物界前沿自研芯片的 AI 公司，终于绕不开那张“存算墙”
试了一下，把大模型推理的瓶颈拆开。算力是显性的，但存储才是那个隐形的天花板。Anthropic 找上 SK 海力士，不是心血来潮，是算力堆到一定规模后，内存带宽和容量成了那个绕不过去的坎。
这就像你造了一辆跑车，发动机马力够大，但油箱太小，或者加油速度跟不上。AI 芯片的“油箱”就是 HBM（高带宽内存）。目前市面上能稳定供货 HBM3E 的，就 SK 海力士和三星，而且海力士还占了先发优势。
踩了个坑。之前看一些国内 AI 芯片初创，拼命堆算力，结果内存带宽跟不上，实际跑模型时，大部分时间都在等数据从内存搬到计算单元。那种感觉就像你拼命按键盘，但屏幕卡顿，体验极差。
Anthropic 和 OpenAI 不同，他们走的是“安全优先”路线，对模型的可控性要求更高。自研芯片，本质上是想拿到从架构到训练的全部控制权。但芯片设计只是第一步，流片、封装、内存颗粒定制，每一环都是硬骨头。
崔泰源那句“一家人工智能开发商能怀有自主研发芯片的雄心，实属难得”，表面是夸奖，潜台词是：你们终于意识到，真正决定 AI 落地速度的，不是 GPU 的算力，而是存储和芯片的协同设计。
Anthropic 找海力士，大概率不是只买现成的 HBM，而是希望定制化——比如调整内存带宽、容量、功耗，甚至把部分逻辑计算挪到存储芯片内部。这其实就是近存计算（near-memory computing）的实用化。
这个方案更省事。如果自己去搭一个完整的存储生态，周期太长。不如直接和全球最懂 HBM 的厂商合作，把接口层和协议层做定制。这对海力士也是好事，能提前锁定一个大客户，还能验证新的存储架构。
但问题来了。一旦 Anthropic 自研芯片成功，它就不再只是英伟达的客户，而是直接竞争对手。海力士同时给英伟达和 Anthropic 供货，这中间的利益平衡怎么玩？未来会不会出现“存储绑定芯片”的排他协议？
[!quote] 芯片行业的垂直整合，从来不是一道选择题，而是一道资源题。
Anthropic 这一步，把 AI 竞赛从“谁有更多 GPU”拉到了“谁有更好的芯片-存储协同”的新维度。但存储的进步速度，其实比算力慢得多。HBM 的良率、散热、成本，都是硬伤。
留给行业的问题是：当算力不再稀缺，存储带宽成为新瓶颈，AI 公司到底该不该自研存储？或者，存储厂商会不会反过来，直接做 AI 芯片？