AI发展的内存墙与电力瓶颈：中美基础设施竞争的结构性制约与政策启示

摘要

支撑AI模型扩展的“扩展范式”（Scaling Paradigm）正面临内存带宽和电力供应的物理极限。英伟达因HBM供应受限，将Rubin Ultra的设计从12层降至8层，而中国半导体企业也因同样的瓶颈大幅提高了加速器的价格。华为正试图通过光互连技术绕过这一差距，以7.2Tbps的NPO模块，用自有标准挑战以英伟达和博通为中心的现有标准。这表明中美技术竞争的前线正从GPU性能本身扩展到互连与封装标准的竞争。这一瓶颈也影响了美国国防部在导弹和太空威胁探测领域部署AI的实战速度。在电力和内存限制持续的基本情景下，国防领域的优先资源分配与商业AI生态系统之间的竞争将不可避免。韩国在HBM供应链中同时面临间接利益和风险，是否参与华为标准不应由民间判断，而应由政府层面先行评估对美出口管制的风险。

I. 议题现状分析

AI发展的“内存墙”与电力瓶颈：中美AI基础设施竞争的结构性制约

1. 议题背景及演变

AI模型规模扩展的物理极限正在产业界全面显现。这就是GPU执行运算的速度与内存供应数据的速度之间的差距，即所谓的“内存墙”问题。以色列媒体《环球报》（Globes）指出，这“迫使人们投入如此多的GPU，导致能源消耗以指数级增长，这是不可持续的”[12]。当处理器撞上内存天花板时，“它会有一半的时间处于空闲等待状态，等待数据流入，期间只是在消耗能量”[12]。

这一瓶颈首先在半导体供应链的特定环节显现出来。台湾《电子时报亚洲版》（DigiTimes Asia）报道称，英伟达的下一代加速器Rubin Ultra原计划采用12层高带宽内存（HBM）的设计，现已退回到8层。报道指出，HBM成本的上升促使设计转向优先考虑带宽效率[17]。该媒体还报道称，挑战英伟达的中国半导体企业也因HBM短缺而大幅提高了现有及下一代加速器的价格。这为中国推动国产计算硬件的努力增添了又一重成本制约[14]。

中国选择了通过光学技术绕过这一瓶颈的路径。华为在深圳举行的中国国际光电博览会（CIOE）上，发布了其声称业界首款的每秒7.2太比特（Tbps）近封装光学（NPO）模块。该技术通过用光信号替代铜线，提升AI处理器之间的数据传输速度[1]。《日本经济新闻》将此举定义为“对英伟达和博通的挑战”，并分析认为，这是华为试图在新兴的芯片制造领域获得更大话语权的尝试，该领域可能决定下一代AI计算的走向[9]。台湾《电子时报亚洲版》也评价称，华为不仅是发布产品，还在“AI集群面临极限的情况下，试图建立新的光互连标准”[5]。

2. 当前状况

华为的发布正值美国对华半导体出口管制之际，因此具有重大的象征意义。华为以自有标准对抗以英伟达和博通为中心的现有光学与互连标准，这一格局是中国在获取先进GPU受限的情况下，试图通过替代技术缩小差距的战略延伸。然而，《电子时报亚洲版》的报道证实，华为等中国企业也未能摆脱HBM短缺这一共同制约[14]。

电力瓶颈具有更广泛的地理意义。比利时布鲁盖尔研究所（Bruegel）指出，欧盟区域内的AI计算能力仅为2吉瓦，占全球总量的5%，即使有已规划的项目，这一差距也几乎无法缩小。该报告指出，鉴于自主计算基础设施是AI主权的必要条件，这反映了欧洲的结构性劣势[6]。德国罗兰贝格咨询公司（Roland Berger）也分析称，在数据中心热潮所创造的赢家和输家格局中，欧洲的差距正在拉大[4]。卡内基国际和平基金会（Carnegie Endowment for International Peace）评价称，电力供应和训练数据的物理极限对“扩展范式”本身的可持续性提出了质疑，并认为这一极限是技术范式内在的问题[13]。

电力基础设施问题也正在演变为安全脆弱性。布鲁金斯学会（Brookings Institution）于今年3月披露，伊朗通过名为“史诗之怒行动”（Operation Epic Fury）的无人机攻击，对位于中东的三处亚马逊网络服务（AWS）数据中心造成了损害。据称，攻击导致电力中断、消防装置启动，甚至引发了水淹损害。伊朗官方媒体声称，巴林的设施因其为美军提供相关支持而成为目标[2]。这一事件表明，建在海外的前沿AI数据中心可能成为物理攻击的目标，预示着计算和电力基础设施的安全化已经成为现实。

3. 主要行为体及立场

华为（中国）正试图通过领先的光模块技术，以抢占互连标准来弥补因美国出口管制而造成的先进GPU差距。正如《日本经济新闻》所指出的，这不仅是产品竞争，更是关乎“塑造下一代AI计算未来”的标准主导权之争[9]。而中国半导体企业整体则面临HBM供应短缺，采取了提高价格的防御性应对措施[14]。

英伟达（美国）正通过改变设计本身来应对HBM成本的上升。Rubin Ultra设计从12层降至8层，是优先考虑带宽效率和系统经济性的结果[17]。这表明，即便是美国科技巨头也无法摆脱内存瓶颈的束缚。

美国国防部不顾这些基础设施的制约，正在加速AI的实战部署。《防务新闻》（Defense News）报道称，国防部正在推动引入AI以识别导弹和太空威胁，试图利用AI突破导弹防御中高速移动物体、短反应时间和传感器数据不明确等难题[16]。国防初创企业也正在推出能够最大化每一发弹药效用的AI系统[19]。然而，这种实战部署的速度最终将受制于GPU获取量和电力供应能力等基础设施瓶颈。

中国人民解放军（PLA）的军事AI应用仍停留在辅助领域，这是其内部的自我评估。根据东亚研究院（EAI）的报告，中国武警山东总队的研究人员承认，解放军的军事AI集中于“智能问答和内容生成等辅助领域”，而进攻性作战应用仍处于探索阶段[11]。这种差距被分析为并非源于技术不足，而是源于党军关系和指挥决策权移交等政治审慎所带来的结构性问题[11]。布鲁金斯学会也指出，解放军战略支援部队（SSF）一直在推行进攻性创新战略，以实现2030年成为AI世界最强国的目标[10]。

欧洲（欧盟成员国及企业）在计算基础设施不足的结构性劣势下，正在探索确保自主性的方案。布鲁盖尔研究所建议，无论产地如何，都应最大限度地提高区域内的计算能力[6]。

4. 核心争议点

内存墙和电力瓶颈已成为决定中美AI竞争胜负的下一个前沿。华为的光模块试图在GPU之间的另一条数据传输路径上抢占标准，而非GPU本身的性能。这表明，美国半导体出口管制存在无法封锁的领域。

同时，这一瓶颈也对美国阵营产生对称性影响。英伟达的设计降级、欧盟的计算能力不足，都证实了瓶颈并非特定阵营独有的问题。正如卡内基国际和平基金会所提出的，如果电力和数据等物理制约揭示了“扩展范式”本身的局限性，那么竞争的轴心有可能从“谁能获得更多GPU”转向“谁能率先构建绕过瓶颈的架构”[13]。

在国防领域，这些基础设施制约成为决定实战部署速度的变量。美国国防部的导弹和太空威胁探测AI[16]，以及解放军的指挥控制一体化导向[11]，最终都受制于计算和电力的保障能力。此外，伊朗袭击AWS数据中心的案例[2]表明，AI基础设施本身可能成为物理攻击的目标，使得基础设施安全成为军事AI竞争中新的脆弱点。

II. 议题深度分析

AI发展的“内存墙”与电力瓶颈：中美AI基础设施竞争的结构性制约

1. 根本原因分析

内存墙问题的根源在于半导体产业长期存在的不对称性。计算性能得益于摩尔定律和并行化技术的发展而稳步提升。相比之下，内存与处理器之间的数据传输带宽增长速度却未能跟上。正如《环球报》引用的业界解释，大规模投入GPU会使“能源消耗呈指数级增长”，但处理器实际上“有一半的时间在空闲等待数据流入”[12]。这是计算能力与数据供应能力之间结构性差距扩大的结果。

这一差距最近具体表现为HBM供应短缺。就连英伟达也不得不将其Rubin Ultra加速器的HBM配置从原计划的12层降至8层。这是优先考虑带宽效率和系统经济性的设计变更[17]。挑战英伟达的中国半导体企业的处境则更为脆弱。随着HBM变得稀缺和昂贵，它们正在大幅提高现有及下一代加速器的价格[14]。对于必须推动国产计算硬件的中国而言，这无疑是在技术差距之上又增加了成本制约的双重困境。

电力瓶颈的根本原因则不同。AI模型训练和推理所需的电力需求，正在超越全球数据中心电网的扩容速度。卡内基国际和平基金会指出，“由于电力供应和训练数据的限制，开发者能够将‘扩展’（scaling）持续多久尚不明确”[13]。这一诊断表明，通过投入更多计算能力来扩大模型规模的方式本身正面临物理极限。这并非半导体设计问题，而是能源基础设施，即发电和输电能力这一完全不同层面的制约。

2. 结构性背景

技术竞争结构：华为发布7.2Tbps NPO模块，是在美国对华半导体出口管制这一制度性制约下的应对之举。这是在获取先进GPU本身受阻的情况下，中国试图通过用光信号替代铜线的互连技术来寻求突破的尝试[1]。《日本经济新闻》将其定义为“对英伟达和博通的挑战”，认为这是华为试图在可能左右下一代AI计算标准的芯片制造领域获得更大话语权的举动[9]。《电子时报亚洲版》也评价称，华为不仅是发布新产品，更是在“AI集群面临极限的情况下，试图建立新的光互连标准”[5]。标准制定权的竞争是中美技术霸权竞争的新战线。竞争正从半导体本身的胜负，转向谁能在互连和封装规范上制定规则的问题。

军事安全结构：这一瓶颈直接关系到国防AI的实战部署速度。美国国防部试图将AI引入导弹和太空威胁探测领域便是典型例子。其目的是用AI替代人类操作员，以应对战场环境中“高速物体、时间限制短、传感器数据不明确”等难题[16]。然而，这种实时指挥控制AI是以大规模计算资源和稳定的电力供应为前提的。如果内存墙和电力瓶颈问题得不到解决，国防AI的扩展速度本身就会受到限制。中国方面的情况也类似。布鲁金斯学会分析称，解放军正在推行进攻性创新战略，以实现到2030年成为世界领先AI强国的计划[10]。然而，根据东亚研究院的分析，就连解放军内部的研究人员也自我评估称，“军事AI的应用仍停留在智能问答和内容生成等辅助领域”，进攻性作战应用仍处于探索阶段[11]。这种差距被分析为“并非源于技术不足，而是源于党军关系和指挥决策权移交等政治审慎所带来的结构性问题”[11]。如果计算瓶颈与这种政治审慎相结合，解放军的AI军事化速度可能会受到双重迟滞。

供应链与经济安全结构：HBM短缺是中美双方共同面临的问题。在HBM供应紧张到连英伟达都不得不降级设计的情况下，因对华出口管制而已被限制获取先进内存的中国企业处境更为艰难[14][17]。因此，中国有很强的动机在内存带宽获取竞争中，将赌注押在光互连这一替代路径上。华为发布NPO模块正是在此背景下，同时具有产业战略和供应链规避战略的双重性质。

地缘政治脆弱性结构：计算基础设施的物理集中创造了新的安全脆弱点。布鲁金斯学会指出了今年3月伊朗无人机攻击导致中东三处AWS数据中心遭受结构性损坏的案例。攻击导致电力中断，消防系统启动，甚至引发了二次水灾[2]。伊朗官方媒体声称，革命卫队因巴林设施为美军提供支持而将其作为目标[2]。这一案例表明，随着AI基础设施在海外的建设增多，其遭受物理攻击的风险敞口也随之增大。这是一个悖论性结构：旨在解决电力和内存瓶颈的基础设施扩张本身，却伴随着新的安全风险。

区域差距结构：计算基础设施的竞争不仅限于中美两强格局。布鲁盖尔研究所指出，欧盟区域内的AI计算能力仅为2吉瓦，占全球总量的5%。即使有已规划的项目，这一差距也几乎无法缩小[6]。报告指出，尽管将自主计算基础设施定义为AI主权的必要条件，但欧洲已经从结构性劣势出发。罗兰贝格也分析称，在数据中心热潮所创造的赢家和输家格局中，欧洲的差距正在拉大[4]。这预示着由中美两强主导的计算基础设施竞争中，第三方阵营落后的结构可能会固化。

3. 历史先例及类似案例比较

在半导体产业中，瓶颈环节转变为标准竞争舞台的案例并不鲜见。HBM本身作为绕过内存带宽限制的尝试，其出现背景也类似。HBM旨在通过3D堆叠技术突破传统DDR内存的带宽限制。如今，华为在光互连领域的尝试，则是为了绕过下一个阶段的瓶颈，即用光信号解决即使用HBM也无法克服的处理器与内存之间的物理布线限制。一个瓶颈被解决后，下一个瓶颈便会显现，这种顺序结构正在重演。

从标准竞争的角度看，这与华为在通信产业中通过5G标准必要专利在国际标准化组织内获得话语权的路径有相似之处。当时，华为并非仅凭硬件性能，而是通过影响标准制定过程，巩固了其在整个产业生态系统中的地位。此次发布NPO模块，正如《日本经济新闻》所指出的，也不仅是产品竞争，更是着眼于“在新兴的芯片制造领域获得更大话语权，以左右下一代AI计算的走向”[9]。可以说，竞争的舞台已从通信标准转向了半导体和AI基础设施标准。

关于电力瓶颈，可以与过去能源密集型产业的选址决策方式进行比较。正如铝冶炼或数据存储产业曾向电价低廉的地区转移一样，AI数据中心也出现了向电力保障便利的地区重新布局的趋势。但不同的是，AI数据中心与国家安全数据直接相关，其选址不能仅凭成本逻辑决定。布鲁金斯学会指出的海外数据中心物理攻击脆弱性，正体现了这一差异[2]。这意味着能源密集型产业的离岸转移逻辑，难以直接适用于AI基础设施。

4. 议题发展的核心变量

第一个变量是HBM供应的恢复速度。供应紧张到连英伟达都不得不降级设计的状况会持续多久，将决定中国光学规避战略的相对吸引力[14][17]。如果HBM供应恢复正常，华为式光互连的必要性可能会相对降低。

第二个变量是美国对华出口管制范围的调整。光模块或互连技术未来是否会被列入管制清单，将决定华为标准在国际上扩散的可能性。如果管制加强，华为标准很可能固化为以中国国内市场为中心的封闭生态系统；如果管制放松，则华为标准有机会向非西方市场扩散。

第三个变量是电力基础设施的扩建速度及其相关的政治接受度。数据中心电力需求的激增，可能与当地居民的反对、电网投资的资金筹措以及可再生能源转型目标发生冲突。这些矛盾如何协调，将决定美国、中国和欧洲各自的计算能力扩张速度。

第四个变量是国防AI引入的实际进展。美国国防部的导弹和太空威胁探测AI项目[16]在计算和电力制约下能达到何种程度的实战部署是关键。同时，解放军内部的“政治审慎”[11]何时缓和也是一个变量。中美军事AI差距的走向，将取决于哪一方能率先解决瓶颈，加快实战部署速度。

第五个变量是包括欧洲在内的第三方力量是否能扩充其计算基础设施。布鲁盖尔研究所指出的5%的低市场份额[6]在未来五年将如何变化，将决定AI基础设施竞争是固化为纯粹的两强格局，还是重组为多极格局。对于包括韩国在内的中等强国而言，这五个变量的组合将决定其确保本国AI主权战略的坐标。