3月份的巴塞罗那天气总是不错，温度也很适宜，算起来这是雷科技连续第三年派出MWC现场报道团，当小雷穿梭在Fira Gran Via的各个展厅之间时，最直观的感受是人变得更多了，而且AI几乎渗透到每个品牌的产品矩阵里。

如果说两年前MWC展示的AI还在“云端漫步”，那么2026年的MWC则是告诉我们：AI已经落地。这里指的并不仅仅是AI变得更加普及、实用，还有AI算力正在从云端走到端侧，走到我们的身边。

小雷还记得在2025年的MWC展览里和骁龙的工作人员交流时，对方说的一句话：“AI不会只存在于云端，最终还是会回到我们的身边，你的手机、你身边的路由器、你头顶的基站，它们最终都会成为AI算力网络的一环”。

在过去的时间里，无论是智能手表还是AR眼镜，本质上都不过是智能手机的“外挂配件”，它们负责接收通知、监测数据，但真正的数据中枢始终躺在你的口袋里。然而在今年的MWC上，小雷看到了一场彻底的变革。

高通在MWC上正式发布了骁龙可穿戴平台至尊版，在过去，我们很难想象在一块电池容量仅有几百毫安时的手表上运行大模型，但高通做到了，他们通过引入专用的NPU单元，硬生生地将20亿参数（2B）级别的模型塞进了表盘之下。

图源：高通

它意味着你的手表不再是一个只会回答简单问题的语音助手，而是一个真正具备逻辑推理能力的AI设备。试想一下，当你在户外跑步时，无需携带手机，手表就能根据你的心率和实时配速，通过本地模型动态调整训练计划，甚至像一位专业教练那样给出即时的语音指导。

这种体验的关键就在于计算的“随身”，而且端侧模型让数据不需要通过无线协议传输到手机或者云端来进行推理，不仅杜绝了隐私泄露的风险，也让可穿戴设备在更多场景中都能单独运行。

小雷认为，这标志着智能手表正式告别了“手机副屏”的尴尬定位，它开始拥有了自己的“灵魂”，这也难怪三星的下一代手表会放弃使用多年的猎户座芯片，转投骁龙旗下，因为是否有端侧AI，将成为未来智能手表的分水岭。

如果说高通是在重塑智能手表，那么联发科则是在重新定义我们眼前的世界。在联发科的展台，天玑9500驱动的AI智能眼镜让我看到了穿戴设备摆脱云端依赖的另一种可能。

图源：雷科技

此前市面上的智能眼镜，大多只是一个带摄像头的蓝牙耳机，或者是一个把手机屏幕投射到眼前的显示器，实际上就是受限于端侧性能的不足，无法满足实时的多模态推理需求，而天玑9500则是可以通过强大的端侧算力，让眼镜真正“看懂”了世界。

比如你戴着智能眼镜查看外文菜单，即使没联网也可以直接进行翻译等操作，甚至可以问AI模型“哪道菜最辣”之类的问题，这种“所见即所问”的交互，完全依赖于本地算力对图像的实时语义分割与理解。这意味着，即便你身处没有信号的异国街头，这副眼镜依然是你最可靠的翻译官和向导。

作为联发科的旗舰平台，天玑9500最核心的突破在于其端侧算力对视觉与语音数据的并发处理能力，这使其非常适合用于智能眼镜等设备上，据悉联发科后续有计划推出基于天玑9500设计的智能眼镜，大家或许可以期待一下。

在小雷看来，可穿戴设备的“独立化”已成定局，芯片厂商们不再满足于将可穿戴设备做成手机的附庸，它们正在通过算力下沉的方式，赋予每一个设备独立的“思考”能力，这将彻底改变可穿戴设备的使用体验。

如果说往年的MWC是在讨论“更快的网速”和“更低的时延”，依然是在无线网络的传统领域打转，那么在MWC 2026里，小雷则是看到了运营商与基础设施供应商们，正在密谋“杀死”传统网络。

在过去，电信网络的唯一使命是“连接管理”，即如何高效地将数据包从A点搬运到B点。而在今年，随着AI应用向终端下沉，数据在本地进行推理的需求指数级爆发，直接导致电信网络的核心不再只有吞吐量，AI 负载调度成为新的核心需求。

因为网络不仅要传输数据，更要在传输的过程中处理数据，所以能够看到英特尔、华为和AMD等芯片厂商，都在与电信运营商和供应商合作，打造新一代的电信网络，以此来承载未来庞大的AI边缘计算需求。

图源：雷科技

在英特尔的展台，他们就重点展示了Xeon 6系列处理器，小雷在现场注意到，与往年不同的是，Xeon 6系列此次特别强调了在电信级负载下的能效表现。英特尔通过在芯片内部集成针对特定电信指令集的加速单元，试图解决一个核心问题：如何在不增加散热预算和机房电力扩容的前提下，让核心网具备大规模AI推理能力。

站在电信运营商的角度来说，这点无疑是非常重要的，因为边缘侧部署AI推理的核心原因，就是为了将高成本的云端推理改为本地计算，如果端侧计算的能耗成本高于云端推理，那么边缘AI部署本身就是个伪命题。

而Xeon 6系列处理器的特性也吸引来了爱立信的合作，双方在MWC上宣布将扩大长期合作，致力于在未来的6G网络上实现实时感知与计算的深度融合。而在CPU之外，英特尔还展示了一款代号为“Crescent Island”的GPU，它并非传统意义上的显卡，而是一款针对边缘AI推理设计的专用加速器。

图源：英特尔

简单来说，你可以将其理解为给基站使用的GPU，传统的通用GPU往往因为功耗过高、体积过大，根本无法塞进路边狭小的基站机柜中。而“Crescent Island”的设计思路非常简单：砍掉所有与图形渲染无关的晶体管，极致强化FP16和INT8精度的矩阵运算能力，使其具备强大AI算力的同时体积和功耗都显著降低。

而GPU所能提供的AI算力就不是CPU能比的了，理论上，搭载了“Crescent Island”的基站甚至可以处理复杂的多模态推理需求，这将会彻底改变边缘侧设备的使用场景。

比如说，在城市路边部署的6G基站，就可以借助GPU和道路上智能汽车的实时数据（或者直接安装摄像头），拥有车牌识别、拥堵分析以及事故预警等一众功能，而且这种毫秒级的响应是云端无法比拟的，甚至可以成为未来智能驾驶网络的基石。

可以看到，当算力从云端下沉到边缘侧，所带来的不仅仅是算力成本的节省，还有使用方式的根本性改变，其将显著影响整个智能生态。

看完“小芯片”，接下来我们再看看“大集群”，随着AI需求的增长，算力中心成为一个热门话题，而在MWC 2026的现场，无论是华为还是AMD，都在用实际行动告诉我们同一个事实：面对这一轮AI浪潮，单纯提升一颗芯片的算力已经不够了，现在的竞争，是看谁能把成千上万颗芯片“粘”在一起，让它们像一颗超级大脑那样思考。

在训练万亿参数模型时，最大的瓶颈往往不是计算本身，而是数据在不同芯片之间传输的延迟。就像一个拥有 100 个天才的团队，如果他们之间沟通不畅，甚至需要靠写信交流，那么这个团队的效率可能还不如一个普通的协同小组。

而华为在本次展会上展示的SuperPoD算力组合，正是为了解决这个“沟通障碍”。小雷在现场了解到，华为并没有单纯强调单张昇腾卡的算力数值，而是把重点放在了UnifiedBus（灵衢） 总线技术上，它能够将8192个NPU连成一个逻辑上的整体。

图源：华为

什么意思？简单来说，就是在软件层面上，这8000多张算力卡就像是“一颗巨大的芯片”，拥有超低延迟的同时还有着超高的吞吐量上限，直接解决了算力中心在规模化部署后面对的算力损耗问题。

这反映了AI芯片竞争已经与以往不同，过去我们更关注AI芯片的极限算力，如今华为等厂商正在用事实告诉市场：高效才是王道，未来，当我们评价一家芯片厂商的实力，不仅要看它能不能造出最强的NPU，更要看它能不能打造一个高效的大规模算力网络。

这也让小雷想到了前段时间马斯克在接受采访时，提到中国的算力发展速度惊人且更加高效，如果美国的算力建设不发生根本性变化，必然会在AI领域被中国赶超。在英伟达芯片拥有绝对的算力优势时，为什么马斯克会这么说？答案就是中国的算力中心更高效、规模也更大，用量变引发质变。

除了华为，AMD此次也掏出了不一样的东西，他们带来了全新的Helios架构，这是一个高度集成的算力核心。它不再是简单地把CPU和GPU插在主板上，而是通过3D封装和模块化设计，将CPU、GPU和DPU（数据处理单元）物理上“熔”为一体。

图源：雷科技

这种设计通过极短的物理距离，大幅降低了数据搬运的能耗和延迟，甚至可以说整个机架本身就是一台计算机。如此一来，数据中心需要统筹的设备量将显著降低，不仅带来更简单的部署和维护，同时也减少了数据传输所消耗的电量。

Helios架构最让人印象深刻的，就是将DPU深度融入到设计中，让它专门处理网络数据包、存储压缩和安全加密等“杂活”，而CPU和GPU则可以专注于AI计算，让整个系统的执行效率得到显著提升。

在小雷看来，无论是华为的SuperPoD算力组合，还是AMD的Helios架构，其实都在向我们展示同一个趋势：AI时代的算力竞争，已经从拼单个芯片算力转向拼集群规模效率。

说实话，无论是高通、联发科对端侧体验的极致追求，还是英特尔、华为、AMD对系统效率的死磕，本质上都是在解决同一个问题——让AI不仅“能用”，还要“好用”且“用得起”。

随着AI算力的下沉，可以看到硬件的竞争已经发生了明显的改变，未来的科技巨头，比拼的不再是单纯的芯片参数，而是谁能以最低的能耗和最高的效率，将算力转化为无处不在的智能服务，并且去定义下一代计算架构的标准。

虽然看似只是不同的芯片与生态的斗争，实际上大家是在争夺未来AI算力的话语权，随着AI算力成为像电力、网络一样的基础资源，掌握话语权的厂商也将得到更大的发展空间，这可比卖芯片、卖生态更诱人。

3月份的巴塞罗那天气总是不错，温度也很适宜，算起来这是雷科技连续第三年派出MWC现场报道团，当小雷穿梭在Fira Gran Via的各个展厅之间时，最直观的感受是人变得更多了，而且AI几乎渗透到每个品牌的产品矩阵里。

如果说两年前MWC展示的AI还在“云端漫步”，那么2026年的MWC则是告诉我们：AI已经落地。这里指的并不仅仅是AI变得更加普及、实用，还有AI算力正在从云端走到端侧，走到我们的身边。

小雷还记得在2025年的MWC展览里和骁龙的工作人员交流时，对方说的一句话：“AI不会只存在于云端，最终还是会回到我们的身边，你的手机、你身边的路由器、你头顶的基站，它们最终都会成为AI算力网络的一环”。

在过去的时间里，无论是智能手表还是AR眼镜，本质上都不过是智能手机的“外挂配件”，它们负责接收通知、监测数据，但真正的数据中枢始终躺在你的口袋里。然而在今年的MWC上，小雷看到了一场彻底的变革。

高通在MWC上正式发布了骁龙可穿戴平台至尊版，在过去，我们很难想象在一块电池容量仅有几百毫安时的手表上运行大模型，但高通做到了，他们通过引入专用的NPU单元，硬生生地将20亿参数（2B）级别的模型塞进了表盘之下。

图源：高通

它意味着你的手表不再是一个只会回答简单问题的语音助手，而是一个真正具备逻辑推理能力的AI设备。试想一下，当你在户外跑步时，无需携带手机，手表就能根据你的心率和实时配速，通过本地模型动态调整训练计划，甚至像一位专业教练那样给出即时的语音指导。

这种体验的关键就在于计算的“随身”，而且端侧模型让数据不需要通过无线协议传输到手机或者云端来进行推理，不仅杜绝了隐私泄露的风险，也让可穿戴设备在更多场景中都能单独运行。

小雷认为，这标志着智能手表正式告别了“手机副屏”的尴尬定位，它开始拥有了自己的“灵魂”，这也难怪三星的下一代手表会放弃使用多年的猎户座芯片，转投骁龙旗下，因为是否有端侧AI，将成为未来智能手表的分水岭。

如果说高通是在重塑智能手表，那么联发科则是在重新定义我们眼前的世界。在联发科的展台，天玑9500驱动的AI智能眼镜让我看到了穿戴设备摆脱云端依赖的另一种可能。

图源：雷科技

此前市面上的智能眼镜，大多只是一个带摄像头的蓝牙耳机，或者是一个把手机屏幕投射到眼前的显示器，实际上就是受限于端侧性能的不足，无法满足实时的多模态推理需求，而天玑9500则是可以通过强大的端侧算力，让眼镜真正“看懂”了世界。

比如你戴着智能眼镜查看外文菜单，即使没联网也可以直接进行翻译等操作，甚至可以问AI模型“哪道菜最辣”之类的问题，这种“所见即所问”的交互，完全依赖于本地算力对图像的实时语义分割与理解。这意味着，即便你身处没有信号的异国街头，这副眼镜依然是你最可靠的翻译官和向导。

作为联发科的旗舰平台，天玑9500最核心的突破在于其端侧算力对视觉与语音数据的并发处理能力，这使其非常适合用于智能眼镜等设备上，据悉联发科后续有计划推出基于天玑9500设计的智能眼镜，大家或许可以期待一下。

在小雷看来，可穿戴设备的“独立化”已成定局，芯片厂商们不再满足于将可穿戴设备做成手机的附庸，它们正在通过算力下沉的方式，赋予每一个设备独立的“思考”能力，这将彻底改变可穿戴设备的使用体验。

如果说往年的MWC是在讨论“更快的网速”和“更低的时延”，依然是在无线网络的传统领域打转，那么在MWC 2026里，小雷则是看到了运营商与基础设施供应商们，正在密谋“杀死”传统网络。

在过去，电信网络的唯一使命是“连接管理”，即如何高效地将数据包从A点搬运到B点。而在今年，随着AI应用向终端下沉，数据在本地进行推理的需求指数级爆发，直接导致电信网络的核心不再只有吞吐量，AI 负载调度成为新的核心需求。

因为网络不仅要传输数据，更要在传输的过程中处理数据，所以能够看到英特尔、华为和AMD等芯片厂商，都在与电信运营商和供应商合作，打造新一代的电信网络，以此来承载未来庞大的AI边缘计算需求。

图源：雷科技

在英特尔的展台，他们就重点展示了Xeon 6系列处理器，小雷在现场注意到，与往年不同的是，Xeon 6系列此次特别强调了在电信级负载下的能效表现。英特尔通过在芯片内部集成针对特定电信指令集的加速单元，试图解决一个核心问题：如何在不增加散热预算和机房电力扩容的前提下，让核心网具备大规模AI推理能力。

站在电信运营商的角度来说，这点无疑是非常重要的，因为边缘侧部署AI推理的核心原因，就是为了将高成本的云端推理改为本地计算，如果端侧计算的能耗成本高于云端推理，那么边缘AI部署本身就是个伪命题。

而Xeon 6系列处理器的特性也吸引来了爱立信的合作，双方在MWC上宣布将扩大长期合作，致力于在未来的6G网络上实现实时感知与计算的深度融合。而在CPU之外，英特尔还展示了一款代号为“Crescent Island”的GPU，它并非传统意义上的显卡，而是一款针对边缘AI推理设计的专用加速器。

图源：英特尔

简单来说，你可以将其理解为给基站使用的GPU，传统的通用GPU往往因为功耗过高、体积过大，根本无法塞进路边狭小的基站机柜中。而“Crescent Island”的设计思路非常简单：砍掉所有与图形渲染无关的晶体管，极致强化FP16和INT8精度的矩阵运算能力，使其具备强大AI算力的同时体积和功耗都显著降低。

而GPU所能提供的AI算力就不是CPU能比的了，理论上，搭载了“Crescent Island”的基站甚至可以处理复杂的多模态推理需求，这将会彻底改变边缘侧设备的使用场景。

比如说，在城市路边部署的6G基站，就可以借助GPU和道路上智能汽车的实时数据（或者直接安装摄像头），拥有车牌识别、拥堵分析以及事故预警等一众功能，而且这种毫秒级的响应是云端无法比拟的，甚至可以成为未来智能驾驶网络的基石。

可以看到，当算力从云端下沉到边缘侧，所带来的不仅仅是算力成本的节省，还有使用方式的根本性改变，其将显著影响整个智能生态。

看完“小芯片”，接下来我们再看看“大集群”，随着AI需求的增长，算力中心成为一个热门话题，而在MWC 2026的现场，无论是华为还是AMD，都在用实际行动告诉我们同一个事实：面对这一轮AI浪潮，单纯提升一颗芯片的算力已经不够了，现在的竞争，是看谁能把成千上万颗芯片“粘”在一起，让它们像一颗超级大脑那样思考。

在训练万亿参数模型时，最大的瓶颈往往不是计算本身，而是数据在不同芯片之间传输的延迟。就像一个拥有 100 个天才的团队，如果他们之间沟通不畅，甚至需要靠写信交流，那么这个团队的效率可能还不如一个普通的协同小组。

而华为在本次展会上展示的SuperPoD算力组合，正是为了解决这个“沟通障碍”。小雷在现场了解到，华为并没有单纯强调单张昇腾卡的算力数值，而是把重点放在了UnifiedBus（灵衢） 总线技术上，它能够将8192个NPU连成一个逻辑上的整体。

图源：华为

什么意思？简单来说，就是在软件层面上，这8000多张算力卡就像是“一颗巨大的芯片”，拥有超低延迟的同时还有着超高的吞吐量上限，直接解决了算力中心在规模化部署后面对的算力损耗问题。

这反映了AI芯片竞争已经与以往不同，过去我们更关注AI芯片的极限算力，如今华为等厂商正在用事实告诉市场：高效才是王道，未来，当我们评价一家芯片厂商的实力，不仅要看它能不能造出最强的NPU，更要看它能不能打造一个高效的大规模算力网络。

这也让小雷想到了前段时间马斯克在接受采访时，提到中国的算力发展速度惊人且更加高效，如果美国的算力建设不发生根本性变化，必然会在AI领域被中国赶超。在英伟达芯片拥有绝对的算力优势时，为什么马斯克会这么说？答案就是中国的算力中心更高效、规模也更大，用量变引发质变。

除了华为，AMD此次也掏出了不一样的东西，他们带来了全新的Helios架构，这是一个高度集成的算力核心。它不再是简单地把CPU和GPU插在主板上，而是通过3D封装和模块化设计，将CPU、GPU和DPU（数据处理单元）物理上“熔”为一体。

图源：雷科技

这种设计通过极短的物理距离，大幅降低了数据搬运的能耗和延迟，甚至可以说整个机架本身就是一台计算机。如此一来，数据中心需要统筹的设备量将显著降低，不仅带来更简单的部署和维护，同时也减少了数据传输所消耗的电量。

Helios架构最让人印象深刻的，就是将DPU深度融入到设计中，让它专门处理网络数据包、存储压缩和安全加密等“杂活”，而CPU和GPU则可以专注于AI计算，让整个系统的执行效率得到显著提升。

在小雷看来，无论是华为的SuperPoD算力组合，还是AMD的Helios架构，其实都在向我们展示同一个趋势：AI时代的算力竞争，已经从拼单个芯片算力转向拼集群规模效率。

说实话，无论是高通、联发科对端侧体验的极致追求，还是英特尔、华为、AMD对系统效率的死磕，本质上都是在解决同一个问题——让AI不仅“能用”，还要“好用”且“用得起”。

随着AI算力的下沉，可以看到硬件的竞争已经发生了明显的改变，未来的科技巨头，比拼的不再是单纯的芯片参数，而是谁能以最低的能耗和最高的效率，将算力转化为无处不在的智能服务，并且去定义下一代计算架构的标准。

虽然看似只是不同的芯片与生态的斗争，实际上大家是在争夺未来AI算力的话语权，随着AI算力成为像电力、网络一样的基础资源，掌握话语权的厂商也将得到更大的发展空间，这可比卖芯片、卖生态更诱人。

3月份的巴塞罗那天气总是不错，温度也很适宜，算起来这是雷科技连续第三年派出MWC现场报道团，当小雷穿梭在Fira Gran Via的各个展厅之间时，最直观的感受是人变得更多了，而且AI几乎渗透到每个品牌的产品矩阵里。

如果说两年前MWC展示的AI还在“云端漫步”，那么2026年的MWC则是告诉我们：AI已经落地。这里指的并不仅仅是AI变得更加普及、实用，还有AI算力正在从云端走到端侧，走到我们的身边。

小雷还记得在2025年的MWC展览里和骁龙的工作人员交流时，对方说的一句话：“AI不会只存在于云端，最终还是会回到我们的身边，你的手机、你身边的路由器、你头顶的基站，它们最终都会成为AI算力网络的一环”。

在过去的时间里，无论是智能手表还是AR眼镜，本质上都不过是智能手机的“外挂配件”，它们负责接收通知、监测数据，但真正的数据中枢始终躺在你的口袋里。然而在今年的MWC上，小雷看到了一场彻底的变革。

高通在MWC上正式发布了骁龙可穿戴平台至尊版，在过去，我们很难想象在一块电池容量仅有几百毫安时的手表上运行大模型，但高通做到了，他们通过引入专用的NPU单元，硬生生地将20亿参数（2B）级别的模型塞进了表盘之下。

图源：高通

它意味着你的手表不再是一个只会回答简单问题的语音助手，而是一个真正具备逻辑推理能力的AI设备。试想一下，当你在户外跑步时，无需携带手机，手表就能根据你的心率和实时配速，通过本地模型动态调整训练计划，甚至像一位专业教练那样给出即时的语音指导。

这种体验的关键就在于计算的“随身”，而且端侧模型让数据不需要通过无线协议传输到手机或者云端来进行推理，不仅杜绝了隐私泄露的风险，也让可穿戴设备在更多场景中都能单独运行。

小雷认为，这标志着智能手表正式告别了“手机副屏”的尴尬定位，它开始拥有了自己的“灵魂”，这也难怪三星的下一代手表会放弃使用多年的猎户座芯片，转投骁龙旗下，因为是否有端侧AI，将成为未来智能手表的分水岭。

如果说高通是在重塑智能手表，那么联发科则是在重新定义我们眼前的世界。在联发科的展台，天玑9500驱动的AI智能眼镜让我看到了穿戴设备摆脱云端依赖的另一种可能。

图源：雷科技

此前市面上的智能眼镜，大多只是一个带摄像头的蓝牙耳机，或者是一个把手机屏幕投射到眼前的显示器，实际上就是受限于端侧性能的不足，无法满足实时的多模态推理需求，而天玑9500则是可以通过强大的端侧算力，让眼镜真正“看懂”了世界。

比如你戴着智能眼镜查看外文菜单，即使没联网也可以直接进行翻译等操作，甚至可以问AI模型“哪道菜最辣”之类的问题，这种“所见即所问”的交互，完全依赖于本地算力对图像的实时语义分割与理解。这意味着，即便你身处没有信号的异国街头，这副眼镜依然是你最可靠的翻译官和向导。

作为联发科的旗舰平台，天玑9500最核心的突破在于其端侧算力对视觉与语音数据的并发处理能力，这使其非常适合用于智能眼镜等设备上，据悉联发科后续有计划推出基于天玑9500设计的智能眼镜，大家或许可以期待一下。

在小雷看来，可穿戴设备的“独立化”已成定局，芯片厂商们不再满足于将可穿戴设备做成手机的附庸，它们正在通过算力下沉的方式，赋予每一个设备独立的“思考”能力，这将彻底改变可穿戴设备的使用体验。

如果说往年的MWC是在讨论“更快的网速”和“更低的时延”，依然是在无线网络的传统领域打转，那么在MWC 2026里，小雷则是看到了运营商与基础设施供应商们，正在密谋“杀死”传统网络。

在过去，电信网络的唯一使命是“连接管理”，即如何高效地将数据包从A点搬运到B点。而在今年，随着AI应用向终端下沉，数据在本地进行推理的需求指数级爆发，直接导致电信网络的核心不再只有吞吐量，AI 负载调度成为新的核心需求。

因为网络不仅要传输数据，更要在传输的过程中处理数据，所以能够看到英特尔、华为和AMD等芯片厂商，都在与电信运营商和供应商合作，打造新一代的电信网络，以此来承载未来庞大的AI边缘计算需求。

图源：雷科技

在英特尔的展台，他们就重点展示了Xeon 6系列处理器，小雷在现场注意到，与往年不同的是，Xeon 6系列此次特别强调了在电信级负载下的能效表现。英特尔通过在芯片内部集成针对特定电信指令集的加速单元，试图解决一个核心问题：如何在不增加散热预算和机房电力扩容的前提下，让核心网具备大规模AI推理能力。

站在电信运营商的角度来说，这点无疑是非常重要的，因为边缘侧部署AI推理的核心原因，就是为了将高成本的云端推理改为本地计算，如果端侧计算的能耗成本高于云端推理，那么边缘AI部署本身就是个伪命题。

而Xeon 6系列处理器的特性也吸引来了爱立信的合作，双方在MWC上宣布将扩大长期合作，致力于在未来的6G网络上实现实时感知与计算的深度融合。而在CPU之外，英特尔还展示了一款代号为“Crescent Island”的GPU，它并非传统意义上的显卡，而是一款针对边缘AI推理设计的专用加速器。

图源：英特尔

简单来说，你可以将其理解为给基站使用的GPU，传统的通用GPU往往因为功耗过高、体积过大，根本无法塞进路边狭小的基站机柜中。而“Crescent Island”的设计思路非常简单：砍掉所有与图形渲染无关的晶体管，极致强化FP16和INT8精度的矩阵运算能力，使其具备强大AI算力的同时体积和功耗都显著降低。

而GPU所能提供的AI算力就不是CPU能比的了，理论上，搭载了“Crescent Island”的基站甚至可以处理复杂的多模态推理需求，这将会彻底改变边缘侧设备的使用场景。

比如说，在城市路边部署的6G基站，就可以借助GPU和道路上智能汽车的实时数据（或者直接安装摄像头），拥有车牌识别、拥堵分析以及事故预警等一众功能，而且这种毫秒级的响应是云端无法比拟的，甚至可以成为未来智能驾驶网络的基石。

可以看到，当算力从云端下沉到边缘侧，所带来的不仅仅是算力成本的节省，还有使用方式的根本性改变，其将显著影响整个智能生态。

看完“小芯片”，接下来我们再看看“大集群”，随着AI需求的增长，算力中心成为一个热门话题，而在MWC 2026的现场，无论是华为还是AMD，都在用实际行动告诉我们同一个事实：面对这一轮AI浪潮，单纯提升一颗芯片的算力已经不够了，现在的竞争，是看谁能把成千上万颗芯片“粘”在一起，让它们像一颗超级大脑那样思考。

在训练万亿参数模型时，最大的瓶颈往往不是计算本身，而是数据在不同芯片之间传输的延迟。就像一个拥有 100 个天才的团队，如果他们之间沟通不畅，甚至需要靠写信交流，那么这个团队的效率可能还不如一个普通的协同小组。

而华为在本次展会上展示的SuperPoD算力组合，正是为了解决这个“沟通障碍”。小雷在现场了解到，华为并没有单纯强调单张昇腾卡的算力数值，而是把重点放在了UnifiedBus（灵衢） 总线技术上，它能够将8192个NPU连成一个逻辑上的整体。

图源：华为

什么意思？简单来说，就是在软件层面上，这8000多张算力卡就像是“一颗巨大的芯片”，拥有超低延迟的同时还有着超高的吞吐量上限，直接解决了算力中心在规模化部署后面对的算力损耗问题。

这反映了AI芯片竞争已经与以往不同，过去我们更关注AI芯片的极限算力，如今华为等厂商正在用事实告诉市场：高效才是王道，未来，当我们评价一家芯片厂商的实力，不仅要看它能不能造出最强的NPU，更要看它能不能打造一个高效的大规模算力网络。

这也让小雷想到了前段时间马斯克在接受采访时，提到中国的算力发展速度惊人且更加高效，如果美国的算力建设不发生根本性变化，必然会在AI领域被中国赶超。在英伟达芯片拥有绝对的算力优势时，为什么马斯克会这么说？答案就是中国的算力中心更高效、规模也更大，用量变引发质变。

除了华为，AMD此次也掏出了不一样的东西，他们带来了全新的Helios架构，这是一个高度集成的算力核心。它不再是简单地把CPU和GPU插在主板上，而是通过3D封装和模块化设计，将CPU、GPU和DPU（数据处理单元）物理上“熔”为一体。

图源：雷科技

这种设计通过极短的物理距离，大幅降低了数据搬运的能耗和延迟，甚至可以说整个机架本身就是一台计算机。如此一来，数据中心需要统筹的设备量将显著降低，不仅带来更简单的部署和维护，同时也减少了数据传输所消耗的电量。

Helios架构最让人印象深刻的，就是将DPU深度融入到设计中，让它专门处理网络数据包、存储压缩和安全加密等“杂活”，而CPU和GPU则可以专注于AI计算，让整个系统的执行效率得到显著提升。

在小雷看来，无论是华为的SuperPoD算力组合，还是AMD的Helios架构，其实都在向我们展示同一个趋势：AI时代的算力竞争，已经从拼单个芯片算力转向拼集群规模效率。

说实话，无论是高通、联发科对端侧体验的极致追求，还是英特尔、华为、AMD对系统效率的死磕，本质上都是在解决同一个问题——让AI不仅“能用”，还要“好用”且“用得起”。

随着AI算力的下沉，可以看到硬件的竞争已经发生了明显的改变，未来的科技巨头，比拼的不再是单纯的芯片参数，而是谁能以最低的能耗和最高的效率，将算力转化为无处不在的智能服务，并且去定义下一代计算架构的标准。

虽然看似只是不同的芯片与生态的斗争，实际上大家是在争夺未来AI算力的话语权，随着AI算力成为像电力、网络一样的基础资源，掌握话语权的厂商也将得到更大的发展空间，这可比卖芯片、卖生态更诱人。

3月份的巴塞罗那天气总是不错，温度也很适宜，算起来这是雷科技连续第三年派出MWC现场报道团，当小雷穿梭在Fira Gran Via的各个展厅之间时，最直观的感受是人变得更多了，而且AI几乎渗透到每个品牌的产品矩阵里。

如果说两年前MWC展示的AI还在“云端漫步”，那么2026年的MWC则是告诉我们：AI已经落地。这里指的并不仅仅是AI变得更加普及、实用，还有AI算力正在从云端走到端侧，走到我们的身边。

小雷还记得在2025年的MWC展览里和骁龙的工作人员交流时，对方说的一句话：“AI不会只存在于云端，最终还是会回到我们的身边，你的手机、你身边的路由器、你头顶的基站，它们最终都会成为AI算力网络的一环”。

在过去的时间里，无论是智能手表还是AR眼镜，本质上都不过是智能手机的“外挂配件”，它们负责接收通知、监测数据，但真正的数据中枢始终躺在你的口袋里。然而在今年的MWC上，小雷看到了一场彻底的变革。

高通在MWC上正式发布了骁龙可穿戴平台至尊版，在过去，我们很难想象在一块电池容量仅有几百毫安时的手表上运行大模型，但高通做到了，他们通过引入专用的NPU单元，硬生生地将20亿参数（2B）级别的模型塞进了表盘之下。

图源：高通

它意味着你的手表不再是一个只会回答简单问题的语音助手，而是一个真正具备逻辑推理能力的AI设备。试想一下，当你在户外跑步时，无需携带手机，手表就能根据你的心率和实时配速，通过本地模型动态调整训练计划，甚至像一位专业教练那样给出即时的语音指导。

这种体验的关键就在于计算的“随身”，而且端侧模型让数据不需要通过无线协议传输到手机或者云端来进行推理，不仅杜绝了隐私泄露的风险，也让可穿戴设备在更多场景中都能单独运行。

小雷认为，这标志着智能手表正式告别了“手机副屏”的尴尬定位，它开始拥有了自己的“灵魂”，这也难怪三星的下一代手表会放弃使用多年的猎户座芯片，转投骁龙旗下，因为是否有端侧AI，将成为未来智能手表的分水岭。

如果说高通是在重塑智能手表，那么联发科则是在重新定义我们眼前的世界。在联发科的展台，天玑9500驱动的AI智能眼镜让我看到了穿戴设备摆脱云端依赖的另一种可能。

图源：雷科技

此前市面上的智能眼镜，大多只是一个带摄像头的蓝牙耳机，或者是一个把手机屏幕投射到眼前的显示器，实际上就是受限于端侧性能的不足，无法满足实时的多模态推理需求，而天玑9500则是可以通过强大的端侧算力，让眼镜真正“看懂”了世界。

比如你戴着智能眼镜查看外文菜单，即使没联网也可以直接进行翻译等操作，甚至可以问AI模型“哪道菜最辣”之类的问题，这种“所见即所问”的交互，完全依赖于本地算力对图像的实时语义分割与理解。这意味着，即便你身处没有信号的异国街头，这副眼镜依然是你最可靠的翻译官和向导。

作为联发科的旗舰平台，天玑9500最核心的突破在于其端侧算力对视觉与语音数据的并发处理能力，这使其非常适合用于智能眼镜等设备上，据悉联发科后续有计划推出基于天玑9500设计的智能眼镜，大家或许可以期待一下。

在小雷看来，可穿戴设备的“独立化”已成定局，芯片厂商们不再满足于将可穿戴设备做成手机的附庸，它们正在通过算力下沉的方式，赋予每一个设备独立的“思考”能力，这将彻底改变可穿戴设备的使用体验。

如果说往年的MWC是在讨论“更快的网速”和“更低的时延”，依然是在无线网络的传统领域打转，那么在MWC 2026里，小雷则是看到了运营商与基础设施供应商们，正在密谋“杀死”传统网络。

在过去，电信网络的唯一使命是“连接管理”，即如何高效地将数据包从A点搬运到B点。而在今年，随着AI应用向终端下沉，数据在本地进行推理的需求指数级爆发，直接导致电信网络的核心不再只有吞吐量，AI 负载调度成为新的核心需求。

因为网络不仅要传输数据，更要在传输的过程中处理数据，所以能够看到英特尔、华为和AMD等芯片厂商，都在与电信运营商和供应商合作，打造新一代的电信网络，以此来承载未来庞大的AI边缘计算需求。

图源：雷科技

在英特尔的展台，他们就重点展示了Xeon 6系列处理器，小雷在现场注意到，与往年不同的是，Xeon 6系列此次特别强调了在电信级负载下的能效表现。英特尔通过在芯片内部集成针对特定电信指令集的加速单元，试图解决一个核心问题：如何在不增加散热预算和机房电力扩容的前提下，让核心网具备大规模AI推理能力。

站在电信运营商的角度来说，这点无疑是非常重要的，因为边缘侧部署AI推理的核心原因，就是为了将高成本的云端推理改为本地计算，如果端侧计算的能耗成本高于云端推理，那么边缘AI部署本身就是个伪命题。

而Xeon 6系列处理器的特性也吸引来了爱立信的合作，双方在MWC上宣布将扩大长期合作，致力于在未来的6G网络上实现实时感知与计算的深度融合。而在CPU之外，英特尔还展示了一款代号为“Crescent Island”的GPU，它并非传统意义上的显卡，而是一款针对边缘AI推理设计的专用加速器。

图源：英特尔

简单来说，你可以将其理解为给基站使用的GPU，传统的通用GPU往往因为功耗过高、体积过大，根本无法塞进路边狭小的基站机柜中。而“Crescent Island”的设计思路非常简单：砍掉所有与图形渲染无关的晶体管，极致强化FP16和INT8精度的矩阵运算能力，使其具备强大AI算力的同时体积和功耗都显著降低。

而GPU所能提供的AI算力就不是CPU能比的了，理论上，搭载了“Crescent Island”的基站甚至可以处理复杂的多模态推理需求，这将会彻底改变边缘侧设备的使用场景。

比如说，在城市路边部署的6G基站，就可以借助GPU和道路上智能汽车的实时数据（或者直接安装摄像头），拥有车牌识别、拥堵分析以及事故预警等一众功能，而且这种毫秒级的响应是云端无法比拟的，甚至可以成为未来智能驾驶网络的基石。

可以看到，当算力从云端下沉到边缘侧，所带来的不仅仅是算力成本的节省，还有使用方式的根本性改变，其将显著影响整个智能生态。

看完“小芯片”，接下来我们再看看“大集群”，随着AI需求的增长，算力中心成为一个热门话题，而在MWC 2026的现场，无论是华为还是AMD，都在用实际行动告诉我们同一个事实：面对这一轮AI浪潮，单纯提升一颗芯片的算力已经不够了，现在的竞争，是看谁能把成千上万颗芯片“粘”在一起，让它们像一颗超级大脑那样思考。

在训练万亿参数模型时，最大的瓶颈往往不是计算本身，而是数据在不同芯片之间传输的延迟。就像一个拥有 100 个天才的团队，如果他们之间沟通不畅，甚至需要靠写信交流，那么这个团队的效率可能还不如一个普通的协同小组。

而华为在本次展会上展示的SuperPoD算力组合，正是为了解决这个“沟通障碍”。小雷在现场了解到，华为并没有单纯强调单张昇腾卡的算力数值，而是把重点放在了UnifiedBus（灵衢） 总线技术上，它能够将8192个NPU连成一个逻辑上的整体。

图源：华为

什么意思？简单来说，就是在软件层面上，这8000多张算力卡就像是“一颗巨大的芯片”，拥有超低延迟的同时还有着超高的吞吐量上限，直接解决了算力中心在规模化部署后面对的算力损耗问题。

这反映了AI芯片竞争已经与以往不同，过去我们更关注AI芯片的极限算力，如今华为等厂商正在用事实告诉市场：高效才是王道，未来，当我们评价一家芯片厂商的实力，不仅要看它能不能造出最强的NPU，更要看它能不能打造一个高效的大规模算力网络。

这也让小雷想到了前段时间马斯克在接受采访时，提到中国的算力发展速度惊人且更加高效，如果美国的算力建设不发生根本性变化，必然会在AI领域被中国赶超。在英伟达芯片拥有绝对的算力优势时，为什么马斯克会这么说？答案就是中国的算力中心更高效、规模也更大，用量变引发质变。

除了华为，AMD此次也掏出了不一样的东西，他们带来了全新的Helios架构，这是一个高度集成的算力核心。它不再是简单地把CPU和GPU插在主板上，而是通过3D封装和模块化设计，将CPU、GPU和DPU（数据处理单元）物理上“熔”为一体。

图源：雷科技

这种设计通过极短的物理距离，大幅降低了数据搬运的能耗和延迟，甚至可以说整个机架本身就是一台计算机。如此一来，数据中心需要统筹的设备量将显著降低，不仅带来更简单的部署和维护，同时也减少了数据传输所消耗的电量。

Helios架构最让人印象深刻的，就是将DPU深度融入到设计中，让它专门处理网络数据包、存储压缩和安全加密等“杂活”，而CPU和GPU则可以专注于AI计算，让整个系统的执行效率得到显著提升。

在小雷看来，无论是华为的SuperPoD算力组合，还是AMD的Helios架构，其实都在向我们展示同一个趋势：AI时代的算力竞争，已经从拼单个芯片算力转向拼集群规模效率。

说实话，无论是高通、联发科对端侧体验的极致追求，还是英特尔、华为、AMD对系统效率的死磕，本质上都是在解决同一个问题——让AI不仅“能用”，还要“好用”且“用得起”。

随着AI算力的下沉，可以看到硬件的竞争已经发生了明显的改变，未来的科技巨头，比拼的不再是单纯的芯片参数，而是谁能以最低的能耗和最高的效率，将算力转化为无处不在的智能服务，并且去定义下一代计算架构的标准。

虽然看似只是不同的芯片与生态的斗争，实际上大家是在争夺未来AI算力的话语权，随着AI算力成为像电力、网络一样的基础资源，掌握话语权的厂商也将得到更大的发展空间，这可比卖芯片、卖生态更诱人。

3月份的巴塞罗那天气总是不错，温度也很适宜，算起来这是雷科技连续第三年派出MWC现场报道团，当小雷穿梭在Fira Gran Via的各个展厅之间时，最直观的感受是人变得更多了，而且AI几乎渗透到每个品牌的产品矩阵里。

如果说两年前MWC展示的AI还在“云端漫步”，那么2026年的MWC则是告诉我们：AI已经落地。这里指的并不仅仅是AI变得更加普及、实用，还有AI算力正在从云端走到端侧，走到我们的身边。

小雷还记得在2025年的MWC展览里和骁龙的工作人员交流时，对方说的一句话：“AI不会只存在于云端，最终还是会回到我们的身边，你的手机、你身边的路由器、你头顶的基站，它们最终都会成为AI算力网络的一环”。

在过去的时间里，无论是智能手表还是AR眼镜，本质上都不过是智能手机的“外挂配件”，它们负责接收通知、监测数据，但真正的数据中枢始终躺在你的口袋里。然而在今年的MWC上，小雷看到了一场彻底的变革。

高通在MWC上正式发布了骁龙可穿戴平台至尊版，在过去，我们很难想象在一块电池容量仅有几百毫安时的手表上运行大模型，但高通做到了，他们通过引入专用的NPU单元，硬生生地将20亿参数（2B）级别的模型塞进了表盘之下。

图源：高通

它意味着你的手表不再是一个只会回答简单问题的语音助手，而是一个真正具备逻辑推理能力的AI设备。试想一下，当你在户外跑步时，无需携带手机，手表就能根据你的心率和实时配速，通过本地模型动态调整训练计划，甚至像一位专业教练那样给出即时的语音指导。

这种体验的关键就在于计算的“随身”，而且端侧模型让数据不需要通过无线协议传输到手机或者云端来进行推理，不仅杜绝了隐私泄露的风险，也让可穿戴设备在更多场景中都能单独运行。

小雷认为，这标志着智能手表正式告别了“手机副屏”的尴尬定位，它开始拥有了自己的“灵魂”，这也难怪三星的下一代手表会放弃使用多年的猎户座芯片，转投骁龙旗下，因为是否有端侧AI，将成为未来智能手表的分水岭。

如果说高通是在重塑智能手表，那么联发科则是在重新定义我们眼前的世界。在联发科的展台，天玑9500驱动的AI智能眼镜让我看到了穿戴设备摆脱云端依赖的另一种可能。

图源：雷科技

此前市面上的智能眼镜，大多只是一个带摄像头的蓝牙耳机，或者是一个把手机屏幕投射到眼前的显示器，实际上就是受限于端侧性能的不足，无法满足实时的多模态推理需求，而天玑9500则是可以通过强大的端侧算力，让眼镜真正“看懂”了世界。

比如你戴着智能眼镜查看外文菜单，即使没联网也可以直接进行翻译等操作，甚至可以问AI模型“哪道菜最辣”之类的问题，这种“所见即所问”的交互，完全依赖于本地算力对图像的实时语义分割与理解。这意味着，即便你身处没有信号的异国街头，这副眼镜依然是你最可靠的翻译官和向导。

作为联发科的旗舰平台，天玑9500最核心的突破在于其端侧算力对视觉与语音数据的并发处理能力，这使其非常适合用于智能眼镜等设备上，据悉联发科后续有计划推出基于天玑9500设计的智能眼镜，大家或许可以期待一下。

在小雷看来，可穿戴设备的“独立化”已成定局，芯片厂商们不再满足于将可穿戴设备做成手机的附庸，它们正在通过算力下沉的方式，赋予每一个设备独立的“思考”能力，这将彻底改变可穿戴设备的使用体验。

如果说往年的MWC是在讨论“更快的网速”和“更低的时延”，依然是在无线网络的传统领域打转，那么在MWC 2026里，小雷则是看到了运营商与基础设施供应商们，正在密谋“杀死”传统网络。

在过去，电信网络的唯一使命是“连接管理”，即如何高效地将数据包从A点搬运到B点。而在今年，随着AI应用向终端下沉，数据在本地进行推理的需求指数级爆发，直接导致电信网络的核心不再只有吞吐量，AI 负载调度成为新的核心需求。

因为网络不仅要传输数据，更要在传输的过程中处理数据，所以能够看到英特尔、华为和AMD等芯片厂商，都在与电信运营商和供应商合作，打造新一代的电信网络，以此来承载未来庞大的AI边缘计算需求。

图源：雷科技

在英特尔的展台，他们就重点展示了Xeon 6系列处理器，小雷在现场注意到，与往年不同的是，Xeon 6系列此次特别强调了在电信级负载下的能效表现。英特尔通过在芯片内部集成针对特定电信指令集的加速单元，试图解决一个核心问题：如何在不增加散热预算和机房电力扩容的前提下，让核心网具备大规模AI推理能力。

站在电信运营商的角度来说，这点无疑是非常重要的，因为边缘侧部署AI推理的核心原因，就是为了将高成本的云端推理改为本地计算，如果端侧计算的能耗成本高于云端推理，那么边缘AI部署本身就是个伪命题。

而Xeon 6系列处理器的特性也吸引来了爱立信的合作，双方在MWC上宣布将扩大长期合作，致力于在未来的6G网络上实现实时感知与计算的深度融合。而在CPU之外，英特尔还展示了一款代号为“Crescent Island”的GPU，它并非传统意义上的显卡，而是一款针对边缘AI推理设计的专用加速器。

图源：英特尔

简单来说，你可以将其理解为给基站使用的GPU，传统的通用GPU往往因为功耗过高、体积过大，根本无法塞进路边狭小的基站机柜中。而“Crescent Island”的设计思路非常简单：砍掉所有与图形渲染无关的晶体管，极致强化FP16和INT8精度的矩阵运算能力，使其具备强大AI算力的同时体积和功耗都显著降低。

而GPU所能提供的AI算力就不是CPU能比的了，理论上，搭载了“Crescent Island”的基站甚至可以处理复杂的多模态推理需求，这将会彻底改变边缘侧设备的使用场景。

比如说，在城市路边部署的6G基站，就可以借助GPU和道路上智能汽车的实时数据（或者直接安装摄像头），拥有车牌识别、拥堵分析以及事故预警等一众功能，而且这种毫秒级的响应是云端无法比拟的，甚至可以成为未来智能驾驶网络的基石。

可以看到，当算力从云端下沉到边缘侧，所带来的不仅仅是算力成本的节省，还有使用方式的根本性改变，其将显著影响整个智能生态。

看完“小芯片”，接下来我们再看看“大集群”，随着AI需求的增长，算力中心成为一个热门话题，而在MWC 2026的现场，无论是华为还是AMD，都在用实际行动告诉我们同一个事实：面对这一轮AI浪潮，单纯提升一颗芯片的算力已经不够了，现在的竞争，是看谁能把成千上万颗芯片“粘”在一起，让它们像一颗超级大脑那样思考。

在训练万亿参数模型时，最大的瓶颈往往不是计算本身，而是数据在不同芯片之间传输的延迟。就像一个拥有 100 个天才的团队，如果他们之间沟通不畅，甚至需要靠写信交流，那么这个团队的效率可能还不如一个普通的协同小组。

而华为在本次展会上展示的SuperPoD算力组合，正是为了解决这个“沟通障碍”。小雷在现场了解到，华为并没有单纯强调单张昇腾卡的算力数值，而是把重点放在了UnifiedBus（灵衢） 总线技术上，它能够将8192个NPU连成一个逻辑上的整体。

图源：华为

什么意思？简单来说，就是在软件层面上，这8000多张算力卡就像是“一颗巨大的芯片”，拥有超低延迟的同时还有着超高的吞吐量上限，直接解决了算力中心在规模化部署后面对的算力损耗问题。

这反映了AI芯片竞争已经与以往不同，过去我们更关注AI芯片的极限算力，如今华为等厂商正在用事实告诉市场：高效才是王道，未来，当我们评价一家芯片厂商的实力，不仅要看它能不能造出最强的NPU，更要看它能不能打造一个高效的大规模算力网络。

这也让小雷想到了前段时间马斯克在接受采访时，提到中国的算力发展速度惊人且更加高效，如果美国的算力建设不发生根本性变化，必然会在AI领域被中国赶超。在英伟达芯片拥有绝对的算力优势时，为什么马斯克会这么说？答案就是中国的算力中心更高效、规模也更大，用量变引发质变。

除了华为，AMD此次也掏出了不一样的东西，他们带来了全新的Helios架构，这是一个高度集成的算力核心。它不再是简单地把CPU和GPU插在主板上，而是通过3D封装和模块化设计，将CPU、GPU和DPU（数据处理单元）物理上“熔”为一体。

图源：雷科技

这种设计通过极短的物理距离，大幅降低了数据搬运的能耗和延迟，甚至可以说整个机架本身就是一台计算机。如此一来，数据中心需要统筹的设备量将显著降低，不仅带来更简单的部署和维护，同时也减少了数据传输所消耗的电量。

Helios架构最让人印象深刻的，就是将DPU深度融入到设计中，让它专门处理网络数据包、存储压缩和安全加密等“杂活”，而CPU和GPU则可以专注于AI计算，让整个系统的执行效率得到显著提升。

在小雷看来，无论是华为的SuperPoD算力组合，还是AMD的Helios架构，其实都在向我们展示同一个趋势：AI时代的算力竞争，已经从拼单个芯片算力转向拼集群规模效率。

说实话，无论是高通、联发科对端侧体验的极致追求，还是英特尔、华为、AMD对系统效率的死磕，本质上都是在解决同一个问题——让AI不仅“能用”，还要“好用”且“用得起”。

随着AI算力的下沉，可以看到硬件的竞争已经发生了明显的改变，未来的科技巨头，比拼的不再是单纯的芯片参数，而是谁能以最低的能耗和最高的效率，将算力转化为无处不在的智能服务，并且去定义下一代计算架构的标准。

虽然看似只是不同的芯片与生态的斗争，实际上大家是在争夺未来AI算力的话语权，随着AI算力成为像电力、网络一样的基础资源，掌握话语权的厂商也将得到更大的发展空间，这可比卖芯片、卖生态更诱人。