芯片对互联网的作用：每一次"变快变便宜"背后都是它

没有芯片，互联网长什么样

先做一个反事实实验。把互联网里所有的芯片都退回 1980 年代水平，结果会是：

光纤再粗、协议再先进，信号到了两端没人能"理解"它，全网就只是一堆玻璃丝。 芯片是把"原始信号"变成"可用服务"的转换器。

互联网里有多少种芯片

跟着数据流动的路径数一遍，至少有 七大类：

你的设备
  ├─ SoC（CPU+GPU+ISP+基带）        — 一颗管所有
  ├─ 存储控制器（SSD/Flash）
  └─ 屏幕驱动 / 触控 / 传感器

家庭/办公网络
  ├─ Wi-Fi 芯片
  ├─ 网卡 PHY
  └─ 路由器 SoC（一颗精简版 CPU）

运营商网络
  ├─ 交换机/路由器 ASIC（Tomahawk、Jericho、华为 Solar）
  ├─ 光模块 DSP（信号调制解调）
  └─ 光器件（激光二极管、光电探测器）

数据中心
  ├─ 服务器 CPU（x86 / ARM）
  ├─ GPU / TPU / NPU（AI 训练推理）
  ├─ DPU / SmartNIC（卸载网络/存储/安全）
  ├─ 内存（DRAM, HBM）
  └─ 存储（SSD 主控 + NAND Flash）

每一类都是几百亿到几千亿美元规模的市场，七类合起来构成了全球半导体产业。

关键芯片在做什么

1. SoC：你手机/电脑的"大脑+感官"

SoC（System on Chip）是把多个功能集成在一颗晶片里：

苹果 A 系列、高通骁龙、联发科天玑、华为麒麟、谷歌 Tensor 都是 SoC。 它一颗失效，整台手机变砖——这就是为什么"麒麟芯片断供"会影响整台华为手机能不能上市。

2. 交换机/路由器 ASIC：互联网的"红绿灯"

数据包从一个端口进、另一个端口出，决策必须在几十纳秒内完成。 通用 CPU 慢得多，所以这事交给专用的 ASIC（专用集成电路）：

一颗 Tomahawk 5 的转发能力 = 每秒处理 51 万亿比特。 没有它，AI 训练集群里几千张 GPU 互相喂数据根本不可能。

3. 光模块 DSP：光纤两端的"翻译官"

光纤里跑的是光，但芯片只懂电—— 两者之间的转换由光模块完成。它里面有三种关键芯片：

• 激光二极管驱动 + 调制器：把电信号转成有规律的光脉冲
• TIA + 光电探测器：把接收到的光变回电信号
• DSP（数字信号处理器）：补偿色散、噪声、做前向纠错

现代 800G/1.6T 光模块的 DSP，单颗就要消耗几瓦电—— 一个 AI 数据中心机柜里光模块的耗电，能占到总耗电的 10%+。

光模块 DSP 长期被博通、Marvell、Inphi 等美国厂商主导， 这是中国当前光通信产业链上为数不多还未追平的高地。

4. CPU：服务器与云的"通用引擎"

数据中心里九成的"普通工作"都跑在 CPU 上：

CPU 的"通用性"是它的护城河—— 跑数据库、Web 服务、缓存、消息队列，CPU 都比专用芯片划算。 但AI 训练已经几乎完全离开 CPU——下一节。

5. GPU / TPU：AI 时代的"碳基取代品"

AI 的核心运算是矩阵乘法——CPU 一秒做几亿次，GPU 一秒能做几百万亿次。

英伟达一家公司因为这波 AI 浪潮市值冲到几万亿美元， 互联网的"算力供应"已经从几十家 CPU 厂商集中到了几家 GPU 厂商—— 这是过去 30 年最大的产业格局变化之一。

6. DPU / SmartNIC：把"杂活"从 CPU 卸下来

数据中心里的 CPU 不应该浪费在拆 TCP 包、做加密、扫数据上。 这些事被搬到了一颗专门的 DPU（Data Processing Unit）：

原来:  CPU 又算业务又处理网络/存储  →  业务被网络拖慢
现在:  DPU 负责网络/存储/安全/虚拟化  →  CPU 专心跑业务

代表产品：英伟达 BlueField、AMD Pensando、AWS Nitro、阿里云 CIPU、 华为擎天卡。云厂商每一代基础设施升级，几乎都伴随 DPU 换代。

7. 内存与存储：芯片里"看不见但贵"的部分

• DRAM（动态内存）：三星、SK 海力士、美光三家垄断
• HBM（高带宽内存）：紧紧绑定 GPU，每颗 H100 上带 5–6 颗 HBM3，单价占 GPU 成本的 40%+
• NAND Flash（固态存储）：长江存储已进入第一梯队

AI 时代最大的瓶颈不再是"GPU 算力"，而是 "HBM 喂不饱 GPU"—— 内存带宽决定了大模型训练的实际效率。这是过去两年 HBM 价格翻倍的根因。

摩尔定律：互联网价格的"超级杠杆"

把"互联网越来越便宜越来越快"翻译成芯片语言，就是一个事实：

每代制程缩小（从 7nm → 5nm → 3nm → 2nm），同样性能的芯片，功耗减半、单价腰斩。

这条规律支撑了过去 60 年所有"指数级降本"。互联网受益于此的具体表现：

每一格下降，对应的是芯片那一格的工艺前进。没有摩尔定律的复利，就没有今天免费视频电话。

芯片如何影响每一层互联网

把序号 4 的 互联网分层图 配上芯片：

任何一层的瓶颈，几乎都能在芯片上找到原因。这也是为什么"芯片"在新闻里出现频率 远高于其他基础设施——它是几乎所有数字技术的瓶颈层。

中国芯片在互联网产业链的位置

不绕弯，按事实分类：

已基本自主

• 光纤本身、光器件部分（中际旭创、新易盛、华工正源）
• 4G/5G 基带（华为、紫光展锐）
• Wi-Fi 6/6E 芯片（华为、博通竞品已有）
• 路由器 SoC（华为、瑞昱）
• NAND Flash（长江存储 232 层）
• AI 推理芯片（寒武纪、海光、平头哥）

部分追平

• 服务器 CPU（鲲鹏、海光、飞腾）
• 交换机 ASIC（华为 Solar 系列）
• AI 训练芯片（昇腾 910B/910C 接近 A100，距 H100/B200 仍有一代差距）

仍受制于人

• 高端 GPU（受限制 + 工艺差距）
• 光模块 DSP（博通/Marvell 主导）
• 高端 EDA 工具（Synopsys/Cadence/Siemens）
• 先进光刻机（ASML 一家垄断 EUV）
• 高端 DRAM/HBM（三星/海力士/美光）

下一代芯片的几个方向

往未来看 5–10 年，影响互联网格局的几个芯片技术：

1. Chiplet（小芯片）

不再追求把所有东西做到一颗大芯片上， 而是用多颗"小芯片"通过高速互联组合—— AMD Zen / 英伟达 Blackwell / 苹果 M Ultra 都是这种思路。 可以绕开先进制程的良率瓶颈，给"非顶级工艺国家"留下追赶窗口。

2. Co-Packaged Optics（光电共封装）

把光器件直接封装到交换机/GPU 旁边，砍掉中间一段铜走线。 预计 2027–2029 年成为 1.6T+ 以太网的主流方案。 意义：数据中心进一步"光化"，铜的最后一公里也开始退场。

3. 神经形态 / 模拟计算

模拟人脑神经元结构的芯片（Intel Loihi、IBM TrueNorth）。 单位能耗算力可能比传统 GPU 高 100–1000 倍——前提是软件生态能跟上。 目前还在实验室阶段，但可能是 AI "撞功耗墙"之后的下一条路。

4. 量子芯片

短期内不影响普通互联网，但会颠覆"加密"层—— 当前 HTTPS / TLS / 区块链用的加密算法在足够强的量子计算机前是脆的。 后量子密码学（PQC）的部署已经开始，浏览器和 TLS 库已经在做实验性支持。

一句话总结

芯片对互联网的作用，就是**"让光纤里的信号变得有意义"**—— 没有芯片，光纤只是几百万公里的玻璃丝；没有芯片，数据中心只是一栋栋空楼；没有芯片，AI 只是一篇论文。 互联网每一次"更快、更便宜、更智能"，背后都对应着某颗具体的芯片： SoC、ASIC、GPU、DPU、HBM…… 看互联网的未来，本质上就是看下一颗芯片能不能继续往前走。

延伸阅读

• 系列上一篇：光纤对于互联网的作用
• 系列下一篇：何为人工智能？对人类的利与弊
• Chip War, Chris Miller（2022）—— 芯片地缘政治的最佳入门
• The Innovators, Walter Isaacson —— 从晶体管到互联网的发明史
• Hennessy & Patterson: Computer Architecture —— 计算机体系结构经典教材