2025年是中国算力基建与AI产业深度融合的关键一年。国家先后出台政策，明确提出构建高性能存力体系、强化算网存协同，为人工智能产业化提供坚实基础。

在这一背景下，全球科技巨头纷纷加速布局——近日，英伟达以9亿美元收购芯片互联企业Enfabrica核心团队，正是看中其万卡级GPU协同技术，以突破AI算力集群的规模瓶颈。

存力决定算力效率，芯片决定存力天花板

随着大模型参数规模与训练数据量爆发式增长，单一服务器已无法满足AI计算需求。GPU集群规模越大，对数据传输、存储调度和硬件兼容性的要求就越高。正如英伟达最新机架设计中72个GPU需协同工作，Enfabrica的技术则进一步实现10万台GPU互联，这正是存力体系从“单点高效”迈向“全局智能”的核心跃进。

而这一切，最终依赖底层芯片与硬件创新。高速互联芯片、智能存储控制芯片、数据压缩/加密专用芯片等，已成为存力系统的核心组件。它们需具备高带宽、低延时、高可靠等特性，直接关系到数据能否“存得下、流得动、用得好”。

芯片人才竞争已成全球AI战略焦点

英伟达此次收购并非个例。Meta、谷歌、微软等企业早已通过百亿级资金投入“抢人”：

Meta以143亿美元招揽Scale AI团队；

谷歌24亿美元引入Windsurf核心技术人才；

微软、亚马逊也通过类似操作强化AI基础设施能力。

这类交易反映出同一趋势：硬件人才正成为AI竞争中的稀缺资源。尤其在我国，从算力网建设到存力中心落地，从智驾到医疗AI，芯片设计、PCB布局、硬件系统架构等岗位需求急剧上升，而符合企业要求的高质量人才仍存在巨大缺口。

融通产业与人才，助力中国AI底层生态崛起

AI不仅是算法之争，更是硬件与人才之战。如何应对？

1、为企业提供数据资产化赋能

帮助科技企业盘活数据资源，通过数据资产估值、融资优化与债务结构设计，支持其加大在芯片、存力等关键领域的研发投入。

2、为行业定向培育硬科技人才

聚焦芯片与智能硬件领域，面向本科生开展PCB设计、高速硬件系统开发等专项培训，以企业实际需求为导向，输送能设计、能调试、能优化的实战型工程师。

英伟达的9亿美元告诉我们：未来的AI竞争，属于那些能打通“芯片-存力-算力-数据”全链条的企业与生态。而破局之路，离不开政策引领、产业协同与人才基石——唯有夯实底层，方能决胜云端。