前英特尔CEO：硬件创业的黄金时代已至

在AI算力需求爆炸的今天，硬件创业正迎来前所未有的机遇。前英特尔CEO帕特·基辛格（Pat Gelsinger）在最近的一次深度访谈中直言："对于硬件人来说，这就像一场文艺复兴。"这位曾主导486处理器设计、执掌英特尔和VMware的行业老兵，如今作为Playground Global的普通合伙人，分享了他对AI时代硬件创新的犀利洞察。

能源：AI时代的硬约束

"在AI数字时代，能源容量等于经济容量。"基辛格的开场白直指核心。他警告说，如果无法为数据中心供电，购买百万块GPU毫无意义。"你会看到越来越多的数据中心项目违约，因为能源根本跟不上。"

据基辛格分析，美国过去15年能源容量几乎停滞，近五年虽有所改善，年增长率也仅约4%。燃气轮机交付周期长达八年，核电更是二十年未建新反应堆。这种能源瓶颈正成为AI euphoria的"天花板"。他特别提到，800伏直流数据中心和垂直氮化镓（GaN）功率转换技术将重塑电力传输架构，"爱迪生的复仇来了"。

800伏直流数据中心指的是将数据中心配电架构从传统的交流（AC）供电改为800V直流（DC）直接供电。传统数据中心需经过多次AC-DC、DC-DC转换，每次转换都有能量损耗；而800V直流架构可减少转换环节、降低损耗，并减少铜缆用量（高压下同功率电流更小）。这一思路在OCP（开放计算项目）等组织中正被推动标准化，英伟达等厂商已宣布支持800V直流机架。

垂直氮化镓（GaN）功率转换指采用氮化镓材料制作的功率器件，且以垂直结构（电流沿垂直方向流动）而非传统的横向结构。GaN相比硅具有更高的击穿电场和更低的开关损耗，适合高频、高压场景；垂直结构则能承受更高电压和更大电流，散热也更好。这类器件被认为是从电网到GPU板级供电全链路上提升效率的关键，尤其适配800V直流架构。

芯片设计的瓶颈转移

AI工具正在大幅压缩芯片设计时间，但基辛格指出，瓶颈只是转移到了制造端。"我三个月就能设计出来，但需要九个月才能拿到硅片。"他算了一笔账：三个月设计、三个月流片、三个月先进封装，再加上机架级集成，"芯片已不再是芯片，而是整个机架"。

当设计周期缩短到三个月，而制造周期长达九个月时，"你对AI工作负载的理解可能已经过时了"。基辛格以GraphCore为例，指出即使设计不差，但世界已经变了。他认为，需要新的光刻技术和更廉价的原型验证流程，将制造周期压缩到一两个月。

内存创新：三十年未有之大变局

"过去30年，我们有过几个真正的新内存架构？零。"基辛格回顾道，DRAM、SRAM、闪存之外，再无突破。他本人参与过至少五种新内存架构的研发，包括英特尔的Optane，但无一成功。

然而，情况正在改变。三大内存厂商如今都跻身全球市值前20，过去四年内存行业市值增长了约2.5万亿美元。"资本和技术的双重需求，终于让内存创新变得有利可图。"基辛格透露，他刚投资了一家仍处于隐身模式的新内存公司，并看好铁电材料、非电容式高密度存储等方向。

对于HBM，他毫不客气地评价为"丑陋但却是我们最好的选择"。shoreline带宽限制、功耗和散热问题使其难以为继。他认为未来在于将内存与计算更紧密地结合，但堆叠层数不会无限增加。"三到五层可能是个甜点，16层堆叠在良率上几乎不可能。"

他描绘了一个约八层的典型堆叠结构：计算芯片、内存堆栈、电源层、RDL布线，再加上光学I/O和III-V族材料。"这既是工程壮举，也是制造噩梦。"

**HBM（高带宽内存）**是将多层DRAM芯片通过硅通孔（TSV）垂直堆叠，并与GPU/加速器通过硅中介层紧邻封装的内存技术。它用极宽的并行接口换取高带宽和低功耗，是当前AI训练芯片的标配。但HBM的局限也很明显：堆叠层数受良率和散热限制，中介层面积有限导致容量扩展困难，且“shoreline”（芯片边缘可布线的周长）限制了单颗芯片能连接的HBM数量。

铁电材料指具有自发极化且极化方向可被外电场翻转的材料。用于存储时，其极化状态可非易失地表示0/1，理论上兼具DRAM的速度与闪存的非易失性，且写入能耗低。近年铪基铁电薄膜（HfO₂掺杂）与CMOS工艺兼容，使铁电存储器（FeRAM/FeFET）重新受到关注，被视为突破传统电容式DRAM缩放瓶颈的候选方向之一。

百舸争流终将收敛

当前有上百家AI推理芯片初创公司，基辛格认为这不可持续。"历史上任何行业从未有过100家处理器供应商。"他给出三个收敛理由：工作负载的极端专用化不可持续；模型架构仍在快速演进；规模效应最终会淘汰大多数玩家。

但他也承认，AI编程工具可能改变软件生态的构建方式。"如果智能体集群能在一夜之间生成优化内核，那么硬件多样性的软件门槛就降低了。"不过，他坚持认为，制造规模、资本需求和客户绑定效应将推动行业整合。

光学互联与网络架构

"25年前我就宣布铜互连的死亡，总有一天我会是对的。"基辛格笑称。他认为所有I/O都应该转向光学，但核心计算-内存复合体内部仍应保持电互连。当前scale-up环境中铜缆正变成越来越短的波导，五米铜缆的成本已超过百米光纤。

他预计2028-2029年将迎来共封装光学（CPO）的规模部署。对于网络架构，他认同斯坦福教授Nick McKeown的观点：AI流量具有高度可预测性，更接近电路交换而非分组交换。"光交换（OCS）是正确方向，scale-up和scale-out的界限将逐渐消融。"

**共封装光学（CPO）**指将光引擎（激光器、调制器、光电探测器）与交换芯片或计算芯片封装在同一基板上，而非像传统光模块那样插在面板端口。这样可大幅缩短电信号走线、降低功耗和延迟，并提升面板端口密度。挑战在于激光器热管理、可维护性（光引擎坏了难以像光模块那样热插拔）以及封装良率。业界普遍预计2028年前后随速率提升至1.6T以上时CPO将进入规模部署。

**光交换（OCS）**指在光域直接切换光路，无需将光信号转为电信号再转发。其典型实现包括MEMS微镜阵列和液晶硅（LCoS）。由于AI训练流量具有高度可预测的规律性（如all-reduce的固定通信模式），OCS可像电路交换一样预先建立光路，省去逐包处理的功耗和延迟，Google已在TPU集群中部署OCS。

给硬件创业者的启示

基辛格的判断为硬件创业者划出了清晰的机会地图：能源基础设施（核电、功率转换、冷却）、内存创新（新材料、3D集成）、光学互联（CPO、光交换）、以及面向智能体的虚拟化平台。他特别强调，VMware的抽象模型需要在智能体时代重建："vMotion for agents，每个虚拟化概念都会有新化身。"

对于"这是否是硬件创业最佳时机"的提问，基辛格的回答毫不犹豫："绝对是的。能源、内存、封装、光学、电源——每个层面都在被重新发明。"在AI将软件创新推向极致之后，硬件重新回到了舞台中央。

vMotion是VMware的虚拟机热迁移技术，可在不停机的情况下将运行中的虚拟机从一台物理服务器迁移到另一台，依赖对CPU状态、内存和存储的完整抽象。基辛格所说的“vMotion for agents”，是指智能体（agent）作为新的计算负载单元，同样需要类似的抽象层——能够在不同硬件、不同云之间迁移、暂停、快照和恢复，并保持上下文与状态一致。这意味着虚拟化层需要从“抽象机器”扩展到“抽象智能体工作负载”，涉及状态序列化、工具调用环境重建和安全隔离等新问题。