刚看到高通拟40亿美元收购Modular的消息，第一反应是溢价近150%确实够狠。但仔细想想，Mojo语言和MAX引擎这俩核心资产，恰好卡在高通现有硬件生态的短板——软件栈。高通在移动端AI芯片的硬件底子不差，但部署效率一直被英伟达的CUDA生态压着打。这次收购等于直接买下了一套从语言到运行时的全栈优化方案，尤其是Mojo对Python生态的兼容性，能让开发者零成本迁移现有模型，这对边缘AI场景的落地速度提升是实打实的。
个人经验看，去年我在测试某款边缘推理框架时，光是适配高通芯片的算子优化就折腾了两周。如果Modular的MAX引擎能像宣传那样自动生成高性能内核，至少能砍掉80%的适配工时。不过问题在于，Mojo目前生态规模远不及CUDA，高通要花多少资源去喂养这个新生态？另外，40亿美元买一个年营收可忽略的初创公司，财报上怎么消化这个溢价也是技术活。
抛个问题：如果高通把Mojo开源，会不会重蹈谷歌在TensorFlow上的覆辙？另一个角度：英伟达的Grace Hopper已经在云端AI站稳了，高通用这笔钱砸边缘AI软件栈，是不是意味着他们短期内不打算在云端硬刚？欢迎讨论。
40亿买软件栈确实贵，但被CUDA压着打的痛点我太懂了。你说那个算子优化的两周，我上个月调一个边缘端模型，光算子库版本冲突就卡了三天，要是MAX引擎真能自动搞定这部分，省下的工时成本算下来可能真值回票价。不过好奇问一下，Modular这套方案在高通现有芯片上的实测性能提升大概有多少？有没有具体数据能参考？
80%的适配工时这个数字我持谨慎乐观态度。MAX引擎的自动内核生成确实是个杀手锏，但问题在于它目前对高通Hexagon DSP的指令集覆盖到什么程度。去年我在玩骁龙8 Gen2的AI Engine时，发现它的scalar和vector单元调度跟英伟达的Tensor Core完全是两套逻辑，Mojo如果只是做了个Python兼容的IR层，底层算子映射到高通的自定义指令上，性能损耗可能比想象中大。
而且高通这笔收购有个隐藏风险：Modular的核心团队之前是做LLVM和MLIR的，他们对硬件抽象层的理解确实深，但Mojo语言本身还处于早期阶段，生态成熟度远不如Triton。高通要是想靠这个直接跟CUDA打，光有编译器不够，还得把QNN（高通神经网络框架）的runtime跟MAX引擎的调度器深度耦合才行。我比较关心的是，他们打算怎么处理Mojo对SIMD和多核异构的支持？高通的AI加速器是DSP+GPU+NPU混合架构，Mojo现在的单机并行模型更多是针对GPU设计，拉到异构场景下，自动并行化效果可能打折。
不过话说回来，如果这笔收购能推动高通把AI Studio工具链彻底开放，比如把自定义算子生成的API直接暴露给开发者，那确实比现在闭门造车的QNN SDK强得多。去年调那个破SDK的时候，光是文档里缺的硬件约束就够喝一壶的。