高通骁龙芯片将整合 HBC 架构，提升端侧 AI 运行速度与能效
高通骁龙芯片将整合 HBC 架构：手机本地运行 AI 更快、更省电
高通把数据中心的 HBC 近内存计算下放到骁龙芯片，手机跑大参数模型能更快更省电，端侧 AI 玩法会变多。
高通在 2026 骁龙峰会上宣布，将把原本面向数据中心产品的 HBC（High Bandwidth Compute）架构下放到骁龙芯片。HBC 是一种近内存计算架构，把计算芯片放在堆叠式 LPDDR DRAM 下方，通过 3D 集成和硅通孔（TSV）缩短数据传输距离，缓解 AI 推理中的“内存墙”问题。整合 HBC 后，手机端可以更快、更省电地运行更大的 AI 模型，并支持更多本地 AI 功能和更长的上下文。
高通骁龙芯片将整合 HBC 架构：手机本地运行 AI 更快、更省电
IT之家 9 月 23 日消息，夏威夷时间 9 月 22 日 9 点（北京时间 9 月 23 日 3 点）召开的 2026 骁龙峰会上，IT之家带来前方现场报道， 高通宣布将会向骁龙芯片下放 HBC 技术。 IT之家注：HBC 全称为 High Bandwidth Compute，直译为“高带宽计算”，于 2026 年 6 月召开的投资者日上公开，最初面向数据中心产品，在本次活动中宣布未来将会应用于骁龙芯片。 该架构是一种近内存计算（near-memory computing）架构，将计算芯片放置在堆叠式 LPDDR DRAM 下方，通过 3D 集成和硅通孔（TSV）缩短数据传输距离，目标是缓解 AI 推理中的“内存墙”问题。 对于普通用户而言，高通骁龙芯片未来如果整合 HBC 架构，手机能够更快、更省电地运行更大的端侧 AI 模型， 而且可以在本地运行更多 AI 功能。 目前限制手机端 AI 的瓶颈，不再仅是 NPU 的乘加计算能力，还考验模型参数和中间数据在内存与处理器之间搬运的速度。HBC 通过把部分计算放到内存附近， 减少数据来回移动，有望降低延迟和内存功耗。 高带宽内存本身不等于更大容量，但如果 HBC 同时提高有效带宽、减少数据搬运，并改善每瓦性能，手机就有机会运行参数量更大、上下文更长的模型。