昨天上午,高通公司宣布将以14亿美元现金收购数据中心CPU初创厂商NUVIA。与此同时,来自软件与应用生态系统、智能手机、PC制造、汽车制造等多达18家全球一流合作伙伴也对高通的收购决策表示强烈支持。
我有幸与高通公司CEO兼总裁Cristiano Amon当面交流,探讨关于知识产权组合的话题。我是从2019年年底才开始关注NUVIA的,当时还提到我认为这是“目前最有趣、甚至没有之一的芯片初创企业。”这当然只是我的一家之言,好在我对NUVIA的判断基本正确,这家年轻的公司在A轮融资的短短14个月之后就以14亿美元的价码接受了收购。
高通此举颇为明智,因为其目前已经拥有跨越智能手机、个人计算机、汽车以及边缘基础设施市场的无线、RF、GPU、DSP以及NPU等极具深度和广度的知识产权组合。高通从ARM处获取CPU设计授权,并借此获得了良好的运营支持。但这种设计思路也导致其很难与其他CPU竞争对手拉开差距。最近一段时间,苹果在手机CPU层面表现抢眼,甚至开始将芯片成果引入MacBook M1当中。
Amon在一份声明中解释道,在NUVIA的支持下,“我们将把业界领先的图形与AI技术融合起来,将计算性能提升到新的水平,借此为多个行业的产品带来前所未有的功能。”
相信在吸纳NUVIA之后,高通公司能够进一步融合现有知识产权与人才,最终与苹果及AMD在CPU设计方案的功耗与性能方面正面对抗。虽然还无法断言,但NUVIA明确表示将在今年之内完成一项重要设计。我个人认为高通方面会更倾向于将NUVIA的技术储备及成果引导至智能手机与PC领域,而非通用服务器CPU市场。
人才的意义同样十分重大。NUVIA公司创始人曾在苹果M1芯片及其后续架构的设计中发挥重要作用。我也在之前的文章中提到过,该公司联合创始人John Bruno可能正是M1模型的性能提升功臣,Gerard Williams很可能担任其CPU架构师,而Manu Gulati则可能扮演着SoC架构师角色。

Nuvia公司联合创始人John Bruno, Gerard Williams III, Manu Gulati
我对NUVIA公司CEO Gerard Williams在一份声明中的观点深表赞同:“CPU的性能水平,直接决定着其能否在新的计算创新时代占据生存空间并真正被投向市场。我一直是异构计算的支持者,但我们不应忘记CPU——它仍然是最灵活、最易于编程、而且与内存子系统有着密切关联的计算架构。”
NUVIA的B轮融资领投方Mithril Capital也发表了一份声明,其创始人Ajay Royan提到“NUVIA公司体现了我们在投资对象身上最希望看到的优点。NUVIA立志颠覆芯片的设计思路,解决数据生成速度超过处理能力提升速度这一根本难题。NUVIA公司联合创始人John Bruno, Gerard Williams III以及Manu Gulati可以说是本世纪最具才华的芯片设计师之一。他们先后在谷歌、苹果、AMD以及ARM等科技巨头的成功项目中担负起领导职责。”
大多数收购公告只会提及收购方与被收购方。但高通的此次收购公告却提到了以下领先企业:
众多合作伙伴纷纷道贺的情况实在不太常见,这也从侧面证明了Amon及其团队以往开展的行业合作终于结出了果实。在高通表示希望加速5G运营推广计划时,全球各地的45家企业立刻聚集了起来。而在高通表示希望通过VRAN实现边缘基础设施虚拟化时,也很快召集到15家主要合作伙伴。而在迈出芯片设计层面的重要一步时,18家公司也站出来表达支持。
当然,如果没有早期投资者的资助,NUVIA根本不可能走到今天。其A轮融资中的5300万美元由Capricorn Investment Group、Dell Technologies Capital、Mayfield、Nepenthe LLC以及WRVI Capital领投。B轮融资的2.4亿美元则由Mithril Capital联合Sehat Sutardia、Weili Dai(Marvell Technology Group创始人)、BlackRock、Fidelity Management & Research Company、淡马锡领投,Atlantic Bridge、Redline Capital、Capricorn Investment Group、Dell Technologies Capital、Mayfield、Nepenthe LLC以及WRVI Capital参投。
Mithril投资人Peter Theil对此次收购给予高度肯定。Thiel在一份声明中提到,“Mithril向来以严明的纪录与差异化判断闻名,这一次Ajay Royan又成功抢先了一步。”
总结
芯片业务高度依赖于战略决策,高通公司收购NUVIA也再次证明了这一点。虽然我对高通公司目前强大的知识产权储备充满敬意,但一直认为他们应该像早期骁龙处理器那样更多采用自主设计。再次强调,我非常理解高通为了广泛的市场需求而选择更多强调产品广度的思路,这一点与苹果深研定制化CPU的定位截然不同。但我同样也坚定相信,高通始终是一台严谨而高效的执行机器,它一定能够在困境当中找出破局之路。
好文章,需要你的鼓励
尽管AI实验广泛开展,但大多数AI项目缺乏成熟度无法规模化。93%的组织在使用或构建AI系统,但仅不到10%建立了强健的治理框架。研究显示,超过50%的AI实验从未投产,仅1%的项目实现真正变革性成果。缺乏数据和AI主权是关键障碍,而拥有主权的组织AI项目成功率提升2倍,回报率增长5倍。
香港中文大学等顶尖院校联合研究发现,当前最先进的AI视频生成技术已能制作出连顶级检测系统都无法识别的假视频。研究团队开发了Video Reality Test平台,测试结果显示最强生成模型Veo3.1-Fast的假视频仅有12.54%被识别,而最强检测系统Gemini 2.5-Pro准确率仅56%,远低于人类专家的81.25%。研究还发现检测系统过度依赖水印等表面特征,音频信息能提升检测准确性,但技术发展已对信息真实性判断带来严峻挑战。
企业正竞相释放AI的变革潜力,但真正的瓶颈不在技术而在人力准备度。Gartner研究显示,56%的CEO计划在未来五年削减管理层级,但91%的CIO未跟踪AI引发的技能变化。超过80%的领导者根本不衡量AI准确性。AI价值取决于员工适应和与智能机器共同发展的能力。CIO必须应对五个关键人力障碍:AI退出效应、中层管理困境、行为副产品、准确性悖论和影子AI现象,这些深层次的行为反射和组织动态如不解决将阻碍转型。
Google DeepMind团队提出了革命性的"扩散预览"模式,通过ConsistencySolver技术实现AI图像生成的"预览+精修"工作流程。该技术能在5-10步内生成高质量预览图像,与传统40步完整生成保持高度一致性,用户体验测试显示总体时间节省近50%,大大提高了创作效率和创意探索的自由度。