Qualcomm apunta a $15B ingresos de centro de datos para 2029 a través de Dragonfly; High-Bandwidth Compute afirma 6x eficiencia de HBM

Qualcomm reveló su plataforma Dragonfly en su Investor Day del 25 de junio, un impulso de infraestructura de centro de datos de pila completa que incluye CPU Dragonfly C1000 (250+ núcle funcionando a 5GHz), aceleradores AI200/AI250/AI300, tecnología de memoria High-Bandwidth Compute (HBC) y silício personalizado, apuntando a $15 mil millones en ingresos de centro de datos para 2029 fiscal. La estrategia representa el pivote formal de Qualcomm de una empresa de semiconductores centrada en teléfonos móviles a un jugador a nivel de sistemas que compite directamente con NVIDIA, AMD y productores de ASIC nativos en la nube en toda la pila de inferencia de IA.

La innovación central de HBC coloca núcle de computo directamente debajo de pilas DRAM LPDDR a través de vías de silicio, eliminando el caro interposor de silicio requerido por sistemas HBM. Qualcomm afirma que HBC ofrece 6x el ancho de banda por vatio frente a HBM, 200x la capacidad por vatio frente a SRAM, y hasta 8x más tokens por vatio que las configuraciones tradicionales de GPU. AI250 equipado con HBC Gen 1 logra 133 TB/s de ancho de banda de memoria por tarjeta, un salto 18x del AI200. El muestreo comercial comienza mediados de 2027 con AI250, seguido por HBC Gen 2 en AI300 en una cadencia anual.

Meta y Microsoft respaldaron la arquitectura como adoptantes tempranos. Humain (Arabia Saudita) se comprometió a desplegar 200 MW de racks Qualcomm, señalando un despliegue a escala de planta de energía. Qualcomm también adquirió Modular por $3,9 mil millones para desafiar el dominio CUDA de NVIDIA con una pila de software abierta y agnóstica de arquitectura. Para arquitectos que evalúen cargas de trabajo de IA limitadas por ancho de banda de memoria, HBC de Qualcomm elimina un cuello de botella central en la escalabilidad de inferencia. La combinación de LPDDR de comodidad en lugar de HBM escaso más mejora de eficiencia energética de 6x podría remodelar el cálculo de TCO para inferencia de contexto largo e implementaciones agenticas de IA.