人工智能背景下“存算感连“发展新态势_17页_2mb

人工智能背景下“存算感连”发展新态势总结

核心内容

在人工智能快速发展的背景下，“存算感连”一体化正成为推动技术进步和产业变革的重要方向。这一趋势融合了存储、计算、感知和连接四大核心技术，旨在解决人工智能在数据处理、算力效率、数据采集与传输等方面的瓶颈，实现技术协同与系统优化。

主要观点

一、为什么是“存算感连”？

• 一体化趋势：从“存算连”到“感存算”再到“存算感连”，一体化发展正逐步打通机器人、视觉、大模型与云端等领域的技术壁垒。
• 技术爆发：国际龙头企业如英伟达、SK海力士等通过“HBM（存）+H100等（算）+NVLink/IB（连）”技术路径推动了人工智能的爆发式增长。
• 未来方向：随着人工智能大模型向边缘和可穿戴设备拓展，“存算感连”一体化很可能成为未来发展的主流方向。

二、“存”——人工智能大模型迭代关键

• HBM存储器：高带宽内存（HBM）是当前AI芯片迭代的核心，缓解“存储墙”问题，提升算力效率。
• 产能增长：2024年全球HBM产能相比2023年大幅增长，SK海力士订单接近饱和。
• 新型存储器：LPW（低功耗高带宽）等新型存储器将缓解端侧AI运算的带宽瓶颈和能耗问题。
• 存算一体：存算一体技术有望解决冯诺依曼架构下的存储与计算分离问题，成为未来算力效率提升的解决方案。
• 先进封装：存算结合推动了CoWoS等先进封装技术的发展，2025年台积电CoWoS月产能预计达到7.5-8万片。

三、“算”——人工智能发展核心动力

• 三大趋势：
  1. 算力增长：新一代芯片算力持续倍增，如B300芯片运算效能较B200提升50%。
  2. 软硬结合：算法、软件与硬件深度融合，如英伟达与戴尔合作的AI工厂平台。
  3. 应用多样化：从CPU到GPU再到XPU，硬件形态不断丰富，满足不同场景需求。
• 技术路径：博通、美满电子等企业通过ASIC/DSA路线开发XPU芯片，提供定制化解决方案。
• 算力成本：高投资、高技术、高回报的循环模式受到挑战，单纯“堆算力”模式受到质疑。

四、“感”——人工智能拓展领域的触角

• 传感器作用：作为存算感联系统的“感官神经”，传感器实时采集海量数据，是智能决策与自主进化的基础。
• 发展趋势：
  • 低功耗化：传感器向低功耗、自供能方向发展，以满足可穿戴设备、物联网等场景的长期使用需求。
  • 微型化：传感器体积不断缩小，有的甚至小似针头。
  • 集成化：多模态感知、软硬件一体化集成成为发展方向。
  • 智能化：传感器与AI、物联网融合，实现从数据采集到“感知-决策”一体化。
• 数据采集：预计2032年传感器安装数量将从2018年的1万亿增长到45万亿，数据采集率将超过10²⁰bit/s。
• 挑战与应对：传感器数据面临识别和安全两大问题，需提升本地信号处理和决策能力，以减少对云端的依赖。

五、“连”——推动人工智能技术的融合

• 连接技术作用：连接是存算感联系统的“神经系统”，保障数据传输和全局资源协同。
• 主要技术路径：
  • LPO技术：通过线性直驱技术降低功耗和延迟，适用于数据中心内部高速互连。
  • CPO技术：光电共封装技术可降低功耗、成本，实现高度集成。
  • 硅光技术：集成度高、带宽高、成本低，推动光通信系统的高度集成化。
• 连接优势：
  • 数据传输速率提升：3-5万只800G/1.6T光模块可赋能单个千卡AI集群训练。
  • 训练时间缩短：光互连技术使ResNet-50训练时间从10天压缩至4小时。
  • 成本下降：光模块功耗降低，数据中心年省电费超500万美元。
• 技术协同：连接技术与存算感协同进化，推动存算协同化、感知实时化和推理智能化。

关键信息

• HBM：高带宽内存是AI芯片迭代的关键，2025年英伟达Blackwell Ultra使用12层堆叠HBM3e，显存提升至288GB。
• GPU市场：预计2023-2029年复合年增长率25%，2029年GPU收入将比CPU多两倍。
• 传感器数据：2032年传感器安装数量预计达45万亿，数据采集率将远超全人类信息数据采集率。
• 连接技术：NVLink已迭代至第五代，带宽达1800GB/s，支持分布式存储池与计算节点的动态重构。
• 光互连优势：降低延迟、提升算力利用率、减少训练时间、降低能耗，是未来连接技术的重要方向。

未来展望

“存算感连”一体化将成为推动人工智能技术发展的关键，通过存储、计算、感知和连接的深度融合，实现技术协同与系统优化，推动人工智能向更高层次发展。