2027年新高考语文备考现代文阅读训练之五：新题型训练（含答案）.docxVIP

（一）阅读Ⅰ（19分）

阅读下面的文字，完成小题。

芯片越来越强，算力“卡”在哪儿

打开手机，只需几秒就能用AI工具生成一幅画；输入几句话，智能助手便可对答如流；各种短视频平台能精准捕捉用户的兴趣偏好，推送个性内容……人工智能，正以前所未有的速度走进生活，成为不可或缺的数字助手。然而，这些“丝滑”体验的背后，隐藏着一个日益紧迫的问题——算力焦虑。

随着人工智能模型持续扩容，参数规模从千万级迈向千亿级，计算需求以指数级增长。尤其是大语言模型、自动驾驶、图像生成等前沿应用，对芯片性能、数据传输速度与能耗都提出了前所未有的挑战。对此，有业内人士形象地比喻：AI的“聪明”，是在高能耗与热量中淬炼而成。

在芯片性能持续增强的今天，为何“算力瓶颈”依然如影随形？

实际上，算力瓶颈正迁移至系统内部的信息传输环节。训练一个大型模型通常需要上千颗GPU（图形处理器）芯片协同运算，而GPU之间的数据传输速度远低于GPU内部的数据处理速度，成为制约计算效率的关键一环。DeepSeek之所以能异军突起，一个很大的原因就是通过底层软件层面的创新，优化芯片间的传输效率，从而显著提升了大规模模型训练与推理的效率。

然而，系统的性能最终还是要受限于硬件。目前，大多数芯片之间的数据传输仍依赖“电互连”，即通过金属导线传递电信号。但这种成熟的方式正面临诸多难以忽视的挑战：首先是带宽限制，电信号在导线中传播时易受干扰，