2026 年 6 月 24 日，Qualcomm 正式宣布以约 39.2 亿美元的全股票交易收购 AI 软件初创公司 Modular。这笔交易不仅创造了年内半导体领域最大的软件并购案之一，更在产业层面划出了一条清楚的分界线：当硬件巨头发现仅靠芯片参数已无法撼动 Nvidia 的护城河时，战场正在向软件层迁移。
Modular 所做的事情，用一句话概括就是「一次编写，跨芯片运行」——让同一个 AI 模型无需重写代码，即可在 CPU、GPU、NPU 乃至定制 ASIC 上部署。这在概念上直接对标 CUDA：Nvidia 过去十年间凭借一套封闭的软件生态，将数百万开发者的模型和工具链牢牢绑定在自家 GPU 上。Qualcomm 此次出手，本质上是为这条锁定效应寻找一把钥匙。
Modular 是什么？
Modular 由 Chris Lattner 和 Tim Davis 于 2022 年创立，两人此前均在 Google 的 TPU 团队工作。Lattner 的履历在编译器与编程语言领域堪称传奇：他一手创建了开源编译器基础设施 LLVM，在苹果领导开发了 Swift 语言，之后短暂执掌过 Tesla Autopilot 软件项目。Davis 则在 Google 期间共同创建了 TensorFlow Lite，让机器学习模型得以在算力有限的设备上运行。
二人离开 Google 创办 Modular 的初衷，源于他们对 AI 基础设施碎片化的深刻不满。Lattner 曾在接受 WIRED 采访时表示，他们试图解决的是一个「结构性问题」——现有软件技术并非为跨硬件规模化构建，这种碎片化抑制了创新和选择，使开发变得痛苦。
Modular 的核心产品包括两部分：MAX 平台（一个硬件无关的 AI 推理引擎）和 Mojo 编程语言（Python 的超集，同时具备 C++/Rust 级别的系统编程性能）。这套组合拳的卖点非常明确：开发者只需编写一次推理工作负载，即可在 Nvidia GPU、AMD 芯片、Qualcomm Snapdragon 或任何处理器上运行，无需为每种硬件重写代码。
在交易宣布前的九个月，Modular 刚刚以 16 亿美元的估值完成了 2.5 亿美元融资——这意味着 Qualcomm 的出价在不到一年内给出了约 2.5 倍的溢价。Modular 全部约 150 名员工，包括两位联合创始人，将整体加入 Qualcomm。
Qualcomm 的战略逻辑：补齐软件拼图
要理解这笔 39 亿美元交易背后的战略逻辑，需要先看清 Qualcomm 过去两年的布局轨迹。
作为一家智能手机芯片收入占比极高的公司，Qualcomm 在移动市场趋于饱和后一直在寻找新的增长极。CEO Cristiano Amon 近期的公开表态勾勒出两条清晰的战线：
**数据中心 AI 芯片：**2025 年底，Qualcomm 收购了基于 RISC-V 架构的服务器 CPU 初创公司 Ventana Micro Systems，为其 Oryon CPU 技术注入开源指令集能力。随后推出 AI200 和 AI250 两款 AI 推理加速器，将 Hexagon NPU 架构带入数据中心。2026 年 5 月，Qualcomm 与字节跳动达成协议，为其定制数百万颗 AI ASIC 芯片，用于支持「豆包」等核心 AI 应用的后端推理。这是 Qualcomm 在数据中心 AI 市场最实质性的客户落地。
**边缘 AI 与可穿戴设备：**Amon 在 CNBC 采访中透露，Qualcomm 正在开发超过 40 种 AI 设备设计方案，涵盖智能眼镜、内置摄像头的耳机、智能手表、别针和智能珠宝等形态。公司在同期发布了 Snapdragon Reality Elite 平台，NPU 性能较上一代提升 160%，并推出了面向眼镜厂商的白标参考设计套件。
在这种「从设备到数据中心」的全线推进中，软件层恰恰是最薄弱的环节。Qualcomm 拥有覆盖 CPU、GPU、NPU 乃至定制 ASIC 的多样化硬件 IP，但开发者生态一直无法与 Nvidia 的 CUDA 相提并论。正如咨询公司 Acceligence 的 CIO Yuri Goryunov 所分析：「Qualcomm 真正买下的不是芯片，而是软件层——Chris Lattner 的团队加上 Mojo 和 MAX 引擎。Nvidia 真正的护城河从来不是 GPU，而是 CUDA 以及将工作负载锁定在自家硬件上的重写成本。」
Lattner 本人在 LinkedIn 上写道，加入 Qualcomm 将「加速我们的进程和路径」，覆盖「从边缘到云端、CPU、GPU、NPU、定制 ASIC，或许更多」。这句话透露出的信息是：Modular 的平台此前已集成了多家超大规模数据中心硅供应商的支持，而被收购后这个开放路线仍将继续。
一场「软件侧翼战」：攻击 CUDA 的正确方向
在 AI 芯片领域，挑战 Nvidia 的尝试从未停止。AMD 的 ROCm 虽为开源，移植难度却不低；Intel 的 oneAPI 推进缓慢；各家云厂商的自研推理芯片（AWS Trainium、Google TPU）则主要通过垂直整合绕开正面竞争。但这些路径的共同瓶颈是软件生态的厚度——无论硬件规格多接近，没有开发者愿意为小众平台重写整个工具链。
Modular 的思路则是「从软件层迂回」：与其说服开发者离开 CUDA，不如提供一个能同时覆盖 CUDA 和其他所有硬件的抽象层。如果开发者用 Mojo 和 MAX 来编写推理工作负载，底层跑的是 Nvidia GPU 还是 Qualcomm 的 AI200 对应用而言不再关键。这正是 Goryunov 所说的「可信的『一次编写，随处运行』层，正是降低切换成本、让非 Nvidia 芯片成为安全赌注的关键。」
Moor Insights & Strategy 的分析师 Matt Kimball 也指出，「随着企业 AI 真正进入规模部署，异构化几乎是一种低估——不同的加速器适用于不同用例和部署场景。」Modular 在抽象复杂性和提供灵活性方面的价值，正是 Qualcomm 看中的差异化能力。
但分析师们普遍认为，这不会一夜之间改变竞争格局。「CUDA 的护城河有十年之深，这是一场多年的执行战，」Goryunov 警告，「攻击的方向是对的，但说它立即改变力量对比就过头了。」Info-Tech Research Group 的 John Annand 则更直白地指出，Nvidia 在 AI 加速器市场占有率约 80%，且「花费了数十年时间让 AI 和 ML 从业者融入其 CUDA 软件生态——重写这条工具链需要制度性的改变，这意味着数年甚至数十年的解耦过程」。
M&A 浪潮中一个更宏大的叙事
这笔收购发生的时间节点同样值得关注。根据 StartupHub.ai 的追踪数据，在 6 月 22 日至 28 日这一周内，AI 领域的风险投资额骤降至约 9 亿美元，但披露的 M&A 总额却超过 57.5 亿美元——交易金额是 VC 部署规模的 6 倍以上。在同一周内，电子邮件平台 Superhuman 收购了 AI 文本检测公司 GPTZero，法国药企 Ipsen 以 17.5 亿美元收购 Kartos Therapeutics。
这一结构性转变的信号十分清晰：AI 推理软件层——芯片和模型之间的中间层——正在成为整个技术栈中最具战略价值的资产。那些没有自建这一层的公司，现在正在花费数十亿美元来购买。
StartupHub.ai 的分析指出，Qualcomm 收购 Modular 的举动为市场设定了一个参考价：「推理软件可移植性大约值 40 亿美元」。这个数字现在正出现在地球上每一家芯片公司的战略规划文件中。文章预测，在 7 月底之前至少还会有一笔针对 CUDA 替代方案的收购——AMD 的 ROCm 是最显眼的目标，Intel 的 oneAPI 同样处境尴尬。
风险与变数
值得警惕的是，被收购后的「中立性」始终是此类交易的长期风险。Info-Tech 的首席研究总监 Shashi Bellamkonda 精准地指出了这个悖论：「Qualcomm 将最用力地为 Qualcomm 芯片调优。每家硬件公司都这样做。供应商中立的软件基础在被收购后，总是会产生硬件偏好——一旦收购方需要差异化自家芯片。」
此外，这笔交易能否顺利完成监管审查——尤其是在当前中美科技博弈背景下 Qualcomm 与字节跳动已有深度合作的语境中——也存在不确定性。交易预计在 2026 年下半年完成，仍需满足惯常的交割条件和适用监管批准。
最终的判断
Qualcomm 收购 Modular 的逻辑是清晰的：在智能手机市场增长天花板明确的当下，公司需要在数据中心和边缘 AI 两条战线同时打开局面。硬件方面，AI200/250 芯片、字节跳动 ASIC 订单和 Ventana 的 RISC-V CPU 构成了基础进攻梯队；软件方面，Modular 的 MAX 平台和 Mojo 语言提供了弥合碎片化生态的粘合剂。
这不是一场正面的攻城战——至少在短期内，没有公司能在 GPU 性能和 CUDA 生态的叠加优势上正面击败 Nvidia。但它是一场精准的侧翼战：攻击点选在 Nvidia 护城河最深处同时也是最脆弱的环节——软件锁定。正如 Lattner 在 LinkedIn 上所说，「在一个充满创新异构 AI 硬件的世界里，一直存在一个鸿沟：现有的碎片化软件技术并非为跨这些硬件规模化构建。」填补这道鸿沟，既是 Modular 创立的初衷，也是 Qualcomm 下注 39 亿美元的理由。
