan. Dalam demonstrasi Samsung, teknologi itu menghasilkan 81.3 token sesaat, berbanding 27 token sesaat untuk LPDDR5X konvensional dalam perbandingan yang dipetik. 313639

SK hynix pula mendekati masalah yang sama dari sudut HBM. Usaha hibrid-bonding dan iHBM syarikat itu menyasarkan cabaran haba serta ketumpatan apabila susunan memori menjadi lebih tinggi dan lebar jalur terus meningkat. 32 Laporan berasingan menyatakan bahawa hibrid-bonding mungkin belum bersedia untuk HBM4E, sekali gus menolak peralihan itu kepada generasi HBM yang lebih lewat. 40

Pada masa yang sama, Samsung melaporkan sampel HBM4E dengan lebar jalur sehingga 3.6 TB/s bagi setiap susunan dan kelajuan pin sehingga 16 Gbps. 41 Perkembangan ini penting kerana HBC tidak akan bersaing dengan versi HBM yang statik pada 2025 atau 2026. Ia perlu berdepan teknologi memori yang turut berkembang.

Bukti yang tersedia tidak mencukupi untuk mengesahkan dakwaan khusus tentang peranti memori pengkomputeran MX1 berasaskan CXL milik Samsung, penggunaan teknologi itu oleh DeepX atau amaran tepat daripada Micron mengenai kemerosotan masalah lebar jalur. Oleh itu, butiran tersebut tidak wajar dianggap sebagai fakta yang disahkan dalam analisis ini.

Apa yang Qualcomm perlu buktikan seterusnya?

Strategi Qualcomm mempunyai logik yang jelas:

• Menyasarkan inferens terlebih dahulu: HBC direka untuk beban kerja fasa decode yang berat pada memori, iaitu keadaan apabila pergerakan data boleh menentukan ekonomi setiap token. 29
• Menyepadukan keseluruhan sistem: Dragonfly menggabungkan pemecut, CPU, rangkaian dan silikon tersuai, bukannya bergantung pada satu cip sahaja. 1516
• Mengurangkan halangan perisian: Mojo dan MAX bertujuan menjadikan beban kerja lebih mudah dipindahkan antara platform perkakasan. 1946
• Membina kredibiliti pelanggan: Perjanjian C1000 dengan Meta memberikan hubungan CPU yang diumumkan dengan sebuah penyedia perkhidmatan awan berskala besar, dengan pengeluaran dirancang pada akhir 2028. 18
• Menggunakan jejak penggunaan yang luas: Hugging Face menyokong strategi Qualcomm daripada awan hingga ke peranti. 21

Risikonya juga nyata. HBC mesti mencapai pengeluaran dengan hasil dan ciri terma yang boleh diterima. Qualcomm perlu menerbitkan perbandingan khusus beban kerja yang membezakan lebar jalur berkesan daripada lebar jalur antara muka mentah. Pengkompil dan timbunan masa jalannya mesti menyokong model sebenar dengan stabil. Rakan memori pula perlu membekalkan teknologi tersebut pada skala besar.

Akhirnya, pelanggan perlu memutuskan sama ada manfaat HBC cukup besar untuk mewajarkan penggunaan satu lagi platform perkakasan dan perisian di samping CUDA.

Kesimpulan

Qualcomm telah mereka bentuk alternatif seni bina yang munasabah dan menyasarkan salah satu kekangan paling penting dalam infrastruktur AI: pergerakan data ketika inferens.

Namun, berdasarkan jadual semasa, HBC masih merupakan cabaran masa depan—bukan bukti bahawa dominasi Nvidia telah berakhir. Titik penentu ialah perkakasan HBC generasi pertama pada 2027, permulaan pengeluaran C1000 pada separuh kedua 2028 serta pengesahan bebas daripada pelanggan terhadap prestasi, kebolehpercayaan dan jumlah kos pemilikan.

Qualcomm sedang membina cabaran jangka panjang terhadap dominasi Nvidia dalam infrastruktur AI—tetapi syarikat itu tidak sekadar cuba menghasilkan pengganti GPU tunggal.

Fokus utamanya ialah kos dan penggunaan tenaga ketika inferens, iaitu proses menjana jawapan atau token selepas model AI dilatih. Dalam proses ini, berat model perlu dibaca berulang kali daripada memori bagi setiap token yang dihasilkan. Pergerakan data tersebut boleh menjadi lebih mahal dan lebih membebankan tenaga berbanding operasi pengiraan itu sendiri.

Jawapan Qualcomm ialah portfolio Dragonfly, yang menggabungkan pengkomputeran berhampiran memori, pemproses pelayan, rangkaian, perisian mudah alih merentas perkakasan dan penggunaan daripada pusat data hingga ke peranti tepi. Komponen paling berbeza dalam strategi itu ialah High Bandwidth Compute (HBC).

HBC menyasarkan “dinding memori” AI inferens

Dalam inferens autoregresif, sistem perlu membaca data model daripada memori berulang kali ketika setiap token dijana. Akibatnya, lebar jalur memori, tenaga yang diperlukan untuk mengakses data dan kependaman menjadi penentu penting kos operasi AI.

Reka bentuk HBC Qualcomm meletakkan die pengkomputeran di bawah susunan memori LPDDR yang ditindan. Kedua-dua lapisan itu dihubungkan melalui sambungan silikon menegak atau through-silicon vias (TSV), supaya operasi tertentu boleh dilakukan lebih dekat dengan lokasi data. 245

Perbezaan pentingnya ialah Qualcomm tidak semata-mata mendakwa LPDDR mempunyai lebar jalur puncak mentah yang lebih tinggi daripada semua sistem berasaskan HBM. Hujah syarikat itu ialah operasi tertentu boleh berlaku dalam pakej yang sama, sekali gus mengurangkan pergerakan data antara memori dan pemproses utama. Ini berpotensi meningkatkan lebar jalur berkesan serta kecekapan penjanaan token bagi beban kerja inferens yang sesuai. 29

Qualcomm berkata HBC generasi pertama, yang dikaitkan dengan Dragonfly AI250, direka untuk mencapai lebar jalur memori berkesan sebanyak 133 TB/s bagi setiap kad—peningkatan 18 kali ganda berbanding AI200 dengan LPDDR5X. 4 Laporan lain pula menyebut dakwaan Qualcomm bahawa HBC boleh menawarkan sehingga enam kali ganda lebar jalur per watt berbanding pelaksanaan HBM semasa. 813

Namun, angka ini perlu dibaca dengan berhati-hati. Lebar jalur berkesan, lebar jalur setiap kad, lebar jalur pada peringkat rak dan lebar jalur satu susunan HBM ialah ukuran yang berbeza. Perbandingan antara ratusan terabait sesaat dengan satu angka HBM tertentu tidak semestinya perbandingan yang setara.

Justeru, angka Qualcomm wajar dianggap sebagai dakwaan seni bina dan kecekapan per watt sehingga penanda aras bebas mengenai kadar token sesaat, penggunaan tenaga dan kos keseluruhan diterbitkan.

Samsung dan SK hynix membawa cabaran pembuatan

Qualcomm mereka bentuk lapisan pengkomputeran dan menyepadukan keseluruhan sistem, manakala Samsung Electronics dan SK hynix dilaporkan menyertai usaha HBC sebagai rakan memori. Pembahagian tugas yang dilaporkan meletakkan sebahagian besar kerja penyusunan memori pada pembekal tersebut, dengan pembungkusan termaju turut menjadi komponen penting. 15

Ini menjadikan HBC bukan sekadar pertaruhan reka bentuk pemproses, tetapi juga pertaruhan terhadap teknologi pembungkusan dan pengeluaran. Kejayaan komersialnya akan bergantung pada:

• kelayakan memori;
• hasil pengeluaran pemasangan 3D;
• pengurusan haba;
• proses ujian dan kebolehpercayaan; serta
• keupayaan menghasilkan sistem yang mencukupi pada kos munasabah.

Seni bina yang kelihatan menarik di atas kertas masih boleh gagal bersaing jika masalah hasil pengeluaran, haba atau bekalan menghalang penggunaan yang stabil dan ekonomik.

Pelan Qualcomm meletakkan pengkomersialan HBC generasi pertama pada 2027, manakala generasi kedua disasarkan pada 2028. 14 Ini bermakna HBC ialah peralihan platform merentas beberapa kitaran produk—bukan pengganti serta-merta kepada perkakasan Nvidia yang sudah dipasang di pusat data.

Dragonfly mengubah HBC menjadi platform lengkap

Qualcomm memperkenalkan Dragonfly sebagai portfolio pusat data yang menyeluruh, bukan pemecut berasingan. Pelan itu merangkumi sistem inferens AI, teknologi HBC, CPU pelayan C1000, penyelesaian rangkaian dan perkhidmatan silikon tersuai. 1516

Dragonfly C1000 ialah pemproses pelayan berasaskan reka bentuk chiplet yang disasarkan untuk AI berasaskan ejen, beban kerja umum dan nod utama AI. 7

Qualcomm dan Meta turut mengumumkan kerjasama CPU berbilang generasi. Pengeluaran C1000 generasi pertama dirancang bermula pada separuh kedua 2028. 18

Perjanjian itu memberikan Qualcomm isyarat pengesahan yang penting: Meta ialah pelanggan CPU yang diumumkan dan Qualcomm mendapat laluan untuk memasuki kumpulan pelayan sebuah syarikat teknologi berskala besar. Namun, skopnya tidak boleh dibesar-besarkan. Perjanjian tersebut tidak dengan sendirinya membuktikan bahawa Meta akan menggunakan pemecut HBC pada jumlah yang besar.

Keputusan itu masih bergantung pada prestasi, kebolehpercayaan, sokongan perisian, bekalan, penyepaduan rangkaian dan jumlah kos pemilikan.

Perisian ialah jawapan Qualcomm kepada kebergantungan CUDA

Perkakasan sahaja sukar menggugat platform AI yang sudah kukuh. Kelebihan Nvidia bukan hanya terletak pada GPU, tetapi juga pada CUDA, perpustakaan perisian, alat pembangunan, pengalaman pembangun dan rekod penggunaan dalam pengeluaran.

Pengambilalihan Modular oleh Qualcomm menambah bahasa pengaturcaraan Mojo dan platform perisian MAX ke dalam strateginya. Qualcomm berkata teknologi gabungan itu bertujuan menyokong AI generatif dan AI berasaskan ejen merentas pusat data serta persekitaran tepi. 19

Matlamat strategiknya ialah kebolehgerakan perisian: pembangun boleh memindahkan model dan beban kerja antara pemproses yang berbeza tanpa membina semula keseluruhan timbunan perisian untuk satu vendor sahaja. Modular juga mempromosikan ekosistem terbuka, manakala laporan daripada persidangan syarikat itu pada 2026 menyatakan bahawa Mojo dan pengkompilnya telah dibuka sepenuhnya sebagai sumber terbuka. 46

Jika berjaya, pendekatan ini boleh mengurangkan kos pertukaran bagi pelanggan yang ingin menilai perkakasan Qualcomm bersama Nvidia, AMD dan pemecut lain. Tetapi ia tidak secara automatik menyamai kedalaman CUDA dari segi perpustakaan, alat, jumlah pembangun dan sejarah penggunaan dalam pengeluaran.

Dakwaan tentang peningkatan prestasi besar berbanding pelaksanaan asli perlu kekal sebagai prospek sehingga disokong oleh penanda aras yang telus dan boleh diulangi.

Qualcomm turut memperluas strategi CPU melalui RISC-V. Berdasarkan bukti yang tersedia, pemerolehan yang berkaitan ialah Ventana Micro Systems, bukannya syarikat bernama Antenna Microsystems seperti yang disebut dalam soalan asal. Qualcomm berkata Ventana mengukuhkan keupayaan kejuruteraan RISC-V dan usaha membangunkan ekosistemnya. 2354

Hugging Face melengkapkan cerita awan hingga peranti

Kerjasama Qualcomm dengan Hugging Face bertujuan membawa beban kerja dalaman dan pembangun Hugging Face ke sistem pusat data Dragonfly, memudahkan pendaftaran model serta menyokong penyelarasan hibrid antara peranti dan pusat data. 21

Ini menyokong kedudukan Qualcomm yang lebih luas: syarikat itu mahu menyediakan teknologi AI untuk pusat data, telefon, sistem terbenam dan aplikasi AI fizikal.

Kelebihan yang diharapkan ialah laluan penggunaan yang lebih berterusan—model boleh bergerak daripada infrastruktur awan ke peranti tepi. Cabarannya pula jelas: portfolio yang luas hanya menjadi alternatif bermakna kepada Nvidia jika pembangun boleh menggunakan model sebenar dengan mudah dan pengendali memperoleh ekonomi yang lebih baik dalam persekitaran pengeluaran.

HBC sebahagian daripada perlumbaan reka bentuk memori yang lebih luas

Pendekatan Qualcomm berlaku dalam konteks usaha industri yang lebih besar untuk mengurangkan jumlah data yang perlu bergerak antara memori dan unit pengkomputeran.

Samsung telah memperkenalkan LPDDR5X-PIM, yang menambah logik pemprosesan pada DRAM berkuasa rendah supaya operasi tertentu boleh dilakukan lebih dekat dengan data yang disimpan. Dalam demonstrasi Samsung, teknologi itu menghasilkan 81.3 token sesaat, berbanding 27 token sesaat untuk LPDDR5X konvensional dalam perbandingan yang dipetik. 313639

SK hynix pula mendekati masalah yang sama dari sudut HBM. Usaha hibrid-bonding dan iHBM syarikat itu menyasarkan cabaran haba serta ketumpatan apabila susunan memori menjadi lebih tinggi dan lebar jalur terus meningkat. 32 Laporan berasingan menyatakan bahawa hibrid-bonding mungkin belum bersedia untuk HBM4E, sekali gus menolak peralihan itu kepada generasi HBM yang lebih lewat. 40

Pada masa yang sama, Samsung melaporkan sampel HBM4E dengan lebar jalur sehingga 3.6 TB/s bagi setiap susunan dan kelajuan pin sehingga 16 Gbps. 41 Perkembangan ini penting kerana HBC tidak akan bersaing dengan versi HBM yang statik pada 2025 atau 2026. Ia perlu berdepan teknologi memori yang turut berkembang.

Bukti yang tersedia tidak mencukupi untuk mengesahkan dakwaan khusus tentang peranti memori pengkomputeran MX1 berasaskan CXL milik Samsung, penggunaan teknologi itu oleh DeepX atau amaran tepat daripada Micron mengenai kemerosotan masalah lebar jalur. Oleh itu, butiran tersebut tidak wajar dianggap sebagai fakta yang disahkan dalam analisis ini.

Apa yang Qualcomm perlu buktikan seterusnya?

Strategi Qualcomm mempunyai logik yang jelas:

• Menyasarkan inferens terlebih dahulu: HBC direka untuk beban kerja fasa decode yang berat pada memori, iaitu keadaan apabila pergerakan data boleh menentukan ekonomi setiap token. 29
• Menyepadukan keseluruhan sistem: Dragonfly menggabungkan pemecut, CPU, rangkaian dan silikon tersuai, bukannya bergantung pada satu cip sahaja. 1516
• Mengurangkan halangan perisian: Mojo dan MAX bertujuan menjadikan beban kerja lebih mudah dipindahkan antara platform perkakasan. 1946
• Membina kredibiliti pelanggan: Perjanjian C1000 dengan Meta memberikan hubungan CPU yang diumumkan dengan sebuah penyedia perkhidmatan awan berskala besar, dengan pengeluaran dirancang pada akhir 2028. 18
• Menggunakan jejak penggunaan yang luas: Hugging Face menyokong strategi Qualcomm daripada awan hingga ke peranti. 21

Risikonya juga nyata. HBC mesti mencapai pengeluaran dengan hasil dan ciri terma yang boleh diterima. Qualcomm perlu menerbitkan perbandingan khusus beban kerja yang membezakan lebar jalur berkesan daripada lebar jalur antara muka mentah. Pengkompil dan timbunan masa jalannya mesti menyokong model sebenar dengan stabil. Rakan memori pula perlu membekalkan teknologi tersebut pada skala besar.

Akhirnya, pelanggan perlu memutuskan sama ada manfaat HBC cukup besar untuk mewajarkan penggunaan satu lagi platform perkakasan dan perisian di samping CUDA.

Kesimpulan

Qualcomm telah mereka bentuk alternatif seni bina yang munasabah dan menyasarkan salah satu kekangan paling penting dalam infrastruktur AI: pergerakan data ketika inferens.

Namun, berdasarkan jadual semasa, HBC masih merupakan cabaran masa depan—bukan bukti bahawa dominasi Nvidia telah berakhir. Titik penentu ialah perkakasan HBC generasi pertama pada 2027, permulaan pengeluaran C1000 pada separuh kedua 2028 serta pengesahan bebas daripada pelanggan terhadap prestasi, kebolehpercayaan dan jumlah kos pemilikan.