2024年初，当英伟达市值突破两万亿美元，黄仁勋穿着标志性皮夹克，举起比手掌还大的芯片时，全场沸腾。然而，他一句“我们正在接近一个物理极限”的提醒，轻易淹没在“算力即国力”的狂热叙事里。与此同时，在北美某个数据中心，运维负责人正对着训练千亿参数模型产生的天价电费发愁——单次成本已远超团队全年薪资。这场对算力的无尽渴求，正粗暴地撕裂产业链，而传统计算架构则像一辆油门焊死的老旧卡车，冲向悬崖边缘。
“2035年全社会算力增长十万倍”——这个数字频繁出现在各类趋势报告中，几乎成了一种产业信仰。但数字本身不具意义，关键在于：这十万倍算力从何而来？答案绝非“技术自然演进”。算力的本质并非单纯的计算能力，而是一种被精心设计、分配与控制的战略资源。冯·诺依曼架构统治计算世界长达七十年，并非因其是终极最优解，而是因为整个产业生态——从指令集到编译器，从操作系统到应用软件——都已深深嵌入这套范式之中。突破它，需要的不仅是技术创新，更是一场对产业秩序的重构。而定义新秩序的权力，从来就不完全掌握在工程师手中。
要理解当下的算力困局，必须首先看清冯·诺依曼架构的真正瓶颈。这套诞生于七十年前的计算范式，其核心逻辑是“存储与计算分离”：数据存放在内存，计算由CPU执行，二者通过总线不断搬运数据。在任务简单、数据量小的时代，这无疑是高效设计。然而，当AI模型的参数量从百万飙升至万亿，当训练一次GPT-4所需处理的数据量堪比人类有史以来所有书籍时，这条“数据搬运高速公路”便成了致命瓶颈。处理器在等待数据，数据在排队进入处理器，大量能耗被浪费在“搬运”而非“计算”上——这就是著名的“内存墙”问题。形象地说，冯·诺依曼架构就像一个设计精良的中央厨房，但所有食材都必须从城市另一端的仓库运来，导致厨师90%的时间在等待，而非烹饪。
正因如此，整个产业界都在热议“新型计算”。存算一体、类脑计算、量子计算、光计算……这些方向背后的共同逻辑是：打破“存储-计算”的二元分离，让计算发生在数据所在之处，或彻底改变计算的物理实现方式。然而，没有一条路是坦途。存算一体需要从材料到架构的全栈重构，虽能在特定场景下实现十倍乃至百倍的能效提升，但其通用性仍存疑。类脑计算模仿人脑神经网络工作，理论能耗极低，但编程、训练及与现有生态兼容等问题尚无成熟方案。量子计算被寄予厚望，但即便最乐观的预测，其实用化也在十五年之后，且仅对特定问题有指数级加速，无法取代经典计算。
换言之，“突破冯·诺依曼架构”这七个字，背后是计算架构、材料器件、工程工艺、计算范式四个层面的系统性挑战，每一层都有其物理定律、工程瓶颈与产业惯性。这不是一次短跑冲刺，而是一场需要数十年持续投入的持久战。
博弈结构：比技术更复杂的权力游戏
技术难题并非唯一，甚至不是最关键的障碍。真正决定算力未来格局的，是深层次的博弈结构。
当前的全球算力版图，本质上是三层权力结构的叠加：最底层是材料与设备，被日、荷、美少数企业垄断；中间层是架构与生态，被美国企业通过指令集、开发工具、软件栈牢牢把控；最上层是应用与数据，看似开放竞争，实则严重依赖前两层的基础设施。英伟达的CUDA生态是这一结构的缩影——它已不仅是一套编程工具，更是一种“计算语言”，全球数百万开发者使用它，形成了强大的路径依赖。你可以设计出性能更强的芯片，但若开发者不愿为你重写代码，它只是一块昂贵的硅片。
“卡脖子”从不发生在显眼处，而在那些被视为理所当然的地方。指令集、EDA工具、光刻机是卡点，但更隐蔽的是生态——CUDA、ARM的IP授权、台积电的工艺配方，乃至叫不出名字的特种气体与光刻胶。这套系统的精密在于，它让后来者永远处于“追赶”状态：突破一个环节，对方就在下一环节收紧；实现国产替代，对方就升级规则定义。
许多人将新型计算视为“弯道超车”的窗口，逻辑是：既然传统赛道被封锁，就在新赛道重新起跑。这听起来诱人，却经不起推敲。在量子计算领域，IBM、谷歌、英特尔早在十五年前便开始专利布局。存算一体领域，三星、SK海力士等存储巨头已视其为下一代核心。类脑计算领域，英特尔的Loihi芯片已迭代至第二代。新赛道的起跑线，并非同时画下。
破解流行叙事背后的幻觉
看清博弈结构，才能辨析几种流行叙事。
第一种是“摩尔定律失效意味着机会”。过去五十年，摩尔定律驱动半导体产业，后来者跟随曲线便能缩小差距。如今定律放缓，许多人认为领先者跑不动了，机会来了。但这个判断忽略了关键事实：定律放缓的同时，追赶难度也在指数级上升。每一代工艺的研发成本、设备投资、工程复杂度都在翻倍。领先者只是遇到了更陡的山坡，而后来的者面对的是同样的陡坡，且缺乏数十年的工程经验与供应链协同。
第二种是“新架构可以绕开旧生态”。存算一体、类脑计算等新范式确有可能实现算力跃升，但它们共同面临“软件生态从零开始”的挑战。芯片价值需通过软件释放。从芯片设计到广泛采用，中间隔着编译器、驱动、操作系统、开发框架、应用软件的漫长链条。英伟达建立CUDA生态花了十五年，英特尔x86成为默认选择用了四十年。新架构即便硬件突破，建立生态仍需十年起步，且需克服开发者习惯、存量代码、培训体系等巨大惯性。你可以造出更好的车，但如果全世界的加油站都只提供另一种燃料，车也跑不起来。
第三种是“算力需求会自动创造供给”。AI爆发带来了空前的算力饥渴，但需求不等于供给会自动出现。算力供给受制于物理定律、工程能力、资本、人才、产业协同等多重约束。观察全球算力分布，一个残酷事实是：算力正向少数节点集中。美国几家云厂商掌握全球绝大多数高端算力，他们不仅有芯片，还有数据中心、电力、冷却技术、软件栈和客户生态。算力不是自由流动的商品，而是高度集中、整合的战略资源。
第四种是“技术突破可以跨越政治”。过去几十年半导体产业的全球化分工，让许多人相信技术超越国界。但2019年后的种种事实表明，技术路线的选择本身就是政治。EUV光刻机出口管制、先进制程芯片禁运、EDA工具断供——逻辑一致：通过控制技术供给关键节点，限制后来者能力上限。在新型计算领域，量子计算的核心设备、低温制冷系统等，许多已被纳入或正在讨论纳入管制清单。
正视现实：十万倍增长的代价是什么？
拆解这些幻觉后，必须正视现实：若想实现算力十万倍增长，需要付出何种代价？
首先是资金，且必须是能承受长期亏损、不要求短期回报、愿为不确定性买单的战略性资本。半导体研发不是互联网创业的节奏，而是十年投入、十五年见效、二十年收获的超长周期。一条先进封装产线投资达十亿级别，一个存算一体芯片研发周期五到八年，一套量子计算基础设施投入达百亿级别。这些投入需要能接受失败、允许试错、并能持续追加。
其次是人才，是既懂物理又懂工程、既能做理论又能下车间、既理解学术前沿又熟悉产业落地的极度稀缺的复合型人才。新型计算横跨物理学、材料学、电子工程、计算机科学、数学等多个学科，任何突破都需要跨学科协同。中国每年培养大量集成电路毕业生，但能在前沿领域独当一面的顶尖人才，仍严重依赖海外回流。人才培养周期以十年计，若跟不上产业扩张速度，结果就是“有厂无人”或“挖角内卷”。
第三是时间，以及与之相伴的社会耐心。算力十万倍增长不会一夜发生，新型计算成熟更非五年规划能框定。量子计算从实验室到商用，乐观估计在2035年后；存算一体从特定场景到通用，至少需两代产品迭代；类脑计算的编程范式与软件生态，目前连基本框架都未定型。这意味着，社会需要接受“长期看不到明显成果”的状态，抵抗“为何还没突破”的舆论压力，容忍“投了很多钱但好像没用”的质疑。真正的风险不是慢，而是半途而废；不是技术难，而是耐心断裂。
第四是制度，是一种能跨越政治周期、保持政策连贯、协调各方利益的制度能力。半导体产业周期长、投入大、环节多，任一环节断裂都可能导致全链失败。这要求政策不能是“运动式”的，不能朝令夕改，不能补贴方向频繁变动。需要的是一套稳定、可预期、能让企业安心长期投入的制度框架。
结论：一场文明级的资源配置
回到最初的问题：算力十万倍增长究竟意味着什么？它不只是一个技术预测，更是一个文明级别的资源配置问题。算力正成为这个时代的“石油”，且比石油更隐蔽、更集中、更难以替代。谁掌握算力，谁就掌握人工智能的未来；谁定义新型计算范式，谁就定义下一代信息基础设施的规则。这并非工程师在实验室能独自完成的任务，也非资本市场投几个项目就能解决。这需要整个社会——政府、企业、学术界、资本、公众——达成长期共识、持续投入、共同承担风险的集体行动。
冯·诺依曼架构的黄昏已然来临，但新的黎明由谁定义，尚未可知。后来者有机会吗？有。但这机会绝非“弯道超车”的投机取巧，而是“正面强攻”的长期主义。没有捷径，没有奇迹，唯有一代人甚至几代人持续、枯燥且可能不被理解的坚持。
看不见的算力，正在决定看得见的未来。而这个未来，不会自动到来。关于计算范式演进与产业博弈的更多深度讨论，欢迎在云栈社区的技术板块与我们交流。
发表于 3 小时前
|
查看: 1|
回复: 0
