AI基础设施遇阻：铜连接与内存瓶颈或成算力扩张下一道关卡

算力扩张遭遇物理“天花板”

据华尔街见闻报道，Marvell近期指出，AI基础设施正撞上“墙”，铜连接与内存瓶颈将成为下一阶段算力扩张的关键制约因素。这一判断将市场关注点从单纯的GPU算力竞赛，转向了数据传输与存储环节的系统性瓶颈。随着大模型参数规模持续膨胀，集群内部的数据搬运效率与内存带宽，可能比单卡算力更直接地决定整体训练与推理表现。 这一表态呼应了业界近期围绕“互联墙”与“内存墙”的讨论。当算力芯片性能快速迭代时，配套的连接介质与内存子系统若无法同步跟进，系统整体效率可能被短板拖累。对于正大规模建设AI数据中心的厂商而言，这意味着资本开支的重心或将从单一芯片采购，向更均衡的互连与存储方案倾斜。

铜连接为何成为焦点

在短距互连场景中，铜缆长期凭借成本与功耗优势占据主导地位。但随着AI集群规模扩大、单链路速率提升，铜连接的信号衰减与传输距离限制开始显现。Marvell将铜连接列为关键瓶颈，可能指向高速铜缆在更高速率下的物理极限问题，以及光电混合方案在成本与可靠性之间的权衡难题。 值得关注的是，这一瓶颈并非孤立存在。若铜连接无法满足下一代集群的带宽密度需求，光互连、硅光等替代技术的导入节奏可能加快，但相关方案的成熟度与成本仍有待进一步确认。对半导体产业链而言，连接介质的技术路线选择，可能牵动交换芯片、重定时器、光模块等多个环节的资源配置。

内存瓶颈与产业链影响

内存瓶颈是另一条被点名的制约线索。大模型训练与推理对高带宽内存的需求持续攀升，而高带宽内存的产能扩张受制于先进封装与晶圆供给，短期弹性有限。若内存带宽与容量无法匹配算力芯片的迭代速度，数据供给不足可能令部分算力资源处于“等待”状态，降低实际利用率。 从产业影响看，内存与互连瓶颈可能推动两类变化：一是芯片设计端更强调近存计算、存内计算等架构创新；二是数据中心端更重视集群拓扑与网络协议的优化。这些方向能否在中期内缓解瓶颈，尚有待观察，但相关投入的优先级可能上升。对于设备与材料供应商而言，先进封装与高速互连相关的需求趋势值得持续跟踪。

数据参考

本次新闻已确认信息：Marvell指出铜连接、内存瓶颈是下一阶段算力扩张的关键，来源为华尔街见闻，发布时间为2026年9月26日。暂缺该报道中可核验的具体技术参数与财务数据。 行业背景参考数据如下：

• Gartner（2024年预测）：全球AI半导体收入预计2024年达到约710亿美元，同比增长约33%，显示AI芯片需求仍处高位。
• IDC（2024年）：全球AI服务器市场规模预计2024年超过300亿美元，并保持较快增长，反映数据中心侧投入持续扩张。
• SEMI（2024年）：全球半导体制造设备销售额预计2024年达到约1090亿美元，先进封装与存储相关设备是重要组成部分。
• WSTS（2024年预测）：全球半导体市场2024年预计增长约16%，存储芯片是主要增长动力之一。
• 公司财报（Marvell，截至2024财年）：数据中心业务为公司重要收入来源，具体季度数据以公司披露为准。 上述背景数据用于说明AI算力与半导体产业的整体扩张态势，并非本次新闻刚刚公布的数据，预测值均标注为预测或估算。 #AI #Marvell #铜连接 #内存瓶颈