前英特尔 CEO 帕特・基辛格(Pat Gelsinger)在 2026 年 COSM 科技峰会上明确抛出一个判断:AI 继续放量,需要的是计算效率 10,000 倍量级的飞跃,而不是靠芯片代际更替带来的百分之几的渐进增益;他同时反对 "摩尔定律已经终结" 的说法,认为摩尔定律只是进入了休眠期,需要被重新唤醒。按他的说法,单靠继续缩小晶体管、给现有 GPU 提频加料这条路,既绕不开电力产能的硬约束,也填不上内存、互连、封装和散热的效率缺口;真正能支撑万倍效率飞跃的,是光学、供电、散热、材料、封装五个工程方向上的根本性协同突破。这一判断背后是一组现实账本:美国电力产能过去十年只增长了个位数,单台 AI 机架功耗已到约 600 千瓦,新建燃气轮机排队约八年、核电要十年左右,而基础模型大约每四周就更新一代,算力与能耗需求仍在加速。基辛格 2025 年 3 月加入深科技风投 Playground Global 后,已经把这套判断落到具体投资上,覆盖新一代光刻、核能扩容、硅光子互连、新型内存和超导芯片等方向。下面把发言场合、核心观点、物理依据、五大方向和布局动作逐层梳理。
一、发言场合与人物背景
1. 人物身份
- 帕特・基辛格:英特尔前首席执行官,在半导体行业工作 40 余年;2024 年底离开英特尔,2025 年 3 月以普通合伙人身份加入深科技风险投资机构 Playground Global。
- 当前立场:以行业老兵 + 投资人身份推动底层硬件突破,公开表态中既不维护某家现有 GPU 厂商,也不认同传统微缩路线已经走到头。
2. 会议与对话形式
- 会议:2026 年 COSM 科技峰会,地点在美国亚利桑那州斯科茨代尔。
- 环节:炉边谈话,标题为 "现实检验:超越芯片(Reality Check: Beyond Chips)",同台对话者包括技术理论家 George Gilder 和传统基金会主管 Bret Swanson。
- 会后他在 X 上发帖补充核心立场,要点如下:
| 发帖原文要点 | 对应含义 |
|---|---|
| Is Moore's Law dead? I say it's time to wake it up! | 摩尔定律没死,是时候唤醒它 |
| AI's demand for a 10,000x leap in efficiency | AI 对效率存在一万倍跃升需求 |
| Incremental improvements won't get us there | 渐进式改进到不了目标 |
| Breakthroughs across light, power, cooling, composition and packaging | 光学、供电、散热、材料、封装需取得突破 |
| Our greatest innovations are still ahead | 最伟大的创新仍在前方 |
二、为什么渐进式芯片提升满足不了 AI 的万倍效率飞跃
1. 缺口是数量级,不是百分点
- 基辛格给出的口径是 AI 处理效率需要提升一万倍,属于数量级跨越,而非改善 10%、30% 这类边际优化。
- 他在更早的 Ai4 2026 大会上把成本账讲得更直白:当前 AI 生产智能的经济性根本算不通,成本 "不是需要改善,而是需要提升一万倍"。
- 他提到一个换算目标:把 1 千兆瓦电力转化出相当于 10 千兆瓦量级的 AI token 产出,这种倍率不可能靠传统晶体管微缩实现。
2. 需求与供给的物理落差
| 约束维度 | 援引现状 |
|---|---|
| 电力产能 | 美国过去十年整体电力产能仅个位数增长,跟不上 AI 算力扩张 |
| 单机架功耗 | NVIDIA Kyber 机架(Blackwell NVL72 架构)功耗约 600 千瓦,约等于 500 户家庭用电 |
| 能源建设周期 | 燃气轮机约八年供货积压,核电项目建设周期约十年 |
| 数据中心耗电 | 哈佛研究称美国数据中心用电量已与智利全国用电量相当 |
| 内存瓶颈 | HBM 被评价为效率偏低,但仍是当前 AI 训练推理手头最好的选择;他还提过 Z2RAM 等潜在的新内存方向 |
| 模型节奏 | 主要 AI 基础模型大约每四周发布一代,硬件供给节奏被持续施压 |
3. 对现有硬件路线的批评
- GPU:在 Ai4 大会上直言 "今天的 GPU 很糟糕",问题集中在能效低、算力受限;他认为矛盾不只在 GPU 本体,而在内存、网络、能源和整套基础设施。
- 能效曲线:在一期播客片段中提到,连续五代 NVIDIA 芯片的每万亿次浮点运算功耗基本走平,CMOS 传统改进在能效上接近停滞,需要超导等不同基底路线做替代尝试。
- 行业心态:他批评半导体行业陷入自满,丢掉了安迪・格鲁夫 "唯有偏执才能生存" 的精神,忽视了能带来指数级跃升的底层突破。
三、五大工程突破方向:万倍效率飞跃靠什么落地
基辛格把复苏摩尔定律的抓手归纳为五个工程领域,这五项需要协同推进,而不是单点优化:
| 方向 | 要解决的瓶颈 | 代表性思路 |
|---|---|---|
| 光学(Light) | 铜线传数据的功耗、带宽与延迟 | 光互连、硅光子集成,用光信号替代铜线传输数据 |
| 供电(Power) | 电力容量、电压调节与转换效率 | 提升电力送到 AI 计算单元的效率,配套电源与电网架构创新 |
| 散热(Cooling) | 数百千瓦级机架的高密度热管理 | 新型热管理方案,匹配高功率 AI 机架散热需求 |
| 材料(Composition) | 传统硅基材料的性能与物理边界 | 新材料结构、超导、铁电材料等新基底探索 |
| 封装(Packaging) | 芯片、内存、加速器之间的系统级协同 | 先进封装与系统架构革新,把多部件整合成高可用算力 |
补充判断:
- 未来性能提升不能只压在处理器本身,必须覆盖封装、内存、网络和系统架构的全面革新。
- 内存侧看好堆叠架构在本年代后期成为主流,并关注 d-Matrix、Fractile、Cerebras 等突破传统内存边界的方向。
- 推理是下一个硬件前沿:模型训练一次、反复使用,推理场景会出现多样化硬件,不必沿用今天 GPU 的形态。
四、基辛格的投资布局:把判断押到深科技初创上
通过 Playground Global,他围绕 "芯片 — 互连 — 内存 — 能源" 整条栈做早期布局:
- 新一代光刻:xLight
- 获美国政府支持的光刻初创,目标突破 ASML 当前 13.5 纳米 EUV 波长壁垒。
- 探索自由电子激光路线,波长有望做到 5、4、3、2 纳米量级;第一步是把新光源接入现有 ASML 设备做增强,而非直接取代 ASML 装机基础。
- 能源:Alva Energy
- 核能方向,一边盘活现有核电足迹挖掘更多价值,一边推动核电重建。
- 光互连与硅光子:以光代铜的数据传输路线。
- 内存架构创新:堆叠内存、新型内存结构方向的初创。
- 超导芯片:在播客中提到 Snowcap Compute 等超导路线,追求千倍级功耗性能的不同基底。
他在 WIRED 专访中把自己的目标概括为:让 AI"好一万倍,而不是好十倍",而这种改进不会长在今天形态的 GPU 上。
五、同期旁证:AI 基础设施各层都在吃紧
- 与基辛格同台的 OpenAI 计算负责人 Sachin Katti 指出,数据中心建设速度、能源供给、晶圆与内存产能、资源整合四个环节都已成为瓶颈,OpenAI 希望把算力部署周期从三年压缩到三个季度。
- 半导体行业收入预期被 AI 需求改写:原本预计 2030 年达到 1 万亿美元规模,现在判断明年就可能摸到该节点。
- 基辛格的核心命题是 "数字 AI 经济里,经济容量等于能源容量":没有供电保障的芯片,不会有人投数十亿美元去建对应的数据中心。
【相关 FAQ】
问题 1:基辛格是在什么场合提出 "AI 需要万倍效率飞跃" 这一观点的?
回答 1:该观点出自 2026 年 11 月在美国亚利桑那州斯科茨代尔举办的 COSM 科技峰会,基辛格在 "现实检验:超越芯片" 炉边谈话中提出;他会后在 X 上发帖重申 AI 存在 10,000 倍效率跃升需求,渐进式芯片改进无法达成,并否认摩尔定律已经终结。
问题 2:为什么基辛格认为渐进式芯片性能提升撑不起 AI 的万倍效率飞跃?
回答 1:他的依据是需求与供给存在数量级落差:AI 对算力和智能的需求近乎无上限,但电力产能十年仅个位数增长,单机架功耗已约 600 千瓦,燃气轮机和核电建设周期长达数年到十年,内存带宽与晶圆产能同样紧张;加上连续五代芯片每万亿次运算功耗基本走平,传统 CMOS 渐进改良在能效上接近停滞,所以必须做系统级重构才能实现 AI 万倍效率飞跃。
问题 3:基辛格主张靠哪些工程方向实现 AI 万倍效率飞跃、重启摩尔定律?
回答 1:他归纳出五大核心工程方向:光学(光互连与硅光子,以光代铜)、供电(电源架构与输电效率)、散热(高热密度机架热管理)、材料(新材料、超导、铁电等新基底)、先进封装(芯片、内存、加速器的系统级整合);他强调这五项要协同突破,摩尔定律能否重焕生机,取决于这些领域能否出现根本性进展,而不是给现有 GPU 做功能叠加。
问题 4:围绕 AI 万倍效率飞跃,基辛格目前通过哪些投资方向做布局?
回答 1:基辛格以 Playground Global 普通合伙人身份押注深科技初创:光刻方向投资 xLight,尝试突破 ASML 13.5 纳米 EUV 波长壁垒;能源方向布局核能公司 Alva Energy;同时关注光互连硅光子、新型堆叠内存架构以及超导芯片路线,目标是把 AI 效率做成 "一万倍而不是十倍" 的提升。
【参考资料】
- [2026-11-21](Former Intel CEO Pat Gelsinger Says Incremental Chip Gains Won't Cut It As AI Demands A "10,000x Leap In Efficiency," Rejecting The End Of Moore's Law)Wccftech
- [2026-11-21](前英特尔 CEO 基辛格:随着 AI 需要 "一万倍的效率飞跃",渐进式芯片性能提升无法满足)IT 之家
- [2026-11-21](前英特尔 CEO 基辛格否认摩尔定律已走向终结)凤凰网(转引 IT 之家)
- [2026-11-21](基辛格呼吁重启摩尔定律:以五大工程突破实现 AI 算力万倍效率提升)中关村在线
- [2026-11-21](基辛格称 AI 需万倍效率飞跃,渐进式芯片提升难满足)新浪财经
- [2026-11-21](英特尔前 CEO 怒斥行业自满:摩尔定律没死 AI 能效必须猛增 10000 倍)微博・快科技
- [2026-11-03](The AI Power Wall Nobody Is Talking About)FourWeekMBA
- [2026-08-05](前英特尔 CEO 炮轰 GPU 低效:AI 基础设施面临全面瓶颈)至顶网
- [2026-07-22](Intel's ex-CEO bets on light-based chips to revive Moore's Law)AIToday(转引 WIRED 专访)
【免责声明】
本文基于公开媒体报道、峰会发言转述及当事人公开社交平台内容整理,所引功耗、产能、建设周期、投资布局等数据与表述均来自对应原始信源;"一万倍效率飞跃" 是基辛格个人观点与行业判断,不等同于已经验证的工程指标,部分数据(机架功耗、家庭用电对比、能源建设周期等)为发言场景下的估算口径,引用时请以原始报道为准。文中涉及的企业、初创公司与技术路线仅作信息梳理,不构成投资建议、采购建议或技术选型结论;半导体与 AI 基础设施领域迭代很快,后续政策、产能与技术进展可能改变上述判断。
本文来自作者[碳基缓存]投稿,不代表新新网立场,如若转载,请注明出处:https://www.xxcmw.com/rgzn/202611/5159.html
评论列表(4条)
我是新新网的签约作者“碳基缓存”!
希望本篇文章《前英特尔 CEO 基辛格AI 需要万倍效率飞跃,渐进式芯片提升撑不住,靠五大工程突破重启摩尔定律》能对你有所帮助!
本站[新新网]内容主要涵盖:互联网行业的追踪与探索
本文概览:前英特尔 CEO 帕特・基辛格(Pat Gelsinger)在 2026 年 COSM 科技峰会上明确抛出一个判断:AI 继续放量,需要的是计算效率 10,00