问题——算力“越做越大”是否存在不可逾越的边界？ 近年来——全球进入数字化加速期——大模型训练、云计算和边缘智能带动算力需求持续攀升；数据中心扩张、芯片制程逼近纳米尺度、能耗压力加剧等现象表明，传统以“更小晶体管、更高频率、更大集群”为路径的增长模式正遭遇瓶颈。物理学研究指出，信息并非抽象符号，而与能量、空间和热力学过程紧密相连，存储、擦除与计算都存在由自然常数决定的上限。 原因——三条定律从“容量、能耗、速度”锁定极限 第一条约束来自贝肯斯坦界限。该界限表明，在给定体积尺度与能量条件下，一个封闭系统能够容纳的信息量存在最大值，其上限与系统能量以及可包络的最大半径有关。通俗而言，物质的“信息密度”并非无限可压缩，即便把宇宙想象成一块硬盘，其可写入的数据量也受基本物理规律约束。以日常物质为例，有限体积与质量的水在理论上可承载极其庞大的比特数，这显示自然界潜藏着远超现有存储技术的“容量天花板”，但也意味着再更必须面对更严苛的物理条件与工程代价。 第二条约束来自兰道尔原理。该原理指出，信息擦除是不可逆过程，必然伴随最少能量耗散，且与设备温度成正比。在室温条件下，删除或重置一个字节也存在最低能量成本。随着数据规模从TB迈向EB乃至更高量级，单次操作的能量虽小，但在高频读写与大规模训练场景中会被放大，最终体现为电力需求上升与散热压力增大。这意味着，“更低能耗”不能仅靠管理优化，而需从计算范式、器件物理与热设计层面系统应对。 第三条约束来自布雷莫曼极限。该极限给出了单位质量在单位时间内可处理的信息量上限，强调计算速度受质量—能量与量子尺度限制。直观来看，即便为一块巨大的物质装上再先进的器件，其每秒可完成的计算步数也不会无限增长。由此可见，单纯依靠增加规模提升性能会触及边界，算力提升必须在架构并行、算法效率与系统能量约束之间重新平衡。 影响——从产业竞争延伸到能源与安全的综合议题 上述约束对未来信息产业带来多重影响：一是算力增长将更明显地受到能耗与散热的牵引，数据中心的选址、供电结构与低碳转型将成为核心竞争力；二是“存得下”不等于“用得起”，存储密度提升同时将带来更复杂的可靠性与热管理挑战；三是信息处理能力与国家科技竞争、产业链安全密切相关，谁能在接近物理极限的工程化路径上率先突破，谁就可能在新一轮技术迭代中占据主动。 对策——以体系化创新跨越工程瓶颈、逼近物理边界 业内普遍认为，应对“极限约束”需多线并进：在器件层面，推进新材料与新型存储/计算器件研究，提升能效并降低单位操作热耗；在架构层面，发展面向特定任务的专用加速、近存计算和异构计算，减少不必要的数据搬运与冗余计算；在算法层面，强调“以更少计算得到同等效果”，通过模型压缩、稀疏化、量化与训练策略优化降低算力消耗；在基础设施层面，加快绿色电力消纳与先进散热技术应用，构建面向高密度算力的能源保障体系；在基础研究层面，加强量子信息、可逆计算与低温计算等方向探索，力求在遵守热力学约束前提下打开新的效率空间。 前景——从“无限扩张”转向“效率优先”的新范式 从长期看，物理学给出的不是“停止前进”的结论，而是明确技术演进的坐标系：信息处理的上限存在，但接近上限的过程将催生新的材料体系、计算范式与产业结构。未来算力竞争将更强调单位能量可产出的有效信息处理能力，即“能效算力”与“有效算力”。同时，随着基础研究不断推进，围绕可逆计算、低耗散器件及量子信息等方向的突破，有望在既有约束内实现跨越式提升，为下一代信息技术打开更广阔空间。
信息技术的每一次飞跃都需遵循自然规律；从存储容量到能耗成本——再到计算速度——三大物理定律提醒我们：算力并非无限，效率才是核心。唯有尊重规律、推动工程创新与绿色转型，才能实现数字社会的可持续发展。