在Cisco AI峰会上,刚刚履新10个月的Intel CEO Lip-Bu Tan首次系统披露了AI基础设施的真实瓶颈。这位曾带领Cadence 25年的EDA工具教父,用一句话颠覆了行业共识：“如果有什么会拖慢AI,那一定是内存,不是算力。”
原文链接：https://www.youtube.com/watch?v=I35pW8Q2DT4
“朋友都劝我别接这烂摊子”
开场时,Cisco高管Jeetu Patel半开玩笑地说："你保持了我交友速度的纪录——从没人让我这么快建立友谊。"Lip-Bu Tan的回应更实诚：“加入Intel董事会两年后,很多朋友劝我别当CEO——你在风投界名声那么好,干嘛接这个烂摊子?”
但他最终还是说服了妻子："这是一家标志性公司,对行业、对美国都太重要了。“10个月过去,Lip-Bu用"marching off the map”(踏入未知领域)形容这段经历——意外状况不断,只能边走边学。
摩尔定律压缩到"三四个月"
当被问到AI发展的最大制约因素时,Lip-Bu Tan的答案出人意料：
“内存。内存供应商告诉我,至少到2028年都不会缓解。”
为什么?因为AI"吞噬"了太多内存。他提到与英伟达CEO黄仁勋的私下交流:"Jensen下一代产品需要大量HBM内存。"而全球只有三家主要供应商(三星、SK海力士、美光),其中两家明确表示产能已被锁死到2028年。
更惊人的是算力需求的增速。Lip-Bu透露了一个数据："过去摩尔定律的周期是3-4年,现在变成了3-4个月。"这意味着计算需求的膨胀速度比任何人想象的都快。
台积电产能：AI芯片的"七寸"
虽然内存是第一瓶颈,但Lip-Bu更担心的是2027年的芯片产能危机:
2024-2025年新增15-18GW算力
2026年新增约30GW
2027年,晶圆厂产能将再次成为最大瓶颈
他直言：“台积电等厂商约50%的先进制程产能都用于AI芯片。到2027年,瓶颈会从电力重新回到半导体制造。”
这与此前SemiAnalysis创始人Dylan Patel的"台积电瓶颈论"不谋而合——当所有人盯着数据中心电力时,真正的死结在上游。
为什么Nvidia"被迫"多线押注?
访谈中,Lip-Bu揭示了一个罕见细节：Intel正在同时押注CPU、GPU、RISC-V和ARM架构。
“我刚聘请了顶尖的GPU架构师,还在拥抱RISC-V和ARM。关键不在于坚守x86,而是从软件层往下定义硬件。”
这背后的逻辑是:没人知道AI的最优架构是什么。英伟达用GPU统治训练市场,但推理市场正在分化——Intel客户发现CPU在某些场景下性能更优,而Cerebras用WSE(晶圆级芯片)抢走了OpenAI的750MW推理订单。
Lip-Bu说得更直白："每个CEO都给我打电话——Lip-Bu,我是你最重要的客户,能多给我点货吗?“这种供不应求的状态,倒逼芯片厂商必须"多条腿走路”。
18A良率暴涨背后：开放的力量
Intel代工业务(Foundry)是Lip-Bu的战略重心。他接手时,18A制程良率"相当糟糕",但通过一个反常规操作实现了逆转:
“我让所有朋友来帮忙——PDF Solutions、KLA等设备商。我们’打开和服’(open up the kimono),让外部专家进来诊断。现在良率每月提升7-8%,这是行业最佳实践。”
这种"透明即信任"的策略奏效了：
Panther Lake(潘瑟湖)芯片已交付18A生产
多个客户主动上门要求使用18A
14A制程(1.4纳米)将于2028年风险量产、2029年量产
Lip-Bu给客户的承诺也很实在：“给我你最大、最重要的产品,先给我5%-50%的份额,让我慢慢赢得信任。”
中国AI：比你想象的更接近
当Jeetu Patel提出"中国模型只是蒸馏美国模型"的观点时,Lip-Bu Tan的回答让现场气氛凝重:
“我最近想招顶尖CPU架构师,发现华为有100个世界级CPU架构师。我震惊了。”
他追问这些人才为何去华为,得到的答案是：“虽然我们没有Cadence、Synopsys的顶级EDA工具,也没有ASML的光刻机,但我们有’穷人的办法’(poor man’s way)。而且我们在悄悄自研设备。”
Lip-Bu的结论令人警醒：“他们只是略微落后。如果我们不小心,他们会跳跃式超越。”
更致命的差距在基础设施审批速度:“在美国,数据中心的监管审批流程很长;在中国,一旦决定就能迅速获批并建成。”
开源AI：美国唯一的武器?
面对中国政府补贴AI研发的模式,Lip-Bu给出了美国的"游戏理论"答案：开源。
“我强烈支持开源。坦率讲,有很多专业人士告诉我——Lip-Bu,我们在开源AI上已经落后中国了。DeepSeek只是一记警钟。”
但问题在于:开源模型的训练成本太高,没有商业模式支撑。Lip-Bu透露,一些朋友正在重建开源社区,甚至成立独立研究机构(而非依赖大学),专门资助顶尖AI研究者。
他还呼吁产业界投入基础研究:“公共公司受短期业绩压力,无法投资10-20年的长期项目。而顶尖教授正被亚洲和欧洲挖走,这太危险了。”
散热、互连、软件：全栈优化才是出路
除了芯片和内存,Lip-Bu Tan还指出了三个被低估的瓶颈:
散热技术“高性能GPU或CPU有时不得不降频,因为散热跟不上。风冷已经不够了,液冷、微流体冷却、浸没式冷却正在成为标配。”
光互连“过去靠铜缆和Credito、Astera Labs的方案,现在必须转向光互连。速度和延迟要求太高了。”
集群管理软件“Kubernetes很好,但解决不了实际问题。现在有很多创业公司来找我,专攻GPU/CPU集群的故障诊断——你都不知道问题出在哪。”
他强调Intel正在探索新材料:玻璃(优秀绝缘体)、人造金刚石、氮化镓(用于射频和开关)——“CMOS快到极限了,我们得翻遍元素周期表。”
量子计算：AI之后的下一个战场
Lip-Bu Tan的时间线很清晰:
现在：AI模型训练与推理
近期：Agentic AI(智能体)
中期：Physical AI(物理世界AI,如机器人)
远期：量子计算
“量子就在拐角处,这是AI之后的下一波浪潮。”
给企业CIO的建议：别把AI堆在旧系统上
访谈最后,Lip-Bu对全球数百万IT决策者喊话：
“不要把AI堆在遗留系统上——不会成功的。我刚招了能找到的最好的CIO,告诉她：现在是重新审视基础架构的好时机。你得拆掉旧的,再逐功能引入AI工具。”
他还分享了一个冷水数据:MIT教授的研究显示,全球经济的生产力增长率仍然极低,甚至低于19世纪的某些时期。
“这说明AI的采用还不够广泛。我们必须明确目标、设计流程、建立可衡量的指标,才能真正向董事会证明:投资这项技术提升了生产力和营收。”
尾声：国家宝藏的双重使命
Jeetu Patel最后说：“Intel是国家宝藏,但你也是。”
Lip-Bu Tan的使命很清晰：
短期：让18A/14A代工赢得客户信任
中期：重建美国半导体制造能力
长期：在开源、材料、量子等领域保持领先
他在风投界干了几十年,现在选择"再战一次"。或许正如他所说——这不仅是一家公司的转型,更是一个产业、一个国家的生死战。
热门跟贴