高通整了个HBC架构，说存储能效是HBM的6倍，兄弟你又来这套

高通整了个HBC架构，说存储能效是HBM的6倍，兄弟你又来这套

图片

6月25日，高通在2026投资者日上发布了高带宽计算（High-Bandwidth Compute，HBC）架构，将专用近内存加速器堆叠在LPDDR存储堆栈下方，通过TSV硅通孔技术实现3D堆叠芯片设计。高通说这个技术的存储能效是HBM的6倍，兄弟，你这是又来"PPT跑分"这套吗？

什么是"存储墙"瓶颈

现在的AI芯片，算力提升很快，但是存储器的读写速度提升很慢，导致AI训练的时候，GPU大部分时间都在等数据，而不是在算。有句话怎么说的，AI训练一半时间在等数据，一半时间在算。

解决这个问题的方法有两个：

• 
  

• 提升存储器的带宽（比如HBM）

• 
  

• 把计算单元搬到存储器旁边（近内存计算）

• 
  

HBC架构：近内存计算方案

图片

高通的HBC架构，属于第二种，也就是近内存计算。具体来说，就是把专用加速器（比如AI推理的NPU）直接放在DRAM的下方，通过硅通孔（TSV）跟DRAM连接。

📊 核心改进：

数据传输距离从原来的毫米级缩短到微米级，功耗和延迟都大幅降低。

6倍能效：仿真数据≠实测数据

高通说存储能效是HBM的6倍，这个数据是怎么算出来的？应该是基于仿真数据，不是实测数据。仿真和实测，中间差了多少？有可能差了10倍。也就是说，高通的6倍，实际可能只有1.5倍或者2倍。

散热难题：适合推理不适合训练

图片

3D堆叠芯片，说起来容易，做起来难。首先，散热就是个大问题。CPU或者GPU发热已经很猛了，现在还要在下面叠一层DRAM，那热量怎么散？

高通的解决方案是，用低功耗的NPU，而不是高功耗的GPU。也就是说，HBC架构适合AI推理，不适合AI训练。

vs 苹果M系列：统一内存的区别

图片

方案

连接方式

特点

苹果M系列

高速总线

封装在同一基板

高通HBC

TSV硅通孔

距离更短，功耗更低，实现难度更大

量产时间：至少2-3年后

图片

高通没有公布HBC架构的量产时间。3D堆叠芯片的良率很低，成本高得离谱。等量产的时候，HBM4或者HBM5都出来了，届时效能还有6倍吗？不一定。

💡 总结

高通这次是在押注未来，押注近内存计算会成为主流。押对了，高通就能在AI芯片市场分一杯羹；押错了，那就是又整了个活。