英特尔前 CEO 公开表态反驳摩尔定律已死的主流观点,同时抛出一个很有冲击力的判断,AI 领域的能效水平至少要猛增 10000 倍,才能支撑后续大模型持续落地,他认为很多人把摩尔定律简单等同于芯片晶体管密度翻倍,理解太过片面,摩尔定律本质是持续降低计算成本、提升算力性价比的长期趋势,不只是靠缩小制程;而现在 AI 算力功耗暴涨、算力成本居高不下,大模型训练和推理对能源消耗压力巨大,单纯堆芯片数量不是长久办法,必须从芯片架构、存储、封装、软硬件协同多条路线一起发力,把 AI 能效拉高一万倍,才能让 AI 规模化普及,这个观点也给芯片行业指明一个方向,行业竞争重心会慢慢从单纯堆算力转向能效优化。
一、核心观点拆解
- 关于摩尔定律:不局限于晶体管尺寸微缩,是一套持续优化计算经济性的产业规律,先进封装、异构集成、新存储方案都属于摩尔定律的延伸路径。
- 关于 AI 能效目标:AI 能效提升 10000 倍不是短期指标,是面向中长期 AI 发展的产业级目标,用来解决算力能耗、成本瓶颈。
- 核心判断:只靠制程微缩很难单独完成目标,必须多技术路线组合创新。
二、为什么提出 AI 能效要提升 10000 倍
- 当前大模型规模持续膨胀,参数量、上下文不断变大,训练、推理耗电增长速度远超芯片能效提升速度。
- 数据中心供电、散热成本越来越高,很多企业算力扩容会被电力上限卡住。
- 端侧 AI 想要落地更大模型,受电池功耗限制,现有能效水平远远不够。
- 如果能效瓶颈没法突破,AI 产业扩张会遇到天花板,大模型应用只能局限在少数头部大厂。
三、有望实现 AI 能效大幅提升的技术路线清单
| 技术方向 | 简单说明 |
|---|---|
| 全新芯片架构 | 针对 AI 计算重构数据流,降低数据搬运开销,比如存算一体、近存计算 |
| 先进封装技术 | Chiplet 小芯片异构集成,减少芯片之间数据传输损耗 |
| 新型存储介质 | 降低权重、激活值读写能耗,缓解存储墙问题 |
| 模型轻量化技术 | 稀疏化、量化、蒸馏,在尽量少损失效果前提下降低计算量 |
| 软硬件协同优化 | 编译器、算子调度、推理框架深度适配硬件,减少无效计算 |
四、观点存在的争议点
- 部分行业人士认为,10000 倍能效提升目标难度极大,中长期都很难落地,需要底层材料、器件级突破。
- 有人认为摩尔定律早就放缓,单纯靠工程优化很难持续维持过去几十年的迭代节奏。
- 也有看法提出,产业可以通过模型范式革新,不一定非要靠硬件能效提升这条路。
五、该观点带来的行业影响
- 芯片厂商研发重心会进一步向 AI 能效倾斜,不再只比拼峰值算力。
- 存算一体、先进封装这类过去偏前沿的技术,会拿到更多资源投入。
- 大模型企业会更加重视模型压缩、推理优化,降低算力开销。
- 资本和研发资源会更多流向能效相关的底层硬件创新赛道。
【相关 FAQ】
问题 1:英特尔前 CEO 说摩尔定律没死是什么意思?
回答 1:英特尔前 CEO 认为摩尔定律没死,摩尔定律不只是晶体管尺寸缩小,而是持续降低计算成本、提升算力性价比的规律,先进封装、异构集成等方式都属于摩尔定律的延续。
问题 2:英特尔前 CEO 提出 AI 能效猛增 10000 倍的原因是什么?
回答 2:英特尔前 CEO 提出 AI 能效猛增 10000 倍,主要是为了解决当下大模型算力能耗过高、电力和成本约束限制 AI 规模化落地的痛点。
问题 3:想要达成 AI 能效提升 10000 倍目标,有哪些可行方向?
回答 3:想要达成英特尔前 CEO 提到的 AI 能效提升 10000 倍目标,可以从存算一体架构、先进封装、新型存储、模型量化稀疏、软硬件协同这些方向同步推进。
【参考资料】
[2026-11-10](英特尔前 CEO:摩尔定律没有消亡,AI 能效需要提升 10000 倍)The Verge
[2026-11-11](解读:AI 能效提升万倍目标对芯片行业意味着什么)半导体行业观察
[2026-11-12](摩尔定律之争:行业大佬对于 AI 算力瓶颈的不同看法)智东西
【免责声明】
本文内容基于公开访谈和行业资讯整理,仅作产业观点科普,不代表技术落地承诺;英特尔前 CEO 提出的摩尔定律、AI 能效猛增 10000 倍属于前瞻性观点,能否实现存在巨大不确定性;行业技术走向、研发进展以各厂商官方披露为准,本文不构成投资、技术选型建议。
