从芯片到 AI 工厂

一、从芯片到AI工厂：真正变化的是“优化边界”

理解这场变化，首先需要区分两个概念：复杂性和技术互依性。

一个系统拥有很多零部件，并不意味着这些零部件必须由一家公司生产。一辆汽车包含成千上万个零件，现代飞机的供应链更加复杂，但只要不同模块之间拥有稳定接口，各个企业仍然可以高度专业化。因此，单纯说“AIDC 太复杂，所以产业重新垂直整合”，并不准确。

真正重要的是另外一个变化：越来越多过去可以相对独立优化的模块，现在更大程度地共同决定最终计算效率。

在传统 CPU 时代，芯片当然也要与内存、网络、服务器和数据中心配合，但处理器自身的性能仍然是整个系统性能中极其重要的独立变量。

AI 计算则越来越不同。GPU 的算力增长，如果没有足够的 HBM 带宽支持，计算单元就可能等待数据；单颗 GPU 再快，如果数十、数百甚至数万颗 GPU 之间无法高效率通信，大规模训练和推理仍然会受到限制；机架内部 GPU 数量增加以后，纵向扩展的互联带宽与延迟开始成为关键约束；机架进一步扩展为大规模集群以后，横向扩展网络、交换芯片和光通信又成为关键约束；功率密度继续提高以后，供电和液冷不再只是数据中心的后台工程问题，而直接决定一套计算架构究竟能部署多少 GPU、能够持续运行在什么功率状态。

于是，计算系统的优化边界不断扩大。这里产生了一个非常重要的变化：局部最优越来越不等于系统最优。NVIDIA 的 Vera Rubin 已经非常清楚地体现了这种趋势。AMD 给出的答案虽然不同，但对问题的判断实际上完全一致。由此，系统级协调的重要性进一步上升，并逐渐成为一种更加稀缺的能力。

二、Fabless没有失效，而是遇到了一个更高层级的问题

但今天还不能轻易说：“Fabless 时代结束了，垂直整合重新回归。”

事实上，AI 产业最重要的企业仍然建立在几十年来形成的专业化产业链之上。

NVIDIA 和 AMD 仍然是 fabless；AWS 和 Google 的自研 AI 芯片仍然依赖专业 Foundry；先进制程仍然高度集中在 Foundry；HBM 仍然由专业存储企业生产；服务器、电源、液冷、光通信也仍然拥有各自高度专业化的供应链。专业化不仅没有消失，反而仍然是 AI 算力能够快速扩张的重要基础。

但真正的问题是当竞争单位从芯片扩大成一个更大的计算系统以后，过去形成的专业化分工并不能自动解决所有新的跨模块协调问题。当性能优化边界从芯片扩展到机柜级和数据中心，一个新的问题出现了：这些更高层级的协调，究竟还能不能继续依靠标准和市场解决？

如果标准和市场足以解决这些新增协调问题，专业化产业链就仍然可以继续扩张；如果不足，就需要引入更强的架构协调、组织内部协调或需求端协调。

今天四种路线的分化，正是对这些不同协调机制的探索。

三、NVIDIA：不拥有整个产业链，却成为AI系统的架构协调者

第一种答案来自 NVIDIA。

如果按照传统产业组织意义上的垂直整合来衡量，NVIDIA 其实并不典型。

它没有自己的先进晶圆厂；不生产 HBM；绝大部分服务器也不是 NVIDIA 自己制造。它仍然高度依赖全球专业化供应链。但另一方面，NVIDIA 对整个 AI 系统的控制力又远远超过传统 fabless 企业。原因就在于：它掌握的不是大量生产资产，而是越来越多的关键架构和关键接口。

CUDA 控制软件生态；GPU 定义核心计算；NVLink 与 NVSwitch 定义纵向扩展；ConnectX、Spectrum-X 和 InfiniBand 将系统进一步延伸到横向扩展；GB200、Vera Rubin NVL72 又把 CPU、GPU、网络、DPU、液冷和机架组织成完整的机架级系统架构。

于是 NVIDIA 实现了一种很特别的组织形式：没有把产业链内部化，却把越来越多产业链环节纳入了自己的系统架构。参与者越来越需要围绕 NVIDIA 定义的系统架构进行适配。因此 NVIDIA 真正建立的并不是传统 IDM，而是一种架构链主模式。

更值得注意的是，NVIDIA 自己也意识到完全封闭的边界未必是最优。NVLink Fusion 已经允许外部 CPU、ASIC 和其他定制计算芯片进入 NVIDIA 的 rack-scale 架构。这意味着 NVIDIA 可以开放系统中的一部分组件，却继续掌握连接这些组件的核心接口。

因此 NVIDIA 的答案可以概括成一句话：产业可以继续专业化，但必须围绕一个核心架构进行协调。

四、AMD与开放标准：如果新增了协调问题，就继续创造新的接口

第二种答案恰恰代表了另一种产业哲学。

作为追赶者的AMD 认为：系统级协同并不必然意味着需要一个 NVIDIA 式的强势链主。另一种办法是：把新的复杂关系再次标准化。它试图通过开放的纵向扩展互联标准，让来自不同企业的计算芯片可以通过统一协议相互连接。

这背后的逻辑实际上和 fabless 革命非常相似。过去的问题是：芯片设计与制造如此复杂、如此紧密，真的必须由同一家公司完成吗？今天 AMD 与开放标准阵营提出的是一个相似的问题：GPU、CPU、纵向扩展、横向扩展、机柜之间越来越紧密，真的必须由一家企业统一定义吗？

如果这条路线成功，那么 fabless 时代最基本的产业哲学仍然成立：复杂系统不一定需要被一家企业内部化，只要能够不断创造足够好的接口，专业化分工就仍然可以继续。

因此，NVIDIA 与 AMD 更深层的竞争，其实是两种组织机制之间的竞争：一个领先者相信架构可以协调产业，一个追赶者相信标准可以协调产业

五、Intel：有些协调也许不能只靠接口解决

第三种答案来自 Intel。

它与 NVIDIA、AMD 的历史禀赋都不同，没有那么强的软件生态和 AI 系统架构控制力。但 Intel 手中仍然拥有一组在全球半导体产业中非常少见的能力组合：芯片设计、先进制程开发、晶圆制造、先进封装。

因此 Intel 可以提出另一种答案：如果某些技术环节之间已经高度耦合，那么与其完全依赖市场接口协调，不如直接保留更深的组织协同能力。

这里最典型的就是：设计、制造与封装。特别是先进封装的发展正在改变封装在产业链中的位置。随着 HBM、chiplet 和 2.5D/3D 先进封装的发展，封装越来越成为芯片设计本身的一部分。而Intel 今天持续扩大 EMIB、Foveros 等先进封装路线，并明确把前端制造与先进封装结合起来，以实现系统级优化。

因此 Intel 真正下注的是：有些高耦合技术活动，企业内部协调仍然比纯市场协调更有效率。Intel 试图证明：自己同时掌握设计、制造和先进封装，本身就能够创造联合优化价值。

但这并不意味着 Intel 要回到过去封闭 IDM 的时代。恰恰相反，新 Intel 必须保持相当程度的开放。外部客户必须能够使用 Intel Foundry；第三方 IP 和 EDA 必须能够进入；部分封装和供应链仍然需要合作伙伴参与。

因此 Intel 真正可能形成的是：选择性垂直协同，把协调收益最高的环节保持在同一个能力体系里，同时让其他环节继续接受市场竞争。

这是一条理论上很有意思、现实中却尚未得到证明的道路。截至目前，Intel Foundry 仍然主要服务于 Intel 自己的产品，能否真正吸引足够多的外部先进制程与先进封装客户，仍然是这套模式最关键的验证条件。

六、超大云服务商：既然我最了解最终需求，为什么不由我来协调？

第四种答案来自 AWS、Google 等超大云服务商。这一类企业不能简单归入 AMD 的开放标准路线。

因为从系统设计角度看，它们实际上拥有相当深的垂直协同能力。只是这种协同的起点完全不同。NVIDIA 从 GPU 出发向系统扩张；Intel 从半导体能力向系统扩张；超大云服务商则是从最终工作负载向上游反向扩张。

它们每天都在运行海量 AI 工作负载，因此比传统芯片企业更直接地知道：模型究竟在运行什么算子；训练和推理的瓶颈在哪里；HBM 不够会产生多大损失；不同通信模式需要怎样的网络；什么硬件性能最终能转化成客户愿意付费的计算服务。

所以它们可以从最终需求开始进行联合设计。

AWS Trainium 就是很典型的例子。今天 Trainium 已经不是简单的一颗定制 ASIC。Trainium3 UltraServer 可以把最多 144 颗 Trainium3 组织在同一个系统中，并配合 AWS Neuron 软件栈和专用互联运行；AWS 再进一步把这些系统部署进自己的 UltraCluster 和云服务体系。

Google 的路线甚至更加典型。它并不是孤立地设计 TPU，而是把 TPU、网络、系统软件和机器学习框架放进同一套 AI 基础设施中联合优化，并以“系统级协同设计”描述这一思路。它甚至可以根据自己的 Gemini、搜索、广告、推荐和云计算，从实际需求反向优化芯片与系统设计。

当然，它们仍然没有必要自己建设先进晶圆厂。因为晶圆制造依然具有极强的专业化和规模经济。所以这种路线实际上是：需求端高度垂直协同 + 制造端继续专业化。它是一种从产业链另一端产生的新型系统整合。

七、四种业态，其实是四种“协调权配置”

这样再来看今天的产业格局，就会发现这四种模式并不是按照“垂直程度”简单从低到高排列。

它们真正不同的是：新增的系统协调权究竟交给谁，以及如何组织。

NVIDIA 的答案是：交给核心系统架构者；

AMD 与开放联盟的答案是：交给标准；

Intel 的答案是：部分重新交给企业内部；

超大云服务商的答案则是：交给最终需求方。

在 AIDC 时代，资产所有权与系统协调权正在越来越明显地分离。这是理解今天产业变化非常重要的一点。由此也就能看清：今天的变化并不是半导体产业简单回到 Intel 曾经代表的 IDM 时代。今天出现的协调手段远比过去丰富：产业不是从市场重新退回企业，而是在试验比过去更加复杂的企业—市场混合组织形式，进而去试图解决专业化边界扩大以后产生的新协调缺口。

任何一种协调模式都有代价。因此不存在一个天然“先进”的答案。真正的产业均衡取决于两种力量：（1）专业化收益，包括规模经济、供应商竞争、技术多样性和资本效率；（2）协调收益，包括更高的系统利用率、更快的开发周期、更低的通信损耗、更好的能效，以及更低的整体 TCO。

如果开放接口足够成熟，那么很多今天必须深度协同的问题仍然可以重新交给市场。

如果技术变化过快、接口难以标准化，那么架构链主或内部协同的价值就会上升。

所谓企业边界，本质上就是在寻找这两个力量之间的平衡。

所以今天真正值得观察的是：

当需要联合优化的系统边界从芯片进一步扩展到封装、机架、集群和数据中心以后，专业化与协调之间的边界应该重新画在哪里？

而谁又能用最低的协调成本，获得最高的系统效率，同时又尽可能保留专业化所带来的创新和规模经济？