在Cisco AI峰會上,剛剛履新10個月的Intel CEO Lip-Bu Tan首次系統披露了AI基礎設施的真實瓶頸。這位曾帶領Cadence 25年的EDA工具教父,用一句話顛覆了行業共識:“如果有什麼會拖慢AI,那一定是記憶體,不是算力。”“朋友都勸我別接這爛攤子”開場時,Cisco高管Jeetu Patel半開玩笑地說:"你保持了我交友速度的紀錄——從沒人讓我這麼快建立友誼。"Lip-Bu Tan的回應更實誠:“加入Intel董事會兩年後,很多朋友勸我別當CEO——你在風投界名聲那麼好,幹嘛接這個爛攤子?”但他最終還是說服了妻子:"這是一家標誌性公司,對行業、對美國都太重要了。“10個月過去,Lip-Bu用"marching off the map”(踏入未知領域)形容這段經歷——意外狀況不斷,只能邊走邊學。摩爾定律壓縮到"三四個月"當被問到AI發展的最大制約因素時,Lip-Bu Tan的答案出人意料:“記憶體。記憶體供應商告訴我,至少到2028年都不會緩解。”為什麼?因為AI"吞噬"了太多記憶體。他提到與輝達CEO黃仁勳的私下交流:"Jensen下一代產品需要大量HBM記憶體。"而全球只有三家主要供應商(三星、SK海力士、美光),其中兩家明確表示產能已被鎖死到2028年。更驚人的是算力需求的增速。Lip-Bu透露了一個資料:"過去摩爾定律的周期是3-4年,現在變成了3-4個月。"這意味著計算需求的膨脹速度比任何人想像的都快。台積電產能:AI晶片的"七吋"雖然記憶體是第一瓶頸,但Lip-Bu更擔心的是2027年的晶片產能危機:2024-2025年新增15-18GW算力2026年新增約30GW2027年,晶圓廠產能將再次成為最大瓶頸他直言:“台積電等廠商約50%的先進製程產能都用於AI晶片。到2027年,瓶頸會從電力重新回到半導體製造。”這與此前SemiAnalysis創始人Dylan Patel的"台積電瓶頸論"不謀而合——當所有人盯著資料中心電力時,真正的死結在上游。為什麼Nvidia"被迫"多線押注?訪談中,Lip-Bu揭示了一個罕見細節:Intel正在同時押注CPU、GPU、RISC-V和ARM架構。“我剛聘請了頂尖的GPU架構師,還在擁抱RISC-V和ARM。關鍵不在於堅守x86,而是從軟體層往下定義硬體。”這背後的邏輯是:沒人知道AI的最優架構是什麼。輝達用GPU統治訓練市場,但推理市場正在分化——Intel客戶發現CPU在某些場景下性能更優,而Cerebras用WSE(晶圓級晶片)搶走了OpenAI的750MW推理訂單。Lip-Bu說得更直白:"每個CEO都給我打電話——Lip-Bu,我是你最重要的客戶,能多給我點貨嗎?“這種供不應求的狀態,倒逼晶片廠商必須"多條腿走路”。18A良率暴漲背後:開放的力量Intel代工業務(Foundry)是Lip-Bu的戰略重心。他接手時,18A製程良率"相當糟糕",但通過一個反常規操作實現了逆轉:“我讓所有朋友來幫忙——PDF Solutions、KLA等裝置商。我們’打開和服’(open up the kimono),讓外部專家進來診斷。現在良率每月提升7-8%,這是行業最佳實踐。”這種"透明即信任"的策略奏效了:Panther Lake(潘瑟湖)晶片已交付18A生產多個客戶主動上門要求使用18A14A製程(1.4奈米)將於2028年風險量產、2029年量產Lip-Bu給客戶的承諾也很實在:“給我你最大、最重要的產品,先給我5%-50%的份額,讓我慢慢贏得信任。”中國AI:比你想像的更接近當Jeetu Patel提出"中國模型只是蒸餾美國模型"的觀點時,Lip-Bu Tan的回答讓現場氣氛凝重:“我最近想招頂尖CPU架構師,發現華為有100個世界級CPU架構師。我震驚了。”他追問這些人才為何去華為,得到的答案是:“雖然我們沒有Cadence、Synopsys的頂級EDA工具,也沒有ASML的光刻機,但我們有’窮人的辦法’(poor man’s way)。而且我們在悄悄自研裝置。”Lip-Bu的結論令人警醒:“他們只是略微落後。如果我們不小心,他們會跳躍式超越。”更致命的差距在基礎設施審批速度:“在美國,資料中心的監管審批流程很長;在中國,一旦決定就能迅速獲批並建成。”開源AI:美國唯一的武器?面對中國政府補貼AI研發的模式,Lip-Bu給出了美國的"遊戲理論"答案:開源。“我強烈支援開源。坦率講,有很多專業人士告訴我——Lip-Bu,我們在開源AI上已經落後中國了。DeepSeek只是一記警鐘。”但問題在於:開源模型的訓練成本太高,沒有商業模式支撐。Lip-Bu透露,一些朋友正在重建開源社區,甚至成立獨立研究機構(而非依賴大學),專門資助頂尖AI研究者。他還呼籲產業界投入基礎研究:“公共公司受短期業績壓力,無法投資10-20年的長期項目。而頂尖教授正被亞洲和歐洲挖走,這太危險了。”散熱、互連、軟體:全端最佳化才是出路除了晶片和記憶體,Lip-Bu Tan還指出了三個被低估的瓶頸:散熱技術 “高性能GPU或CPU有時不得不降頻,因為散熱跟不上。風冷已經不夠了,液冷、微流體冷卻、浸沒式冷卻正在成為標配。”光互連 “過去靠銅纜和Credito、Astera Labs的方案,現在必須轉向光互連。速度和延遲要求太高了。”叢集管理軟體 “Kubernetes很好,但解決不了實際問題。現在有很多創業公司來找我,專攻GPU/CPU叢集的故障診斷——你都不知道問題出在那。”他強調Intel正在探索新材料:玻璃(優秀絕緣體)、人造金剛石、氮化鎵(用於射頻和開關)——“CMOS快到極限了,我們得翻遍元素周期表。”量子計算:AI之後的下一個戰場Lip-Bu Tan的時間線很清晰:現在:AI模型訓練與推理近期:Agentic AI(智能體)中期:Physical AI(物理世界AI,如機器人)遠期:量子計算“量子就在拐角處,這是AI之後的下一波浪潮。”給企業CIO的建議:別把AI堆在舊系統上訪談最後,Lip-Bu對全球數百萬IT決策者喊話:“不要把AI堆在遺留系統上——不會成功的。我剛招了能找到的最好的CIO,告訴她:現在是重新審視基礎架構的好時機。你得拆掉舊的,再逐功能引入AI工具。”他還分享了一個冷水資料:MIT教授的研究顯示,全球經濟的生產力增長率仍然極低,甚至低於19世紀的某些時期。“這說明AI的採用還不夠廣泛。我們必須明確目標、設計流程、建立可衡量的指標,才能真正向董事會證明:投資這項技術提升了生產力和營收。”尾聲:國家寶藏的雙重使命Jeetu Patel最後說:“Intel是國家寶藏,但你也是。”Lip-Bu Tan的使命很清晰:短期:讓18A/14A代工贏得客戶信任中期:重建美國半導體製造能力長期:在開源、材料、量子等領域保持領先他在風投界幹了幾十年,現在選擇"再戰一次"。或許正如他所說——這不僅是一家公司的轉型,更是一個產業、一個國家的生死戰。 (硅星人Pro)