## 一、一条链子上有三个关 AI 硬件的供给，大致卡在三个地方：制造、存储、封装。 任何一个跟不上，整体就上不去。 ## 二、制造：卡在产能不在设计 设计能做出来，但产线就那么多。 产能分配给谁，决定了谁先拿到芯片。这也是为什么“预订”比“下单”更常见。 ## 三、存储：最容易被忽略的一环 训练和推理都需要大容量高速存储。 很多时候算力够用，但存储带宽不够，芯片就在等数据。这个细节经常被忽略，但它直接决定了训练效率。 ## 四、封装：后道程的瓶颈 把芯片和存储封在一起，是提升带宽的常用做法。 问题是封装产线同样有限。预测芯片产量时只看晶圆，不看封装，就会算错。 ## 五、这三个关如何影响普通人 三层传导： 1. 芯片贵 → 云服务贵。 2. 云服务贵 → API 涨价或免费额度减少。 3. API 变贵 → 应用侧开始优化成本，一部分功能下线。 所以看到“某功能不再免费”，往往是半年前供应链决定的。 ## 六、一个判断方法 看产品团队的动作比看新闻可靠。 如果一家公司开始强调“小模型”“缓存”“批处理”，说明它在应对成本压力。 如果开始强调“更强推理”，说明它在抢客户。 ## 七、普通人能做什么 三件事都实用： 1. 不要把关键业务绑在单一免费额度上。 2. 自己存一份重要数据，平台会变。 3. 学会算一笔账，再决定要不要上 AI。 ## 八、一个提醒 本节只讨论技术与供应链结构，不讨论具体厂商与政策。 看任何一方的分析，都要先分清哪些是事实、哪些是推测。 ## 九、扩展阅读 硬件之上是软件与部署。想理解服务怎么跑起来，[BackendWiki](https://backend.37466.top/) 的 Docker 与 Linux 两个专题适合入门。