英伟达6年算力翻7倍，AI撞墙论被打脸了

2020年，一块英伟达芯片的算力是312 teraflops。今年，这个数字变成了2,250。6年时间，7倍提升。那些说AI发展即将撞墙的人，可能算错了数。

Mustafa Suleyman，微软AI的CEO，最近在一篇文章里算了笔账。他说人类的大脑是为线性世界进化的——走一小时是一小时的路，两小时就是两倍。但AI的世界里，这个直觉会害死你。

芯片、内存、组网：三股力拧成一股绳

第一股力是芯片本身的进化。英伟达的GPU从2020年到今天， raw performance（原始性能）涨了7倍多。微软今年1月推出的Maia 200芯片，每美元性能比自家其他硬件高30%。

这30%不是实验室数字。Suleyman写得很直白：「delivers 30% better performance per dollar than any other hardware in our fleet」。fleet是微软的AI基础设施舰队，Maia 200是舰队里的新旗舰。

第二股力是HBM，高带宽内存。技术原理是把芯片像摩天大楼一样垂直堆叠，而不是平铺。HBM3这一代，带宽是上一代的三倍。数据喂得够快，处理器才不会闲着干等。

这个「等」字很关键。AI训练最烧钱的状态，是GPU空转。HBM3解决的就是这个痛点——让数据流水线跟上计算速度。

第三股力是组网技术。NVLink和InfiniBand把几十万个GPU连成一个「仓库级超级计算机」，作为一个单一的认知实体运行。Suleyman的原话是：「A few years ago this was impossible.」

几年前不可能的事，现在成了基础设施。这个转变的速度，比大多数人感知到的要快。

指数曲线的欺骗性

Suleyman的核心论点是：人类对指数增长有系统性盲区。我们擅长估算线性累加，面对指数曲线时，要么高估短期、低估长期，要么反过来。

他用了一个草原比喻。我们的祖先在草原上走路，一小时走5公里，两小时走10公里——这个直觉刻进了基因。但AI的算力曲线不是走路，是复利滚雪球。

7倍增长听起来已经很大。但如果三股力同时起作用，实际效果不是7+3+2，而是7×3×某个组网系数。Suleyman没给具体乘数，但他的语气很确定：墙还远着呢。

这种确定本身值得玩味。作为微软AI的负责人，他的立场当然有选择性。但数字是公开的：312到2,250，6年。这个跨度里，质疑者需要解释的不是为什么墙会来，而是为什么指数曲线会突然变平。

「撞墙论」的几种版本

过去两年，AI撞墙的说法出现过好几个变体。一种是数据墙——高质量训练数据用完了。一种是能耗墙——算力需求超过电网负荷。还有一种是架构墙——Transformer到头了，需要新范式。

Suleyman的文章没有逐条反驳。他的策略更简单：展示工程进展的速度。数据墙？多模态数据还在膨胀。能耗墙？芯片能效比在提升，微软还在押注核能。架构墙？他没提，但Maia 200的推出说明，现有架构的优化空间还没榨干。

这种回应方式有点像产品经理的套路：不跟对手打嘴仗，用迭代速度说话。墙存在吗？也许。但我们还没到，而且每天都在把墙推远。

有个细节他没展开，但值得注意。Maia 200是微软自研芯片，不是英伟达。这意味着算力竞赛进入了多玩家阶段——云厂商不再甘心只做英伟达的渠道。芯片层面的 diversificaiton（多元化）本身，就是对抗单一瓶颈的策略。

Suleyman把三股力的 converge（汇聚）描述得近乎必然。芯片更快、内存更宽、组网更大——每个维度都在独立推进，又相互放大。这种结构让他的结论很难证伪：除非三个方向同时停滞，否则整体增速不会断崖。

但「不会撞墙」不等于「不会减速」。指数曲线的斜率可以变缓，而不变成直线。Suleyman的文章没讨论这个中间状态，这是他的盲区，还是刻意留白？

文章结尾，他回到人类直觉的局限性。说我们进化来的线性思维，在草原上够用，面对AI时 catastrophic failure（灾难性失效）。这个用词很重——catastrophic，通常留给飞机坠毁、核电站熔毁级别的事故。

他把认知偏差上升到生存威胁的高度。也许是为了制造紧迫感，也许是他真的这么看。无论是哪种，这个结尾和开头形成了闭环：7倍增长是事实，但更大的故事是我们理解这个事实的方式。

微软的AI基础设施还在扩张。Maia 200只是今年1月的事，下一颗芯片已经在路上。如果Suleyman的账算得对，2026年的数字会让2,250 teraflops看起来像个脚注。

问题是：你的直觉，跟得上这个速度吗？