在手机上保存，获得更好体验
本字幕由TME AI技术生成
我们总在谈论ai 怎么改变世界
但最近摩根士丹利的一份报告给了我一个极其震撼的数字
报告预测
到二零二六年
光是全球前十大云服务巨头在云资本上的支出就要超过六千亿美元
这个数字是什么概念
差不多是一个中等发达国家的gdp 了
没错
而且这笔巨款绝大部分都会流向同一个口袋
英伟达
但这里面最讽刺的地方在于
现在这笔游戏已经不是有钱就能玩的转了
真正的瓶颈其实不在于英伟达能设计出多少先进的芯片
而在于台积电的先进封装
也就是科沃斯产能到底有多少
哦
这个科沃斯我总听说听起来只是一种黑科技
它到底有多关键
它就是ai 芯片的黄金马车
你可以设计出全世界最强的gpu
但没有科沃斯把它和其他关键部件比如高带宽内存hbm 完美的封装在一起
那它也只是一堆昂贵的硅片
报告里提到到
到二零二六年
英伟达一家公司预计就要消耗掉全球百分之六十的hbm 内存供应
这种资源挤兑是前所未有的
我明白了
这听起来就像是整个ai 盛宴的食材都掌握在少数几家供应商手里
而英伟达是那个拿走了最大份牛排的时刻
微软这种巨头在英伟达面前都得排队
报告里说微软占了英伟达最新服务器需求的百分之三十五
这绑定的也太深了
是的
你可以想象一个画面
一个手握几十亿美金预算的云服务商
采购主管可能也要亲自飞到台湾
在台积电的办公室里客客气气的排队
就为了能多争取一点科沃ds 的产能配额
因为没有这个
他们买回来的blackwhill 芯片跟废铁煤两样
金钱在这里已经不是万能的了
台积电的产能配额才是真正的硬通货
既然大家都知道瓶颈在台积电的封装产能上
为什么大家不试着绕开它呢
这种把鸡蛋都放在一个篮子里的做法
难道不是在给全球的科技供应链埋下一颗定时炸弹吗
嗯
这正是问题的核心
大家其实陷入了一种囚徒困境
科沃斯不是简单的打包
它是目前唯一能有效支撑起像gb 两百这种性能怪兽的方案
它能把多个芯片像大乐高一样精密的堆叠起来
实现超高的性能和带宽
明知道这种依赖很危险
但谁要是第一个说我不用了
去寻找替代方案
谁就可能在ai 的效率竞赛中被瞬间淘汰
所以大家只能一边抱怨一边继续加钱抢产能
所以说
现在ai 行业的竞争已经从比谁的晶体管更小
变成了比谁跟台积电的关系更好
谁的口袋更深了
这简直是一座由英伟达和台积电构筑的高墙花园
不过在这座花园之外
大洋彼岸的中国好像正在尝试写出另一套完全不同的巨日本
对
这正是报告里最有意思的部分
当英伟达的门越关越紧的时候
中国被迫在自家的后院里建起了一座完整的算力工厂
我看到报告里用了一个很生动的词
叫十条龙来形容中国本土的这些ai 芯片企业
其中华为的表现尤其亮眼
报告预测到二零二六年
华为可能会拿下中国本土aigpu 市场超过六成的份额
是的
华为现在的角色已经不仅仅是一个芯片供应商了
它更像整个本土算力生态的架构师
你知道吗
中国给自己定下了一个相当宏大的目标
到二零三零年
Ai 芯片的自给率要达到百分之七十六
百分之七十六
这个目标可不低
但我们都知道
在最顶尖的制程上
比如二纳米
中国目前是受限的
那要怎么实现这个目标呢
这就是他们非对称作战的思路
既然单颗芯片的性能暂时追不上
那就用系统级优化来对冲
报告里提到了几种策略
比如一颗芯片不够强
我就把更多的芯片堆叠封装在一起
一个芯片组不够快
我就构建更大规模的算力集群
比如华为那个非常出名的super part
本质上就是用规模和系统设计来弥补单个芯片的性能差距
听起来有点大力出奇迹的感觉
你可以这么理解
而且这里面还有一个反直觉的细节
讽刺的是
恰恰是外部的禁令反而成了中国本土芯片生态的孵化器
以前像字节跳动
阿里这些互联网巨头其实更愿意买英伟达的成熟产品
但现在没得选了
他们不得不成为国产芯片最忠实的测试员和买家
报告里就提到
字节跳动的token 处理量正在激增
这背后就是对本土算力极度饥渴的需求
嗯
这个逻辑我能理解
短期内大力出奇迹确实能解决有无的问题
但从长远来看
当全世界都在在冲刺二纳米甚至更先进的制成时
中国这种靠堆规模的方法
它的天花板在哪里
会不会最终被技术代差拖垮
这就引出了摩根士丹利分析的另一个核心观点
推理经济学
短期内
中国可以通过优化推理成本来生存和发展
因为在ai 的实际应用中
绝大多数时候我们用的是推理而不是训练
对于用户来说
他们最终关心的不是你的芯片是用几纳米的工艺做的
而是我每生成一个词
一张图需要花多少钱
哦 说到成本
这确实是中国企业的传统强项了
我好像看到报告里有些数据可能会打破很多人的固有印象
没错
很多人可能觉得中国芯片肯定是既昂贵又难用
但报告的数据恰恰相反
在推理这个环节
中国本土ai 芯片的总拥有成本tco 居然比英伟达的处理器要低百分之三十到百分之六十
低这么多
这有点反常识啊
是因为他们的芯片卖的特别便宜吗
对
价格是主要因素
这背后就是我刚才提到的推理经济学
在训练大模型的时候
你需要的是最顶级的不计成本的算力
那是英伟达的绝对主场
但在推理应用
也就是我们日常用的聊天机器人
Ai 绘画这些场景
企业最关心的是规模化之后的成本
中国芯片的策略就是我不跟你拼单挑的绝对性能
我跟你拼性价比
报告里有个词叫美美元性能
在这个指标上
由于价格优势
顶级的中国加速器已经能跟英伟达的产品持平
甚至在某些场景下超越它
我明白了
这就好比我不需要一辆f 一赛车去送外卖
我需要的是一辆既省油又便宜
能大规模铺开的电动车
如果中国赢得了这场推理成本之战
可能就意味着它赢得了ai 大规模商业化和普及的入场券
正是这个道理
但我们换个视角来看
如果我们是投资者
看到一家公司的产品性价比很高
市场也很大
但如果制造这些产品的关键机器
比如光刻机被别人卡着脖子
或者设计芯片用的eda 软件随时可能被禁用
那这种性价比优势又能持续多久呢
这根基稳吗
你问到点子上了
这确实是房间里的大项
摩根士丹利的报告明确列出了几个关键瓶颈
光刻设备
薄膜层级ald 检测设备
还有eda 设计软件等等
这些领域基本都被美欧日企业垄断
比如光刻机领域的asmleda 领域的snopsis 和cadence
如果这些制造环节的工具箱不能实现自主
那中国芯片的产出就像是在沙滩上建大厦
根基随时可能被动摇
所以这场竞赛的真正决胜点可能已经不在那些光鲜的芯片设计公司了
而是在那些我们平时很少听说的做设备和材料的幕后英雄身上
完全正确
这是一场多维度的马拉松
比拼的是整个产业链的深度和韧性
聊到这儿
我感觉今天的信息量非常大
我们来试着总结一下
首先
全球的ai 算力供应其实是建立在一个非常脆弱的中心化体系上
所有人都依赖英伟达的芯片和台积电的先进封装
这是一个系统性的风险
对
这是第一个核心洞察
第二个就是中国的非对称竞争路径
面对技术封锁
中国没有硬碰硬
而是选择在推理成本和性价比上寻找突破口
用系统工程的思路去弥补单点技术的不足
这已经成了一种非常务实的生存哲学
最后一点
也是最关键的一点
这场竞赛已经从芯片设计本身延伸到了更上游的eda 软件和半导体制造设备
这些工具链才是决定中国能否实现百分之七十六自给率目标的最难啃的硬骨头
也是真正的玻璃天花板
总结的非常到位
这三个层面构成了当前全球ai 算力竞赛的全
我们习惯于用谁领先谁落后的线性思维来看待中美ai 算力竞赛
但残酷的现实可能是
我们正在清历一个平行宇宙的诞生
在这个宇宙里
美国将继续在二纳米的制程巅峰追求极致的单体性能
构建一个极其昂贵
精密且中心化的算力帝国
而中国则被迫在五纳米或七纳米的荒原上
通过极其复杂的系统架构
庞大的集群规模和极致的推理经济学
硬生生磨出一套自给自足的生态
这种脱钩最终带来的可能不是一方对另一方的消灭
而是两种完全不同的科技物种的演化
最终的风险不在于谁跑得慢
而在于这种分裂是否会导致全球算力标准的彻底碎片化
当两套算力逻辑不再兼容
我们作为用户可能不得不面对一个不仅有物理边界
连智能底层都被强隔开的世界
这种隔离或许才是ai 时代最大的效率损失
