过去几年，AI基础设施的建设重心始终围绕模型训练展开：更大的集群、更快的加速器、更高的带宽，目的是让GPU保持满负荷运转。然而，这一设计逻辑正在悄然改变。随着AI工作负载向推理阶段迁移，数据中心面临的核心约束已不再只是计算速度，而是如何高效地存储、管理和调度推理所需的内存驻留数据。

训练与推理对基础设施的压力截然不同。

训练本质上是一个计算与带宽问题，目标是在高度协调的突发任务中最大化吞吐量，尽可能快地将大量模型参数、激活值和梯度传输给加速器。在这种环境下，内存被优化为高速、局部性强、带宽充足的资源，整个系统的设计核心是让昂贵的计算资源保持充分利用。

推理则改变了这一逻辑。模型部署之后，挑战不再仅仅是尽可能快地执行数学运算，而是要高效地处理数以百万计的请求，通常还需满足低延迟和不可预测的需求波动。在这种场景下，内存不再只是短暂训练数据的高速暂存区，而是服务本身的组成部分。

这是当前AI领域正在发生的最重要的基础设施转型之一。

在推理时代，内存的使用变得更加持久。它不再是在训练迭代中被消耗和丢弃的临时资源，而必须跨会话、跨请求、乃至跨应用长期保持可用。它需要保存现代AI服务所依赖的各类状态，包括键值缓存、嵌入向量、检索数据和会话上下文。对于推理模型和智能体系统而言，随着上下文窗口的扩展和中间状态的增多，内存需求还会进一步攀升。

这也带来了第二个转变：内存需求的增长越来越取决于用户活动，而非单纯取决于模型大小。

训练阶段的容量规划从模型大小和所需算力出发；而在推理阶段，用户数量、提示词长度、检索上下文的体量以及交互时长，都成为基础设施需求的关键驱动因素。同一个已部署的模型，因使用方式不同，可能面对差异悬殊的工作负载。更长的提示词、多轮对话、检索增强生成以及工具调用，都会增加内存压力，而有效计算量却未必等比例增加。

因此，推理系统正从带宽瓶颈转向容量与成本瓶颈。

这一区别至关重要。在许多情况下，支撑推理所需的内存占用可能与模型权重本身的体量相当，甚至超过后者。在服务大规模用户群或维护长上下文时尤为如此——键值缓存等运行时数据结构会快速膨胀，并在大量事务中持续占用内存。

然而，传统服务器架构并非为这种模式而设计。

在当前大多数系统中，内存与计算单元紧密耦合。如果运营商需要更多内存容量，通常的做法是增加CPU或GPU，以此换取更大的片上内存，即便实际上并不需要更多算力。当计算与内存同步扩展时，这种方式尚可接受；但当内存需求的增速远超实际处理需求时，这种方式就变得低效了。

这正是AI基础设施领域正在浮现的经济性问题。运营商不得不采购昂贵的计算资源，仅仅是为了获取更多内存。高带宽内存（HBM）等高性能内存技术对许多工作负载不可或缺，但其成本较高，容量也相对有限。通过传统方式扩展服务器内存，还会受到DIMM插槽数量、功耗预算和主板设计的物理限制。最终结果是基础设施过度配置、资源闲置以及总体拥有成本持续攀升。

这正是内存架构正在走向数据中心设计核心的原因。

AI基础设施的下一阶段需要将内存扩展与计算扩展解耦，并将内存作为可共享、可主动管理的资源，而非单台服务器的固有属性。这正是计算快速链路（CXL）技术的价值所在。

CXL为数据中心引入了全新的内存模型。通过将内存从计算单元中解耦并实现更灵活的管理，它使运营商能够将基础设施配置更精准地对齐实际工作负载需求，无需仅仅为了增加内存容量而扩充CPU或GPU，而是可以更直接地扩展内存，实现内存与计算的独立扩展。

这对利用率和成本都具有切实影响。

其一，CXL支持内存池化。运营商可以将内存动态分配给最需要它的主机和服务，而无需让内存闲置在低利用率的系统中。在大型环境中，这能显著提升整体利用率，也避免了为应对间歇性峰值而对每台服务器进行过度配置的浪费。

其二，CXL支持分层内存架构。并非所有数据都需要始终驻留在最昂贵、带宽最高的内存层。有些数据是热数据，对延迟敏感；有些是温数据，访问频繁但非持续；还有些数据体量大、持久性强，更适合放置在成本较低的层级。通过根据访问模式和性能需求灵活调度数据，CXL帮助运营商在成本与性能之间实现智能平衡。

其三，CXL有助于消除AI服务扩展方式与传统基础设施构建模式之间的结构性错位。当推理越来越依赖持久状态、不断增长的内存占用和不均衡的需求模式时，可组合内存架构比"每增加内存就必须增加昂贵算力"的旧模式更适合这个新世界。

这并不意味着计算变得不再重要。AI仍将持续需要顶尖GPU、高速互联和紧邻加速器的高性能内存。但重心正在转移——基础设施的挑战不再只是训练更大的模型，而是如何在规模化场景下日复一日、请求接请求地高效运营AI服务。

这既是性能问题，更是运营问题；而运营问题，归根结底是经济性问题。

外界对CXL的疑虑可以理解。对于一项新的互联标准而言，真正的问题不在于路线图是否宏大，而在于部署所需的核心功能是否已趋于稳定。就CXL 3.x而言，答案正越来越接近"是"：CXL 3.0引入了数据中心所需的Fabric架构、内存池化和点对点通信能力，而CXL 3.2则聚焦于设备管理、监控、安全性和向后兼容互操作性等同样重要但不那么显眼的工作。这并不意味着每个数据中心都会立即部署CXL，但规范已大幅向功能成熟和实际部署就绪迈进。

随着推理在AI活动中占据越来越大的份额，基础设施领域的竞争胜负将不再只取决于谁能提供最强的算力，而是取决于谁能在算力、内存容量、利用率和成本之间实现最优平衡。在这样的环境中，内存不能再被视为处理器旁边的被动组件，它已成为AI经济性的战略控制点。

数据中心行业已经用数年时间适应了训练阶段的需求，现在必须再次适应推理阶段的需求。这意味着：为持久状态而非瞬态批次而设计，为用户驱动的增长而非模型驱动的增长而设计，以及为内存效率而非单纯的算力扩展而设计。

CXL无法单独解决所有基础设施挑战，但它为推理时代提供了一条通向更灵活、更具经济理性的内存架构的清晰路径。随着AI服务持续扩展，这或许将成为现代数据中心最重要的变革之一。

Q&A

Q1：AI推理阶段对内存的需求为什么和训练阶段不同？

A：训练阶段主要是计算与带宽问题，内存用于快速传输模型参数和梯度，使用完即丢弃。推理阶段则需要持续保存键值缓存、嵌入向量、会话上下文等运行时状态，内存必须跨请求、跨会话长期驻留。同时，推理的内存需求随用户数量、提示词长度和交互复杂度动态增长，而非仅由模型大小决定，这使得内存成为推理阶段的核心瓶颈。

Q2：CXL技术是什么？它如何解决AI推理的内存问题？

A：CXL（计算快速链路）是一种新型互联标准，允许内存从计算单元中解耦，实现独立扩展和灵活管理。它支持内存池化，让运营商可以将内存动态分配给最需要的服务，避免资源闲置；同时支持分层内存架构，根据数据的访问频率和延迟敏感度将其放置在不同成本的内存层，从而在性能与成本之间实现更优平衡，解决传统服务器"买算力才能买内存"的经济性困境。

Q3：AI推理阶段带来了哪些数据中心基础设施的经济性问题？

A：传统服务器架构将内存与计算紧密耦合，运营商若需要更多内存，就必须采购更多CPU或GPU，即使并不需要额外算力。HBM等高性能内存成本高昂、容量有限，传统扩展方式还受到DIMM插槽和功耗的物理限制。这导致基础设施过度配置、资源闲置、总体拥有成本持续上升，形成显著的经济浪费。