芯片专家称AI算力瓶颈转向封装、互连与存储
芯片专家Mr. Bubble表示，AI基础设施的制约因素正由单芯片算力转向先进封装、互连延迟和分层存储，并看好闪存卸载及3D DRAM方向。
Reported facts
芯片专家：AI算力瓶颈正从芯片转向封装、互连和存储
动察 Beating AI 快讯，资深芯片设计师及硬件分析人士「Mr. Bubble」在 Frictionless Podcast 采访中表示，AI 算力基础设施的核心瓶颈正从单纯提升芯片算力，转向先进封装、系统互连延迟以及存储层级管理。
Mr. Bubble 认为，先进制程成本快速上升，而晶体管密度提升幅度有限，使传统摩尔定律面临经济性挑战。相比继续缩小制程，行业正更多通过先进封装将多颗芯片连接为一个计算系统。他指出，未来 AI 算力的基本单位可能不再是单颗芯片或服务器，而是完整机架甚至多个机架，PCB、封装和互连能力将成为关键限制因素。
在存储方面，他认为，随着 AI 推理上下文窗口扩大，海量历史上下文不应全部占用昂贵的 HBM，行业可能更多采用闪存卸载，将高频数据留在 HBM，低频上下文迁移至更大容量、更低成本的存储层。他进一步预计，3D DRAM 可能成为下一代内存技术的重要方向。
对于 AI 基础设施投资，Mr. Bubble 认为，随着预填充与解码逐步采用分离式架构，系统级硬件设计的重要性将进一步提升。他还表示，与直接押注大模型公司相比，拥有硬件、封装、存储及其他关键基础设施能力的企业可能在 AI 产业链中扮演更长期的角色。
原文链接 https://m.theblockbeats.info/flash/368379
AI-assisted interpretation
The following is analysis, separate from reported facts. Verify important claims independently.
No additional explanation is available beyond the summary.
Why it matters to readers
专业媒体转述具名专家的播客观点，足以确认其公开表达，但有关瓶颈迁移、闪存卸载和3D DRAM的判断属于行业预测，并非企业订单、产能或业绩数据。内容涉及AI硬件产业链的中长期结构变化，但缺少具体公司、时间表及量化证据，短期市场催化有限。
关注后续官方信息，不根据单一消息做决定。
Risks and unknowns
主要芯片及云计算企业对先进封装、互连和存储的资本开支指引
闪存卸载方案在大规模AI推理系统中的实际部署与成本数据
3D DRAM的量产时间表、良率及客户验证进展
封装、PCB和高速互连环节的订单及产能利用率变化
Related Developments
Loading event timeline…