移动通信网 云坪
英特尔CEO陈立武近日在一场公开活动中对全球算力供需形势作出明确判断：AI基础设施建设的紧迫性正在上升，未来几年算力资源可能持续供不应求，短缺情况甚至可能延续至2029年。这一时间节点的划定，为数据中心扩产节奏、芯片产能规划提供了参照坐标。陈立武强调，AI带来的产业影响可能超越当年的互联网革命，其价值不仅体现在消费端的日常体验改善，更在于通过自动化处理繁琐工作、提升预测能力，系统性地拉高企业运营效率。从行业背景看，全球AI算力投资正处于高速扩张期，微软、谷歌、亚马逊、Meta四大云厂商2025年合计资本开支预计超过3000亿美元，其中大部分流向AI基础设施。陈立武的核心主张是，下一阶段增长的关键不只是持续扩充GPU规模，而是提升算力资源使用效率，将CPU、GPU、专用加速器与量子计算整合为异构计算体系，并同步加速软件生态与人才储备布局。这一表态与英特尔当前推进的代工战略和客户端计算业务转型方向一致。
【关键数据】
[1] 算力短缺可能延续至2029年（英特尔CEO陈立武判断）
[2] 量子计算预计未来三至五年进入主流应用
[3] AI产业至少需要约15万名工程师（陈立武估算）
[4] 英伟达2025财年数据中心营收突破1100亿美元，占AI加速器市场约80%-90%份额
[5] 台积电CoWoS先进封装月产能从2023年约1.2万片扩至2024年3.5万片以上，仍供不应求
从技术路径分析，陈立武提出的异构整合思路直指当前AI基础设施的核心矛盾：单一依赖GPU堆叠导致资源利用率低下与能耗失控。当前主流AI训练集群的GPU实际利用率普遍在30%至50%之间，大量算力在任务调度、数据搬运中被浪费。CPU负责逻辑控制与数据预处理、GPU承担大规模并行计算、专用加速器（如TPU、NPU、推理芯片）处理特定负载的分工体系，可将整体系统效率提升数倍。英特尔自身已在Falcon Shores混合架构上投入研发，计划融合GPU与x86 CPU能力。在量子计算层面，陈立武披露了他在出任CEO前便已投资部分量子计算初创公司的个人布局。他判断，随着量子纠错技术逐步发展，量子计算在药物发现、化学研究及新材料开发等领域已开始出现实际应用机会，并预期未来三至五年量子计算有机会进入主流应用，与经典计算体系相互整合。目前IBM已发布1121量子比特的Condor处理器，谷歌Willow芯片则在纠错码上实现突破，行业正从“含噪声中等规模量子”（NISQ）时代向容错量子计算过渡。
从市场格局看，算力短缺的判断正在重塑芯片产业竞争态势。英伟达2025财年数据中心营收突破1100亿美元，占据AI加速器市场约80%至90%份额；AMD的MI300系列2024年出货贡献超过50亿美元营收；英特尔则凭借Gaudi 3和至强处理器寻求分羹，但市占率仍处于个位数水平。陈立武此次将“效率整合”而非“单纯扩产”作为主轴，暗含英特尔以系统级方案对抗GPU单点优势的策略意图。在量子计算市场，据麦肯锡预测，到2035年量子技术可能创造高达1万亿美元的经济价值，霍尼韦尔、IonQ、IBM、谷歌等玩家已在离子阱、超导等技术路线上投入数十亿美元研发资金。值得注意的是，陈立武特别指出软件层的价值：随着软件公司估值回落，市场可能涌现值得关注的投资机会，企业应寻找合适的软件合作伙伴，整合硬件、软件与服务，提供更完整的解决方案。对于持有代工业务的英特尔而言，这种全栈叙事有助于其在AI芯片竞争中差异化定位。
产业链层面，算力短缺延续至2029年的预期将对上下游产生连锁反应。上游晶圆制造环节，台积电CoWoS先进封装产能已从2023年的每月约1.2万片扩至2024年的3.5万片以上，仍供不应求；HBM高带宽存储方面，SK海力士、三星、美光三家垄断市场，HBM3e单颗价格约为标准DDR5的5倍以上，存储环节在AI服务器物料成本中占比已升至20%至30%。中游服务器整机与数据中心建设中，电力供应成为新瓶颈，单个大型AI数据中心功耗已突破100兆瓦，部分规划项目达到1吉瓦级别。下游应用侧，陈立武特别警示成本控制问题：企业导入AI时，若未妥善管理Token使用量，运算成本可能快速攀升。他援引中国大陆市场的观察指出，部分国产AI模型的Token成本明显低于海外竞品，且企业采用速度加快，DeepSeek、Kimi及GLM等模型显示不同技术路线正逐步缩小性能差距。这意味着AI应用的单位算力价格战已经开启，成本效率将成为决定企业AI采用深度的关键变量。
商业化进展方面，陈立武对量子计算三至五年的主流化预期比多数机构更为激进。目前量子计算的商业落地集中在三个方向：一是药物研发，罗氏、默克等药企已与量子公司合作进行分子模拟；二是材料科学，巴斯夫利用量子算法优化催化剂设计；三是金融优化与密码学，摩根大通、汇丰均设有量子研究团队。离子阱公司IonQ 2024年营收约9500万美元，订单储备超过1亿美元；IBM规划2025年后推出千量子比特级容错量子计算机。在经典算力侧，英特尔的18A制程节点已进入风险试产阶段，计划2025年下半年量产， Panther Lake处理器将首发该工艺，这是英特尔“四年五个节点”计划的收官之作，直接决定其能否在先进制程上追平台积电与三星。陈立武提出的CPU+GPU+加速器+量子整合方案，若与18A制程及Foveros 3D封装技术结合，可为客户提供从云到端的分层算力供给，这也符合其“系统级代工”的商业化叙事。
行业趋势层面，陈立武的表态折射出三条主线变化。第一，算力竞争从“堆规模”转向“提效率”，Chiplet小芯粒设计、液冷散热、算力调度软件成为新的价值高地，液冷在AI服务器中的渗透率预计从2024年的约10%升至2027年的30%以上。第二，人才缺口成为硬约束，陈立武明确指出AI产业整体至少需要约15万名工程师，人才招募与培育将是未来发展的支柱，这一数字相当于目前全球AI芯片工程师存量的数倍，美国、欧盟均已推出专项签证与培训计划。第三，计算范式多元化加速，量子计算、光子计算、存算一体等新架构获得更多资本与研发资源，风险投资在量子计算领域2024年投入超过20亿美元。对英特尔自身而言，陈立武2024年3月上任后推动的降本增效——包括2024年宣布的1.5万人裁员计划与暂停部分德国、波兰工厂建设——为其战略转型腾挪出资源空间。算力短缺到2029年的时间窗口，既是英伟达等领先者的红利期，也是英特尔、AMD及新架构玩家重新洗牌的机会窗口，AI产业能否持续高速增长，最终仍取决于成本曲线下移速度与企业实际采用深度的验证。
