待验证50% 置信观点精确时间

算力瓶颈已经从芯片产能转移到了先进封装（CoWoS）和高带宽内存（HBM）上

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/12

首次发现

有效期至：2027/1/10

来源

AI价值链全景图：从底层基础设施到应用层的开发者指南

涉及实体

CoWoStechnology HBMtechnology

相关事实

待验证GPU HBM访问延迟最低但容量有限成本最高，CPU DRAM容量更大但访问需经过PCIe总线延迟显著增加，不同层级之间的带宽差距往往达到一个数量级以上71% 相似待验证冯·诺依曼瓶颈指处理器和存储之间的数据传输带宽限制71% 相似待验证在视频生成场景下帧数增加使序列长度快速膨胀，KV cache 体积线性增长，极易超出片上 SRAM 容量而降级到带宽更低的 HBM，成为实时性瓶颈70% 相似待验证传统的一站一进程模式在高密度托管场景下存在内存开销线性增长和CPU上下文切换成本高昂两个问题69% 相似已验证本地跑大模型的瓶颈在于显存容量与带宽，CPU不是关键69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1003850

API

curl https://kongchang.com/api/v1/knowledge/claims/1003850

MCP

get_claim(id=1003850)