KeyFrame

The 2026 AI Cold War: Energy vs Heat, East Meets West | GeoMoney TV

GeoMoney TV·6月1日週一·9 min中文

三句話摘要

2026年AI冰凍戰:西方能源瓶頸與中國晶片物理突圍的雙重供應鏈對決。 --- AI競爭的勝負不在於誰的模型更聰明,而在於誰能先解決自己那條供應鏈上的物理瓶頸——西方是能源路線,中國是晶片散熱。 AI革命的真正戰場是物理供應鏈,而非演算法。 西方沉迷於基礎模型參數與GPU股價,但真正的制約來自能源路線與地緣物流,NVIDIA再強也需要穩定的電力與運輸支撐。

重點整理

重點
  • 1

    AI革命的真正戰場是物理供應鏈,而非演算法。 西方沉迷於基礎模型參數與GPU股價,但真正的制約來自能源路線與地緣物流,NVIDIA再強也需要穩定的電力與運輸支撐。

  • 2

    西方聯盟的弱點是能源地理,而非晶片製造。 美韓聯盟掌握最先進的EUV製程,能製造人類史上最精密的晶片,但中東局勢動盪與亞洲LNG價格波動正侵蝕其資料中心的能源成本競爭力。

  • 3

    中國的弱點是製造工具,但正以物理工法繞道突圍。 中國被排除在最先進光刻設備之外,轉而透過Logic Folding(晶片堆疊折疊架構)與TAU製程法,在不依賴EUV的前提下拉近效能差距,但代價是嚴峻的散熱挑戰。

  • 4

    散熱問題是Logic Folding路線的核心技術障礙。 多層堆疊讓熱能無處逸散,過熱會損毀晶片效能甚至燒毀元件,華為必須同步突破先進封裝與冷卻系統,並自建EDA設計工具鏈,才能讓此路線成立。

  • 5

    --

實用技巧與重點

乾貨
  • 具體數字:
  • 蘇伊士運河承載全球約20%海洋運輸量
  • 約半數全球LNG透過該區域轉運
  • 每桶LNG運費:約126美元
  • 華為Logic Folding技術近六年已應用於380顆晶片
  • 華為TAU製程目標:2031年達到1.4nm等效效能水準
  • 技術名稱:
  • Logic Folding(晶片3D堆疊折疊架構)
  • TAU製程法(華為自研先進製程路線)
  • EUV(極紫外光微影,西方主流路線)
  • HBM(高頻寬記憶體,AI訓練關鍵元件)
  • EDA(電子設計自動化工具,華為正自研中)
  • 平台/產品:
  • 華為 KIRIN(鯤鵬)處理器,今秋量產,首款商業化Logic Folding晶片
  • Microsoft、Meta(作為HBM高端需求方被提及)
  • 上海(華為先進封裝研發主要基地)
  • 關鍵對比:
  • 美韓路線:晶片製造領先,困境在能源地理
  • 中國路線:晶片工具落後,困境在散熱物理與良率控制
  • --

結論

結論

AI競爭的勝負不在於誰的模型更聰明,而在於誰能先解決自己那條供應鏈上的物理瓶頸——西方是能源路線,中國是晶片散熱。

完整解析

詳細

2026年,全球AI競賽正面臨一個根本性的認知落差:主流金融媒體仍在追蹤NVIDIA股價與大型語言模型的參數規模,但真正決定勝負的戰場已悄然轉移至物理基礎設施——能源路線、供應鏈韌性,以及晶片物理的極限。這不是一場軟體之戰,而是一場由能源、物流與材料科學交織而成的「冰凍戰」。

西方陣營的核心困境源自地理。美國與南韓的晶片製造聯盟掌握當前最先進的EUV極紫外光微影技術,理論上擁有製造最精密晶片的能力,但其資料中心的能源供應鏈卻高度暴露於地緣風險之下。蘇伊士運河是關鍵節點——全球約20%的海洋運輸量與近半數LNG液化天然氣均須途經此地,每桶運費約126美元。中東局勢的任何動盪,都直接衝擊西方AI基礎設施的電力成本與穩定性,形成一條隱性但致命的供應鏈脆弱點。

中國的困境則截然不同,卻同樣棘手。被西方出口管制切斷最先進光刻設備的取得管道後,中國轉而走上一條「繞道物理」的路線。華為近六年已在380顆晶片中實驗並部署Logic Folding技術——一種透過3D垂直堆疊晶片層來提升等效效能密度的架構方法,無需仰賴EUV即可縮小等效製程尺寸。今秋即將量產的鯤鵬處理器,將成為全球首款商業化Logic Folding晶片;而華為的TAU製程法更聲稱,到2031年可達到1.4nm等效效能水準,在不追隨西方EUV技術路線的前提下實現。然而,這條路線帶來了嚴重的熱力學難題:多層堆疊意味著熱能被層層封鎖,無從有效逸散,過熱將導致效能驟降甚至元件損毀。為此,華為必須同步突破先進封裝技術、液冷系統,以及自研EDA電子設計自動化工具——相當於「用設計停車場的工具去設計晶片」,難度可想而知。良率控制更是一大隱患,任何細微缺陷在高密度堆疊結構中都可能引發系統級失效。

從宏觀視角看,這場競爭呈現出一種對稱的地緣物理困局:美韓聯盟擁有最好的製造工具,卻被能源地理所制約;中國擁有充裕的資本與健全的國內供應鏈,卻被晶片物理與工具缺口所限。AI革命的真正分水嶺,將由誰能先解決自身的物理瓶頸來決定——是南韓能否在HBM供應量上壓制能源成本壓力,還是華為能否攻克Logic Folding的散熱難題並實現矽源自主,才是決定下一個AI時代版圖的關鍵博弈。

---

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Claude Cowork vs Codex: 誰才是更好的AI工作助手?
16 min
AI 技術中文6月20日

Claude Cowork vs Codex: 誰才是更好的AI工作助手?

李厂长来了

  • 介面設計哲學不同:Codework 以標籤頁區分聊天、文書與程式碼三種模式,任務彼此隔離不混淆;Codex 則將所有功能整合在單一介面,減少切換成本,但頁面相對雜亂。
  • 第三方整合能力差距明顯:Codework 提供大量連接器並支援 Zapier 擴展,且可針對每個連接器精細設定讀寫權限(如 Gmail 只讀免確認、寫信需批准);Codex 的插件數量較少且缺乏同等級的權限控制機制。
  • 定時任務管理方式影響長期使用體驗:Codework 將同一自動化任務的歷史記錄歸類在同一條目下,便於追蹤;Codex 每次執行都獨立列出,隨任務增多左側欄會越來越臃腫,不利於長期管理。
我贏得 NVIDIA GTC Taipei 2026 的金票啦!這 4 天展期會有什麼不一樣的體驗呢? | Computex 2026
編輯精選
28 min
AI 技術中文6月20日

我贏得 NVIDIA GTC Taipei 2026 的金票啦!這 4 天展期會有什麼不一樣的體驗呢? | Computex 2026

EngineerGary

  • Tokenomics 重新定義 AI 工廠價值:黃仁勛將所有輸出重新框架為 Token = Revenue,傳統工廠生產實體商品,AI 工廠改為生產 Token;對製造端而言,目標是以最低成本產生最多 Token,實現每投入 1 元帶回 3–5 元回報的商業邏輯。
  • 開源策略是市場放大器而非讓利:NVIDIA 釋出 Cosmos 3、Apomile 3 等開源模型,以及通用人型機器人,目的是降低新創進入自動駕駛、World Model、Physical AI 的門檻,擴大整體生態系規模,最終帶動更多算力與服務需求(「The more you buy, the more you earn」)。
  • Deal to Delivery Agent 解決中小企業流程瓶頸:Gary 團隊識別出企業收到客戶需求後,需跨工具手動完成報價、開票、GitHub issue、通知等重複性操作是最大效率殺手;Agent 自動拆解商機、建立 ERP 記錄並推送 Telegram 通知,人類只需在 Draft 狀態下做最終 Review 確認。
黃仁勳親自欽點⁉️執笠手機公司 BlackBerry 變身 AI 機械人主系統🤖下一個大浪提前準備
編輯精選
30 min
AI 技術中文6月20日

黃仁勳親自欽點⁉️執笠手機公司 BlackBerry 變身 AI 機械人主系統🤖下一個大浪提前準備

Coco哥

  • QNX 擁有機器人 OS 三大不可替代技術門檻
  • Windows 響應延遲 200 毫秒,Linux 一旦核心崩潰全部失效,而 QNX 具備毫秒級即時決策、ISO 26262 ASIL-D 與 IEC 61508 SIL-3 最高安全認證,以及微型內核獨立架構(單一模組崩潰不影響其餘系統),三項條件同時達標,現階段競爭對手均未能複製。
  • 40 年護城河非短期可追趕