拉斯维加斯——"现在的GPU很糟糕。"
这是前英特尔CEO帕特·基辛格对当今AI硬件的直白评价。但他真正想表达的，并不只是GPU本身的问题，而是驱动GPU运转的整个基础设施体系。
"它们的能效非常低，算力也受到严重限制。"基辛格在8月4日Ai4 2026大会的主题演讲中如此说道。他的一系列观点指向一个更宏观的判断：AI的下一次突破，靠的不是堆砌更多加速器，而是从根本上解决算力、内存、网络、能源和经济性等方面的深层制约。
"如果AI要充分发挥其潜力，我们需要在AI处理效率上实现大幅提升。"他说。
AI的根基在于芯片
本场对话由《纽约客》特约撰稿人吉迪恩·刘易斯-克劳斯主持，讨论焦点落在AI底层基础设施，而非模型本身。
被问及商界领袖在AI方面最常见的误区时，基辛格指出，一切技术突破归根结底都依赖半导体。
"没有芯片，就没有算力，这一点无可回避。"他说。
他将芯片形容为Token经济的"底层燃料"，并认为市场对智能的需求实际上是无上限的。
"对于AI，我认为社会对智能的需求是无限的。我们看到了这种近乎贪婪的需求，在其背后，是对算力、基础设施和内存同样近乎贪婪的渴望。"
他还表示，AI之所以能以如此之快的速度发展，正是因为它站在了过去数十年积累的成果之上。
"它不需要从头建设互联网，不需要从零研发半导体，不需要自己搭建云计算。它是建立在所有这些之上的。"
AI基础设施的四大优先方向
基辛格曾因英特尔雄心勃勃的复兴计划受挫、公司在竞争中持续落后而于2025年被迫离任，目前担任Playground Global的普通合伙人。
他目前的工作聚焦于AI的四大优先领域：基础设施、效率、能源与经济性。
"我们需要更多半导体，需要更多数据中心，需要更完善的通信基础设施。"他说。
他还批评了高带宽内存（HBM）技术，称其效率低下，但目前仍是AI训练与推理领域可用的最佳选择。
"现在的HBM是一种效率很低的内存，只不过对于当前的AI建模来说，它还是我们手头最好的选择。"他在Ai4大会上表示。
他认为，未来的性能提升不能仅靠改进处理器本身，必须覆盖整个计算栈，包括封装、内存、网络和系统架构的全面革新。
OpenAI：每一层基础设施都面临瓶颈
与基辛格同台演讲的，还有OpenAI负责计算方向的萨钦·卡蒂。他表示，当前行业面临的最大挑战，已不再是说服外界相信AI的价值，而是要说服各国政府、电力公司和制造商加大投入，建设足以支撑AI发展的基础设施。
"我们的核心任务，是让整个世界相信：为了让这项技术能够向全人类输送智能，我们需要在基础设施栈的每一层都加大投资。"卡蒂说。
他指出，供应链上几乎每个环节都已成为制约瓶颈。
"在美国快速建设数据中心并不容易，找到AI所需的能源也不容易，芯片所需的晶圆产能和内存产能都不够用，把一切整合成可用的算力同样困难重重。"
他表示，OpenAI的目标是大幅压缩部署周期。
"我们的愿景是：能否将这个周期从三年压缩到三个季度？"
要实现这一目标，需要更快的芯片制造速度、标准化的数据中心建设、更完善的电力基础设施，以及更高效的算力资源调度。
能源正在成为AI发展的核心制约
基辛格也认同能源问题是AI行业面临的最大挑战之一。
"在数字AI经济中，经济容量等于能源容量。"他说。
他认为，未来AI增长对电力供给的依赖程度，丝毫不亚于半导体技术的进步。
"我们面临能源问题。我们需要提高将电力输送至AI计算单元的效率，同时也需要更多能源来驱动整个系统运转。"
这一挑战直接影响数据中心的建设规划。
"没有人会为无法供电的芯片建造数据中心，也没有人会为没有电力保障的芯片投入数十亿美元。"基辛格说。
卡蒂则指出，能源供给、制造产能和部署周期已经相互缠绕、密不可分，只有协同解决，AI基础设施才能真正跟上模型发展的步伐。
经济账还没算通
基辛格最后谈到了经济性问题。
"现在的经济账根本算不通。"他直言。
尽管业界对AI基础设施的投入规模空前，但他认为生产智能的成本依然高得离谱。
"这不是'需要改善'的问题，而是需要提升一万倍。"
他相信，这种量级的改进不会来自某项单一突破，而将来自半导体、内存、网络、电力系统和数据中心架构的全面协同进化。
此前，基辛格也曾指出，市场逻辑已经发生转变，价值正在向构建AI物理基础的企业集中。
"半导体领域的玩家才是最大赢家。做'硅谷人'从来没有比现在更好的时候了。"
对于数据中心运营商而言，这番话传递的信号十分明确：AI的下一阶段之争，靠的不是堆砌更多GPU，而是构建一套能够以比当前硬件高得多的效率、大规模交付智能的完整基础设施体系。
Ai4大会将持续举行至本周结束。
Q&A
Q1：帕特·基辛格说现在的GPU哪里不好？
A：基辛格在Ai4 2026大会上指出，当前GPU存在两大核心问题：能效低下和算力受限。他认为问题不仅在GPU本身，还涉及整个基础设施体系，包括内存、网络、能源和经济性。他明确表示AI处理效率需要实现数量级的提升，而不只是小幅改进。
Q2：OpenAI在AI基础设施方面面临哪些具体瓶颈？
A：据OpenAI计算负责人萨钦·卡蒂介绍，目前主要有四大瓶颈：一是美国数据中心建设速度慢；二是能源供给不足；三是芯片所需的晶圆产能和内存产能短缺；四是难以将上述资源整合成可用的算力系统。OpenAI的目标是将原本三年的部署周期压缩到三个季度。
Q3：基辛格说AI基础设施的经济性需要提升多少倍？
A：基辛格明确表示，目前AI生产智能的成本远远过高，"不是需要改善，而是需要提升一万倍"。他认为这一改进不会来自某项单一技术突破，而需要半导体、内存、网络、电力系统和数据中心架构的全面协同进步才能实现。
