10.4 未来演进方向

10.4 未来演进方向

最后一节，我们把目光从当下转向未来。算力基础设施正在快速演化，本章支柱图右侧列出了五个演进方向，本节逐一展开，并指出它们对两大路线的潜在影响。

10.4.1 方向一：光互联崛起

第一个、也是影响最深远的方向——光互联从机柜间向机柜内渗透。回顾第 4、9 章，当前机柜内用铜、机柜间用光，是物理和经济的权衡。但这个分工正在松动。

随着 CPO（共封装光学）和硅光的成熟，光的成本和功耗持续下降，铜的物理边界（距离、密度）却无法突破。这意味着——光有望逐步从机柜间渗透到机柜内，甚至最终渗透到芯片内互联。一旦如此，NVSwitch 铜背板的规模边界将被打破，单柜全互联规模可能从 72 卡扩展到 144、288 乃至更多。

光互联对两大路线的影响是双向的：它既可能强化 NVIDIA 的单柜全互联优势（更大规模），也可能给昇腾提供"弯道超车"的机会（用光突破 HCCS 的规模限制）。谁能率先掌握低成本光互联，谁就占据下一代集群的先机。

光互联的渗透路径：

当前：机柜间用光，机柜内用铜
中期：CPO 让光进入交换机内部
长期：光渗透到机柜内互联，甚至芯片内
      ──► 突破铜背板规模边界
      ──► 单柜全互联规模大幅扩展
​

10.4.2 方向二：3D 堆叠与存算融合

第二个方向针对内存墙——3D 堆叠持续深化，长期走向存算融合。

回顾第 3 章，内存墙是 AI 集群架构的隐形设计师。缓解内存墙有两个层次的方向：

近期：3D 堆叠持续深化。HBM 的堆叠层数继续增加（向更多层演进），逻辑芯片与存储的 3D 集成（把逻辑和存储垂直堆叠）也在发展。这能在不突破物理带宽上限的情况下，持续提升带宽密度。

长期：存算融合。把计算做进存储，从根本上消除"数据搬运"，是突破内存墙的终极方向。但这涉及全新的器件和架构，工程难度极大，目前仍处于研发和早期探索阶段。

缓解内存墙的两个层次：

近期：3D 堆叠深化
  HBM 层数续增 + 逻辑-存储 3D 集成
  持续提升带宽密度

长期：存算融合
  计算做进存储，消除数据搬运
  全新器件/架构，工程难度极大
  目前处于研发早期
​

10.4.3 方向三：集群规模继续扩张

第三个方向——集群规模从千柜级向万柜级演进。随着模型规模继续增长，单集群的算力需求也在膨胀，推动集群规模不断扩大。

但规模扩张会遇到新的瓶颈：

• 网络复杂性：万柜级集群的组网极其复杂，fat tree 的层数、光模块数量、调度难度都急剧上升。
• 供电与选址：万柜级集群的功耗达百 MW 级甚至更高，对电力供应和选址提出严苛要求。
• 可靠性：集群越大，单点故障越频繁，需要更强的容错和恢复机制。

这个方向对两大路线都有意义——NVIDIA 用 NVL72 单柜强项应对规模，昇腾用规模化能力应对规模，两者在规模扩张里各有发力点。

10.4.4 方向四：浸没式液冷主流化

第四个方向——浸没式液冷逐步主流化。回顾第 7 章，浸没式散热能力最强，但可维护性和成本是当前短板。随着功率密度继续攀升，冷板式终将触顶，浸没式不得不被大规模采用。

浸没式主流化的关键前提是：

• 环保介电液突破：替代受限的 PFAS 类氟化液。
• 可维护性改善：模块化设计让维护更便捷。
• 标准化推进：避免厂商锁定，降低用户风险。

这个方向上，国内液冷产业链相对成熟，可能是昇腾生态的一个机会点。

10.4.5 方向五：供应链格局重塑

第五个方向超出技术，进入产业层面——供应链格局重塑。地缘博弈和国产替代推动，正在重塑全球半导体供应链。

具体表现：

• 产能多元化：各国推动半导体产能本土化（美国、欧洲、日本、中国都在建新厂）。
• 国产替代推进：中国在制程、封装、HBM、设备等环节持续推进自主化。
• "友岸外包"：供应链向"友好"国家集中，形成区域化的供应链联盟。

这个方向对两大路线的影响最大——它可能逐步改变 NVIDIA 对台积电的依赖结构，也可能逐步缓解华为的制程约束。供应链格局的演化，会深刻影响未来十年的 AI 算力竞争。

10.4.6 主战场的转移

把这五个方向合起来看，一个更深的趋势浮现——AI 算力竞赛的主战场，正在从"芯"的算力竞赛，转向"网/体/链"的系统与供应链竞赛。

过去十年，AI 算力的主要矛盾是"单卡算力够不够"，所以焦点在芯片设计。但随着单卡算力逐渐追平物理极限、内存墙和功耗墙成为新瓶颈、供应链成为战略关键，未来的竞争焦点正在转移：

• 从"单卡算力"转向"集群系统效率"。
• 从"芯片设计"转向"制造与供应链"。
• 从"硬件参数"转向"全栈能效与成本"。

主战场的转移：

过去：芯的算力竞赛
      （单卡算力、制程领先）

未来：网/体/链的系统与供应链竞赛
      （集群效率、能效、供应链、生态）

这意味着：系统观比单点参数更重要。
         本教程的"芯网体链"框架，
         正是为这个未来准备的思维方式。
​

💡 本教程的最终价值：这正是本教程用"芯网体链"四章法组织内容的深层原因——未来的 AI 算力竞争，不再是某一维度的单点突破，而是四个维度的系统工程。能建立这种系统观的人，才能在算力竞赛的下一阶段做出正确判断。

10.4.7 收束：系统观是终极能力

全教程写到这里，回到开篇第 1 章的那句话——AI 算力竞赛已从单卡比拼升级为系统工程比拼。十章走下来，我们从一颗芯片走到了一座数据中心，从计算核心走到了半导体产业链，最终看到的是一个庞大、耦合、动态演化的复杂系统。

在这个系统里，没有单一的最优解，只有在特定约束下的工程取舍。NVIDIA 和华为给出了两种不同的取舍，各有天花板，各有突破口。理解这种"同题不同答"，建立能穿透参数表象的系统观，是本教程希望读者带走的最重要能力。

未来已来，算力基础设施的演化仍在加速。愿这份教程，能成为你理解和参与这场竞赛的一张地图。

思考与延伸

1. 五个未来方向里，你认为哪个会最先对两大路线的相对格局产生实质性影响？为什么？
2. 主战场从"芯"转向"网/体/链"，对人才需求意味着什么？未来最稀缺的 AI 算力人才是哪类？
3. 如果让你押注未来 10 年 AI 算力的一个突破性技术，你会选光互联、存算融合、新型内存、还是其他？说明你的判断逻辑。

第 10 章小结

• 两大平台在芯网体链+生态五个维度各有取舍，无绝对优劣，是不同约束下的工程回应。
• 经济性视角下，单位算力成本与能效（用有效算力做分母、算全生命周期 TCO）是综合判断的关键。
• NVIDIA 的天花板在供应链集中与物理边界；华为的天花板在制程/HBM 差距与生态成熟度；两者还共享电力、物理极限、Scaling Law 可持续性等共同天花板。
• 未来五大演进方向：光互联崛起、3D 堆叠与存算融合、集群规模扩张、浸没式液冷主流化、供应链格局重塑。
• 主战场正从"芯"的算力竞赛，转向"网/体/链"的系统与供应链竞赛——系统观是终极能力。

全教程结语

十章走完，我们从「芯」（计算与内存）出发，经「网」（机柜内与机柜间互联），过「体」（供电与散热），达「链」（制造与供应链），最终在第 10 章把两大平台放回同一坐标系综合对比，并展望未来。

这条路径本身就是一份礼物——它让你看到的不是孤立的参数和营销数字，而是一个庞大、耦合、动态演化的系统工程。在这个系统里，NVL72 与昇腾950 SuperPoD 是两种不同的工程回应，各有其逻辑、取舍和边界。

希望这份教程，能成为你理解 AI 算力基础设施的一张地图，更希望你带着这套「芯网体链」的系统观，去阅读未来的每一个新平台、新架构、新争论——那时你会看到别人看不到的深层逻辑。

本节关键词：未来演进、光互联、存算融合、浸没式液冷、供应链重塑、系统观　返回：第 10 章支柱页　（全教程完）