芯片专家：AI算力瓶颈转向封装、互连与存储

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芯片算力本身，转向先进封装、系统互连延迟与存储层级管理。

核心判断

• 摩尔定律遇经济性挑战：先进制程成本快速上升，晶体管密度提升有限。行业正转向通过先进封装将多颗芯片连接为计算系统。


• 算力基本单位改变：未来 AI 算力基本单位或不再是单颗芯片或服务器，而是完整机架甚至多机架，PCB、封装与互连能力成为关键限制。


• 存储分层管理：AI 推理上下文窗口扩大，海量历史上下文不应全占昂贵 HBM。高频数据留 HBM，低频上下文迁移至更大容量、更低成本存储层，3D DRAM 或成下一代内存重要方向。

投资含义

Mr. Bubble 认为，随着预填充与解码逐步采用分离式架构，系统级硬件设计重要性提升。相比直接押注大模型公司，拥有硬件、封装、存储等关键基础设施能力的企业，可能在 AI 产业链中扮演更长期角色。