邓副局长努力记住，追问：“劣势呢？”

“劣势主要有四个方面。”曲卓放缓语气：“首先，就是我刚说的通信链路带宽瓶颈。

虽然1024颗处理器组成10维超立方体，最远节点之间仅需要10次数据转发，网络平均延迟是可控的。但，只是小规模并行推理尚可。

一旦智能体需要全局知识库检索、跨大量节点交换上下文信息，大量小包并发就会挤占通道，出现网络拥塞。”

“稍等。”邓副局长感觉单凭脑子根本记不住，从包里掏出工作笔记和钢笔。

这章没有结束，请点击下一页继续阅读！

翻到一个空白页，先捡要点把之前听到的技术局限和适配人工智能体的优势记下来，又另起一页。

稍稍回忆了下刚听到的内容，记录下通信链路带宽瓶颈和后面的解释。

凭记忆写完后，抬头看曲卓。

“第二。”曲卓继续：“单芯片本地内存只有2Kb，做科学计算够用，但对人工智能体要加载的庞大数据来说，太小了。

如果加外置内存，每一次读取大容量知识库，都需要通过串行链路向外存取，会加重我刚才说的通讯链路带宽压力，进一步推高延迟。”

稍稍给了邓副局长一些记录的时间，曲卓继续说：“第三，也是我之前提到的，时钟异步的问题。

大规模集群中，不存在全局统一时钟。当多节点需要同步协作推演时，必须额外增加同步握手协议，这会占用，并持续消耗带宽。

第四，动态负载均衡很难。AI智能体推理任务的负载极不稳定，有的分支快速收敛，有的分支持续深度推演。

超立方体构架缺少全局调度单元，容易出现一部分芯片满载、一部分闲置，导致算力利用率波动巨大。

简单的说，就是……空有很高的算力。但在实际使用中，资源无法被高效利用。一千多颗处理器忙的忙死，闲的闲死。

而这种负载不均衡的情况，又会加重温度变化和电压波动。时钟抖动的情况进一步加剧，协作推演时效率更低，带宽消耗更大，还加重网络堵塞。”

邓副局长边记录边消化，虽然对具体原理依旧不甚明了，但通过文字的纸面含义能看出来，四个点劣势不是孤立存在的，而是相互关联相互叠加……