RecodeX 重构消息，资深芯片设计师及硬件分析人士「Mr. Bubble」在 Frictionless Podcast 采访中表示，AI 算力基础设施的核心瓶颈正从单纯提升芯片算力，转向先进封装、系统互连延迟以及存储层级管理。他认为，先进制程成本快速上升而晶体管密度提升有限，摩尔定律面临经济性挑战，行业正更多通过先进封装将多颗芯片连接为一个计算系统，未来 AI 算力的基本单位可能不再是单颗芯片或服务器，而是完整机架甚至多个机架，PCB、封装和互连能力将成为关键限制因素。

在存储方面，他提出随着 AI 推理上下文窗口扩大，海量历史上下文不应全部占用昂贵的 HBM，行业可能更多采用闪存卸载，将高频数据留在 HBM、低频上下文迁移至更大容量更低成本的存储层，并预计 3D DRAM 可能成为下一代内存技术的重要方向。他还表示，随着预填充与解码逐步采用分离式架构，系统级硬件设计的重要性将进一步提升，拥有硬件、封装、存储等关键基础设施能力的企业可能在 AI 产业链中扮演更长期的角色。