前英特尔CEO Pat Gelsinger：AI芯片行业将向少数平台集中，制造与封装成核心壁垒

事件概述

前英特尔CEO Pat Gelsinger在近期访谈中对AI芯片行业的未来格局做出判断：当前市场上存在的上百家AI推理芯片公司大多将被淘汰，行业将重新向少数几个主流平台集中。虽然AI降低了芯片设计的门槛，但制造、封装及规模化部署能力已成为新的竞争壁垒。

核心信息

1. 设计加速与制造瓶颈的矛盾

• 设计周期缩短：借助AI工具，芯片的逻辑设计和代码编写效率显著提升，全新AI芯片的设计周期可压缩至约三个月。
• 全周期漫长：从设计完成到实际投入使用，还需经历晶圆制造（约3个月）、先进封装（集成计算芯片、HBM等组件）以及整机系统集成，这一过程至少需要9个月。若算上产能扩大和软件生态完善，总周期可达一年半。
• 迭代错位风险：AI模型的迭代速度已超过芯片从设计到部署的速度。当芯片大规模投产时，其最初针对的性能假设（如Token生成效率）可能已被新的模型架构或推理范式所取代，导致产品竞争力下降。

2. AI芯片公司生存法则：从“性能领先”到“生态适配”**

• 专用化的局限：当前行业出现针对Prefill（预填充）和Decode（解码）等不同推理阶段的极端专用化芯片趋势。然而，AI计算需求变化迅速，且逐渐向科学计算、高精度计算等领域扩展，过度优化的专用芯片面临适应性差的风险。
• 部署成本高昂：大型数据中心需部署百万级加速器。引入多种异构芯片架构会导致软件适配、网络连接、设备管理和维护成本呈指数级上升。
• 客户决定生死：只有英伟达、OpenAI、Anthropic等大型算力平台和客户，才具备足够的资金和工作负载来支持新架构的存活。芯片性能仅是入场券，能否进入大客户体系才是关键。

3. 存储领域：HBM的局限与30年来最大创新机遇

• HBM的现状：尽管HBM是当前主流选择，但仍受限于存储密度、功耗、散热及“内存墙”问题。
• 资本驱动创新：过去四年，存储行业市值增长约2.5万亿美元，AI爆发改变了存储行业长期周期性低迷的局面，为新材料和新器件结构提供了商业化动力。
• 技术方向：值得关注的新方向包括铁电材料等新型存储介质，以及将高带宽、高密度存储尽可能靠近计算单元的方案。相比之下，存内计算（PIM）因灵活性受限，前景相对谨慎。

4. 互连技术：光互连即将突破电互连极限

• 铜互连困境：随着GPU集群规模扩大，高速长距离传输中铜线的信号损耗和成本急剧增加。例如，维持5米铜线正常工作的成本可能高于100米光纤。
• 光互连应用窗口：预计2028-2029年，NPO（无源光互连）、CPO（共封装光学）等技术将迎来规模应用。英伟达NVL72系统的复杂工程表明行业已逼近电互连的工程极限。
• 架构变革：光互连不仅涉及介质替换，更可能推动数据中心网络从分组交换向光电路交换（OCS）转变，以应对AI训练中规律性更强的通信流量，模糊Scale-up与Scale-out的边界。