算力神話與馮·諾依曼的黃昏：一場被低估的文明級博弈

一

2024年初，英偉達市值突破兩萬億美元那天，黃仁勛穿著他標志性的皮夾克站在臺上，手里舉著一塊比成年人手掌還大的芯片。臺下的觀眾歡呼，資本市場沸騰，但很少有人注意到他演講中一句輕描淡寫的話："我們正在接近一個物理極限。"這句話被淹沒在"算力即國力"的狂熱敘事中。與此同時，北美某大型數據中心的運維負責人正在為一份電力賬單發愁——訓練一個千億參數模型的單次電費，已經超過了他整個團隊一年的薪資總額。算力的饑渴正在以一種近乎暴力的方式撕扯著整個產業鏈，而傳統計算架構就像一輛被焊死油門的老舊卡車，正在逼近懸崖邊緣。

二

"2035年算力增長十萬倍"——這個數字被寫進無數份趨勢報告，成為一種近乎宗教性的產業信仰。但數字本身從不說明問題，問題在于：這十萬倍的算力從哪里來？答案不會是"技術自然演進"，因為計算產業從來不是自然演進的產物。算力的本質不是計算能力，而是一種被設計、被分配、被控制的戰略資源。馮·諾依曼架構統治了人類計算七十年，不是因為它是最優解，而是因為整個產業生態——從指令集到編譯器，從操作系統到應用軟件——都被嵌入進了這套范式。要突破它，需要的不僅是技術創新，更是一場產業秩序的重新定義。而定義權，從來不在工程師手中。

三

理解算力困局，首先要理解馮·諾依曼架構的真正瓶頸。這套七十年前被設計出來的計算范式，核心邏輯是"存儲與計算分離"——數據存在內存里，計算發生在CPU里，兩者之間通過總線不斷搬運數據。這在早期計算任務簡單、數據量小的年代是高效的設計。但當AI模型的參數量從百萬躍升到萬億，當訓練一次GPT-4需要處理的數據相當于人類有史以來所有書籍的總和時，這條"數據搬運的高速公路"就成了最致命的瓶頸。處理器在等待數據，數據在排隊進入處理器，大量能耗被消耗在"搬運"而非"計算"上——這就是所謂的"內存墻"問題。形象地說，馮·諾依曼架構就像一個設計精良的中央廚房，但所有食材都必須從城市另一端的倉庫運來，廚師90%的時間都在等食材，而不是在做菜。馮·諾依曼架構如下圖所示：

這就是為什么整個產業都在談論"新型計算"。存算一體、類腦計算、量子計算、光計算——這些名詞背后的共同邏輯是：打破"存儲-計算"的二元分離，讓計算發生在數據所在的地方，或者徹底改變計算本身的物理實現方式。但這些方向沒有一條是坦途。存算一體需要重新設計存儲器件，讓它既能存數據又能做計算，這涉及到從材料到架構的全棧重構，目前最先進的存算一體芯片能效提升在特定場景下可達十倍到百倍，但通用性仍然存疑。類腦計算試圖模仿人腦神經元的工作方式，用"脈沖"而非"數值"來表達信息，理論上能耗可以降低三個數量級，但如何編程、如何訓練、如何與現有軟件生態兼容，至今沒有成熟答案。量子計算被寄予厚望，但即便是最樂觀的預測，通用量子計算機的實用化也在十五年之后，而且它只對特定類型的問題有指數級加速，不會取代經典計算。

換句話說，"突破馮·諾依曼架構"這七個字，背后是計算架構、材料器件、工程工藝、計算范式四個層面的系統性挑戰，每一個層面都有自己的物理定律約束、工程瓶頸和產業慣性。這不是一次沖刺，而是一場需要數十年持續投入的持久戰。

四

但技術難度從來不是唯一的問題，甚至不是最重要的問題。真正決定算力未來格局的，是博弈結構。

當前的全球算力版圖，本質上是三層權力結構的疊加：最底層是材料與設備，被日本、荷蘭、美國的少數企業壟斷；中間層是架構與生態，被美國企業通過指令集、開發工具、軟件棧牢牢把控；最上層是應用與數據，看似開放競爭，實則嚴重依賴前兩層的基礎設施。英偉達的CUDA生態就是這套權力結構的縮影——它不僅僅是一套編程工具，而是一整套"計算語言"，全球數百萬開發者用它寫代碼，數萬家企業用它部署應用，十余年的積累形成了強大的路徑依賴。你可以設計出一款比英偉達更強的芯片，但如果開發者不愿意為你重寫代碼，你的芯片就只是一塊昂貴的硅片。

卡脖子從來不發生在你看得見的地方，而是發生在你以為理所當然的地方。指令集是卡點，EDA工具是卡點，光刻機是卡點，但更隱蔽的卡點是生態——是CUDA，是ARM的IP授權，是臺積電的工藝配方，是那些你甚至叫不出名字的特種氣體和光刻膠。這套系統的精密之處在于，它讓后來者永遠處于"追趕"狀態：你突破了一個環節，對方就在下一個環節收緊；你實現了國產替代，對方就升級規則定義。

新型計算被很多人視為"彎道超車"的機會窗口，邏輯是：既然傳統賽道被封鎖，那就在新賽道上重新起跑。這個邏輯聽起來誘人，但經不起推敲。量子計算領域，IBM、谷歌、英特爾的專利布局早在十五年前就已開始，核心的超導量子比特技術路線、離子阱技術路線、拓撲量子比特技術路線，各有各的護城河。存算一體領域，三星、SK海力士、美光等存儲巨頭已經將其視為下一代產品的核心方向，從材料到器件到封裝，上下游協同已經成型。類腦計算領域，英特爾的Loihi芯片已經迭代到第二代，IBM的TrueNorth早在2014年就已問世。新賽道的起跑線，從來不是同時畫下的，先行者早已在終點附近扎好了營地。

五

理解了博弈結構，就能看清幾種流行敘事。

第一種是"摩爾定律失效意味著機會"。過去五十年，摩爾定律是半導體產業的主旋律，每十八個月晶體管密度翻倍，性能提升、成本下降，后來者只要跟著這條曲線跑，總能縮小差距。現在摩爾定律放緩了，很多人認為這是后來者的機會——領先者跑不動了，我們可以追上去。但這個判斷忽略了一個關鍵事實：摩爾定律放緩的同時，追趕的難度也在指數級上升。從7納米到5納米，再到3納米，每一代工藝的研發成本翻倍，設備投資翻倍，工程復雜度翻倍。領先者跑得慢了，不是因為他們累了，而是因為山越來越陡。后來者面對的是同樣的陡坡，而且沒有領先者積累數十年的工程經驗和供應鏈協同能力。

第二種是"新架構可以繞開舊生態"。存算一體、類腦計算、量子計算，這些新范式確實有可能在特定場景下實現算力的躍升，但它們都面臨一個共同問題：軟件生態從零開始。芯片的價值，只有通過軟件才能釋放出來。一款芯片從設計完成到被廣泛采用，中間隔著編譯器、驅動、操作系統、開發框架、應用軟件的漫長鏈條。英偉達的GPU花了十五年才建立起CUDA生態，英特爾的x86花了四十年才成為PC和服務器的默認選擇。新架構即便在硬件層面實現突破，建立生態的時間成本依然是十年起步。而且，現有的軟件生態不會主動遷移——開發者的習慣、企業的存量代碼、培訓體系的慣性，都是巨大的阻力。你可以造出一輛更好的車，但如果全世界的加油站都只提供另一種燃料，這輛車就跑不起來。

第三種是"算力需求會自動創造供給"。AI的爆發確實帶來了史無前例的算力饑渴，但需求的存在不等于供給會自動出現。算力的供給，受制于物理定律、工程能力、資本投入、人才儲備、產業協同等多重約束。如果你仔細看全球算力的分布，會發現一個殘酷的事實：算力正在向少數幾個節點集中。美國的幾家云廠商掌握著全球絕大多數的高端算力，他們不僅有芯片，還有數據中心、有電力、有冷卻技術、有軟件棧、有客戶生態。算力不是一種可以自由流動的商品，而是一種高度集中、高度整合的戰略資源。后來者面對的，不僅是技術差距，更是整個產業鏈的系統性壁壘。

第四種是"技術突破可以跨越政治"。過去幾十年，半導體產業的全球化分工創造了空前的效率，也讓很多人相信技術是超越國界的。但2019年之后發生的一切證明，技術從來不是中立的，技術路線的選擇本身就是政治。EUV光刻機的出口管制、先進制程芯片的禁運、EDA工具的斷供、人才的簽證限制——這些動作的邏輯是一致的：通過控制技術供給的關鍵節點，來限制后來者的能力上限。新型計算領域，同樣的邏輯正在提前部署。量子計算的核心設備、低溫制冷系統、特殊材料，很多已經被納入出口管制清單或正在討論中。

六

拆解完這些幻覺，我們必須正視現實：算力的十萬倍增長，如果能夠實現，中國需要付出什么代價？

首先是資金，而且是一種特殊類型的資金——能夠承受長期虧損、不要求短期回報、愿意為不確定性買單的戰略性資本。半導體研發不是互聯網創業，不是三年燒錢五年上市的節奏，而是十年投入、十五年見效、二十年收獲的超長周期。一條先進封裝產線的投資是十億級別，一個存算一體芯片的研發周期是五到八年，一套量子計算的基礎設施投入是百億級別。這些錢不能是"賺快錢"的心態，也不能是"政績工程"的邏輯，而必須是真正的戰略投入，愿意接受失敗、允許試錯、能夠持續追加。

其次是人才，而且是一種極度稀缺的人才——既懂物理又懂工程、既能做理論又能下車間、既理解學術前沿又熟悉產業落地的復合型人才。新型計算橫跨物理學、材料學、電子工程、計算機科學、數學等多個學科，任何一個方向的突破都需要跨學科的協同。中國每年培養的集成電路專業畢業生數量不少，但真正能夠在前沿領域獨當一面的頂尖人才，依然嚴重依賴海外回流。而人才的培養周期是十年起步——今天的博士生，十年后才能成為技術骨干。如果人才培養的速度跟不上產業擴張的速度，結果就是"有廠無人"或者"挖角內卷"。

第三是時間，以及與時間相伴的社會耐心。算力十萬倍增長不會在一夜之間發生，新型計算的成熟更不是五年規劃能夠框定的。量子計算從實驗室到商用，樂觀估計是2035年之后；存算一體從特定場景到通用應用，需要至少兩代產品迭代；類腦計算的編程范式和軟件生態，目前連基本框架都沒有定型。這意味著，整個社會需要接受一種"長期看不到明顯成果"的狀態，需要抵抗"為什么還沒突破"的輿論壓力，需要容忍"投了很多錢但好像沒有用"的質疑聲音。真正的風險不是慢，而是半途而廢；不是技術難，而是耐心斷裂。最怕的不是走得慢，而是走到一半覺得太難，換一條更"聰明"的路，結果每條路都只走了一半。

第四是制度，一種能夠跨越政治周期、保持政策連貫性、協調各方利益的制度能力。半導體產業的特點是超長周期、超大投入、超多環節，任何一個環節的斷裂都會導致整個鏈條的失敗。這要求政策制定不能是"運動式"的，不能是換一屆領導換一個方向，不能是今天補貼這個明天補貼那個。需要的是一套穩定的、可預期的、能夠讓企業安心投入的制度框架。

七

回到最初的問題：算力十萬倍增長，究竟意味著什么？

它不只是一個技術預測，而是一個文明級別的資源配置問題。算力正在成為這個時代的"石油"，但比石油更隱蔽、更集中、更難以替代。誰掌握了算力，誰就掌握了人工智能的未來；誰定義了新型計算的范式，誰就定義了下一代信息基礎設施的規則。這不是工程師在實驗室里能夠獨自完成的任務，也不是資本市場投幾個項目就能解決的問題。這是一個需要整個社會——政府、企業、學術界、資本、公眾——達成長期共識、持續投入、共同承擔風險的集體行動。

馮·諾依曼架構的黃昏已經來臨，但新的黎明由誰定義，尚未可知。后來者有沒有機會？有，但這個機會不是"彎道超車"的投機取巧，而是"正面強攻"的長期主義。沒有捷徑，沒有奇跡，只有一代人甚至幾代人持續的、枯燥的、不被理解的堅持。

看不見的算力，正在決定看得見的未來。而這個未來，不會自動到來。

歡迎加入行業交流群，備注崗位+公司，請聯系老虎說芯（加V：tigerchip）