AI 芯片路线仍未定型，内存和光互连还有空间
bookwormengr · x · 2026-07-25
LLM 芯片路线还远没定型
这条帖子的核心判断是：Nvidia 的架构并不必然是最优解，AI 芯片仍有很大创新空间。作者认为，新玩家可以在物理层继续突破，也可以在设计/逻辑层做优化；中国多数 AI 芯片厂商目前更偏向后者，少数则在尝试 wafer-scale 这类路线。
帖子还强调，LLM 的大部分计算发生在 FFN/MoE 这类矩阵运算上，因此如果一种 ASIC 设计不能带来“非常显著”的优势，就很难证明其价值。真正仍可创新的方向包括：
- 内存访问
- 网络互联
- RAM pooling
- 光互连（甚至更贴近芯片）
配图进一步强化了这个观点：现代 LLM 和它们的软件栈，强烈受制于其“出生时”的硬件路径，未来仍可能有更好的硬件架构等待被发现。
「Infra」频道最新
- 34 个开源模型全部自托管在 Blackwell 集群上跑健康评测 — keunwoochoi · 2026-10-27
- 曝 Anthropic 与 SpaceX 签算力大单:每月 31 亿美元,至 2029 年共 1205 亿 — ns123abc · 2026-10-27
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- NVIDIA 称 HGX Rubin NVL8 每兆瓦 token 吞吐为 B200 的 10 倍 — thursdai_pod · 2026-10-27
- 要么人力商品化，要么 GPU 商品化：算力经济二选一之辩 — _AustinCalvert_ · 2026-10-27
- DeepSpeed 发布 AutoEP/AutoTP 等并行化进展并办线上答疑 — PyTorch · 2026-10-27