Bernstein明星分析師Stacy Rasgon認為，在AI基礎設施投資逼近美國GDP 4.4%的狂飆突進下，半導體行業正迎來史無前例的真實“超級周期”。

    6月21日，聚焦新興科技前沿的播客Tech Surge Deep Tech Podcast發布最新訪談實錄，Celesta Capital創始管理合伙人Michael Marks與伯恩斯坦（Bernstein）知名晶片分析師Stacy Rasgon進行了一場深度對談。

    在長達近一小時的對話中，雙方深入探討了AI驅動下的半導體營收增速、AI從訓練到推理的跨越、供應鏈各環節的產能瓶頸，以及行業未來增長的可持續性空間。

    與大多數華爾街分析師不同，Rasgon擁有麻省理工學院博士學位，是純正的工程師出身，這使得他更看重成熟的物理定律和資本流動。

    Rasgon明確指出，當前半導體行業正在經歷一場他從業以來見過的最大規模的需求大爆發。去年，半導體行業總營收突破了8000億美元，而今年正在向1.3萬億美元的規模狂奔。

    Rasgon在訪談中感嘆：

    在我的整個職業生涯中，我一直聽到‘超級周期’這個詞。而這可能是我真正見過的第一個。我們現在聽到的唯一聲音就是，沒有人的算力是夠用的。

    Rasgon強調，當前市場焦點正從“模型訓練”向“AI推理”轉移，這是實現商業化變現的核心。同時，產能瓶頸正從GPU向HBM存儲、半導體設備乃至電力供應全面蔓延。

    未來，博通代表的定製晶片（ASIC）與英偉達的GPU將在日益擴大的增量市場中長期共存，共同消化這波深不見底的算力需求。

    供應鏈的“打地鼠”遊戲，全行業正被AI強行拉動

    隨著AI算力需求的無底洞被打開，市場正呈現出一種奇特的“打地鼠”效應——產能瓶頸正在產業鏈上逐個爆發。

    Rasgon詳細拆解了這一現象：

    一切都在被這種對AI算力貪得無厭的需求所拖動。在我的職業生涯中，從未見過如此規模的景象，情況從加速器蔓延到存儲，再到半導體製造設備、網絡和光學器件、功率半導體，現在甚至連CPU也供不應求。

    以存儲器為例，行業正在經歷有史以來最強勁的上升周期，價格每季度都在翻倍。這背後的核心推手是HBM（高帶寬存儲）。Rasgon透露了一個關鍵的數據細節：

    在一個AI晶片的矽片面積中，可能有85%以上都是HBM。

    更關鍵的是“折算率（trade ratio）”問題。他說：

    由於堆疊技術的良率損耗和邏輯裸片空間的占用，製造1GB的高帶寬存儲，大約需要4倍於標準DRAM的矽片面積。

    這意味著即便晶圓廠瘋狂擴產，實際產出的存儲容量（比特數）增量依然十分受限。

    這種極端的需求甚至讓處於弱勢的企業也意外獲益。談及英特爾的伺服器CPU業務時，Rasgon直言不諱地指出，當前的伺服器需求異常強勁，以至於英特爾甚至因此獲得了利潤率的上行：

    需求太強勁了，以至於他們甚至把以前註銷過、像垃圾一樣扔在倉庫角落裡的庫存都賣掉了。客戶現在的態度是：‘我們不在乎，我們要了，請賣給我們吧。’

    拐點來臨：“你無法靠訓練模型賺到任何錢”

    儘管千億美元級別的資金正在湧入，但市場最大的擔憂在於：這種增長可持續嗎？想像空間到底在哪？

    Rasgon將破局點直指“推理（Inference）”。他強調，大量的資金此前用於大模型訓練，但這並非商業化的終局。Rasgon表示：

    你無法靠訓練模型賺到任何錢……你必須能把模型用起來，這就是推理。

    這種轉變已經開始體現在初創公司的驚人數據上。Rasgon在訪談中援引數據稱，類似Anthropic這樣的公司，其年化收入運行速率呈現出垂直上升的態勢，

    去年12月是90億美元，今年1月達到140億美元，而在近期（4月）已經達到了300億美元。

    此外，隨著英偉達近期收購Groq，推理市場的細分需求正在凸顯。Rasgon指出，並非所有的數據“詞元”都具備相同的價值。

    對於需要極低延遲、極快響應的特定推理任務，定製化的晶片或專用的推理架構往往比通用GPU具有更好的經濟性。

    定製ASIC與GPU不是零和遊戲

    在推理需求爆發的背景下，定製化晶片（ASIC）的勢頭正在衝擊GPU的絕對壟斷。博通成為了這一趨勢的最大受益者。

    Rasgon在提及博通時表示：

    在這一切開始之前，博通曾說半導體是一個成熟行業，只有中等個位數的增長。但現在一切都爆炸了。（博通）他們說，明年他們認為能在AI收入上做到1000億美元。

    各大雲服務商為何執著於自研ASIC？Rasgon認為這不僅是出於性能優化，更是為了在英偉達高達75%的毛利率面前擁有談判籌碼。Rasgon說：

    至少當你坐在談判桌前和黃仁勛談判明年的合同時，你會希望口袋裡有點底牌。

    但Rasgon強調，這並非誰取代誰的遊戲。如果ASIC占據更大的份額，那是因為整個蛋糕變大了。

    對於龐大、穩定且內部開發的工作負載，ASIC能提供更低的總擁有成本；但如果模型結構改變，GPU的可編程性優勢則不可替代。Rasgon認為：

    正確的痛點在於：擺在我們面前的機會是不是還在變大？如果足夠大，他們兩者都會蓬勃發展；如果不大了，那大家都要完蛋。

    未來的終極天花板：電網可能支撐不住

    當被問及市場可能忽視的風險時，Rasgon將焦點從代碼和矽片拉回到了現實世界的物理基礎設施——電力。

    目前，雲巨頭們今年的資本支出已達6000億美元，如果未來基礎設施支出按照英偉達預期的每年3萬億到4萬億美元規模發展，人類現有的能源系統將面臨崩盤。

    Rasgon分享了他此前建立的一個測算模型：

    我們到底有沒有足夠的電力來做這件事？電網可能承受不了。美國的電力容量需要在未來十年內每年增長5%左右。而在電力設備分析師的眼裡，5%的年增長率是根本無法實現的。

    這意味著，下一波AI的創新和瓶頸突破口，將不可避免地落在能源生成、冷卻和核電等領域。正如他一直堅信的：

    永遠不要低估人類的聰明才智，如果有利可圖，工程師們總會找到出路。

    總體而言，只要AI的需求不發生斷崖式崩盤，整個半導體產業鏈的“超級周期”仍將持續，而資本市場的關注點，必須緊跟這些不斷在各個環節中遊走的“產能瓶頸”。

    以下為播客全文（AI輔助翻譯）：

    Michael Marks： 有一個詞在晶片行業每隔幾年就會被拋出來——超級周期。大多數時候，它都被過度渲染。偶爾，它是真實的。眼下，這些數字難以反駁：四大雲計算巨頭今年的支出預計將達到約6000億美元，其中大部分用於AI基礎設施。半導體行業去年營收突破8000億美元，正向1.3萬億美元邁進。

    今天我的嘉賓是Stacy Rasgon，他是伯恩斯坦（Bernstein）知名的晶片行業分析師。與華爾街大多數分析師不同，他是工程師出身——麻省理工學院博士，在寫第一篇分析報告之前，曾實際參與過晶片製造設備的研發。這一背景深刻影響了他解讀行業的方式：少一些投機，多一些對已被驗證的物理規律和資本流向的關注。

    今天我們將深入探討：AI周期是否真的有所不同？瓶頸在哪裡？塵埃落定後，誰能攫取利潤？

    Michael Marks： AI正在驅動如此巨大的數字體量，而且始終是新聞焦點，這在以前從未有過。這是真正的變化，還是只是另一個更大版本的周期而已？

    Stacy Rasgon： 這確實是關鍵問題。說來有趣，在我整個職業生涯中，"超級周期"這個詞我已經聽了無數遍了，但也許這是我真正親眼見證的第一次。

    半導體周期有幾種不同類型：

    供給周期： 在內存領域最為常見。供應趨緊，價格上漲，於是大量產能上馬。但隨後產能落地，需求卻已下滑——因為客戶在拿不到想要的零部件時，往往會超量下單，導致供需嚴重錯位。這類周期通常持續4年左右，從峰值到谷底。

    庫存周期： 半導體處於供應鏈末端，需求的微小波動會沿供應鏈逐級放大。需求一旦下滑，客戶就減少採購，消化自身庫存，半導體出貨量隨之低於實際需求；而當客戶開始補庫存時，出貨量又會超過實際需求。這類周期往往體現為季度性的起伏，大約持續幾個季度。

    產品周期： 比如我是一家移動端半導體供應商，能否贏得下一代iPhone的供貨資格，直接決定了收入的大幅波動。

    而我們眼下正在經歷的，似乎是一個需求周期，而且我從未見過規模如此之大的。無論是量級還是速度，都是前所未有的。

    更值得關注的是，AI半導體的爆發已經開始拉動整個行業。幾乎所有半導體細分領域，無論是股價還是盈利，都在向好發展。這波需求的傳導路徑清晰可見：從加速器，到內存，到半導體設備，到網絡和光通信，再到電源半導體，直至現在的CPU——一切都被對AI算力那種近乎貪婪的需求拖著走。

    目前我們聽到的唯一共識就是：沒有人擁有足夠的算力。

    Michael Marks： 內存一直是典型的周期性半導體產品。現在內存廠商需求旺盛、長期售罄——這種局面能持續多年嗎？況且市場上幾乎沒有新進入者，產能就這麼多。

    Stacy Rasgon： 我們來聊聊內存——這可能是歷史上最強勁的內存周期。要知道，僅僅18個月前，我們還深陷可能是自網際網路泡沫以來最糟糕的內存寒冬。

    你提到入局者減少，確實如此。回溯20到30年前，內存廠商多達30家；而如今，根據內存類型的不同，只剩下3到6家。上一個寒冬里，這些廠商雖然虧損，但尚能支撐；回到網際網路泡沫時代，卻出現了大規模破產。如今的行業格局比那時更為健康穩固。

    目前，內存價格已經出現每季度翻倍的情況，需求火爆，根本原因正是AI。

    這裡有必要區分兩大主要內存類型——DRAM（動態隨機存取內存）和NAND（快閃記憶體）：

    DRAM 類似PC里的內存條，負責運行系統；

    NAND 類似手機里的存儲晶片，用於保存照片等數據。

    在DRAM領域，有一些格外值得關注的動態。AI晶片大量使用一種特殊的DRAM——HBM（高帶寬內存）。它將多顆DRAM晶片垂直堆疊封裝在一起，每顆AI晶片都需要配置大量這類內存封裝。

    如果統計一顆AI晶片所有部件的矽片面積，HBM占比可能高達85%以上。

    更重要的是，製造HBM存在所謂的**"轉換比率"問題：由於堆疊工藝導致良率下降，加上需要預留連接器空間，製造同等容量的HBM所需的矽片面積，大約是普通DRAM的四倍**。這意味著，即便大量擴充晶圓產能，實際能新增的存儲容量也相當有限。

    只要AI需求持續增長，這一局面應該不會改變。而如果AI需求真的崩了，那大家都完了，所以這個場景不在我的擔憂範圍內——目前也沒有任何跡象顯示會走到那一步。

    Michael Marks： 你關注這個行業已經很長時間了，技術創新能隨著時間推移緩解供應壓力嗎？還是說需求實在太強勁，任何創新都無濟於事？

    Stacy Rasgon： 創新永遠都在發生。過去60年里，半導體行業有一條主線叫做摩爾定律——每兩年，在相同面積的矽片上可以塞入約兩倍數量的電晶體，而成本卻基本不變。換句話說，你每隔兩年就能用同樣的價格獲得兩倍的算力，或者以一半的成本獲得同等算力，同時性能提升、功耗降低——堪稱美妙。

    然而，摩爾定律在十多年前開始瓦解。這並不意味著技術進步的終結，但它意味著成本優勢這條腿從原本的"三腿凳"上抽走了。我們仍然能獲得性能和功耗方面的提升，但現在你必須為此買單。每個電晶體的成本不再下降，而是開始上升——這是全新的局面。

    當時，很多人擔心這將是行業的終結。但事實恰恰相反，它開啟了行業的文藝復興。因為它意味著：如果你想要更好的性能，你需要付錢，而不是等著行業免費奉送。

    我記得博通的前聯合創始人、時任CTO Henry Samueli，大約在2012年就談到這個問題。他展示了台積電每電晶體成本的走勢，指出成本在28納米節點觸底。他的核心觀點是：這不是壞事，這是整個行業40年來頭一次走向理性。

    摩爾定律終結之後，創新並未停止，只是轉移了方向：

    新型電晶體結構： 全新的器件架構持續演進；

    Chiplet架構： 將晶片拆分成多個小晶片，分別針對不同功能採用最優化的工藝，再通過先進封裝技術整合在一起，突破單塊晶片約830平方毫米的"掩膜極限"；

    先進封裝： 比如英偉達的Blackwell GPU，實際上是兩顆GPU晶片疊加，再搭配大量HB

資訊來源：華爾街見聞。如有侵權，請聯繫我們刪除。