随着人工智能对算力需求的持续增长，GPU显卡作为核心算力载体，其技术演进路径正引发行业广泛关注。近期，一份关于未来GPU与HBM内存发展的推演路线图在网络上流传，详细描绘了从当前到2035年间，AI显卡在核心架构、显存容量及功耗等方面的潜在演变趋势。这一趋势不仅将深刻影响数据中心与AI基础设施的构建，也对散热、供电等配套技术提出了前所未有的挑战。

根据推演，GPU核心面积在经历短暂增长后，未来或将呈现出缩小趋势。例如，规划中的Rubin架构核心面积约为728平方毫米，后续的Feynman架构微增至750平方毫米，但再往后的两代产品预计将逐步降至700及600平方毫米。与此同时，单个GPU核心的功耗将持续攀升，从当前的800至900瓦水平，逐步提升至1000瓦乃至1200瓦。

多芯片封装与HBM堆栈数量激增

为应对指数级增长的AI算力需求，多芯片互联封装技术已成为必然选择。目前主流方案为2芯或4芯封装，而推演显示，到2035年，单卡封装内的GPU核心数量可能达到8个。这直接导致承载芯片互联的先进封装中介层面积急剧扩大，从2000多平方毫米一路增长至最终的9000多平方毫米。

与芯片数量同步飙升的是高带宽内存（HBM）的堆栈数量。为缓解日益严重的“内存墙”瓶颈，HBM堆栈将从当前主流的x8配置，逐步翻倍增加。路线图预测，Rubin架构采用HBM4内存（x8堆栈），Feynman架构将升级至新一代HBM标准但仍维持x8堆栈，而后续产品将激进地提升至16堆栈乃至32堆栈。

显存容量与带宽迈入新时代

这种“暴力堆料”策略直接推动了显存容量与带宽的跨越式增长。显存容量将从当前的百GB级别，历经500GB、1920GB，最终跃升至6144GB（约6TB）的惊人水平。内存带宽也将从16-32TB/s起步，经过48TB/s、128-256TB/s阶段，最终突破1024TB/s（即1PB/s）大关，正式迈入PB/s带宽时代。

功耗飙升带来系统性挑战

性能暴涨的背后，是功耗的急剧攀升。单个GPU核心功耗的提升已不容小觑，而多芯封装与数倍增加的HBM堆栈相结合，使得整卡功耗呈指数级增长。推演数据显示，整卡功耗将从当前的2200瓦左右，逐步跃升至4400瓦、5920瓦，并最终达到15360瓦（约1.5万瓦）的级别。如此高的功耗不仅对数据中心供电与散热设计构成极限挑战，也引发了人们对未来高性能计算设备能源效率的深层思考。有观点指出，即便此类顶级功耗显卡主要面向AI计算领域，但其技术趋势若向下渗透，也可能对未来消费级显卡的功耗与电源标准产生深远影响。