来源：新浪财经
峰会因中国需求提前
这次骁龙峰会的首发终端名单里，小米、vivo、红魔、OPPO 悉数在列，几乎清一色是中国厂商。孟樸不讳言这背后的逻辑：早年高通旗舰新品常常要拖到 10 月甚至更晚发布，但中国 OEM 厂商希望赶在 " 十一 " 假期前上市新机，这股需求反过来倒逼高通把发布节奏提前到 9 月下旬，今年更是因为中秋节的缘故又往前挪了几天。" 高通旗舰 SoC 的发布时间，与中国 OEM 厂商的新品发布节奏，始终配合得非常紧密。"
今年高通首次同时推出双旗舰，孟樸把这解释为技术与成本的双重考量：一款用来标定行业能力的上限，另一款则追求效率，服务于更广泛的客户群。谈到 vivo、OPPO 旗舰未选用高通芯片、小米折叠屏采用自研芯片的现象，他也没有回避：" 厂商的手机其实都是多品牌的，iQOO、一加接下来几周的旗舰发布用的都是高通芯片，小米数字系列则多年来一直采用高通平台。" 他强调，高通不会因此改变产品节奏，" 我们要做的，就是一定要把旗舰芯片做到最高端。"
中国团队八年扩大一倍
高通中国业务增长有多快？孟樸披露：2018 年高通在华员工约 3000 多人，如今已增长至 6000 多人，北京、深圳等地陆续新增研发中心。驱动这一扩张的一个重要因素，是中国大模型生态的特殊性。
" 中国的大模型数量可能比美国更多，而且具有很强的本地化特征，其他地区团队很难完全覆盖。" 孟樸说，过去手机 SoC 完成一次适配后，往往大半年不需要再调整，而现在大模型每三个月甚至更短就要迭代一次，这让适配工作量陡增。
去年骁龙峰会期间，高通在北京设立分会场并发起 "AI 加速计划 "，联合运营商、终端厂商与大模型厂商共同推动端侧 AI 落地；2024 年发布的 AI Hub，则为开发者提供了面向骁龙平台优化的模型库，孟樸称其在中国的落地 " 已基本完成第一步，接下来将继续推动规模化应用 "。
面对 " 是否会让中国团队独立运作 " 的追问，他给出了明确否定：" 将中国团队与全球化几十年积累的研发体系完全隔离，既不现实，也不利于服务中国客户。"
存储涨价施压低端机
今年智能手机行业的一大挑战是 DRAM 和 NAND 价格飙升，一年内上涨了四到五倍。孟樸称这是他从业数十年来以来 " 很少见 " 的现象。
他给出了一笔具体账：一部千元机成本原本约 40 美元，内存、SoC、屏幕、其他成本各占 10 美元左右；如今内存一项就涨到 40 至 50 美元，整机成本随之推高到 70 至 80 美元。" 原先的千元机价位段很难继续维持。" 他判断，这轮涨价至少要到明年年底才可能趋稳，但难以迅速回落。
谈及成本传导，他也提到高通自身的 Fabless 模式意味着上游涨价会直接传导。今年发布的两款旗舰均采用 2 纳米制程，相较 3 纳米单位成本明显上升，" 当成本上涨过快、过高时，往往也会倒逼技术和产品创新 "。
汽车业务中国贡献一半
汽车被孟樸列为未来三到五年高通增长最快的板块之一。他透露一个细节：9 月 22 日一天，中国车企发布了 9 款新车，其中 7 款采用高通方案。更关键的数字是，高通中国目前贡献了公司汽车业务全球营收的近一半。
今年 6 月投资者日上，高通把 2029 财年非手机业务营收目标上调至 400 亿美元，手机、" 汽车 + 物联网 "、数据中心三部分预计各占三分之一。谈及中国角色，孟樸的表态颇为坦率：" 我希望数据中心业务起来之后，高通中国占公司整体营收的比例能够维持不变。"
除了汽车，具身机器人是孟樸主动提及的另一个中国样本。" 中国有很多企业正在布局具身机器人领域，高通与行业内知名度较高的企业基本都保持着广泛合作。" 连续两届 CES，高通都带了中国机器人参展，他认为中国具身机器人 " 具备全球应用潜力 "，能否进入不同市场则取决于当地合规与生态适配。
中国在 AI 周期优势明显
被问及智能体真正实现跨终端协同还要多久，孟樸给出了一个具体年份区间—— 2027 年到 2028 年左右。他以今年世界人工智能大会上出现的几款 AI 手机为例：荣耀 Robot Phone 代表传统厂商在现有硬件上叠加 AI 能力，豆包手机代表硬件厂商与大模型公司的合作模式，阶跃星辰的 STEPX Neo 则是大模型公司自己做硬件。
" 这几条路都不一样，现在判断哪条更好还为时太早。" 他认为中国厂商在这轮技术周期中的优势明显：完整的产业链、经过 15 年淘汰赛存活下来的能力，以及全球最丰富的应用场景。高通会为中国合作伙伴提供更多的支持。
群访接近尾声时，有记者问及未来一年最大的风险。孟樸的回答没有回避不确定性，却也透着一种技术出身者的笃定：" 风险和机会其实是并存的，关键在于能否快速落地、执行到位。" 过去两年，行业疯狂涌向云端算力，而他一直坚持的判断正被验证：" 端侧 AI 是人工智能发展必须落地的闭环，这一点正变得越来越清晰。"
" 真正优秀的 AI 应用，未来必然是端、边、云协同的结果。它不是单纯由某一类硬件终端来主导，而是以智能体为核心，在不同终端之间流转，最终服务于每一位用户。"
