主导苹果 A7 到 M1 系列 CPU 架构的传奇芯片设计师杰拉德・威廉姆斯三世，在彭博社 Power On 访谈里提出一个核心观点，现在 AI 行业的真正瓶颈不只是 GPU 数量，而是 AI 数据中心的电力危机，他建议把苹果做 iPhone 芯片时那种极致抠功耗、抠每一毫瓦电能的设计思路迁移到 AI 超算上；现在行业主流做法是疯狂堆 GPU、堆算力，数据中心耗电直接冲到吉瓦级别，供电、散热、电网承载力都扛不住，而当年做手机芯片的时候，团队必须在有限电池容量下反复压榨能效，每一毫瓦功耗都要精打细算，这套思路放到服务器集群里，单颗核心省下一点点功耗，乘以几百万颗核心，同等供电条件下就能塞进 2 到 3 倍的有效算力；他还提到，大家都盯着 GPU，但 CPU 才是 AI 集群的调度中枢，负责内存管理、操作系统、串行任务，GPU 是算力引擎，两者不能偏废，他新创立的 NUVACORE 正在走 “核心优先” 的灵活芯片架构路线，不提前绑定 x86、ARM 指令集，同时用 AI 辅助芯片设计，把前期性能建模周期从 7–12 个月压缩到 2–3 个月，不过 AI 只能辅助设计，最终芯片验证还得依靠资深工程师把关。
一、本次访谈核心信息清单
- 受访人：Gerard Williams III（杰拉德・威廉姆斯三世），苹果 A7 至 M1 CPU 主架构师
- 访谈来源：彭博社 Mark Gurman 的 Power On 栏目
- 核心判断：AI 行业正在遭遇电力瓶颈，单纯堆 GPU 不是长久解法
- 核心思路：复用 iPhone 芯片毫瓦级能效优化的 “抠门” 设计哲学，提升每瓦算力
- 定位区分：GPU = 并行算力引擎；CPU = 集群调度、内存、安全、串行任务中枢
- 新公司：NUVACORE，采用 Core First（核心优先）架构
- 架构特点：不预先锁定指令集，核心设计阶段保持灵活，后期适配生态
- AI 辅助设计：芯片前期建模评估周期大幅缩短，但 AI 不能替代工程师最终验证
二、传统 AI 超算思路 vs 手机能效思路对比表
| 项目 | 当前主流堆 GPU 方案 | iPhone 芯片能效思路（迁移到超算） |
|---|---|---|
| 优化方向 | 优先拉高单卡峰值算力，功耗约束后置 | 优先提升每瓦有效算力，功耗从设计起点就约束 |
| 功耗尺度 | 单卡数百瓦，数据中心吉瓦级耗电 | 从毫瓦级功耗优化经验延伸，逐级控耗 |
| 瓶颈 | 供电、散热、电网容量、电费成本 | 算力密度，相同电力下容纳更多计算核心 |
| 硬件重心 | GPU 优先 | CPU 调度 + 加速器协同，重视 CPU 能效 |
| 落地难点 | 耗电增速远超电网扩容速度 | 服务器架构、封装、互联、软件栈需要重新适配 |
三、这套 “抠门” 思路落地到 AI 超算的实现步骤
- 芯片底层设计：延续移动芯片的功耗精细化控制，在核心、缓存、互联链路做细粒度功耗门控
- 集群分工优化：GPU 负责大模型矩阵并行计算，高能效 CPU 统一承担调度、内存交换、串行任务
- 架构灵活化：使用 Core First 架构，先定义高性能核心，再按需匹配指令集，减少冗余电路
- AI 辅助芯片设计：用 AI 工具完成性能仿真、功耗建模，缩短芯片前期评估周期
- 整机与机房协同：芯片、主板、供电、散热一体化协同，把功耗优化延伸到整个超算集群
- 验证闭环：AI 生成方案之后，由资深工程师做可靠性、稳定性验证，规避芯片设计风险
四、优势与现实局限
✅ 优势：缓解 AI 数据中心电力紧张，不用单纯依赖电网扩容；同等电力预算下算力密度更高；降低长期电费与散热成本；平衡 CPU 和 GPU 的价值，不再只盯着 GPU
⚠️ 局限：服务器生态、操作系统、编译器都是围绕 x86/ARM 成熟体系搭建，新架构适配成本很高；能效优化是长期工程，短期很难追上现有 GPU 的峰值算力；移动芯片和服务器芯片的可靠性、持续负载要求差异巨大，不能直接照搬；AI 辅助芯片设计只能提速，无法跳过流片、验证的漫长周期
【常见问题】
问题 1：主导苹果 M1 芯片的架构师谈 AI 电力危机，他提出的核心方案是什么？
回答 1：主导苹果 M1 芯片的架构师 Gerard Williams 认为 AI 面临电力危机，提出把设计 iPhone 芯片时精打细算功耗的 “抠门” 能效哲学，迁移到 AI 超算设计中，在同等电力下提升算力密度，同时重视 CPU 在集群里的调度作用。
问题 2：M1 架构师说用造 iPhone 芯片的思路建超算，是不是直接把手机芯片拿来做 AI 服务器？
回答 2：不是直接拿手机芯片上服务器，是复用 iPhone 芯片阶段打磨出来的精细化功耗控制、能效优先的设计理念，用到服务器 CPU 和集群架构设计上，追求每瓦算力最大化。
问题 3：在这位 M1 架构师的观点里，面对 AI 电力危机，GPU 和 CPU 分别是什么角色？
回答 3：他认为 GPU 是 AI 的并行算力引擎，而 CPU 是 AI 数据中心的调度中枢，负责内存调度、系统运行、串行任务，行业不能只盯着 GPU，高能效 CPU 是解决 AI 电力危机的关键一环。
问题 4：Gerard Williams 新公司 NUVACORE 的 Core First 架构，对解决 AI 电力危机有什么帮助？
回答 4：NUVACORE 的核心优先架构不提前绑定指令集，可以先聚焦核心能效优化，后期再适配生态，更容易做出面向 AI 集群的低功耗 CPU，配合这套省电思路来缓解 AI 电力危机。
【参考资料】
[2026-11-13]（主导苹果 M1 芯片的传奇架构师谈 AI 电力危机：用造 iPhone 芯片的 “抠门” 哲学建超算）IT 之家
[2026-11-13]（Power On 访谈：Gerard Williams III 聊 AI 算力与供电瓶颈）彭博社
[2026-11-13]（M1 架构师新公司 NUVACORE，Core First 架构详解）36 氪
[2026-11-13]（AI 数据中心耗电压力上升，能效架构成为新方向）钛媒体
【免责声明】
以上内容为访谈观点科普，Gerard Williams 的观点属于行业技术方向探讨，不代表苹果、NUVACORE 的产品落地承诺；AI 超算架构、能效优化方案存在技术落地周期，电网、芯片生态、软件适配都会影响最终效果，本文不构成算力投资、芯片选型参考。