当地时间 11 月 6 日，谷歌母公司 Alphabet 披露的持仓文件显示，截至 2026 年第三季度末，公司持有芯片巨头高通约 297.7 万股股票，持仓市值约为 5.48 亿美元。而在 6 月底的文件中，Alphabet 尚未持有高通股份。
消息公布后，高通盘前股价一度上涨超过 3%。鉴于高通正试图摆脱对手机芯片业务的依赖，这笔新增持仓被市场解读为与其数据中心业务布局有关：高通正从移动芯片向 AI 基础设施转型，而谷歌也在为日益增长的 AI 需求扩建算力。
在最新的第四财季业绩报告中，高通首席执行官克里斯蒂亚诺·阿蒙（Cristiano Amon）重申，公司计划在 2027 财年实现 50 亿美元的数据中心收入；按照此前目标，到 2029 财年，这一数字将超过 150 亿美元。
不过，随着更多细节浮出水面，Alphabet 持股高通也引发了另一种解释。据 The Information 报道，这笔持股可能与高通收购美国 AI 软件初创公司 Modular 有关。Alphabet 旗下投资机构 GV 曾投资 Modular，高通在今年收购该公司时，主要以发行自身股票作为交易对价。高通提交的 SEC 文件显示，GV 旗下两家基金被列为出售股东，合计持有约 319.6 万股。
但这一数字与 Alphabet 披露的 297.7 万股并不完全一致，两份文件的持股数量尚未得到完整对应，具体关联仍需进一步观察。
高通正在寻找下一个增长点
过去很长一段时间，高通的商业模式与智能手机市场紧密绑定。作为全球主要的移动芯片供应商，其骁龙处理器广泛应用于安卓手机，基带芯片和通信专利授权业务为公司带来了长期稳定收入。
但随着智能手机市场逐渐成熟，这种业务结构面临新压力。一方面，全球智能手机出货量增长趋缓，厂商重视成本控制；另一方面，苹果持续推进自研基带芯片，使高通面临长期客户流失风险。2026 财年第四季度业绩已显现这一趋势：受智能手机业务走弱影响，当季手机芯片收入同比下降约 26%，降至 51.4 亿美元。
（来源：高通）
过去几年，高通已陆续加大在汽车、物联网、个人计算和工业领域的投入，试图将移动芯片领域积累的低功耗计算、通信和芯片设计能力迁移至更多场景。随着生成式 AI 的发展，高通看到了一个更大的市场：数据中心。
过去，数据中心 AI 计算主要由英伟达 GPU 主导。但随着 AI 应用规模扩大，尤其是从简单问答走向智能体，模型需要持续调用工具并处理更多请求，推理计算量大幅增加。对于云服务商而言，除了芯片性能，计算成本、能源消耗及数据中心运营效率成为关键考量。
这为高通提供了切入机会。其长期积累的低功耗计算技术，以及 CPU、GPU、NPU 等协同设计能力，理论上可在部分数据中心工作负载中发挥优势。特别是在 AI 推理市场，客户对性能、能耗和成本平衡的关注度越来越高。
2026 年 6 月，高通正式公布数据中心业务路线图，推出面向数据中心的 Dragonwing 产品组合，包括 C1000 CPU、AI300 推理加速器及高带宽计算技术（HBC）等。与传统 GPU 路线不同，高通希望通过 CPU、AI 加速器、内存和互联技术的组合，提供覆盖数据中心不同环节的计算解决方案。公司提出，到 2029 财年，数据中心业务收入将超过 150 亿美元，非手机业务收入达到 400 亿美元。
这意味着，高通不满足于仅做芯片供应商，而是希望将移动终端形成的软硬件协同能力延伸至云端基础设施。
Modular 的收购补上了其中的软件环节。这家初创公司专注于 AI 软件基础设施，核心产品包括编程语言 Mojo 和 AI 推理平台 MAX，旨在解决不同芯片架构间的软件适配问题，降低开发者在不同硬件上部署和优化 AI 模型的门槛。这对高通进入数据中心市场至关重要，有助于弥补其在开发者生态和软件工具链上的短板。
数据中心的芯片之争
高通进入数据中心并非孤立动作。过去两年，AI 算力需求持续增长，数据中心竞争已从单纯采购 GPU 延伸至芯片设计、内存、网络互联和软件生态等环节。大型科技公司越来越多地参与芯片设计，希望通过定制化方案降低成本、提高能效，并减少对单一供应商的依赖。
英伟达依然占据主导地位，其优势不仅在于 GPU，更包括 CUDA 软件生态、网络互联技术及完整系统解决方案。但高昂的成本和供应限制促使大型云厂商寻找替代方案。
AMD 正通过 Instinct 系列加速器争夺 GPU 市场；博通重点为大型科技公司设计定制化 AI 芯片（ASIC），在能效、成本和性能方面形成差异化；Marvell 等公司也在网络互联和定制计算领域寻找机会。
与此同时，云计算巨头纷纷自研芯片：谷歌有 TPU，亚马逊有 Trainium 和 Inferentia，微软推出 Maia，Meta 推进 MTIA。对云厂商而言，自研与外部采购并不矛盾，关键是为不同任务找到最合适的硬件方案。
高通的进入正发生在这一产业分工变化之中。今年 6 月公布路线图后，高通加快争取与大型科技公司合作。9 月，公司宣布与亚马逊云科技（AWS）开展多代定制芯片合作，围绕 AI 推理计算和数据中心光互联布局。此外，高通还在与微软、Meta 等公司推进数据中心芯片业务。
（来源：高通）
值得注意的是，高通与亚马逊的合作已超越传统采购关系。据报道，双方协议允许亚马逊在未来采购最高约 600 亿美元的高通 AI 数据中心芯片及相关产品，同时高通向亚马逊授予了涉及最高 2,500 万股股票的认股权证。这表明亚马逊的股权安排与实际采购业务存在紧密联系。
然而，获得订单只是第一步，交付能力是现实考验。高通 CEO 阿蒙指出，当前 AI 基础设施建设面临供应链紧张，先进制程产能有限。高通需确保芯片制造和产品交付能跟上需求。
此外，高通还需面对英伟达、AMD 以及深耕云厂商供应链的博通和 Marvell。它需要证明的不仅是芯片性能，还包括软件兼容性、系统集成能力和长期供货稳定性。
谷歌的算力版图
如果说高通在寻找进入数据中心的机会，谷歌则是另一种典型：它既是 AI 算力的巨大需求方，也是芯片设计者和云计算服务提供商。
谷歌早在 2015 年就推出第一代张量处理单元（TPU），最初用于加速内部机器学习任务。如今，TPU 已成为谷歌 AI 基础设施的重要组成部分，不仅支撑 Gemini 等模型的训练和运行，也通过 Google Cloud 向外部客户提供算力。
但自研芯片并不意味着摆脱外部供应商。芯片设计只是数据中心建设的一环，处理器、内存、网络交换芯片、高速互联和服务器等仍需多方参与。定制 AI 芯片往往需要设计公司、代工厂和云服务商共同完成。
博通是谷歌体系中最重要的合作伙伴之一，双方在多代 TPU 的设计与供应上合作多年。今年 4 月，博通披露与谷歌签署长期协议，将继续支持未来几代 TPU 及下一代 AI 服务器机架的网络组件，合作期限最长延续至 2031 年。
Alphabet 此前也持有 Arm 股份，并与 Marvell 建立定制 AI 芯片合作关系。2026 年 8 月，媒体报道 Marvell 为谷歌提供了最高约 122 亿美元的潜在股票认购安排，权益与定制芯片合作目标挂钩。
这意味着，谷歌在发展自研 TPU 的同时，也通过多种形式与外部芯片企业建立联系。博通参与 TPU 设计，Marvell 参与定制开发，英伟达 GPU 满足部分需求。对谷歌而言，这是为了降低对单一供应商依赖，获得更大的算力调配空间。
高通能否进入谷歌体系？
从技术方向看，两家公司存在潜在交集。高通的低功耗计算、CPU 设计和异构计算能力，与谷歌扩张的 AI 基础设施有一定衔接空间。随着 AI 推理需求增长，数据中心对计算能效和单位 Token 成本关注提高，高通的计算架构有了更多应用场景。
但这并不意味着谷歌已成为高通数据中心芯片的潜在客户。目前公开信息中，尚无证据表明双方就数据中心芯片采购或定制计算达成合作。Dealroom 分析指出，13F 文件仅反映季度末持仓，不披露买入时间、成本和投资目的。
谷歌与高通现有的合作基础主要来自移动终端和汽车领域。双方合作已持续十多年，从骁龙芯片与 Android 生态，到近年来的汽车和个人计算。2026 年 1 月，双方扩大汽车领域合作，将高通 Snapdragon 数字底盘与谷歌 Android Automotive OS 及云服务结合；9 月，谷歌推出 Googlebook，采用高通 Snapdragon X Elite 处理器。合作范围正从移动终端向更多计算场景延伸。
Alphabet 此次披露的持股，究竟有多少与 Modular 收购有关，目前尚不能完全厘清。但这反映了两家公司的产业布局趋势：高通正试图从移动芯片走向数据中心，谷歌则在自研芯片之外，不断拓展算力供应链。
这笔股权背后是否存在更深层次的产业联系，目前难下定论。可以确定的是，随着 AI 算力竞争深入，芯片公司与科技巨头之间的关系正在发生变化。高通能否成为数据中心市场的新玩家，以及它与谷歌能否在算力领域产生新的合作，值得持续关注。
注：封面/首图由 AI 辅助生成