全球算力發展三大趨勢

在6月的2025台北國際電腦展（COMPUTEX 2025）主題演講中，美國晶片巨擘輝達（Nvidia）創辦人兼行政總裁黃仁勳，首次詳細披露下一代人工智能（AI）平台，Rubin GPU（R100）採用台積電的N3P（3納米增強版）工藝，並首次商業化集成HBM4高頻寬記憶體。 最引人注目的創新是，Rubin平台將集成一顆專門的神經處理單元（NPU）作為「智能體輔助處理器」（Agent Co-processor），旨在以極低功耗高效處理AI智能體在任務上的規劃、環境感知、工具調用時的決策邏輯，把大模型的核心推理與Agent的「思考」過程在硬件層面上分離，大幅提升複雜AI任務的執行效率。 另外，台積電在本月的技術論壇宣布，其備受期待的2納米N2已順利進入風險性試產階段，首批客戶包括蘋果和輝達。更重要的是，台積電首次公開了1.6納米A16的初步技術細節。A16將採用更先進的垂直堆疊納米片電晶體（CFET）與背面供電網路（Backside Power Delivery）技術，旨在把電晶體密度和效能再提升15%至20%。此舉目的是鞏固其在2027年至2028年技術節點上的領先地位，滿足未來訓練萬億級參數模型及「通用人工智能」（AGI）系統的超龐大算力需求。 這些突破性進展，共同描繪出全球算力發展的三大核心趨勢： 1. 從「單卡算力」到「系統頻寬」：競爭焦點已不再是單個圖像處理器（GPU）的浮點運算（FLOPs）值，而是整個計算集群的系統級性能，特別是節點間的互聯頻寬及記憶體頻寬，這決定了訓練萬億參數模型時的擴展效率和實際樽頸。 2. 推理成本成為核心戰場：隨着大模型應用的普及，AI推理的總算力消耗，已開始追平甚至超過訓練的算力需求。 3. 算力異構與軟件協同：中央處理器（CPU）、GPU、神經處理單元（NPU）以及各種專用加速器（ASIC）的異構計算成為常態。勝負在於軟件棧能否無縫地協同、調度不同類型的算力資源，為開發者提供統一、高效的程式設計介面。 有這樣卓越的硬件，怎能不提一下OpenAI向開發者小規模展示的GPT-5預覽版中，一個名為「持續認知」（Persistent Cognition）」功能所引起的熱議。該功能允許模型在長達數周的時間跨度內，使用記憶與特定用戶的交互歷史和偏好，並在不同任務中主動運用這些「記憶」推理。例如，它能記住用戶是一位心臟科專家，在後續討論中自動使用更專業的醫學術語，這標誌着模型從「無狀態」工具向有狀態的個性化邁出了關鍵一步。