英伟达将在RTX 7090这代Feynman GPU上，外挂LPU，加强AI推理性能

目前，英伟达虽然在AI芯片领域保持领先地位，但面临的竞争压力正不断加剧。不仅需要应对英特尔、AMD等美国同行的追赶，来自华为的挑战尤为突出——华为不仅具备自主设计与制造能力，更在软件乃至HBM内存等领域实现全栈自研。简言之，英伟达聚焦于芯片设计与软件生态，而华为提供的是覆盖硬件、软件与系统的完整AI解决方案。

为巩固在AI计算尤其是推理性能上的优势，有消息称英伟达或将在2028年推出的Feynman架构GPU（例如被称为RTX 7090的产品中），首次引入Groq的LPU推理单元。该单元有望通过3D堆叠技术与GPU核心结合，显著提升AI推理效率，但这也可能带来架构调整、软件兼容性与功耗控制等一系列挑战。

LPU是Groq推出的专用推理芯片，其设计理念高度聚焦：不过求通用灵活性，而是专攻低延迟与高吞吐的推理任务，可视为典型的“性能偏科生”。根据相关披露，LPU模块将基于台积电SoIC或混合键合等先进封装技术，以类似AMD 3D V-Cache的方式与GPU核心堆叠结合，形成“GPU+推理加速外挂”的协作模式。

尽管这一路径在理论上能大幅提升推理性能，却也存在两个明显的制约因素：

首先，散热挑战极为严峻。高密度计算单元与3D堆叠结构本身已对散热提出极高要求，加上LPU持续高吞吐的运行特性，将进一步推升整体热设计功耗，给芯片冷却带来巨大压力。

其次，软件生态融合困难。英伟达现有的CUDA环境注重硬件抽象与编程便利性，而LPU则依赖于显式的内存与执行控制机制，两者在执行模型上存在根本差异。如何实现CUDA与LPU之间的高效协同，将成为极具挑战的系统工程。

若英伟达仅为追求硬件性能而简单叠加模块，很可能导致整机能效大幅下降，同时使软件优化复杂度急剧上升，反而影响实际用户体验与系统稳定性。在激烈的市场竞争中，如何平衡性能提升与整体系统的可持效发展，将是其必须谨慎应对的关键课题。