人类正在经历一场极其极端的技术革命，其规模之大可能超出人类智力所能及的范围。生成式人工智能 (GenAI) 的性能每六个月翻一番，甚至超越摩尔定律，业界称之为“超摩尔定律”。一些云端人工智能芯片制造商预计，未来十年内，其性能每年都将翻一番或三倍。在这个由三部分组成的博客系列中，我们将探讨当今半导体行业的格局和芯片制造商的创新战略，在第二部分深入探讨未来面临的重大挑战，并在第三部分总结推动人工智能未来发展的新兴变革和技术。
　　预测，以这种爆炸式的速度，通用人工智能 (AGI) 将在 2030 年左右实现 ，随后不久，超级人工智能 (ASI) 也将出现。AGI 将拥有类似人类的推理能力，而 ASI 将超越人类，能够进行自我编程，甚至超越的大脑所能理解的范围。AGI 通过自我改造快速进化为 ASI 的过程，通常被称为智能爆炸。
　　下图展现了这种指数级加速发展，令人难以忽视。短短几年间，人工智能在许多曾被认为需要深厚知识的复杂任务上超越了人类。此外，它还在迅速逼近其他领域，例如推理、数学问题解决和代码生成。数十年来停滞不前的能力，如今在数月内便实现了飞跃。如果这种速度持续下去，人工智能将很快在几乎所有认知领域超越人类，使通用人工智能 (AGI) 从理论变为现实。
　　比较人工智能与人类在不同领域的能力。当人工智能的表现跨越零分线时，其得分将高于人类
　　这种快速发展对半导体行业的影响是深远的，因为 GenAI 正在推动对用于训练和推理的先进云端 SoC 的强劲需求。分析师预测，到 2030 年，这一领域的规模将接近 3000 亿美元，复合年增长率接近 33% 。
　　这种激增的需求正在 打破人们 对半导体市场变化速度的旧有假设，GenAI 的快速发展证明它们可以在一夜之间颠覆半导体市场。图表显示，生成式人工智能在两年内就达到了个人电脑近十年才达到的普及水平，甚至比智能手机、平板电脑 [8] 和互联网的发展速度还要快。
　　生成式人工智能的采用超过了早期 PC 和互联网的使用，39.4% 的 18-64 岁美国人报告称在 ChatGPT（生成式预训练 Transformer）发布后的两年内使用了生成式人工智能，这使其成为历史上增长快的技术
　　地缘政治进一步放大了这些市场震荡。中美科技竞争已将半导体变成了两个超级大国军备竞赛中的一项战略资产。美国实施了广泛的出口限制，阻止中国获得美国人工智能处理器，旨在减缓其迈向通用人工智能 (AGI) 的进程 [11]。中国正采取颠覆性举措予以反击，例如开源 DeepSeek-R1。由于美国的芯片限制，这款芯片是使用上一代芯片制造的。
　　芯片制造商为实现产量化而采取的多种策略
　　下表汇总了几款领先 AI 芯片的规格。所有数据均基于单芯片，而非多芯片系统（例如 NVIDIA 的 GB200 NVL4）。表中仅包含发布时可用的芯片。
　　这些数据提供的是高层次的概述，而非严格的同类比较，后者需要在相同的工作负载和条件下测试所有芯片。每瓦性能 (PPW) 是通过计算 (PFLOPS?1000)/瓦 (PFLOPS·1000)/瓦推导出来的，但一些芯片制造商并未公开披露瓦数（见下文“不适用”）。
　　该表格的编制主要依据供应商规格和信誉良好的第三方来源。少数情况下，数值是推断出来的，例如基于 8 位浮点 (FP8) 每秒千万亿次浮点运算 (PFLOPS) 估算 16 位浮点 (FP16) 性能。
　　市场上一些的云 AI 加速器的鸟瞰图。*片上 SRAM，与其他使用片外 HBM 的芯片不同。
　　将所有供应商进行这样的比较，可以揭示出 AI 加速器设计中的多种策略：
　　NVIDIA 和 AMD 凭借基于 GPU 的架构和海量 HBM 内存带宽占据主导地位。
　　AWS、Google 和 Microsoft 依赖针对其数据中心优化的定制硅片。
　　Cerebras 和 Groq 致力于推动晶圆级芯片和数据流执行等创新架构。例如，Cerebras 的单芯片运算速度高达 125 PFLOPS，带宽高达 21 PB/s。而 Groq 则强调超低延迟数据流路径，以降低推理延迟。
　　生成式人工智能的加速发展轨迹不仅改变了技术，也重塑了半导体行业，加剧了地缘政治紧张局势。随着芯片制造商竞相提供前所未有的处理能力和效率，他们部署的策略多种多样且富有创新性，但挑战也同样严峻。这种快速发展也伴随着巨大的障碍，尤其对于基于云端的人工智能部署而言，有效且可持续地扩展变得越来越复杂。