算力提升还能从哪里来？

回应按立场分组 · 点上方立场只看那一组

推倒重做要拿大进展就得每隔几年从零重做结构，瓶颈往往只是划分方式不对。

二十年后绝大部分算力都会跑在太空里 ▶ 21:00迪伦·帕特尔Why Hardware-Software Co-Design Is AI's Real 100x: Dylan Patel of SemiAnalysis2026

把内存直接堆叠在芯片之上、而非与芯片分离堆叠，会让带宽暴涨 ▶ 30:12迪伦·帕特尔Why Hardware-Software Co-Design Is AI's Real 100x: Dylan Patel of SemiAnalysis2026

性能撞上瓶颈往往不是根本极限，而是问题的划分方式和特性交互在限制 ▶ 26:42吉姆·凯勒Jim Keller: Moore's Law, Microprocessors, and First Principles | Lex Fridman Podcast #702020

要在计算机体系结构上取得大进展，每五年就该从零重做一个 ▶ 27:23吉姆·凯勒Jim Keller: Moore's Law, Microprocessors, and First Principles | Lex Fridman Podcast #702020

靠小改叠加提升来自成千上万项各自递减的小改进叠加，没有哪一项是主角。

过去 14 年 GPU 每年 2 倍的性能提升中，只有约 3 倍来自制程工艺进步 ▶ 26:41比尔·戴利CHM Live | The Silicon Gold Rush: How AI is Driving the Development of New Chips2026

摩尔定律不是单一技术在推进，而是成千上万项各有收益递减曲线的创新叠加出的指数 ▶ 33:04吉姆·凯勒Jim Keller: Moore's Law, Microprocessors, and First Principles | Lex Fridman Podcast #702020

路径将尽现有的几条提速路径都快走到头，别处也没有真正占优的替代。

数值精度这条提速路径已接近尽头，最多还能再走一两轮 ▶ 27:11比尔·戴利CHM Live | The Silicon Gold Rush: How AI is Driving the Development of New Chips2026

量子计算对 AI 的训练和推理都不会产生可测量的影响 ▶ 53:08比尔·戴利CHM Live | The Silicon Gold Rush: How AI is Driving the Development of New Chips2026

模拟计算几乎没有真正占优的场合，一旦需要模数转换，能效就低一个数量级 ▶ 1:00:27比尔·戴利CHM Live | The Silicon Gold Rush: How AI is Driving the Development of New Chips2026

未标立场