核心事件：HBC架构正式下放至移动端

高通在2026年9月22日夏威夷时间9点（北京时间23日3点）召开的骁龙峰会上宣布，HBC（High Bandwidth Compute，高带宽计算）技术将整合进未来骁龙芯片。这意味着近内存计算架构将从数据中心应用拓展至移动设备领域。

• 技术发布时间：2026年6月首次在投资者日公布（面向数据中心）
• 移动端应用宣布时间：2026年9月22日骁龙峰会
• 核心技术类型：近内存计算（near-memory computing）架构
• 实现方式：3D集成+硅通孔（TSV）技术
• 目标应用场景：提升端侧AI推理效率与能效比

技术原理与行业意义

HBC架构的核心在于重构计算单元与内存的空间关系。该架构将计算芯片直接置于堆叠式LPDDR DRAM下方，通过3D集成与硅通孔（TSV）技术显著缩短数据传输路径。这种设计属于典型的近内存计算方案，目标是缓解AI推理中的"内存墙"问题——即处理器与内存间数据搬运速度远不及计算单元处理速度，导致性能瓶颈。

一个关键反差点在于：HBC提升的是有效带宽而非物理内存容量。高带宽内存（HBM）常被等同于大容量存储，但HBC的重点在于优化计算单元与内存的物理距离，从而减少数据搬运延迟和功耗。对于移动端而言，这意味着即便不增加DRAM容量，也能通过架构革新显著提升模型推理效率。

手机端AI的当前瓶颈已从单纯的NPU乘加计算能力，延伸至模型参数与中间数据在内存与处理器间的搬运速度。HBC通过将部分计算移至内存附近执行，大幅降低数据来回移动的开销，从而同步改善延迟与功耗表现。相关方包括高通（技术整合方）、LPDDR标准制定组织（内存生态），以及终端手机厂商（产品落地载体）。

技术优势与用户价值

HBC为移动端AI带来三重提升：

• 性能提升：更短的数据路径意味着更少的传输延迟
• 能效改善：减少数据搬运直接降低内存 subsystem 功耗
• 模型能力扩容：在相同功耗和散热条件下，可支持参数量更大、上下文更长的端侧模型

这些改进将使手机具备更强的本地AI处理能力——用户将能运行更复杂的本地大模型，支持更多实时AI功能（如本地语音助手、图像生成与编辑），同时减少依赖云端计算，提升隐私性与响应速度。

用户建议与落地预期

• 适合立即关注者：注重本地AI体验、关注手机续航与隐私保护的高端旗舰用户，可等待搭载HBC的骁龙新一代芯片机型发布后评估实际体验
• 建议再等待者：对端侧AI有强需求但不追求第一时间尝鲜的用户，可关注后续机型的实测评测，等待续航与温控表现验证

需要说明的是，本文所述信息基于高通官方宣布的技术方向，具体何时上市、是否开放第三方模型部署等细节，目前尚未公开披露。

写在最后

HBC从数据中心向移动终端的下沉，标志着近内存计算技术走向普及化。当硬件架构创新开始弥合计算与内存的物理鸿沟，端侧AI的算力天花板有望被重新定义。