算力、显存、带宽：AI硬件仨词，卡脖子的常是最不起眼那个

朋友买了台顶配显卡跑大模型，兴冲冲发朋友圈：这算力，起飞！结果实测下来，模型吐字慢得像在思考人生。他百思不得其解：钱都花在算力上了，怎么还这么肉？

先把结论撂这儿，省得你也跟着交学费：决定一块AI芯片"行不行"的，从来不是单一指标，而是三个词的配合——算力（算得多快）、显存（装得下多大模型）、带宽（数据搬得多快）。而真正拖后腿的，往往是最没存在感的那个：带宽。

一个厨房，把三个词讲透

别被术语吓住，把AI芯片想成一个后厨，一切就清楚了。

算力，就是厨师的手速。 切菜、颠勺多快，决定一秒能出多少道菜。对应到芯片，就是每秒能做多少次浮点运算（FLOPS）——手速越快，算得越猛。

显存，就是案板的大小。 案板越大，能同时摊开的食材越多。模型的参数、运算中间产生的数据，都得先摊在这块"案板"上；案板不够大，再大的模型根本摆不下、跑不起来。

带宽，就是传菜员往返仓库和案板的速度。 食材不会自己飞到厨师手边，得有人从仓库一趟趟端过来。搬得越快，厨师越不用等。

一道菜要上桌，三个环节缺一不可。而多数人买芯片，眼里只有"厨师手速"这一个数字。

手速再快，也架不住传菜员太慢

问题就出在这儿。厨师的手速一路狂飙，传菜员的脚程却几乎原地踏步。

加州大学伯克利分校一篇被广泛引用的研究（《AI and Memory Wall》）测算过一个扎心的对比：过去约20年里，芯片的峰值算力涨了约6万倍，而显存带宽只涨了约100倍——两者差了几百倍。换句话说，厨师快了6万倍，传菜员才快了100倍。

结果就是：厨师站在案板前，颠勺的手停下来，干等着下一批食材被端上来。这段"干等"的时间，学界叫它"内存墙"（Memory Wall）。你的显卡不是不够猛，是它猛的那部分，正被活活饿着。

所以大模型生成文字慢，很多时候不是算力不够，而是数据搬运跟不上——带宽，才是那个藏在暗处的真瓶颈。

案板也在悄悄"不够用"

顺带说个更隐蔽的麻烦：案板（显存容量）也快摊不下了。

同一篇研究给出的另一组对比是：大模型的参数规模，大约每两年翻约410倍；可单块GPU的显存容量，每两年才翻约2倍。菜越做越大，案板却几乎没怎么变大——大到一定程度，一张案板根本摆不下，只能把菜拆开、摊到好几张案板上一起做，环节之间的搬运又成了新的负担。

于是你会发现，AI硬件的世界里，从来没有"一招鲜"。 算力、显存、带宽像一只木桶的三块板，最短的那块决定装多少水。光堆手速，案板和传菜员跟不上，钱一样打水漂。

说到底，卡的是同一件事

看到这你大概咂摸出味儿了：这三个词，本质上考验的是同一件东西——芯片的设计与制造功力。

手速要快，靠的是先进制程把晶体管塞得更密；案板要大、传菜员要快，靠的是把高带宽显存（HBM）这类关键部件堆叠、封装到芯片旁边。每一样，都是硬碰硬的工艺门槛。而这些门槛，恰恰是当下"卡脖子"最要命的地方——为什么一块高端AI芯片这么难造、又这么金贵，答案全藏在这三个词背后的产业链里。

这条链子，从最上游的算力设计，到国产芯片正在艰难爬坡的每一环，才是真正决定AI能跑多远的东西。

想把算力这盘大棋、国产芯片到底走到哪一步看明白？ 我们做了份《算力革命与国产芯片·全景研究》——公众号后台回复「芯片」，拿去看。