GPU之后，芯片何去何从？
半导体行业观察 · 科技资讯
半导体行业观察 2026-11-05 09:13 安徽 半导体行业观察：当整个半导体行业都在围绕英伟达展开竞争时，英特尔正在考虑一个更长远的问题：GPU之后，下一代计算架构会是什么？ 公众号记得加星标⭐️，第一时间看推送不会错过。 当整个半导体行业都在围绕英伟达展开竞争时，英特尔正在考虑一个更长远的问题：GPU之后，下一代计算架构会是什么？ 近日，英特尔首席技术官（CTO）Pushkar Ranade在接受日本媒体采访时，谈到了英特尔未来的技术布局。从先进制程、AI加速器，到量子计算、神经形态计算、硅光子、存算融合以及新材料，英特尔正在同时推进多个技术方向。 这些看似分散的技术，实际上指向同一个问题：随着AI计算规模持续扩大，现有计算架构正在面临越来越明显的限制。单纯提高GPU性能，已经不足以解决未来计算系统所面临的全部挑战。 Ranade认为，英伟达的CUDA和GPU平台在未来几年仍将保持强大的竞争力，但下一轮计算技术变革，未必会来自另一款GPU，甚至未必来自另一款CPU。 真正值得关注的，是计算架构本身可能发生变化。 18A已经量产，14A将成为英特尔代工业务的重要考验 在先进制程方面，英特尔目前的重点仍然是18A和14A。 Ranade透露，18A已经进入量产阶段，并正在向更多产品扩展。该制程采用RibbonFET全环绕栅极晶体管和PowerVia背面供电技术，已经应用于客户端产品Panther Lake以及服务器产品Clearwater Forest。 18A之后，英特尔正在推进14A制程开发。Ranade表示，14A进展顺利，目标是在2028年至2029年间实现量产。 不过，14A对于英特尔而言，不仅是一代新的先进制程，也关系到英特尔代工业务能否真正建立外部客户基础。报道指出，英特尔在2026年10-K文件中已经明确，如果无法获得外部代工客户，可能暂停或终止下一代先进制程的开发。因此，14A能否吸引外部客户，将成为英特尔Foundry业务的重要考验。 但英特尔的技术布局并没有停留在传统逻辑芯片和先进制程上。 不只是GPU竞争，英特尔正在寻找低功耗计算的新路径 在Ranade看来，当前AI基础设施面临的一个关键问题是电力消耗。随着GPU、CPU以及网络设备的性能不断提升，数据中心的功耗也在持续增加。未来计算系统的创新，很可能不再单纯围绕性能展开，而是需要在更低的功耗范围内完成更多计算。 这也是英特尔为什么开始把目光投向神经形态计算、硅光子以及存算融合等技术。 回顾英特尔的发展历史，这种思路并非没有先例。Pentium 4之后，英特尔曾经通过Pentium M架构重新平衡处理器的性能与功耗。Ranade认为，未来计算领域也可能出现类似的转折。 在量子计算领域，英特尔选择了硅自旋量子比特路线。与需要完全不同制造体系的量子技术不同，硅自旋量子比特能够利用现有半导体制造基础设施。 Ranade透露，英特尔目前的量子芯片采用与普通逻辑芯片相同的制造基础设施，甚至使用与18A相同的几何设计规则。与此同时，英特尔也在推进低温控制电子系统和软件栈，试图将量子芯片、控制系统与软件整合为完整的计算系统。 这项技术也正在与日本展开合作。 2026年7月，日立、英特尔以及日本产业技术综合研究所（AIST）参与的硅量子计算研究项目获得NEDO支持。项目计划开发100量子比特级硅量子计算机、基于Intel 18A的量子芯片、量子芯片PDK，以及面向1000量子比特的3D集成技术。 按照日立提出的目标，2028财年将推进包含100量子比特纠错能力的原型系统，2030财年则瞄准1000量子比特级系统。 英特尔希望借助既有半导体制造技术，将量子计算从实验室研究进一步推向可制造、可集成的计算设备。 另一个值得关注的方向是神经形态计算。 英特尔已经在这一领域研究超过十年，代表性产品包括Loihi系列。Ranade透露，英特尔目前已经从Loihi 1、Loihi 2、Loihi 3推进到Loihi 4。 神经形态计算的核心，并不是简单模仿人脑，而是改变传统计算机处理数据的方式。 在传统AI加速器中，数据需要在存储器和计算单元之间不断移动，这种数据搬运本身就会消耗大量电力。神经形态计算则采用事件驱动的方式，只有在特定事件发生时才进行相应计算，从而减少不必要的数据移动和能耗。 英特尔此前推出的Loihi 2，就采用了事件驱动型脉冲神经网络，并通过让存储与计算更加接近来降低数据移动需求。其Hala Point系统已经将这一技术扩展到11.5亿个神经元规模。 Ranade还谈到，传统CPU工作电压大约为0.9V，而神经形态计算设计有望将工作电压降低至0.6V甚至0.55V左右。 从这一角度看，英特尔研究神经形态计算，实际上是在探索一种不同于当前GPU架构的低功耗AI