《創富理財－梁啟棠》人工智慧瓶頸轉移：從記憶體到基礎設施的機遇

　　人工智慧的崛起，無疑是當代科技領域最引人注目的篇章。然而，其發展並非一條平坦直線，而是一個不斷變化的約束問題。在任何複雜系統中，無論是龐大的電腦叢集還是全球工廠網絡，總會有一個最慢、最緊缺或最昂貴的組件，成為整個系統的瓶頸，決定著其整體速度。一旦投入巨額資本解決當前的瓶頸，限制便會轉移到下一個相鄰組件。我們已看到這個過程分階段上演：第一階段是原始算力(GPU)，第二階段是先進晶片封裝（台積電的CoWoS），而第三階段，即未來18-24個月內達到高峰的，則是記憶體頻寬(HBM)。

　　隨著記憶體投入千億美元擴大生產，HBM短缺最終將會緩解。然而，這並不意味著AI發展將無限加速。相反，瓶頸正在再次轉移。我們認為，接下來浮現的三個物理世界限制，將成為AI發展下個主要瓶頸。這些領域的投資機會，更符合「多元化投資AI瓶頸」的策略。

*瓶頸一：光學網路--數據傳輸的「光速」革命*

　　構建現代AI超級電腦，絕非簡單地將十萬個GPU堆疊在一起。這些GPU必須持續不斷地相互通信，每毫秒共享數十億個數據點，才能訓練出單一模型。如果它們之間的連接速度緩慢，GPU將處於閒置狀態，浪費昂貴的計算能力，這就是工程師所稱的「通信牆」。為突破這一限制，產業正從傳統的銅纜轉向光學網路。數據不再以電流形式傳輸，而是轉換為光波。此處的關鍵材料瓶頸是一種稀有半導體「磷化銦(InP)」，用於製造這些收發器內部的微型雷射。由於全球只有少數專業公司能夠製造這些先進的光學組件，導致交貨時間不斷延長，使得光學元件成為AI叢集建設中的下一個主要瓶頸。

*瓶頸二：液冷技術--為AI降溫的關鍵戰役*

　　隨著AI晶片性能的飛速提升，其產生的熱量也達到了前所未有的水平。單顆NVIDIA Blackwell GPU的功耗高達1200瓦，約相當於一個小型電暖器。想像一下，72顆這樣的晶片密集地裝載在一個伺服器機架中，其熱密度之高，已遠非傳統的風冷散熱方式（如筆記型電腦風扇）所能應付。為了解決這一嚴峻的熱管理挑戰，產業已全面轉向液冷技術：將冰冷的液體通過管道直接導入晶片附近，對於新一代AI系統至關重要。

*瓶頸三：電力電網基礎設施--AI的能源動脈*

　　大型AI數據中心的電力消耗量，足以匹敵一座小型城市。要將數據中心連接到國家電網，需要大型電力變壓器，將輸電線路的高壓電，轉換為建築物和電腦可使用的較低電壓。這些變壓器並非現成產品，而是針對每個安裝地點進行客製化設計。在AI熱潮之前，這些變壓器的交貨時間約為30至50周。然而，如今已延長至128周甚至長達四年。原因在於AI數據中心、電動車充電基礎設施和再生能源項目對變壓器的需求激增，三者共同爭奪有限的製造產能。全球僅有少數位於美國、歐洲和日本的鋼廠能夠生產，這使得電網基礎設施成為AI發展的又一重大瓶頸。
《KGI凱基國際財富管理首席投資總監　梁啟棠》
　
*《環富通》所刊的署名及/或不署名文章，相關內容屬作者個人意見，並不代表《環富通》立場，《環富通》所扮演的角色是提供一個自由言論平台。