> ## Documentation Index
> Fetch the complete documentation index at: https://docs.bordier.com/llms.txt
> Use this file to discover all available pages before exploring further.

# 人工智慧的下一個瓶頸

> 寶瑞 2026 年 7 月月度專題研究摘要：人工智慧的約束如何從晶片轉向記憶體，再轉向連接並驅動它們的整個系統。

由 **Bordier & Cie (Singapore) Ltd** 發布於其 Monthly Market Update 系列，2026 年 7 月。

## 論證

過去十年的人工智慧，是由不斷轉移的瓶頸所定義的。最初是運算能力。隨著供給改善，約束轉向記憶體。這篇研究認為，該行業如今正處於第三次轉變之中，而**這一極限已完全不在晶片內部。它位於系統與基礎設施層面。**

其框架是：人工智慧正從一個以晶片為中心的擴展問題，轉為一個**人工智慧工廠的優化問題**。所謂人工智慧工廠，是指產出人工智慧成果所需的整個工業體系：處理器、記憶體、網路、散熱、電力轉換，以及圍繞它們的數據中心基礎設施。其經濟性以機架與叢集層面的每個 token 成本來衡量，而非以任何單一組件的峰值性能來衡量。

三重約束正在匯合。

**數據移動。** 前沿訓練令數千個加速器並行運行，因此互連的頻寬與延遲決定硬體的利用程度。隨著叢集規模擴大，銅纜變得更重、更難散熱，這正是光學互連之所以重要的原因。

**電力輸送。** 約束並非有多少兆瓦可用，而是電力在設施內部如何轉換、分配與管理。隨著機架密度上升，傳統的供電架構變得低效，更高電壓的直流設計隨之取得進展。

**電力彈性。** 訓練是間歇性的。推論則是持續且波動的。問題從確保穩態發電，轉為在不過度建設固定產能的前提下吸收波動性負荷。儲能成為一種電力庫存，其價值在於延緩基礎設施投入，而非在於其單位成本。

因此，人工智慧的資本開支遠遠擴展到半導體之外，進入光學與互連、電力轉換、熱管理、儲能與面向電網的基礎設施。尚待回答的問題是，這些支出轉化為收入的速度有多快。

## 相關內容

* [人工智慧產業有多耗水](/zh-Hant/insights/ai-water)，支撐這一建設的資源依賴。
* [鈾，戰略性瓶頸](/zh-Hant/insights/uranium)，這些電力預計從何而來。
* [寶瑞發布的內容](/zh-Hant/insights/overview)，本文所屬的研究系列。
* [寶瑞在新加坡](/zh-Hant/facts/singapore)，發布該系列的實體。

<Note>
  僅供一般參考。本文不構成投資建議，亦不構成招攬或要約。資格條件、服務與條款因司法管轄區與客戶而異。凡涉及您自身情況的事項，請與您的銀行家聯繫。
</Note>

<Note>
  本頁面為譯文。如本譯文與英文版本有任何差異，概以英文版本為準。
</Note>

*資料來源：Bordier & Cie (Singapore) Monthly Market Update，2026 年 7 月。*


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.