Qualcomm 与 Amazon 的 AI 交易让这家移动芯片领军企业成为 AWS 基础设施供应商

Qualcomm 与 Amazon 签署了一项跨多代产品的协议，涉及付款金额最高可达 600 亿美元，推动其数据中心布局从路线图走向量产。

这项 Qualcomm Amazon AI 交易涵盖面向 AWS 推理工作负载的定制芯片，以及速率达每秒 1.6 太比特的光连接。Amazon 还获得了与采购承诺、订单和已完成采购挂钩的认股权证。这一安排让该公告的分量远超一次有限的芯片评估。

其中的张力很明显。Amazon 已通过内部芯片业务开发 Trainium 加速器和 Graviton 处理器。如今，它在持续推进这些项目的同时，也将 Qualcomm 纳入长期供应商体系。这项安排表明，超大规模 AI 基础设施将结合内部设计与外部合作伙伴的专业技术。

对 Qualcomm 而言，这也是对移动时代的专业能力能否迁移至由加速器、内存、交换机和光连接密集构成的机架环境的一次考验。该公司获得了一个规模异常庞大的机会，但仍须在云规模下交付具备竞争力的芯片。

Qualcomm Amazon AI 交易实际涵盖什么

该协议横跨计算和连接两个领域，而这两部分正越来越共同决定 AI 推理的成本。

Qualcomm 于 2026 年 9 月 8 日宣布这项合作。其合作详情称，双方将开展跨多代产品的合作，为 Amazon 的大型 AI 数据中心开发定制芯片。

双方的合作重点是 AI 推理。推理是运行已训练模型，以生成回答、图像、推荐或自动化操作的过程。它不同于训练；训练利用大型数据集和大量算力来创建或更新模型。

这一区别很重要，因为推理正成为一项持续性的运营支出。模型可能只是定期训练，但在部署后，客户可以数百万次地查询它。每一次查询都会消耗处理能力、内存带宽、网络容量和电力。

Qualcomm 和 Amazon 尚未披露将采用定制芯片的最终芯片型号或 AWS 服务，也未公布具体性能目标、制程节点、内存配置或部署地点。

不过，Qualcomm 首席财务官兼首席运营官 Akash Palkhiwala 表示，生产已经开始。他在一次投资者会议上称，来自 Amazon 的收入将从 12 月所在季度开始体现。

这一时间表表明，首批商业合作并不需要等待全新一代处理器。初始采购可能涵盖现有服务器技术、生产服务，或与更大规模路线图相关的组件。

双方也在开发高性能光连接。Qualcomm 表示，该工作将采用其串行器-解串器技术，即通常所称的 SerDes，以及光学数字信号处理器。

SerDes 用于在并行和串行格式之间转换数据，以实现高速传输。光学 DSP 则处理在光纤中传输的信号，校正失真并支持高带宽下的可靠数据传输。

规划中的连接速率将达到 1.6T，即每秒 1.6 太比特，后续产品代际预计将突破这一水平。这些连接可用于连接规模不断扩大、分布日益广泛的 AI 数据中心网络中的设备。

这一部分协议很容易被忽略，但它有助于界定实际机会。若数据在处理器、内存和机架之间移动过慢，AI 加速器就无法保持高效率。闲置的计算资源仍会消耗昂贵的基础设施，并延迟客户工作负载。

因此，Qualcomm 并非仅以加速器供应商的身份进入 Amazon 的基础设施。它提供的是跨越多个产品代际的定制计算、连接技术、系统设计和制造支持。

这项合作是双向的。Qualcomm 计划扩大对 AWS 服务的使用，包括将 Amazon Bedrock 用于电子设计自动化工作负载。电子设计自动化软件可帮助工程师设计、验证并为芯片制造做好准备。

Qualcomm 表示，扩大 AWS 的使用旨在缩短芯片开发周期。该公司尚未提供经独立验证的缩短目标，因此这一收益仍是一项目标，而非已量化的结果。

最重要的变化仍在商业层面。Amazon 已将采购承诺和潜在股权持有，与一家此前更常与智能手机和边缘设备相关联的供应商联系起来。

这使 Qualcomm 定制 AI 芯片成为一项真正的超大规模项目，也为 Qualcomm 建立持久数据中心业务的努力设下了严格且公开的衡量标准。

Amazon 的认股权证使其不只是一次芯片试用

Amazon 的认股权证将其潜在的 Qualcomm 持股与商业进展挂钩，形成远超原型阶段的激励机制。

Qualcomm 的一份证券备案文件披露了此次公告背后的财务结构。Qualcomm 向 Amazon.com NV Investment Holdings 授予了一份认股权证，最多可购买 2,500 万股 Qualcomm 股票。

该认股权证的行权价为每股 161.26 美元，将于 2036 年 9 月 3 日到期。这一期限长达十年，与跨多代硬件合作关系所暗示的长期布局相吻合。

归属将分阶段进行。触发条件包括特定商业安排、具有约束力的采购订单，以及 Amazon 对 Qualcomm 产品、技术、系统和制造服务的实际采购。

该文件将与这些归属条件相关的付款上限设为 600 亿美元。这一数字并非保证采购合同、收入预测或即时投资。

这一区别至关重要。Amazon 不会仅因认股权证的存在就向 Qualcomm 支付全部金额。Qualcomm 必须获得相关安排和订单，并完成符合协议条件的采购。

不过，在认股权证授予时，已有 375 万股认股权证股份完成归属。Qualcomm 表示，这些股份与初始采购承诺相关。这表明 Amazon 已经超越了纯粹探索性的讨论阶段。

如果每一批股份均完成归属且 Amazon 行权，全部认股权证将代表一笔具有重要意义的潜在持股。行权价也意味着，Amazon 将向 Qualcomm 支付购股款项，但须受该认股权证无现金行权条款的约束。

这一结构在不消除不确定性的同时降低了不确定性。Qualcomm 获得了一家锚定客户，以及通往可观收入的路径。Amazon 则获得了对一家供应商的财务敞口；若双方共同建设的基础设施取得成功，该供应商的价值可能上升。

行业分析师 Matt Kimball 在接受AI 基础设施报道采访时表示，超大规模云服务商通常不会针对通用组件作出跨多代产品的承诺。他的解读指向一项更长期的架构计划，而非可替换零部件的订单。

这并不意味着 Qualcomm 会成为 Amazon 的独家供应商。AWS 已与多家芯片和网络公司合作，同时 Amazon 也在内部开发关键芯片。大型运营商通常会采用多个供应商，以管理成本、产能、技术要求和供应风险。

认股权证也不同于 Amazon 仅在公开市场购买 Qualcomm 股票。其归属时间表将潜在持股与商业关系绑定。更多 Qualcomm 业务可能解锁更多属于 Amazon 的股权机会。

这一安排为双方都带来了压力。Qualcomm 必须交付满足 Amazon 在性能、能效、良率和可靠性方面要求的硬件。Amazon 则必须将另一条定制芯片路线整合进复杂的基础设施组合。

Amazon 的兴趣也挑战了这样一种观点：每一家超大规模云服务商都希望将整个芯片栈完全内部化。内部设计依然具有价值，但外部合作伙伴可以提供专业知识产权和制造执行能力。

由此形成的模式是混合型的。Amazon 可以掌控工作负载、软件和系统要求，同时利用 Qualcomm 的工程团队和技术打造特定产品。这将开发工作分散到更广泛的技术基础之上。

对于企业买家而言，财务层面的新闻意义不及最终形成的 AWS 服务。客户无法将认股权证条款作为算力购买。他们需要可用实例、可预测的软件支持、透明的性能表现和具备竞争力的运营成本。

在 Amazon 公布基于该合作的产品或服务之前，认股权证仍是最有力的承诺证据。它尚不能证明最终硬件将优于既有替代方案。

Amazon 为何需要更多定制 AI 基础设施

Amazon 正在构建由专门设计的硬件组成的产品组合，因为没有单一处理器能够优化所有训练、推理、网络和通用计算工作负载。

AWS 已运营业内最成熟的内部芯片项目之一。Graviton 服务器处理器面向通用云计算，而 Trainium 加速器则服务于 AI 训练和推理工作负载。

Amazon 的内部芯片使其能够更好地掌控基础设施经济性。它可以围绕 AWS 的系统、软件和部署实践设计处理器，而不是接受面向众多客户的通用产品。

这一战略也为 AWS 提供了 Nvidia 硬件的替代选择。Nvidia 凭借加速器性能、软件生态系统和广泛的开发者采用，仍然是 AI 计算的核心力量。然而，超大规模云服务商有强烈动机实现昂贵且受限的基础设施多元化。

这项 Qualcomm Amazon AI 交易并不意味着 Amazon 正在放弃 Trainium。相反，它是在现有内部路线图的基础上，增加定制推理和连接选项。

这是对简单的 Qualcomm 对阵 Nvidia 叙事的重要修正。Qualcomm 并非进入一个由某款加速器取代另一款加速器的空缺位置。它正加入一个由不同处理器、网络、内存技术和软件环境构成的分层系统。

推理为更高程度的专业化创造了空间。训练大型模型通常强调最大化并行处理能力和高带宽内存。推理的经济性则更依赖于延迟、利用率、每瓦 Token 数，以及每个机架可交付的 Token 数。

Token 是语言模型处理的文本小单元。每瓦 Token 数将有用的模型输出与能耗联系起来，不过在不同模型、精度级别、批处理规模和延迟目标之间进行比较时，需要格外谨慎。

Qualcomm 数十年来一直在为功耗和散热能力受限的设备优化处理器。该公司认为，这种低功耗工程经验可帮助数据中心在固定电力限制内产出更多推理结果。

这一逻辑是合理的，但超大规模服务器带来了不同的挑战。手机处理器在需求波动下为单一设备提供服务。数据中心系统则必须协调数千个组件，同时保持可靠性、可维护性和可预测的性能。

Amazon 拥有运营这类环境的经验。Qualcomm 则具备处理器、连接、封装和制造方面的专长。双方的合作使各自能够获得独立复制这些能力所需时间较长的资源。

数据移动正变得同等重要。大型推理系统可以将一项工作负载分配到多颗芯片或多个机架上。系统必须传输模型参数、中间结果和客户数据，同时避免产生长时间延迟。

这解释了该协议为何聚焦于 1.6T 光技术。更快的连接能够提升可用带宽，但带宽本身并不保证更好的应用性能。系统架构、软件调度、拥塞管理和错误处理仍然至关重要。

Amazon 可以利用定制芯片，更紧密地协调这些层级。为 AWS 设计的产品无需满足所有可能的客户架构。它可以针对 Amazon 的机架布局、网络、编排软件和服务要求进行优化。

这一做法也给 Broadcom 和 Marvell 带来压力，二者为大型云运营商提供定制芯片和连接技术。Qualcomm 将计算和光学资产结合，为 Amazon 增添了一个谈判和工程实施的选择。

这同样给 AMD 和 Intel 带来压力，尤其是在云客户过去通常采购更标准化处理器的领域。每一项进入量产的定制设计，都会削弱通用商用芯片能够覆盖每一轮新基础设施周期的假设。

Nvidia 面临的是另一种形式的压力。其软件和加速器生态系统依然难以匹敌，尤其是围绕 CUDA 开发的工作负载。不过，云服务商可以将适合的推理工作负载导向内部或定制硬件。

结果并非一场单一的替代之战，而是围绕哪一家供应商能够获取 Amazon AI 基础设施的各个层级，以及 AWS 对最终系统的控制程度展开的竞争。

对开发者而言，这可能带来更多实例类型和性能选择。但当应用依赖 AWS 专属的编译器、运行时、库或模型服务功能时，也可能加深对平台的依赖。

企业团队需要在工作负载层面进行测量。如果迁移需要大量工程投入，或导致延迟不稳定，那么较低的芯片成本意义有限。如果某个快速加速器的软件栈无法运行所需模型，其价值同样有限。

Qualcomm 与 Amazon 的合作为平衡这些因素提供了另一种潜在工具。但这并不能免除其证明最终服务能为客户带来更优经济性的责任。

Qualcomm 定制 AI 芯片面临超大规模执行考验

Qualcomm 如今已获得商业验证，但尚未公布足够的产品细节来确立性能领先地位。

Amazon 协议紧随 Qualcomm 在 2026 年 6 月向更广泛数据中心基础设施领域扩张之后。其 Dragonfly 路线图涵盖服务器 CPU、推理加速器、高带宽计算技术、连接技术和定制芯片。

Qualcomm 将 Dragonfly C1000 定位为一款服务器 CPU，拥有超过 250 个核心，工作频率高于 5 GHz。该公司还提到其 PCIe Gen 7 连接能力超过每秒 2 TB。

这些规格由 Qualcomm 提供，待量产硬件推出后仍需进行独立测试。规格也无法反映应用性能、系统可靠性、软件成熟度或现实环境中的总体拥有成本。

该路线图包括 AI200、AI250 和 AI300 推理加速器，并采用年度产品节奏。Qualcomm 表示，这些系统瞄准机架级推理市场，买家评估的是集成单元，而非孤立的处理器。

Qualcomm 还推出了高带宽计算技术，以解决内存数据移动和能耗问题。相关细节仍然有限，因此难以将该设计与成熟加速器供应商的高带宽内存系统进行比较。

该公司设定目标：在 2029 财年实现超过 150 亿美元的数据中心营收。Amazon 为这一目标提供了更坚实的基础，但该目标仍属于管理层指引，而非签约收入。

Qualcomm 与 Meta 还建立了另一项重要的云规模合作关系。根据 Meta CPU 协议，Dragonfly C1000 计划用于 Meta 的下一代服务器集群。

该项目的量产计划于 2028 年下半年开始。这个较远的时间点表明，服务器认证、软件准备、制造和部署所需周期之长。

据 Qualcomm 称，来自 Amazon 的初始收入将更早到来。但双方尚未说明，广泛产品合作中的哪一部分会带来这项近期收入。

这一缺失细节构成了本文的主要不确定性。以采购支持的认股权证证明了合作承诺，但投资者和客户仍需了解 Amazon 首先采购的是什么。

Qualcomm 还需要成熟的软件环境。硬件采用取决于编译器、模型框架、监控工具、编排软件和调试支持。开发者期望常见模型无需大量手动优化即可运行。

Nvidia 最大的防御优势不只是芯片性能。CUDA 多年来积累了库、工具、培训材料和经验丰富的开发者。竞争芯片即使规格具有吸引力，也可能因软件集成带来成本或延迟而陷入困境。

AWS 可以通过在硬件之上部署抽象层来缓解这一问题。托管服务能够向客户隐藏部分芯片专属细节。例如，Amazon Bedrock 提供模型和推理服务访问，无需每位用户直接管理服务器。

这种安排可以使 Qualcomm 定制 AI 芯片在开发者尚未主动选择它们之前，就获得有意义的利用率。AWS 可根据性能、可用性和经济性，将适当工作负载路由至不同硬件。

然而，对可移植性有严格要求的客户会更仔细地审视底层技术栈。他们可能会抵触那些造成对单一云平台或单一专用运行时技术依赖的服务。

能效同样需要谨慎验证。Qualcomm 的移动业务背景支持其工程主张，但企业买家需要在可比模型和服务级别目标下获得标准化结果。

一款处理器可能在某种批处理规模下节省能源，却在另一种规模下产生不可接受的延迟。一个在受控演示中表现出色的机架，可能会在持续多租户运行期间遇到不同的瓶颈。

制造也带来另一项风险。先进处理器需要先进制程、封装、内存、光学组件以及审慎的供应协调。强大的芯片设计并不自动保证能够实现大规模交付。

Amazon 的规模使生产质量要求尤其严苛。即使是很低的组件故障率，在设备部署于众多设施时也会产生显著的运营影响。

Qualcomm 还必须同时管理多条路线图。它正在开发 CPU、推理加速器、连接产品、定制设计和软件。广度能够创造系统级优势，但也可能拉紧工程资源。

因此，Amazon 协议验证了 Qualcomm 的相关性，却并未确定竞争结果。最有力的证明将来自量产服务、透明的基准测试、客户采用和经常性收入。

光连接是这笔交易的战略核心

此次合作将网络视为 AI 计算系统的一部分，而不是在处理器决策完成后才采购的设备。

大型 AI 系统会将工作分散到许多处理器上，因为单颗芯片无法高效地容纳或执行每一个模型。这种分布式设计增加了服务器内部、机架之间和设施之间传输的数据量。

当这些连接发生拥塞时，昂贵的加速器会等待信息。系统为无法产生有效输出的计算能力付费。因此，改进数据移动能够提升有效性能，而不只是增加更多处理器。

Qualcomm 与 Amazon 的光学合作瞄准最高每秒 1.6 太比特的连接。双方还提到超越该速率的下一代解决方案，进一步凸显了协议的长期性质。

Qualcomm 通过收购 Alphawave Semi 强化了其投资组合中的这一部分。该业务带来了高速连接知识产权，以及服务数据中心市场的经验。

其战略理念是协同设计。Qualcomm 和 Amazon 可以在同一开发项目中协调计算接口、网络组件、光学 DSP 和系统要求。

协同设计意味着共同优化相关硬件和软件，而不是将每个组件视为独立部分。这种方法能够减少处理器吞吐量与网络容量之间的不匹配。

它也可能形成更紧密的供应商依赖。当计算和连接围绕某个客户的架构进行设计时，这些产品可能难以迁移到另一个环境。

如果最终基础设施改善了 AWS 的经济性，这对 Amazon 而言是可接受的。然而，Qualcomm 必须在定制项目与可服务更广泛市场的产品之间取得平衡。

Broadcom 和 Marvell 已在定制云芯片和高速网络领域占据重要位置。Amazon 不太可能仅仅因为新增 Qualcomm，就淘汰现有供应商。

多家供应商可以服务于不同代际、产品系列和网络层级。它们还可以在产能短缺或技术过渡期间提供冗余。

这使 Qualcomm 的机会可观，但竞争也十分激烈。其优势将取决于计算与连接的整合能否带来可量化的系统收益。

对 AWS 客户而言，光学组件大多不可见。客户关注的是响应时间、服务可用性、模型兼容性、地域覆盖和计费效率。

尽管如此，网络设计会塑造所有这些结果。更快、更高效的连接能够支持更大的集群、减少闲置产能，并在设施的电力预算内支撑更多模型请求。

这对智能体 AI 工作负载尤其相关。AI 智能体在规划、搜索、使用工具和检查结果时，可能会反复调用模型。一次用户请求可能形成一连串推理操作，而不是单次响应。

更多推理步骤提升了可预测延迟和成本的重要性。在多次模型调用中重复出现的轻微低效，可能成为实质性的运营负担。

同样的模式也适用于企业知识工作负载。团队会将模型推理与检索、文档处理、权限和应用数据结合。管理信息层仍然不同于选择底层加速器。

个人知识库可以整理用于检索的源材料，而 AWS 基础设施则提供远程模型容量。更好的芯片无法取代审慎的数据管理。

高通的光学战略之所以重要，是因为它解决的是这些可见应用之下的基础设施问题。用户或许永远不会知道是哪一颗 DSP 在传输他们的数据，但其性能会影响他们实际体验到的服务。

这使得连接能力成为这项协议中低调却核心的部分。定制处理器吸引了更多关注，但协同的数据传输能力或许才决定 Amazon 能否从中获得真正价值。

三个信号将显示该战略是否奏效

产品披露、经验证的运营结果以及可持续的经常性收入，将决定这是否会成为一项长期的基础设施业务。

第一个信号，是某项明确点名的 AWS 服务或生产平台采用高通技术。Amazon 和高通需要说明首批采购将支持什么，以及客户何时能够使用由此形成的基础设施。

明确披露的部署将说明，高通究竟提供的是推理处理器、连接组件、制造服务，还是一套组合系统。它也将让客户能够测试真实工作负载，而不是解读企业路线图。

如果 AWS 在多个区域广泛提供这项服务，这一信号将进一步提升该交易的重要性。规模有限的内部部署同样具有意义，但能够支持的结论会更为有限。

第二个信号，是可由独立方进行比较的性能表现。买家应关注在现实模型条件下的每瓦 token 数、每机架 token 数、延迟、正常运行时间以及软件兼容性。

测试必须说明模型规模、精度、批处理方式、输入长度、输出长度和服务目标。缺少这些背景，醒目的性能数据可能造成误导性的比较。

经验证的能效将支持高通的观点：其低功耗设计经验能够迁移至数据中心。即使硬件峰值吞吐量看似具备竞争力，薄弱的软件支持或不稳定的延迟表现仍会削弱这一主张。

第三个信号，是收入从初始量产逐步发展为持续性的数据中心销售。高通表示，来自 Amazon 的收入将从 12 月所在季度开始确认，并设定了在 2029 财年实现可观数据中心收入的目标。

投资者应区分认股权证上限与已确认收入。最高付款条件描述的是十年内潜在的商业规模，而非年度销售承诺。

渐进式归属也可能提供额外线索，因为该认股权证将股份与安排、订单及采购挂钩。不过，高通的财务报告将更清楚地衡量量产是否扩大。

竞争对手的反应将提供辅助背景。Broadcom、Marvell、AMD、Intel 和 Nvidia 将继续改进定制芯片、网络、加速器和软件。AWS 也将持续推进 Trainium 和 Graviton。

如果这项 Qualcomm Amazon AI 交易能够在这些项目之外催生差异化的 AWS 服务，其意义将更加重大。若采购仍仅限于狭窄的组件范围或短期生产批次，其重要性则会降低。

企业技术负责人不应围绕认股权证这一新闻焦点来选择云战略。他们应测试完整应用，包括模型质量、检索、网络、安全性和运营支持。

开发者应关注任何由高通支持的服务周围的软件接口。可移植性、框架支持、可观测性和可预测的定价行为，比处理器品牌本身更重要。

高通通过与超大规模客户进入量产，并获得与采购挂钩的股权结构，已经跨过了一个重要门槛。但它尚未跨过更难的一道门槛：建立公开、可衡量的基础设施领导地位。

下一个问题很实际：当 AWS 推出首项基于高通的服务时，你的团队会对完整工作负载进行基准测试，还是仅凭芯片规格作出判断？这项测试应包括延迟、能效、模型支持、数据传输和迁移成本。首先跟踪明确披露的部署，其次关注独立性能，第三观察经常性收入。这些信号将显示，高通究竟是在数据中心建立起一项可持续的第二业务，还是仅获得了一个异常庞大的项目。在此之前，这项协议因其结构和范围值得关注，但其最终的技术影响仍有待观察。