跳转至

带宽的 scaling law：20 年里 flops 涨了百万倍，内存带宽只涨了 40 倍（No Priors / Fractile，2026-10-02）

⚠️ 术语还原：自动字幕把公司名拼成 "Fractal"（正确是 Fractile，见视频标题）、Groq 拼成 "Grok"、Cerebras 拼成 "Cerebrus"、Maia 拼成 "Maya"、GDSII 拼成 "GDS2"、autoregressive 拼成 "auto-aggressive"、Kimi 拼成 "Kimmy"、Beren Millidge 拼成 "Baron Milledge"。⚠️ 他提到的 OpenAI 自研芯片代号在字幕里是 "Halapenio"，本库无法确定还原，照录并标为存疑。

⚠️ 这是一期创始人访谈，公司的技术声明（25 倍带宽、2027 下半年量产爬坡）全部是自述，本库未核实。 但本页认为它的价值不在那些数字——而在两段本库此前完全没有的东西：① 芯片产业链的交接点到底在哪（架构师 → 前端设计 → Broadcom → GDSII → TSMC）；② "带宽的 scaling law"这个框架，以及支撑它的那条历史不对称。

概要

  • ⚠️ 本期最该被记住的一个对照："过去 20 年我们把 flops 放大了大概一百万倍，而同期内存带宽只涨了约 40 倍。"（[00:30:18]）他把整家公司押在抬高后者上。
  • ⚠️ "带宽的 scaling law"（[00:29:17]–[00:30:18]）：MoE 越稀疏越省 flops（1/16 → 1/128 → 1/256，等智能下省掉大量 flops），但在今天 HBM 基的 GPU/XPU 上服务这种模型会被带宽卡死、MFU 极低；注意力同理——有些注意力形式更省带宽但更费 flops。所以抬高带宽这条边，可以换回另一条边上的节省。
  • ⚠️ 他们公开承认过一次架构转向：头两年做的是 SRAM 方案（"有点像 Groq 或 Cerebras"），2023 年底到 2024 年因为上下文长度而对其可扩展性"紧张起来"，于是转去做对 DRAM 的超高带宽访问（[00:10:11]–[00:12:11]）。
  • ⚠️ 他指认的那个"诱人的错配"：今天的快推理芯片带宽极高但容量极低，而且"它们并不在跑长上下文注意力——你还是得切回 GPU 去做那件事"（[00:13:11]）。
  • ⚠️ 数据中心尺度下推理经济学的收口："坍缩成本质上是你所用内存的每 GB 成本。"（[00:14:11]）
  • ⚠️ 本页认为全期最有结构价值的一条市场判断：前沿实验室在芯片层上押差异化的重注是"不理性且非常危险的"，因为"如果对手发现一个只在它那块芯片上成立的计算效率突破，我可能在铺够那块芯片之前的九个月里就死了"——所以它们反而有强烈动机部署和彼此相同的平台（[00:33:19]–[00:34:20]）。
  • ⚠️ 一句很锋利的行业玩笑："今天有个说法是，第一方自研芯片的首要用途是压低大家付给英伟达的价钱。" 他说这里面可能有点道理，理由是那些自研在架构上相当相似（[00:31:18]–[00:32:18]）。
  • 他对"芯片设计会不会被 AI 压缩"的回答是两面的：他把"10 年"除以四再减一点，但指出流程中间卡着"NP 难问题的传统解法"（place and route 要跑好几天），所以形状和 RSI 一样是实验瓶颈（[00:23:14]–[00:27:16]）。

核心观点

一、⚠️ 芯片产业链的交接点在哪：本库此前最缺的一段解释

本库此前的芯片材料覆盖了微观电路（Reiner Pope 从逻辑门到 systolic array）、晶圆级（Cerebras）、代工与供应链（Lip-Bu Tan、Pat Gelsinger、Rene Haas）、验证工时（肖志斌）。⚠️ 但没有一份讲清"一个自研芯片项目里，哪一段是自己做的、哪一段外包给谁"。 主持人直接问了这一问（[00:04:04]）。

  • 第一层：架构师（[00:05:06]）——"对自己想加速的工作负载有非常强的理解"的人。他举的例子是 Tensor Core 的诞生："一个架构师构想出来的专用电路，极擅长矩阵乘法，因为你有这个洞见：矩阵乘法占了你要跑的这些模型里 flop 数的绝大多数。"
  • 第二层：前端设计（front-end design）（[00:06:06]）——把架构意图降解成电路级描述；"机械上它看起来仍然像是在电脑上写代码"，而这份代码就是交给 Broadcom 这类玩家的东西。
  • 第三层：综合与物理设计（[00:06:06]–[00:07:07]）——RTL 被综合成电路、再做布局；⚠️ 最终送到 TSMC 的"literally 是一张位图"："我们管这个文件类型叫 GDSII，它就是：金属层放哪、每一个晶体管放哪。是一份完整版图。"
  • ⚠️ Broadcom 的价值被他说得非常具体（[00:06:06]）：① 芯片间互连所用模拟 IP 的所有权；② 针对 TSMC 某个特定制程节点的物理摆放。 而"我们说 3 纳米、5 纳米等等"——这一段今天对所有这些项目来说一般都是外包活动。
  • ⚠️ 他对这个格局的结构性判断，本页认为是最该引用的一句（[00:02:02]–[00:04:04]）：今天的 AI ASIC 市场是"一个非凡的动物园"，但"外面有很多相对雷同（identikit）的芯片"——他的解释是这是产业结构性质：
  • Google 十多年前用 TPU 开了这个头，此后 Meta 的 MTIA、Microsoft 的 Maia、OpenAI 现在的 ⚠️ "Halapenio"（字幕拼写，本库无法确定还原），这些"自研芯片最终都是和为数不多的几家我们可以叫做 ASIC house 的后端交付公司合作开发与交付的；Broadcom 是最大的那家，一家 2 万亿美元的公司"。
  • 于是"放大来看这片看似琳琅满目的光谱，你会发现这些平台之间其实有大量相似性"：都用 HBM（"这种 DRAM 内存，英伟达 GPU、AMD GPU 和所有这些 ASIC 共用"）、都押 Tensor Core 那类东西做矩阵乘法、都用 TSMC 同样的先进封装。
  • ⚠️ 结论："这片格局里仍然相对缺少那种一路打通硅栈上下、试图造出根本性新能力的努力。" 他给的原因很朴素："就是没有那么多团队决定要从架构层、前端设计层一直做到物理设计、制程技术、跟代工厂的互动——那种基本上每周都在飞台湾或韩国的活。"

二、Fractile 的做法：150 个人，但没有交接点

（[00:07:07]–[00:09:09]）

  • 构成：他们自己有前端设计、自己的物理设计团队、自己的后端实现团队，先进封装也自己做。⚠️ 规模是约 150 人，而他自己说"我们在上面每一个环节都很瘦"。
  • ⚠️ 他要换掉的是瀑布式的交接："很多产业会有瀑布式的做法，然后突然来了一种新的思路，借管理哲学的说法叫更 agile。" 传统路径的问题是"到了某个层级你就交棒给另一个伙伴，而某种程度上你是任由那个伙伴怎么做了"。
  • ⚠️ 他们还做一件更激进的事：主动往上游推模型架构（[00:07:07]–[00:08:08]）："我们在很多地方试图跑在前面，去看：我们会把模型架构改到哪里，才能和我们的赌注特别对齐？我们认为我们所押的那些赌注的 scaling law 向量是什么？然后我们可以向客户和伙伴主张这些。" 他说这也帮他们为一块"一两年内才会量产存在"的芯片定下一组赌注——"这成了我们必须练出来的肌肉里很重要的一部分。"
  • 他给这条路线的代价（[00:09:09]）："在 AI 芯片这一行，比以前任何芯片生意都更甚，你必须把赌注押对。所以你需要很多技巧和很多运气，然后你还要出手非常快。"

三、⚠️ 一次公开承认的架构转向：从 SRAM 转向高带宽 DRAM

（[00:10:11]–[00:12:11]）本页认为这是全期最该被长期回看的一段，因为它是一条可追溯的路线修正，而且修正的理由很具体。

  • 起点：公司前两年左右做的是 SRAM 方案——他自己的话是"有点像 Groq 或 Cerebras"。机制：SRAM 是超高带宽内存，它和你的逻辑住在同一片硅上，所以"在你跑数学的计算单元和模型权重、或者 KV cache 之间有极高带宽"，而"这能把语言模型推到每秒数千 token"。
  • ⚠️ 转向的理由是上下文，不是参数（[00:11:11]）："今天 AI 里有两样东西在长。一个显然是模型的参数；但另一个——而这才是真让我们对那条架构路线紧张起来的——是不断增长的上下文长度，它越来越成为我们所看到这些模型如何铺开的故事的一部分。" 时间点是 2023 年底到 2024 年。
  • 转向后的方向（[00:12:11]）：过去两年做skunk works 项目，和内存厂商以及逻辑代工伙伴更紧密地合作，去找对更高容量内存的极高带宽访问——具体是"看我们怎么能拿到对 DRAM 内存高得多得多的带宽"。
  • ⚠️ 他对这个组合的描述：⚠️ 一个"将在明年下半年量产爬坡"的平台（即 2027 年下半年），它"把 GPU、TPU 上那种更高容量、更低成本 DRAM 的可扩展性，和你从 Groq 芯片或 Cerebras 芯片拿到的全部速度优势统一起来"。
  • ⚠️ 本页标注：这是本库第一次看到一家快推理芯片公司公开说"SRAM 路线在上下文长度上扩展不了"。 本库已有的 Cerebras 一侧材料（Sean Lie、Andrew Feldman）讲的是晶圆级 SRAM 的优势与"晶圆级真正的难题不是当年以为的那两个"，但没有正面回答长上下文的容量问题。两侧并列不裁决——但本页认为这条分歧是可被 2027 年的实际部署检验的。

四、⚠️ "诱人的错配"，与推理经济学的收口

  • ⚠️ 错配本身（[00:13:11]）："今天我们拥有的那些快推理芯片，有超高带宽内存但容量低得惊人。而如果你看它们今天实际怎么被使用和部署的技术细节——它们并不在跑长上下文注意力。你还是得切回 GPU 去做那件事。" 他的落点："于是出现一个诱人的错配：恰恰是我们几乎有能力把这些东西做快得多的那个领域，我们也没有那项技术能力。"
  • 他把要求压成一句（[00:14:11]）：需要的芯片要同时有"对内存极高的带宽，这样我们每秒能装载权重、装载状态数千次"，而且内存要经济。
  • ⚠️ 而理由是一条本页此前没有的经济学收口："当你看在数据中心尺度上为数千用户跑推理是什么样子，经济账实际上坍缩成本质上是你所用内存的每 GB 成本。"
  • 他对"速度用在哪"的区分，本页认为这是全期最好的一个修辞（[00:12:11]–[00:13:11]）：⚠️ "更快的聊天机器人"是快推理的"更快的马"（他直接用了福特那个反问）；真正的能力电梯是"把一个数万亿参数的模型以每秒数千 token 舒舒服服地跑起来"，用在"那些长时间运行的 agent"上，让它们"急剧变快"。
  • ⚠️ 本库交叉标注：这条与 Sean Lie 的"1000 token/s 正在变成新的 batch mode"、Stefano Ermon 的"20–30% 的用例里延迟才是主指标" 是同一条线上的三次表述；而他给的是三者里唯一一条明确的瓶颈归因（容量 × 长上下文）。详见 AI 基础设施。

五、⚠️ 带宽的 scaling law：本期最有分析价值的一段

（[00:28:16]–[00:31:18]）

  • 他先摆了那条历史不对称，本页认为这是全期最该被引用的一个数（[00:30:18]）：⚠️ "我们在过去 20 年里把 flops 放大了大概一百万倍。同一时间段里，内存带宽涨了约 40 倍。"
  • 他们声称的量级（[00:29:17]）：⚠️ "每块芯片的带宽是 HBM 基芯片的 25 倍"（自报，本库未核实）。由此他们内部在探索"基本上就是带宽的 scaling law"——对照传统上"我们想的是 flop scaling law：训练时和测试时投进去的 flops 越多，性能越好越好"。
  • ⚠️ 他给了两条"已知的带宽 scaling law"，这是本页最该记的技术内容：
  • MoE 的稀疏度（[00:29:17]–[00:30:18]）："大家都挺清楚理想上我们会让它们越来越稀疏、越来越稀疏。等智能下，从 MoE 的 1/16 稀疏走到 1/128、1/256，你会省掉大量 flops。" ⚠️ 但逆风是"在今天 HBM 基的 GPU 或 XPU 上高效服务这类模型会变得极其难以承受——你经常会被带宽卡住，服务时 MFU、flops 利用率非常非常低"。
  • 注意力机制（[00:30:18]）："有些注意力形式更不耗带宽。对某个给定的智能水平，它们倾向于更耗 flops。"
  • ⚠️ 结论的形状："所以当你推进带宽这条前沿，你就能把另一样东西省下来——我们可以减少为达到某个智能水平所用的 flops 数。而这对这些模型的全局吞吐是一个乘数因子。"
  • ⚠️ 本页标注这条的意义，也标注它的利益相关：它把"模型架构的选择空间"直接挂在了"内存带宽的供给"上——如果带宽真的被抬高一个量级，那么今天因为服务代价而不敢做的那些架构（极稀疏 MoE、更费 flops 但省带宽的注意力）会重新进入可选集。⚠️ 而这正是一家押注带宽的公司最有动机主张的论题，本库未核实该 25 倍数字，也未核实那两条 scaling law 的实证强度。
  • ⚠️ 他同时承认了硬件彩票的双向性，而这一点比上面那条更诚实（[00:28:16]–[00:29:17]）：芯片公司必须跨越一组二元性——既要在"硬件彩票"下对即将到来的那一批工作负载极其在行（"这些会在 HBM 基的 GPU 或 XPU 上被训练出来"，所以要擅长把今天超激进的 MoE transformer 跑得更快更省），同时才有资格去"探索你自己能不能对新的模型格局施加一些引力"。
  • ⚠️ 本库交叉标注：这正是本库 硬件彩票 那一节里"谁迁就谁：理想是协作，现实是硬件更强势"这条判断的供给侧自述版本——而他的说法把它讲得更精确：新硬件只有先在旧彩票上赢了，才有资格去发新的彩票。

六、⚠️ 节奏之争：芯片能不能跟上"每两周一个模型"

（[00:14:11]–[00:22:14]）这一节的结构是主持人反复逼问同一个张力，很值得完整记。

  • 主持人立的问题（[00:14:11]–[00:15:11]）：传统芯片人想的是一代一代交付、一年或略快一点，而大的架构变化比这个节拍更慢；而他在 Fractile 内部"有抱负地"说变化速度可以快得多——"那什么能让这件事发生？因为人们今天对供应链的物理极限比以前理解得更好。"
  • 他先承认这个张力无解（[00:15:11]–[00:16:12]）："任何时刻你都希望手上已经量产地握着一块恰好针对你在意的那个工作负载的芯片。但如果你真有那块芯片，六个月后你又会想要别的——这些工作负载推进得非常快。" 主持人补："今天我们大概每两周出一个模型。"
  • ⚠️ 他给的"理智来源"是找共性（[00:16:12]–[00:17:12]）："去横看这些模型，问：它们共同的是什么？而谢天谢地，共同的东西足够多。" 他列的三条共性是：
  • "永远是这样：一个新的 LLM 迫切地想要多出几个数量级的内存带宽，才能跑得更快。"
  • "今天仍然是这样：这些 LLM 在生成文本时倾向于自回归、极低 batch"，带着那条吞吐效率/成本 与 服务速度之间的根本权衡。
  • 所以"内存带宽是它们统一在呼喊的东西之一"。
  • ⚠️ 但他也点了变化最快的地方："尤其如果你看开源中国模型的前沿，注意力机制的确切形态每隔几周就会在前沿上翻一遍——MoE 的稀疏度、注意力自身的稀疏度。" 而且"我们也可能迎来更大的冲击，可能有更根本的转变"。
  • ⚠️ 他对"AI 加速芯片设计"的回答用了 Amdahl 定律，本页认为这是全期最好的一条组织论证（[00:17:12]–[00:18:12]）："经典的 CS 定律是 Amdahl 定律：我能并行的部分变得非常非常快，不能并行的部分不会。而当你处在一长串组织的链条里时也类似——如果接下来那一段仍然会是常规瓶颈、常规节奏，那么作为一家只做前端的芯片设计创业公司，把 12 个月的前端设计工作缩到其中一小部分，并没有压倒性的必要或回报。"
  • 他列出的两条物理与金融硬约束（[00:18:12]–[00:19:12]）：
  • ⚠️ "我们都和代工伙伴共享同样的 fab 周期时间。从你把芯片送过去到拿回来，即使在超级加急的情形下也是三到五个月。"
  • ⚠️ "你得有一个真正三到五年的摊销窗口，才能让那块芯片成为一个合理的财务决定。"
  • ⚠️ 于是他明确否掉了一个容易被误读的激进版本（[00:19:12]–[00:20:13]）："我不相信我们最终会走到每隔几周就出一块根本性新芯片的状态，只因为我们把那个时间缩短了。因为这是物理世界——数据中心电力有约束、安装这些东西有延迟，而你还要为底下的硅融资，所以它需要那个回收期。" 而量产爬坡本身就是 12 到 18 个月。
  • ⚠️ 他真正主张的东西，本页认为这是他最该被引用的一条论题（[00:20:13]–[00:22:14]）：价值在压缩"从一个观察到把那个赌注变成量产"之间的那段延迟——
  • 结果是"更多的射门机会（more shots on goal）"，以及"任何时刻都握着一个滚动的赌注前沿，它们你希望是深度对齐的，而你随时准备扣下量产的扳机"。
  • ⚠️ 他把这条明确类比成前沿模型："芯片领域里对应前沿模型的那件事就是：如果你能找到办法在结构上刻出三到六个月的优势，你就会赢下所有那些部署。"
  • ⚠️ 主持人当场加了唯一的限定条件，本页认为必须一起记："那只有在你关于'该量产哪一个'的决策是正确的时候才成立。" 他的回答是"没错"。
  • 他想要的另一个后果是"锅里有更多的铁"（[00:21:13]）：对照"如果你把一套英伟达系统拆开，里面有大概六到九颗定制芯片，全是英伟达自己造的，凑在一起才构成那个真正非常强的东西。所以那里已经有一个差距了"——⚠️ 而他想"生产力高到足以开始用同样的方式造我们自己的回应"。
  • ⚠️ 主持人给了这一段一个很冷的注脚，本页照录："这里面藏着一个梗：CEO 说'哇这些 AI 东西太棒了，而且我们把组织结构搭成了能消化它的样子。原来一个项目，兄弟们，我们现在要搞六个。'然后所有人欢呼。" 他的回答："这里面有些真的。"

七、⚠️ "架构师意图 → GDSII" 要多久：他把 10 年除以四，但指出瓶颈形状和 RSI 一样

（[00:22:14]–[00:27:16]）

  • 主持人的一手材料（[00:22:14]–[00:23:14]）：⚠️ 她问过"前三大半导体公司之一的 CEO"，从首席架构师的意图到一份完全可用的 GDSII 文件还要多久，对方说"10 年"，而且不让她把这个预测公开。
  • 他的回答分两段。先是时间尺度：⚠️ "过去几年一个挺成功的启发式是：永远质疑你那个逻辑上的假设，然后把时间尺度除以四。" 所以"有一个世界里 10 年看起来是个很合理的时间框架，但我会把它除以四，然后大概再减掉一点"；他的具体判断是"接下来几年里会有一种端到端的原型制作"。
  • ⚠️ 然后是瓶颈的形状，本页认为这比时间估计重要得多（[00:23:14]–[00:25:14]）："芯片设计一件很有意思的事是，它中间仍然卡着一些循环，是 NP 难问题的传统解法。如果你真想输出那份 GDSII 文件，今天你仍然要跑一堆版图工具，用常规的算法做 place and route，而它们会连着跑好几天。"
  • ⚠️ 他把这一点推广成了一条判断："世界上很多难问题我觉得都有点像这样：有大量思考现在可以被自动化，有大量脑力活；但同时也有某件事情内在的延迟。"
  • ⚠️ 而他直接拿 RSI 做类比："我们在用 AI 指导 AI 模型开发这件事上就看到这个，也就是 RSI 的工作。是的，我们现在可以有极高的智能在指导我们的实验，但我们就只是被实验卡住了、被计算时间卡住了。"
  • ⚠️ 他引的那句话出自本库已有的材料（[00:27:16]）："也许是 Beren Millidge 最近在 Dwarkesh 那期说的——你也许可以在发起一个实验前思考一百年，然后再用这些模型思考另一百年人类等效的时间去想那个 AI 实验的结果，因为中间那个实验挺贵、而且要花一定的墙钟时间。" 他的落点很具体：⚠️ "所以在我们去摆放某个电路之前，我们将会生成大量的推理 token。"
  • ⚠️ 他由此提出了一条很具体的产业建议，本页认为是全期最可操作的一段（[00:25:14]–[00:26:16]）：
  • 最终签核（sign-off）短期内不会变："Cadence 和 Synopsys 和 TSMC 以及其它代工厂合作了几十年，造出那个最终的检查标记，告诉你这东西是我们所说的 DRC 和 LVS clean、符合那家代工厂定下的规则——那种工作极其有价值。"
  • ⚠️ 但中间那一段应该被替换："但你能不能在中间有某种模糊的摆放算法，把你带到几乎到最终设计的地方、帮你迭代更快？我认为那正是人们该多做工作的地方，否则那就是瓶颈。"
  • 他说他们内部正在看"那些算法的内脏里到底是什么，有没有一种粗糙近似的做法"；主持人追问"它们不会被代理模型（surrogate model）替掉吗"，他的回答是有限元分析、热估计那类仿真近似"有巨大回报"，而回报恰恰来自 Amdahl 定律："我们加速了智能、加速了实验之间的周期，于是加速那些试验本身就重要得多了。"

八、⚠️ 市场结构：为什么前沿实验室不该在芯片上押差异化的重注

（[00:31:18]–[00:34:20]）本页认为这是全期最有结构价值的一节。主持人的提问很直白：五年后一个大 AI 玩家或超大规模厂商到底会买什么——英伟达与 AMD、新的加速器这一类、还有至少四家自己做的？

  • 现状（[00:31:18]）："今天我们看到的行为是，所有大规模部署的人基本都在试图尽可能多地部署分开的平台。" 他认为供给多样性的需求会持续存在，因为"算力这种东西对这些玩家已经变得如此存亡攸关"。
  • ⚠️ 他对第一方自研的评价，本页认为是全期最锋利的一句（[00:31:18]–[00:32:18]）："今天有个说法是，那些第一方自研努力的首要用途是压低大家付给英伟达的价钱。这里面可能也有点道理，因为那些努力在架构上相当相似。"
  • ⚠️ 他给出的判据很清楚："所以那是一个并非押在'使能另一些芯片无法使能的根本能力'上的赌注。" 于是它剩下的作用是议价博弈（"我们能不能在这边造一些、或者我能不能从 AMD 买点，这样也许我从英伟达那儿拿到更好的价钱"）、总体产能与一点控制权。
  • ⚠️ 本页交叉标注：这与本库 Dylan Patel 的四层价值分配、Satya Nadella 的"硅的多样化" 是同一问题的三种口径；而这是本库第一次看到"自研芯片的主要功能是议价"被一个第三方芯片创业者明说，并给出了"是否使能新能力"这条判据。
  • 前沿实验室为什么需要极速（[00:32:18]–[00:33:19]）："对前沿实验室来说，有一扇溢价能力、溢价智能的窗口，那是它们存在的全部理由。否则我们所有人就一直用 Kimi 的模型了。" ⚠️ 所以在"来自开源的背后压力"下，想在前沿部署的人必须同时拥有最好的权重与最快的部署——"这样你才能在最短时间里做最多的推理"。
  • ⚠️ "为什么这件事不会被实验室整个吃掉"：他的回答是一个不对称博弈，本页认为这是全期最该长期引用的一条（[00:33:19]–[00:34:20]）：
  • 他先说明自己的处境：Fractile"试图尽可能与前沿的需求对齐，也试图看起来有点像那些团队"，所以他有时需要解释"为什么我们认为未来数十年世界会维持某种前沿第三方芯片玩家"。
  • ⚠️ 他的论证："假设我是实验室一号，我在某种专有硅上全押了；然后实验室二号发现了某个新的计算突破，它在同等智能下交付远好得多的计算效率，但它只在它们选择部署的那块芯片上成立。我可能在铺够那块芯片、也拿到那个 5 倍计算效率之前的九个月里就死了。"
  • ⚠️ 结论："所以这些公司迫切需要部署和彼此相同的平台。它们在玩的是不同的游戏——它们是在模型层竞争。而在芯片层做深度差异化的赌注、并在那些差异化赌注上全押，对任何在前沿玩的人来说都是不理性、非常危险的一步。"
  • ⚠️ 本页标注这条论证的两面：它是一条真正的博弈论论证，而且它恰好是一家第三方芯片公司最需要成立的论题。 但它的可检验性不错：它预测的是"前沿实验室不会在芯片上长期走远"，而本库已有的反向证据是 Google TPU 这条线十多年的坚持——他自己在同一期里承认 TPU 开了自研的头。 本库记为可检验的争议，不裁决。

⚠️ 本页的三条限定

  1. 这是创始人访谈，公司声明全部自述：25 倍带宽、2027 下半年量产爬坡、150 人全栈、对 DRAM 的"极高带宽"路径——本库一条都没核实，而其中最关键的那条（带宽的 scaling law）恰好是押注带宽的一方最有动机主张的论题。
  2. ⚠️ 他引用的两条产业数字本库也未核实："flops 百万倍 vs 带宽 40 倍（20 年）"、"Broadcom 是 2 万亿美元公司"；"前三大半导体 CEO 说 10 年"是主持人的转述，对方明确不让公开。
  3. ⚠️ 他提到的 OpenAI 自研芯片代号在字幕里是 "Halapenio"，本库无法确定还原，照录存疑、不猜。