陈立武解析AI新机遇

1、AI算力展望 他指出业界常将AI等同于GPU，实则工作负载结构正发生转变：训练阶段CPU与GPU比例约为1:8，而推理及代理型AI则趋向1:4，差距持续缩小。CPU在任务编排、调度及强化学习控制流等场景愈发关键，因此CPU需求回升，并未被GPU替代。2、工艺节点与材料：制程微缩并未终结，但成本攀升，需依赖材料创新与封装技术延续发展。当埃米级微缩边际成本激增，未来的竞争壁垒将转向材料、封装、散热管理及互连技术。3、供给瓶颈制约：唯一能延缓AI发展的因素是供给限制。电力供应、氦气（涉及工艺气体与冷却介质）、内存短缺构成三大硬性约束；其中内存最为紧缺，即便即刻建厂也需数年方能投产。先进封装产能与电源管理（48V至1V转换损耗）同样成为瓶颈。CPU与GPU需求将维持高位，相关成本最终将转嫁至市场。