扫描下载APP
其它方式登录
高通全球副总裁徐晧在WAIC荣耀分论坛提出‘智能体之年’已至，强调终端需从被动响应转向主动服务，通过异构计算、低功耗传感器中枢、端侧AI算力及实时连接能力，构建以智能体为中心的个性化终端新范式，并深化与荣耀等伙伴的生态协作。
高盛等美国五大银行二季度业绩超预期，高盛股票交易收入创纪录达74.2亿美元，AI相关融资、承销、交易及数据中心贷款正成为银行利润新增长点；银行作为AI资本流动的金融中介，通过交易抽成和资本服务受益，但AI红利尚处早期增量阶段，可持续性取决于交易活跃度、贷款质量及企业AI投资回报兑现。
华尔街六大行2026年Q2业绩普遍超预期，高盛利润翻倍、摩根大通创季度净利润纪录，主因地缘冲突推升交易收入及SpaceX史上最大IPO（860亿美元）带来巨额投行业务手续费。尽管整体盈利强劲，股价反应分化，花旗等因未上调长期目标遭抛售。
硅谷创业公司Nexa AI成立3年、团队仅12人，凭借专注端侧AI的开源SDK（Nexa SDK）和对高通NPU的深度适配能力，实现新模型“Day-0支持”，获高通收购并整合为GenieX。其核心价值在于硬件感知型软件设计、快速模型部署能力及已形成的开发者生态，助力高通强化端侧AI平台竞争力。
文章探讨端侧AI加速落地的趋势，分析Fable 5等大模型无法本地运行的现实瓶颈，指出苹果M7、高通骁龙X2、英伟达DGX/RTX Spark等硬件迭代与Gemma 4、Qwen3.6、MiniCPM等轻量化开源模型共同推动AI从云端向终端迁移；同时揭示其代价：硬件溢价、功耗散热、生态绑定、更新滞后与隐私权限挑战。
文章聚焦AI大模型发展中的核心瓶颈——内存墙问题，分析其成因（算力与存储带宽提升严重错配）及产业应对路径：软件层面通过KV缓存压缩、分层调度盘活存量内存；硬件层面重构存算架构，包括高带宽存储堆叠（如HBC）、CXL共享内存池、新型混合存储介质（如HBF）等，强调软硬协同是破局关键。
AI算力爆发推动光互联技术升级，光芯片成为新瓶颈。博通与Marvell长期垄断高端PAM4 DSP市场，但联发科领衔的台湾光芯片军团（含达发科技、元澄半导体）及高通正通过差异化技术路线（Micro LED、CPO、可组合光芯粒等）和全链条布局加速突围，挑战双寡头格局，推动全球光通信芯片市场走向三足鼎立。
伯恩斯坦将高通目标价大幅上调至235美元，反映对其AI数据中心、汽车和IoT等非手机业务长期增长潜力的认可，但维持Market Perform评级，因手机业务下滑、运营费用上升及数据中心毛利率不确定性构成短期制约，远期故事尚未转化为确定性盈利。
高通在2026年投资者日公布面向AI数据中心的完整战略：发布Dragonfly C1000 CPU、AI300推理加速器和高带宽计算（HBC）技术，宣布与Meta达成多年期合作，并收购AI软件公司Modular；将2029财年非手机业务营收目标上调至400亿美元，其中数据中心业务超150亿美元，汽车与物联网业务分别达100亿和140亿美元。
高通宣布全面进军AI数据中心市场，发布Dragonfly CPU、AI300加速器及HBC芯片，获Meta成为其数据中心CPU供应商、微软Azure部署HBC平台，预计2027年数据中心业务收入达数十亿美元，2029年超150亿美元，标志其从手机芯片巨头向全栈AI基础设施供应商战略转型。
工信部强调加强新一代通信网和算力网规划建设，推进双万兆网络与多层次算力体系建设；高通正与字节跳动洽谈定制芯片设计服务，聚焦视频处理单元；央行开展5000亿元MLF操作以保持流动性；多部门启动工业5G独立专网试点，深化5G+工业互联网融合应用。
文章梳理2026年香港身份申请的八大主流路径，包括高才通、优才、技术专才及职专VPAS等，对比各计划的核心逻辑、企业聘用门槛及优缺点，旨在帮助申请人规避误区、节省中介费用，并强调以香港入境事务处官方信息为准。
高通拟以80亿至100亿美元收购Jim Keller创立的AI芯片公司Tenstorrent，旨在突破智能手机业务依赖，快速切入云端AI算力与数据中心市场，并借助其RISC-V高性能CPU、低成本AI加速架构及汽车芯片技术，实现多元化战略转型。
2026年XR行业迎来关键拐点，Xreal与Google联合发布首款搭载Android XR系统和高通骁龙Reality Elite芯片的分体式智能眼镜Xreal Aura，强调轻量化、大视场角与成熟生态；Snap同期推出一体化AR眼镜SPECS，但因高售价、笨重设计和孤立生态受限。文章指出Android XR+高通芯片构成统一平台，正降低行业门槛，推动XR眼镜进入规模化竞争阶段。
LPDDR正从消费电子领域大规模转向AI推理芯片应用，成为端侧、边缘到云端全场景的主流内存方案。高通、英特尔、英伟达、AMD、曦望科技等厂商在数据中心、端侧AI和AI PC中集体采用LPDDR，核心驱动力在于其低成本、大容量、低功耗及风冷部署优势，契合推理场景对TCO和容量的优先需求，标志着AI算力竞争从训练时代的HBM带宽竞赛转向推理时代的容量与成本效率竞赛。
