TL;DR：
人工智能，特别是多模态大模型的崛起，正迫使全球计算骨干从根本上重新设计，超越摩尔定律的局限，走向云边端融合的混合架构和以存算一体为代表的芯片创新，重塑整个产业的商业逻辑与社会图景。
传统的计算架构，以横向扩展的通用硬件和松散耦合的软件为基石，在过去数十年间推动了互联网服务的爆发式增长，将海量信息触手可及。然而，当人工智能的浪潮以前所未有的速度席卷而来，特别是以AI大模型为代表的智能应用，其对算力、带宽和能效的极致需求，正深刻地挑战着这套行之有效的“旧范式”。我们正站在一个计算体系全面深层重构的临界点，它不仅关乎技术性能的线性提升，更是一场涉及芯片、架构、应用、商业模式乃至社会哲学的系统性再造。
当前产业格局分析：摩尔定律的黄昏与AI时代的算力断层
过去数十年的计算进步，很大程度上得益于摩尔定律的驱动，即芯片上集成的晶体管数量每两年翻一番，带来性能和效率的持续提升。这使得基于通用CPU/GPU和大规模分布式集群的数据中心成为主流，成功支撑了Web 2.0时代的在线服务。然而，随着物理极限的逼近，摩尔定律的演进已然放缓1。与此同时，人工智能，特别是大型语言模型（LLM）和多模态AI模型的涌现，对计算资源提出了截然不同的要求。
传统架构在面对AI训练和推理的爆发式增长时，暴露出瓶颈：
- 数据吞吐量与内存墙： 大模型动辄千亿甚至万亿参数，训练和推理过程中涉及天文数字的数据传输和访问，传统冯·诺依曼架构下计算单元与存储单元分离导致的数据搬运成为巨大瓶能耗和延迟瓶颈。
- 能效比的挑战： 高密度的AI计算导致数据中心能耗飙升，绿色计算成为迫切需求。
- 特定工作负载需求： AI计算的并行性、矩阵运算特性，使得通用计算架构的效率难以满足。
“2024年是AI算力基础设施市场的一次重构。”中存算董事长陈巍指出，尤其在推理需求超过训练成为主流的趋势下，高性价比的算力已成为大模型厂商竞争的关键2。这不仅仅是简单的算力扩容，而是对计算逻辑、存储方式、网络拓扑等“计算骨干”的系统性重构，旨在打破现有硬件与软件的僵局，为AI的进一步演进铺平道路。
变革驱动力解读：模型、架构与芯片的协同进化
推动此次计算骨干深层重构的核心驱动力，是AI模型本身的飞速演进以及由此引发的对新型计算架构和专用芯片的需求。
1. AI模型的新范式：多模态与世界模型 多模态AI模型正在迅速超越传统LLM的文本处理能力，整合图像、音频和传感器数据，赋予AI类似人类的感知能力2。Arm中国区业务全球副总裁邹挺认为，这种趋势将使AI能更全面地理解世界并进行互动。更进一步，“世界模型”被中存算董事长陈巍视为大模型发展的“圣杯”，它将包含视频等多元传感信息，对算力芯片的要求极高，需要更多新架构和集成技术实现2。这种模型范式的转变，直接导致了上下文长度的增加和算力需求的攀升。同时，**小语言模型（SLM）**预计在2025年迎来加速发展，它们参数更少、资源需求更低，易于定制和部署，尤其适合在计算资源受限的边缘设备上运行2。
2. 混合AI架构的崛起：云边端一体化 生成式AI的趋势正在推动云边端一体化的混合AI架构。后摩智能联合创始人信晓旭指出，云端AI将继续在模型训练和大规模数据处理中发挥核心作用，而端侧和边缘侧AI则因更接近数据源、实时响应和隐私保护优势而展现巨大潜力，尤其会加速多模态大模型的普及2。这种架构将AI任务智能分配，例如在边缘设备上运行AI算法检测事件，而云端模型提供附加信息，决策依据可用电力、延迟、隐私和计算复杂性等因素2。这意味着计算不再是一个集中式堡垒，而是一个分布式的智能网络。
3. AI芯片的迭代与创新：存算一体与能效比 为了满足上述需求，AI芯片的研发目标正在从单纯追求算力高峰转向成本更低、能效比更高的方向。**存算一体（Processing-in-Memory / Computation-in-Memory）**技术成为焦点，它通过将计算单元集成到存储单元内部，大幅减少数据搬运，从而显著提升算力效率和能效比2。后摩智能正专注于开发支持端边侧大模型部署的AI芯片，通过存算一体架构实现算力和功耗优势。安谋科技自研的“周易”NPU也通过IP设计增加可扩展性，满足端侧AI算力需求并支持混合AI的算力拓展2。
此外，AI算力价格的下调，虽然短期内可能引发市场“内卷”，但长期来看，它将极大地降低AI技术获取门槛，推动AI应用的普及和落地2。这对AI芯片厂商而言，意味着需要在技术创新和成本控制上做出更大的努力，提供更高效、更经济的解决方案。
未来竞争态势预测：生态重构与价值链再分配
计算骨干的重构不仅仅是技术问题，它将重塑整个AI产业的竞争格局和价值链。
1. 市场洗牌与生态构建 Gartner预测，国产人工智能芯片正处于“期望膨胀期”，随后可能进入“泡沫破裂低谷期”2。这符合国内产业先投入大量资源形成多家头部企业，再通过竞争和并购优选出具备国际竞争力的模式。陈巍强调，集成电路技术正在不断前进，新的视频大模型、3D集成和光互连技术的发展可能超越传统Gartner曲线，推动国产AI芯片持续进步。更重要的是，国内AI芯片企业需要开始注重生态和客户TOC（Total Cost of Ownership），逐渐从芯片视角转向生态和需求视角2。这将促进软硬件协同，如后摩智能与合作方共同推进云/边缘计算的编译生态和MaaS生态。
2. 产业分工与商业模式创新 计算架构的演进将带来更细致的产业分工。IP厂商等上游技术供应方将迎来更多机遇，提供可编程GPU和并行计算平台，助力生成式AI的消费者体验革命2。在应用层面，AI PC、AI手机、智能驾驶/座舱等新兴领域将提供海量市场需求，推动端侧AI芯片的高质量发展2。安谋科技产品总监鲍敏祺提到，很多证券分析平台、社交平台已植入智能Copilot产品，这代表着新一轮生成式AI浪潮伴随着商业模式的实践和验证，并非“泡沫”。
3. 地缘政治与本土机遇 在地缘政治影响下，全球芯片和AI领域的供应链遭遇挑战，国产替代成为主流趋势，为国内AI芯片提供了发展机遇2。中国超大市场的规模化优势、完备的电力和通信基础设施、海量用户群体以及成熟的产业分工，都为本土AI产业发展提供了坚实基础[^1, ^2]。这种“内循环”的力量，加上具身智能和大模型家用落地等新兴场景的推动，将进一步加速边缘生成式AI的发展。
最终，计算骨干的深层重构，是将AI技术从云端的数据中心，延伸至每台设备、每个人的日常生活中。这不仅提升了计算的效率和能力，更将深刻改变我们与数字世界互动的方式，催生一个更加智能、个性化且高效的未来。这不仅仅是技术竞赛，更是关于未来经济结构、社会形态乃至人类文明进程的深层博弈与再造。正如华为所言，人工智能的快速发展加速了智能时代的到来，对算力的需求爆发式增长，智能计算正重构信息技术体系[^3, ^4]。这是一个从“算力基础设施”到“智能计算新周期”的根本性转变，其影响将远超技术范畴，触及商业、社会乃至哲学层面1。