高通數據中心晶片豪賭：C1000、Modular 收購能挑戰英偉達嗎？

重點摘要

• 6 月 24 日，高通 CEO Cristiano Amon 宣布 2029 財年資料中心晶片營收目標 150 億美元，Meta CEO Mark Zuckerberg 隨即確認高通將成為 Meta 多代資料中心 CPU 供應商，盤後股價跳升 13%。
• 高通 Dragonfly 家族橫跨五條產品線：C1000 伺服器 CPU（逾 5 GHz、250 核、2028 年中 Meta 量產）、AI 推理加速器年更系列（AI200/AI250/AI300）、HBC 高帶寬運算平台（相同成本下吞吐提升 4 至 8 倍）、電光互連網路，以及 39 億美元收購 Modular 建跨硬體軟體層。
• Arm 雲端市占率已從 2017 年的約 1% 升至 25%，Graviton 連三年佔 AWS 新增 CPU 容量逾半，高通這次只需回答一個問題：能不能做得比 Graviton 更好。

6 月 24 日，紐約，高通 CEO Cristiano Amon 宣布，2029 財年非手機業務目標 400 億美元，其中資料中心晶片要做到 150 億。盤後股價跳升 13%。接著，Meta CEO Mark Zuckerberg 出現在現場螢幕上，錄了一段措辭精確的短片：高通將成為 Meta 資料中心的 CPU 供應商，合約涵蓋多個產品世代。這不是「很高興探索合作機會」那種外交辭令，是主謂賓齊全的承諾。聽起來像翻盤故事，但高通內部比誰都清楚，九年前它也試過。

九年前 Centriq 為何失敗，這次差在哪？

2017 年 11 月，舊金山，高通發布 Centriq 2400，搭載 48 個 Falkor 核心的 10 奈米伺服器晶片，Arm 架構，投影片和今天的 Dragonfly 發表會長得差不多。不到兩年，專案關閉，主管離職，團隊解散。Centriq 成了高通內部沒人主動提起的名字。

它因為三個問題撞在一起而失敗。時機：2017 年英特爾控制九成以上伺服器 CPU 市場，Arm 在雲端市占率才 1%，AMD 的 EPYC 還沒出貨，換架構沒有可參照的成功案例。客戶：從發布到取消，Centriq 沒有任何公開的量產客戶，微軟 Azure 據說在測，從未官宣。資料中心業不認「晶片造出來了」，只認「有人跑生產負載」。牽制：那兩年高通同時應對蘋果的全球專利訴訟與博通的千億美元敵意收購，管理層的注意力根本撐不到伺服器市場。

這次，前兩個難題已有人替它做了解答。Arm 雲端市占率從 1% 升至 25%，Graviton 是那條轉折線：亞馬遜從 2018 年開始做自家 Arm 伺服器晶片，到去年連續三年佔 AWS 新增 CPU 容量逾半，AWS 最大的 1000 個客戶有 98% 在用。「Arm 能不能做伺服器」這題已有公認答案，高通只需要回答「能不能比 Graviton 做得更好」，難度不在同一量級。

客戶問題的背景也變了。英特爾伺服器 CPU 市占率從壟斷水位跌至 62%，AMD 在 x86 端吃走了 46% 的營收份額，Graviton、Grace、Ampere 在 Arm 端排隊拆牆。任何雲端採購部門繼續把全部賭注押在 x86，都很難在內部說得過去。Meta 簽的是「多代」合約，意思是第一代不理想，第二代接著試，供應商關係從一開始就以長期合作為前提，這在資料中心晶片市場是個罕見的起點。

高通這次真正在蓋什麼？

只說高通做了一顆伺服器 CPU，是把這次的格局讀小了。Dragonfly 家族更接近整套資料中心基礎設施的完整方案。

C1000 是地基那層：逾 5 GHz、250 核，2028 年中在 Meta 量產。推理加速器那層是 AI200、AI250、AI300，從明年起年更，對應的是模型上線後的推論負載，而非訓練階段。再往上是 HBC（高帶寬運算平台），高通稱相同成本下吞吐能提升 4 至 8 倍，明年年中要交樣片給微軟，詳細規格尚未全部披露。連接各層的是從電互連到光互連的網路方案，目的是讓晶片間資料傳輸不造成瓶頸。

最頂層是軟體。高通以 39 億美元收購了 Modular，要打造一套開發者寫一次程式碼就能在 CPU、GPU、NPU 或自訂 ASIC 上執行的平台，稱為 MAX 平台，搭配自家的 Mojo 語言，設計理念是 Python 的語法加上編譯器等級的效能。主導這件事的是 Chris Lattner，LLVM 編譯器和 Swift 語言的作者，之後曾在特斯拉主導 Autopilot 軟體。Chris Lattner 帶進來的工程底子，讓高通打軟體這一仗的籌碼厚了一截。

五層同時動工，意味著高通不是在做一顆晶片，是在蓋一棟樓。地基、管線、房間、建築服務加裝修，每一層都是獨立的大型工程專案，任何一層出問題，整體計畫都撐不住。

同時開五條戰線，歷史上誰做到過？

這裡有個值得直視的歷史紀錄。在資料中心市場同時打贏多條產品線的，目前看來只有輝達（NVIDIA）一家：GPU 本身、收購 Mellanox 做網路互連、CUDA 軟體生態，三條線最終讓輝達在這個市場坐穩了難以繞開的位置。

英特爾是那個反面案例。這十年，Atom 打行動晶片，2016 年放棄；Rialto Bridge GPU 2023 年取消，後繼的 Falcon Shores 也不對外推了；Omni-Path 網路互連 2019 年停掉。幾十億美元燒進去，頂尖工程師挖過來，一條也沒跑通。

高通目前在手機 SoC、汽車座艙、PC、IoT 和 XR 的佈局，本質上是同一顆底子長出的不同型號。資料中心是重起爐灶，供應鏈、銷售體系、客戶支援全部重來。C1000 的設計由 Nuvia 團隊負責，前蘋果班底，M1 的血統，設計本身翻車的機率相對低；難的是五條線同步推進的執行密度，這種組織能力能否同步擴張，比晶片技術難度更難從外部評估。

軟體這一關，為什麼最難過？

CUDA 已長了 15 年，幾百萬開發者在裡面跑生產工作流，早就不是工具，是整個生產環境。PyTorch 和 TensorFlow 的底層通路、幾萬篇論文的最佳化假設、幾千個調過的函式庫，全跑在 CUDA 上。這種生態靠的是社群慣性與轉換成本，不是靠工具更優秀就能撬動的。

AMD 的 ROCm 講過幾乎一模一樣的故事：開放、相容、替代 CUDA。十年了，ROCm 的技術完整度持續提升，但開發者的主要工作流程還是跑在 CUDA 上。Modular 想用 39 億美元和兩年時間建一套平行選項，MAX 平台的跨硬體定位動聽，Mojo 的技術路線也清楚。但 AMD ROCm 的前車說明一件事：技術上說得通的故事，不一定能打贏一個靠社群慣性支撐的生態。

押注算力供應鏈的創業者和工程師，現在有了一張可以逐項追蹤的時程表：高通把「分食輝達」從口號落成了具體節點。HBC 樣片（明年年中）、加速器年更節奏（明年起）、C1000 量產（2028 年中）。這是一張執行力驗收清單。哪條線先出問題，最慢到 2028 年，答案會比現在清楚很多。