高通收購 Modular：晶片巨頭如何用軟體補齊 AI 算力生態的拼圖

七月底的一則併購消息，透露了晶片大廠高通在 AI 時代的焦慮與野心。高通正式宣布完成收購人工智慧軟體基礎設施新創公司 Modular。這樁交易沒有公開確切金額，卻找來了重量級主角：Modular 的聯合創辦人兼執行長 Chris Lattner。這位曾經打造出 LLVM 編譯器架構、任職過蘋果與 Google 的矽谷頂尖軟體架構師，未來將直接出任高通技術公司的高級 AI 軟體與平臺執行副總裁。

當我們把目光從併購金額轉向人事安排，便能看懂這不是一場單純的資產買賣。高通長期被市場貼上「無線通訊」與「手機晶片」的標籤。即便他們近年在個人電腦市場憑藉 Snapdragon X Elite 站穩腳步，甚至積極將 NPU（神經網路處理器）推向邊緣裝置，開發者在實際部署模型時，依然要面對跨架構開發的痛苦。高通買下 Modular，要解決的就是這個瓶頸。

要理解 Chris Lattner 的技術份量，得回頭看現代 AI 開發面臨的「翻譯」難題。一個 AI 模型在擁有龐大算力的 NVIDIA GPU 上跑得很順，工程師打算把它搬到搭載高通晶片的手機、甚至是一輛聯網汽車上，過程往往充滿阻礙。不同的硬體架構各自擁有獨特的指令集，過去的開發者必須針對 CPU、GPU 以及各種特定應用積體電路（ASIC）撰寫截然不同的程式碼。

Chris Lattner 在蘋果任職期間主導開發了 Swift 程式語言，後來在 Google 負責 TensorFlow 團隊。他創辦 Modular 的核心理念，就是打造一套名為 Mojo 的程式語言以及對應的 AI 軟體平臺。Mojo 被設計成 Python 的超集，這意味著開發者可以繼續使用最熟悉的 Python 語法，底層卻能透過 LLVM 編譯技術直接編譯成高度優化的機器碼，完美對接各種硬體。

講白了，Modular 打造的是一個「高階翻譯官」。它讓龐大且複雜的生成式 AI 模型與智慧代理能夠無痛部署到所謂的「異構計算系統」中。所謂異構運算，就是在一個系統裡同時使用 CPU、GPU 和 NPU。

過去主導這塊市場的軟體生態，絕大多數由 NVIDIA 的 CUDA 平臺壟斷。開發者習慣了 CUDA 帶來的便利，自然傾向繼續採購 NVIDIA 的硬體。這對於想要在高階 AI 算力市場分一杯羹的高通來說，是一道厚厚的護城河。

高通的硬體設計能力無庸置疑。無論是手機端的 Snapdragon 平臺，還是積極跨足的自動駕駛與工業電腦領域，高通的晶片都能提供極佳的每瓦效能。然而，當客戶想買高通的晶片來跑自家的 AI 模型時，常會發現軟體調校的成本過高。這也是為什麼許多業者抱怨，買了號稱算力強大的晶片，卻無法把效能完全榨乾，因為軟體工具鏈不夠完善。

收購 Modular 直接補齊了這塊缺口。這項交易宣告了高通不再只賣純硬體。Modular 旗下的 Mojo 程式語言、MAX（Modular Acceleration Xpertise）引擎以及 Modular Cloud 雲端平臺，將繼續作為獨立產品與品牌營運，並獲得高通的資金奧援。

這些技術資產讓開發者可以在不改寫大量程式碼的情況下，把模型丟到搭載高通晶片的資料中心、邊緣伺服器或是終端裝置上運行。Modular 對於開放異構生態系統的承諾沒有改變，他們依然會提供針對不同廠牌 CPU、GPU 和 NPU 的客製化解決方案。

這裡帶出了一個更深層的產業結構問題：為什麼高通急著在此時擴大 AI 軟體佈局？

邊緣運算與終端 AI 被視為下一個爆發成長的市場。智慧手機要能在離線狀態下流暢執行大型語言模型，工廠裡的機械手臂要能即時進行瑕疵檢測，自駕車要在毫秒內做出決策。這些場景考驗的都是終端裝置的算力。高通作為行動通訊與邊緣運算的霸主，自然想把這塊市場喫下來。但在 AI 時代，單純賣晶片已經不足以贏得開發者的心。

如果沒有強大的軟體生態支持，再好的硬體規格也只是擺設。高通面臨的競爭對手，除了擁有 CUDA 護城河的 NVIDIA，還有積極發展自家軟體生態的 AMD，以及挾帶龍大安卓系統資源的 Google Tensor。

高通近期在 PC 市場的佈局也印證了這個邏輯。高通試圖將 Snapdragon X Elite 打造成 Windows on ARM 陣營的標竿，但在與蘋果 M 系列晶片的競爭中，軟體相容性與開發者工具的成熟度一直是最大挑戰。Modular 的加入，能夠大幅減輕開發者跨平臺移植應用程式的負擔。這套技術不僅適用於 AI 模型部署，對於各類需要高度平行運算的桌面級應用軟體也能帶來實質幫助。

這與我們先前分析的蘋果漲價決策揭示了哪些供應鏈現實邏輯相似，硬體巨頭都深知單純的晶片銷售難以在波動的供應鏈中維持高毛利，必須透過軟體生態把開發者與使用者牢牢綁在自家平臺上。

更值得觀察的是雲端與資料中心市場的變化。Modular 的技術能協助開發者在「異構計算系統」中部署生成式 AI。高通以往在資料中心市場著墨不深，但如果邊緣運算與雲端的界線日益模糊，未來的 AI 資料中心會是一個包含各式各樣晶片架構的混合體。透過 Mojo 這類高階編譯技術，資料中心業者就能將部分推論工作卸載給成本更低、功耗更小的高通晶片處理，打破目前由單一硬體廠商壟斷算力基礎設施的局面。

對於新創公司而言，這樁併購案則帶來了複雜的訊號。Modular 作為一家力求打造 AI 原生軟體基礎設施的新創，獲得高通的資源無疑能加速產品研發與市場擴張。獨立運作雖然獲得保留，但最終能否在巨頭的組織架構下維持技術中立性，業界多半持觀望態度。一旦高通開始將 Modular 的研發資源大幅傾斜至自家的 Snapdragon 平臺，Modular 原本承諾的「開放異構生態系統」可能會面臨嚴格考驗。

這場收購是高通對 AI 軟體基礎設施的一次豪賭。當晶片摩爾定律逐漸放緩，異構運算與軟體編譯技術成為提升系統整體算力的關鍵。高通藉由吸納頂尖編譯器人才，試圖將自家的硬體優勢轉化為涵蓋軟硬體的完整解決方案。

未來的 AI 算力競爭，焦點已經從電晶體的微小化，轉移到編譯器與軟體抽象層的效率之爭。高通這一步棋能否有效整合軟硬體資源，打通從雲端資料中心到邊緣終端裝置的任督二脈，將決定他們能否在下一階段的 AI 產業洗牌中，從晶片供應商進化為真正的算力平臺霸主。對於關注科技產業發展的讀者來說，接下來最值得觀察的訊號，就是開發者社羣對於 Mojo 語言的實際採用率，以及各大硬體大廠是否會跟進發動類似的軟體併購戰。