高通，宣布了一笔并购案。

近日，高通宣布收购 AI 软件公司 Modular，这笔全股票交易价值约 39.2 亿美元（266.5 亿元人民币），预计将在 2026 年下半年完成。

按照交易安排，高通将向 Modular 股权持有人发行 1920 万股高通普通股。对高通来说，这不是一次简单的 AI 创业公司收购，而是一次围绕 AI 软件栈、开发者生态和数据中心推理市场的关键补强。

芯片行业竞争的主要方向已经由原来的硬件参数转移到了软件层面的兼容性上面去，并且这个转变才刚开始。

近日，高通在自己一年一度的投资者日上，公布了一桩外界讨论已久的收购。

这次的收购对象，是一家做 AI 软件基础设施的创业公司，叫 Modular。高通没有单独发一条收购公告，而是把这条消息和另一条消息放在了同一天，那就是与 Meta 达成的多代 CPU 供货协议。两条消息一起出现，说明高通是在用一次集中的动作，向资本市场交代自己接下来要走的路。

投资者日本身就是一家公司讲未来故事的场合。高通选择在这一天同时端出软件收购和云端合作，等于把这两件事放进了同一套叙事里，一个用来打开数据中心客户的门路，另一个用来补上软件层的短板。

并购完成后，Modular 的团队会整体并入高通，包括两位创始人。Chris Lattner 在公开声明里提到，加入高通能让团队的技术路线获得更大的落地平台。Modular 这几年一直在做的事情，是让 AI 模型不必依赖某一家芯片厂商，能在不同的硬件平台上顺畸切换运行。这件事听起来很技术化 , 但说穿了不复杂，等于是一群曾经在苹果、谷歌做底层系统的工程师，花了几年时间憋出了一套谁都能用的翻译器，这次他们带着这套翻译器，换了一个更大的舞台。

对高通来说，这次出手延续了它过去一段时间里一直在做的事，借助收购把自己的能力版图往云端和数据中心方向延伸。手机芯片仍然是公司收入的主要来源，但这块业务的增长空间已经接近天花板。从智能终端往边缘计算，再往数据中心延伸，是高通这几年反复在投资者面前讲的路径，这次的收购，是这条路径上一次比较明确的落子。

这笔交易全部用股票完成，没有动用现金。对一家现金流充裕的公司而言，这种支付方式既保留了账面资金的灵活性，也说明公司更看重的是把对方的人和技术真正纳入自己的体系，而不只是完成一次财务层面的交易。

要想弄清楚高通此次行动的目的，就要从 Modular 公司本身所面临的问题说起。

近几年来，在人工智能领域中有一个被不断提及但却没有得到妥善处理的问题：模型训练好了以后想要更换到别的芯片上去运行的话，通常需要重新编写大量的代码。不同的芯片厂家之间存在各自独立的生态系统，开发者如果选择了某个特定的硬件平台后，要迁移到其他平台上就非常困难了。长期来看，对于一个芯片大厂来说是很有利的，因为这意味着开发者一旦上了车就很难再下来。

模块化公司的创始团队就是看到了这个缝隙。几位创始人来自于苹果、谷歌等大型企业，并且有多年的编译器以及底层系统开发经验，在此之上他们想要做的是不难的事情——建立一个与硬件无关的软件层，使同一个 AI 模型代码可以在不同的芯片上无缝地进行切换运行，无需针对每一款硬件都做一次适配。这件事情的技术难度很大，但是做成了之后的价值是很明显的，掌握住了这一层翻译的能力的人，在未来的计算力越来越分散、芯片种类越来越多的情况下，就可以重新定义开发者的选择权。

对于一级市场上的投资者而言，这已经是一个非常吸引人的故事了。几年间，Modular 陆续获得了多家硬件公司的支持，而这些公司本身也在长期地押注于底层基础架构这一领域中去，其背后的逻辑也很简单：AI 模型训练与部署的需求仍然在不断增长之中，但是计算能力却越来越分散到各个厂家手中去了，在这其中能够搭建起一个兼容性桥梁的人将会成为下一轮基础设施红利中的重要一环。

从行业角度来说，这些公司所具有的价值不只是技术本身，在于它代表着一种正在进行中的转变。过去的十多年里，芯片行业之间的竞争主要是围绕在硬件上进行的，即哪一个公司的工艺更加先进、哪一个公司的计算密度更大，那么哪个公司就有更多的发言权。但是随着算力变得越来越充足之后，瓶颈就由原来的硬件转到了软件上面来，并且不再只是能否制造出芯片的问题了，而是要解决的是如何把芯片用得更好、更灵活的问题。这样的转变给 Modular 等团队带来了机遇，也为想弥补自己软件短板的硬件大厂如高通提供了一个清晰的并购理由。

对于这样的初创团队来说，被收购并不一定是故事的结束，而更像是一次已经过验证的技术进入更大范围应用的机会。一个小于百人的团队自身难以把整个生态系统做起来，但是如果有一个全球拥有大量客户的芯片公司的支持的话，原来只局限于一个小圈子内的技术就可以很快地扩展到边缘计算、数据中心和汽车芯片等领域中去了。这样大的规模效应，并不是创业团队单独努力可以短时间内达到的。

把目光放得更宽一些的话就会发现整个半导体行业的游戏规则已经悄然改变。

过去的几十年里，芯片公司之间的竞争主线非常明确，就是制程、良率、算力密度等硬件参数哪个更强，谁就拥有更多的发言权。该逻辑支撑起了整个半导体行业的扩张速度，并且也造就了我们今天所熟知的一些大厂。但是随着生成式人工智能以及智能体的应用迅速推广开来，在短时间之内把对计算能力的需求提升到了一个新的水平之后，行业内又出现了一个新的瓶颈——硬件端的供应已经加快了步伐，而软件层面的适配效率却没有随之提高。

这样就给硬件厂商一个新思路，在于芯片参数上较劲之外，也可以在软件层面再添一块拼图来填补硬件与应用之间存在的空白地带。因此最近一段时间里，更多的芯片公司都把注意力转向了软件基础架构方面的标的，并希望通过并购的方式迅速获取到一套能够让自己的硬件被更加顺畅地使用的工具，而不再只是依靠原来的老式硬件销售模式。

这背后其实是整个一代人工智能基础架构的故事在演变中。最初的时候，行业内比较的是模型是否能变得更聪明一些、参数能否堆积得更多一点。当模型的能力趋于一致之后，竞争的重点就转到了对训练与推理成本的控制上面来，能够以较低的能量消耗以及更加灵活多变的硬件配置使同一个模型运行得更快、更节省的人，在企业的实际采购决策中就会占到有利的位置。软件层面的兼容性就是这场成本竞赛中最重要的一块拼图。

处在该赛道上的硬件企业来说，机遇与挑战并存。机会就是，在软件层面形成一定的兼容性以及开发者的好评之后，原来由某个大厂长期掌握的生态壁垒就会被打破。压力就在于软件生态系统的建设并不是一朝一夕可以完成的，开发者们的使用习惯、工具链是否成熟、社区是否活跃等等问题都必须经过长时间的努力才能解决，并不能通过一次收购就马上实现。

往后面看的话，数据中心与边缘计算两条线会一直扩大下去，并且人工智能的应用场景也会越来越多地分布到手机、汽车、工业设备等各种终端上，这就意味着芯片的多样化将会不断增加，并不会收敛到某一类标准化的硬件上面来。在这种情况下，在硬件之外能够建立一个足够开放、足够好的软件层的人就会获得下一阶段基础设施竞争中的有利位置。比赛才刚开始就换了跑道，到底是谁能赢还是个未知数。