芯片制造才是算力扩张的真正瓶颈

导语

本期嘉宾Dylan Patel是半导体分析机构Semi Analysis的CEO，长期追踪全球芯片供应链与数据中心建设。对话围绕四大云厂商6000亿美元资本开支、AI实验室的算力军备竞赛展开，核心议题是：当电力、土地等传统瓶颈可被克服后，芯片制造——尤其是EUV光刻机的产能——将在2028-2030年成为制约算力增长的最硬约束。

核心观点

• 四大云厂商今年约6000亿美元的资本开支并非全部用于当年上线的算力，其中很大一部分流向2027-2029年的涡轮机预付款、数据中心建设及电力采购协议，属于“为未来超速扩张布局”的前置投入。
• Anthropic因过去对算力合同过于保守，如今面临严重的算力短缺，被迫接受高价租赁或与次优供应商合作；而OpenAI因早期激进签约，在相同时间点拥有更充裕的算力资源，并形成了竞争壁垒。
• 衡量GPU价值不应只看芯片自身的折旧周期，而应看其能跑出多少高质量token。模型算法持续进步，使旧的H100芯片现在能产出比三年前更高质量的token，其单位价值反而随时间上升。
• 在算力受限的环境中，模型之间的“贬值”速度取决于能否锁定长期算力合同。早期签约5年的公司，相比后入者享有巨大成本优势，而新增算力交易的价格将随模型价值提升而水涨船高。
• 到2028-2029年，算力扩张的最终瓶颈将落在ASML的EUV光刻机上。目前每年约生产70台，即便激进扩产到2030年也仅约100台，而每新增1吉瓦算力就需要约3.5台EUV光刻机。
• 回到旧制程节点（如7纳米）并不能有效缓解EUV短缺。芯片性能差异远超单纯的浮点运算对比，网络拓扑、内存带宽、系统级集成等累积效应导致Hopper与Blackwell在实际推理性能上存在近20倍差距。
• 中国在2030年大概率能实现DUV光刻机完全本土化，但EUV尚处于“能造出样机”而非“量产”阶段。若AI发展速度缓慢，中国凭借完整供应链的整合优势可能逐步追平；而若快速度过拐点，美国及西方凭借算力规模将维持领先。
• 内存（DRAM/HBM）已成为比逻辑芯片更紧迫的瓶颈。2026年大型科技公司资本开支中约30%将用于内存采购，价格持续上涨正侵蚀消费电子领域——智能手机和PC出货量将因此显著下滑。
• 电力并非真正的长期瓶颈。除燃气轮机外，航空衍生发动机、船用发动机、往复式发动机、燃料电池及“峰谷储能”策略均可在5年内提供数百吉瓦新增容量，总供给远大于芯片制造带来的约束。
• 太空数据中心在本十年内不具备经济性。在芯片制造是核心瓶颈的世界里，算力应尽快部署并投入产出token；航天运输与卫星组网的时间延迟反而损失了算力最宝贵的早期效用期。

金句

• "An H100 is worth more today than it was 3 years ago." —— “一台H100今天的价值比三年前更高。”
• "In a chip constrained world, all that matters is get these chips working on producing tokens ASAP." —— “在芯片受限的世界里，唯一重要的事就是让这些芯片尽快开始产出token。”
• "Fast timelines, US wins, long timelines, China wins." —— “时间线快，美国赢；时间线慢，中国赢。”

本内容由 AI 根据访谈字幕提炼，观点归嘉宾所有。