〔展望〕未來計算：異構算力與就近推理

〔展望〕欄目的紀律先行：本篇不給年份預言，只給方向判斷——每個判斷附「趨勢依據」與「反證條件」，依據被推翻則判斷作廢，歡迎對照監督。未來計算的主線是一個確定性事實加三個方向：確定性事實是「算力需求的增長遠超摩爾定律的放緩」，三個方向是異構化、就近化、池化。本文屬於行業縱覽欄目的〔展望〕系列；今天就能落地的算力選購在選型中心。

判斷一：算力異構化——CPU 獨大時代終結

趨勢依據：①通用制程紅利放緩（公開行業共識），性能增長轉向專用架構；②AI 負載天然適配矩陣運算單元（GPU/NPU/TPU 類），能效比差距是數量級級別的（各廠公開的 perf/W 數據可查）；③DPU（數據處理器）把網絡/存儲/安全卸載出主 CPU，已成頭部雲廠商標配（公開產品目錄可查）。形態推演：未來的「一臺服務器」是 CPU + 加速器 + DPU 的組合體，按負載配比——推理節點重加速器、存儲節點重 DPU、通用節點才是今天的純 CPU 形態。反證條件：若通用 CPU 的每瓦性能出現數量級躍升（如新架構突破），或 AI 負載增長顯著放緩，異構化的經濟性會削弱。

判斷二：推理就近化——模型跟着用戶走

趨勢依據：①推理佔 AI 算力消耗的比重持續上升（訓練一次性、推理持續發生——行業公開共識）；②延遲敏感場景（語音交互、實時視覺、Agent 多輪調用）對物理距離不可妥協（光速下限，見地區延遲觀察）；③小模型能力密度上升（同任務所需參數量下降，公開研究趨勢），讓「邊緣跑得起模型」從口號變選項。形態推演：大模型集中在少數大機房、中小模型下沉到區域節點與端側，形成「中心訓練/大推理 + 邊緣輕推理」的分層——與 CDN 的內容分層是同構邏輯（歷史見雲計算演進）。反證條件：若網絡延遲問題被架構手段消解（如激進的預測式緩存讓交互無需實時推理），就近化的緊迫性下降。

判斷三：資源池化——算力調度的「電網化」

趨勢依據：①算力的時空錯配天然存在（訓練在夜裏便宜、推理在白天密集；東八區波峯是美西波谷）；②Serverless 已驗證「按秒計費 + 自動調度」的商業可行（2014 年至今的公開市場史）；③跨機房調度的一致性技術在成熟（全球負載調度、狀態同步）。形態推演：算力像電力一樣進入「調度市場」——用戶聲明需求（多少算力、什麼延遲約束、什麼預算），調度層決定在哪跑；「機房位置」從採購決策變成調度參數。反證條件：數據主權與合規的強化（數據不出境類監管擴面）會給池化設置硬邊界——池化可能止步於合規域內部。

三判斷對照表：依據、推演與反證

對今天的三個務實建議

• 買算力按「組合」思維：GPU 檔解決矩陣負載、CPU 檔解決編排與存儲、邊緣/CDN 解決分發——單一形態包打天下的採購會越來越喫虧（本站目錄的 GPU 檔與端口檔就是組合的原料，見在售配置）；
• 架構留「可遷移接縫」：推理服務與業務邏輯解耦（標準 API 邊界），調度位置變化時不用重寫——這是池化趨勢下最便宜的保險；
• 測量能力先於算力投資：異構與分層的前提是「知道負載長什麼樣」——延遲分布、算力佔空比、模型尺寸三張曲線圖，比任何趨勢文章都更能指導你的採購（測量方法見測量方法論）。

與本站路線圖的接口

三個判斷對本站的含義寫在AI 基礎設施路線圖裏：推理友好檔位（就近化）、測量數據資產化（池化的前提是可見）、GPU 整機檔（異構化的今天形態）——路線圖不承諾日期，但方向與本篇一致，可對照監督。

延伸閱讀：〔展望〕未來網絡 · 〔展望〕未來 Web 與 Agent · 〔歷史〕計算簡史。今天的算力形態對照在選型中心與GPU 入門。