高通 HBC 技术解析：通过“近内存计算”破解 AI 手机性能瓶颈

事件概述

随着生成式 AI 在移动端的普及，传统芯片架构面临严峻挑战。高通提出高带宽计算（High Bandwidth Compute, HBC）理念，旨在解决 AI 推理过程中的效率瓶颈，并通过下一代骁龙平台的硬件升级，重新定义 AI 智能体手机的算力分配逻辑。

核心信息

1. 痛点：“内存墙”与数据搬运成本

• 现象：AI 模型规模膨胀速度快于内存带宽增长，导致大量时间和能耗消耗在数据从内存到计算单元的搬运上，而非实际计算。
• 推理阶段差异：
  • Prefill（预填充/读题）：涉及大量矩阵运算，依赖高计算能力。
  • Decode（解码/答题）：每生成一个 token 需读取大量上下文参数，但计算量相对有限，主要瓶颈在于数据供给速度。
• 类比：如同餐厅后厨（内存）与餐桌（计算）距离过远，传菜员（总线带宽）不足，导致上菜慢。

2. 解决方案：HBC 近内存计算架构

• 核心理念：将计算单元移至内存附近，减少数据搬运距离，从而加速 AI 推理并降低功耗。
• 适用场景：适合数据搬运成本高、计算强度适中的操作，如矩阵乘、向量运算、Embedding 查询及部分 Attention/KV Cache 操作。
• 分工策略：并非取代传统计算，而是形成异构分工。CPU/GPU/NPU 仍负责复杂计算任务，HBC 处理高频数据交互任务。

3. 下一代骁龙平台硬件升级

为适配 AI 智能体（Agent）需求，高通对核心组件进行了针对性优化：

• Oryon CPU：
  • 实现最高 5GHz 主频，提升单核性能。
  • 引入 FlexCache 可扩展缓存架构：允许不同核心共享缓存池，动态调整空间。当超级内核负载增加或线程迁移时，数据无需往返系统内存，降低延迟。
• Adreno GPU：
  • 集成 Adreno Matrix Cores：专门用于 AI 和矩阵计算的硬件加速核心。
  • 推出 Adreno Neural Fusion：将神经网络处理、AI 超分辨率和帧生成统一至图形管线。
  • 新增 18MB Adreno HPM（独立高速显存）：存放渲染目标、纹理等中间结果，使更多图形和 AI 数据保留在 GPU 内部，避免频繁访问系统内存。
• Hexagon NPU：
  • 新增 Element Accelerator：专为 Transformer 工作负载设计。
  • 扩大共享内存：容量最高扩容 50%，将 KV-cache（工作记忆）、模型状态和上下文保留在靠近加速器的位置，显著减少访问 DDR 内存的次数。
  • 支持 混合专家模型（MoE）：通过动态路由机制，仅激活部分参数（如 30B 模型每次仅激活约 30 亿参数），降低实际计算负载和内存带宽需求。

4. 系统级协作：AI 智能体调度

• Sensing Hub：保持低功耗环境感知。
• Oryon CPU：作为“领班”，负责规划、推理和工作流编排（如判断何时调用工具或访问云端）。
• Hexagon NPU：承担主要的端侧高效 AI 推理。
• Adreno GPU：参与多模型推理，同时维持图形渲染任务。

值得关注

• 体验导向：底层复杂的调度（如 KV-cache 管理、缓存共享）对用户透明，最终体现为手机更懂用户意图、响应更快、多任务切换更流畅。
• 行业趋势：手机芯片设计正从单纯的“算力堆叠”转向“能效与数据流动优化”，以应对 AI Agent 对实时性和连续性的严苛要求。