AI快速发展的今天，AI互连正从幕后配套走向台前，重塑传统算力产业格局。产业竞争焦点已从单颗芯片的峰值性能，转向算力如何被连接、调度与组织起来——当集群迈向万卡规模，带宽不足与延迟过高会让加速卡陷入“等数据”空转，峰值算力难以兑现为实际算力。于是互连成为AI系统效率的关键变量，从连接器件升级为资源组织的核心节点；开放与封闭两大阵营的标准之争，更在重新定义芯片协同的边界与整个产业的形态。
10月15日，在众星微召开的品牌及全栈产品发布会上，无锡市集成电路学会秘书长、清华大学无锡应用技术研究院IC平台主任周德金博士以“AI互连：系统创新重构算力产业新格局”为主题发表演讲，系统阐述了AI互连从技术演进到产业变革的内在逻辑，指出互连正在成为决定算力效率与产业格局的关键变量。
AI发展态势与范式演进
周德金认为，AI已进入加速发展阶段，这一阶段体现在算力、模型、应用和投资的同步扩张。在算力层面，参数规模与集群沿Scaling Law规律不断攀升，从千卡走向百万卡，推理与算力持续放大；在模型层面，大语言模型沿效率、记忆、感知、推理四大主线并行发展，正从语言模型进化到世界模型；在应用层面，从GPT到Agent再到机器人与自主系统，AI产业正从数字世界走向真实世界；在投资层面，四大云厂商资本开支从去年到今年增长约80%，2026年达7600亿美金，2027年迈向万亿。四条曲线同步向上，AI正处于加速扩张期，远未见顶。
谈及大语言模型的发展趋势，周德金指出其沿四条主线并进：规模上采用MoE稀疏激活架构，参数持续扩大而单次计算量降低，但带来更复杂的All-to-All通信，对AI互连提出新要求；记忆能力上，KV-Cache使模型从短文本走向长文本，对存储提出更高要求；感知能力上，多模态从文本扩展到图片、影音，衍生出世界模型；推理能力上，Test-time compute从文本依次推理转向多轮思考与多轮验证。四线并进逼近大语言模型边界，AI的下一站是理解真实世界。
周德金强调，从语言到世界模型开启了新范式。大语言模型阶段讲的是“应该生成什么”，世界模型阶段则要理解“世界怎样变化、动作之后产生什么变化”，其工作闭环涵盖感知、世界状态、预测与模拟、规划、行动。他以AMD宣布以82亿美金收购李飞飞创办的World Labs为例，说明这一事件虽尚未落地，却充分体现了全球最大玩家对世界模型的看法。由此，AI的影响正从数字智能走向物理智能——数字智能涵盖搜索、办公、编程，物理智能则指向机器人、无人驾驶、工业与生活机器人。范式的变化还体现在：大语言模型的训练主要存在于云端，而世界模型阶段的数据来源往往在终端，从终端返回云端再指导终端，形成云边端协同；从以训练为主转向“训练+推理”，本质是推动AI从中心训练走向“中心训练+泛载实时推理和反馈”。
从AI到芯片：增长的传导
AI驱动下全球半导体进入历史性扩张周期，集成电路增长非常快速。周德金指出，今年3月上海会议上预测集成电路世界销售规模为9000多亿美元，9月预测今年将超过1.5万亿美元，这可能是历史上最大的一次增幅。他认为，五年前大家对AI的理解会把AI与GPU划等号，近两年除GPU外HBM非常火热，从“算”扩展到“算和存”，如今又出现第三个核心——“传”，即AI互连。算、存、传、电、冷、感将成为支撑整个AI算力的核心要素。
与经济发展规律相似，算力规模扩张开始靠堆规模，越往后越向集约型发展，效率开始主导AI系统。Scaling Law决定了AI的上限能力，而效率决定了这些规模能兑现多少，系统效率成为当前和未来一段时间的约束。
周德金特别强调有效算力与理论算力的比值——MFU（模型浮点运算利用率），其值通常在30%至55%之间，很少有测试超过50%，意味着大部分算力在传输过程中被浪费。随着世界模型发展，数据传输浪费还包括传感器搬运、异步算力同步、语音编辑协同。AI越是从模型走向系统，系统效率越决定整体算力效率，而系统效率的提升更多集中在互连而非算力本身。因此，互连成为AI系统变化的变量——计算解决“计算得多快”，互连解决“数据何时、以什么代价到达哪里”，AI互连优化就是减少等待、搬运与同步，而非一味增加算力。
AI互连贯穿芯片、节点、机架、集群及数据中心的整个AI系统。在芯粒层面是Die-to-Die，主要协议为UCIe；节点和超节点（服务器内，含数千至上万颗芯片）涉及PCIe、CXL、NVLink及标准UALink；机架与机架之间的Scale-out达到万卡集群，涵盖IB、ROCE、UEC协议。周德金认为，这不是传统升级而是系统级流动架构，Scale-Up和Scale-Out是当前标准竞争的核心主战场。
AI互连：算力产业变革的核心
“AI互连自身在变化，AI范式也在反向定义下一代互连技术与产品”。周德金表示，LLM的发展（如MoE、长上下文）对Scale-Out组、CXL内存池化、拥塞控制提出极高要求；从大语言模型到世界模型，对高带宽Fabric进数据的计算、确定性时延、边缘互连及冗余设计也提出新要求。互连演进不是独立演进，而是被模型、应用所定义的技术发展和产品变化。
从历史看，二十年前互连主要解决设备接入，即主机与外设之间数据的进出；Switch时代解决一点到多点的数据分发；Fabric时代则组织计算、存储、加速与I/O资源，形成统一系统。AI时代对互连提出高带宽、低延迟、可扩展、可靠/QoS的更高要求，互连芯片从连接器件转变为AI系统中资源组织的节点，成为整个AI系统的核心组成部分。
周德金强调，互连标准是AI生态主导权之争的核心，也是我国AI实现系统突围的关键。英伟达不仅是GPU厂商，其NVLink互连、NVSwitch及IB标准构成了强大的封闭生态；国际上有PCIe、CXL、UCIe、UALink等开放组织，国内很多企业也参与其中，中国同时在探索自主开放的标准，以换取生态支持更多节点。由于在GPU上我国与国际存在代差，这一代差往往通过互连来补充和弥补。
从技术到产业的思考
在系统梳理AI发展态势、增长传导与互连变革之后，周德金进一步将视角从技术层面延伸至产业层面。他认为，AI互连的意义不止于技术突破，更在于其对整个算力产业格局的重构。基于此，他围绕AI互连的产业价值提出三点思考。
其一，从大语言模型走向世界模型，AI互连是核心。世界模型不是单一强化某一种芯片，而是推动CPU、GPU、FPGA、ASIC/NPU等异构算力架构以及算和存的重新分工，而异构计算与存算效率的提升核心在于数据如何去传，数据传输的核心就在于互连。
其二，从单点走向系统的主要约束。GPU峰值算力只是局部指标，任务完成时间与效率才决定AI系统真正价值，互连正是AI系统效率的第一约束力。
其三，从产品走向生态的战略布局。AI生态包括协议、芯片、软件、参考设计、测试认证和客户，生态位决定产业位，生态的核心在标准，而整个AI系统中的标准主要集中在互连。芯片决定单点能力，互连决定系统能力，标准影响产业边界。
“互连是当前算力发展及下一阶段AI产业的主要竞争点，是AI竞争的主战场。”周德金澄清说，这并不是说计算、存储或电力不重要。
展望未来，周德金认为AI互连的发展将沿多条主线持续推进：一方面，开放标准加速成熟，UALink、UEC、UCIe、CXL等开放协议有望打破封闭生态的垄断，推动多厂商芯粒拼接与内存解耦成为现实；另一方面，光互连与共封装光学（CPO）正从实验室走向数据中心，以满足百万卡集群的超低延迟与高带宽需求。对正处于从规模扩张迈向效率优化关键阶段的我国算力产业而言，这既是挑战也是机遇——凭借在光模块、开放标准与系统集成上的积累，中国有望以互连为支点缩小与先进水平的代差，在AI系统级竞争中占据更有利的位置。
【未经本人审定】
mingzhiLatest posts by mingzhi (see all)
