SemiAnalysis深度解析：AI基建融资约束与英伟达护城河挑战

AI基础设施投资仍有增长空间，但融资成本上升、半导体供应链受限与自研芯片竞争加剧，正在共同考验这轮AI热潮的持续性。

在10月23日于美国举行的CASPA第35届年度大会上，SemiAnalysis创始人兼CEO Dylan Patel、Bernstein董事总经理兼高级分析师 Stacy Rasgon，以及Austin Lyons围绕半导体行业前景展开讨论，重点涉及AI基础设施投资、供应链瓶颈与芯片竞争格局。

Patel指出，当前AI算力需求依然旺盛，但基板、内存等关键环节的产能约束，正在限制基础设施扩张。与此同时，融资成本大幅攀升，缺乏长期客户订单的新兴云服务商越来越难以获得资金，AI投资能否持续推进，不仅取决于需求，也取决于项目的融资能力与回报。

对于英伟达，Rasgon认为，其产品性能提升仍能支撑较高售价，但云厂商自研芯片正在改变竞争格局。随着Google TPU、亚马逊Trainium以及OpenAI等企业的自研芯片计划推进，英伟达即使继续增长，也可能面临市场份额和定价能力的双重压力。

内存市场则面临另一重考验：HBM需求旺盛、行业利润率处于高位，但厂商扩产可能在2028年后逐步改变供需关系。未来两年，融资能力、关键零部件供给与自研芯片的竞争，将成为影响AI基础设施扩张速度和产业链利润分配的关键变量。

华尔街见闻总结要点如下：

AI投资仍有增长空间，但融资成本正成为重要约束。 美国10年期国债收益率突破5%，部分新兴云服务商无担保债券收益率接近15%。缺乏长期客户订单的企业融资难度更大，项目建设节奏将越来越取决于融资能力与投资回报。

半导体供应链瓶颈短期难解，基板与内存是关键制约。 基板、HBM、光学互联组件及洁净室产能均面临供应限制。相比之下，电力短缺可通过现场发电等方式部分缓解，半导体供应链扩产则需要更长时间。

内存短缺可能延续至新增产能释放，2028年后供需格局面临转折。 HBM需求旺盛，内存行业毛利率据称已达88%—90%；但如果新增产能在2028年后集中投产，而需求增速放缓，内存价格与利润率可能承压。

英伟达仍有性能优势，但自研芯片正在挑战其定价权。 英伟达持续通过性能提升支撑高售价，但Google TPU、亚马逊Trainium以及OpenAI等企业的自研芯片布局，为大型客户提供了替代选择。即使英伟达收入继续增长，其市场份额和利润率也未必同步提升。

AI基础设施成本持续上升，投资回报将成为下一阶段焦点。 建设1吉瓦算力数据中心的成本已从2024年的约400亿美元升至600亿美元以上。云厂商加速自研芯片以降低单位算力成本，而企业通过云服务购买Token的模式能否持续扩大，将影响基础设施投资的长期回报。

AI投资还能撑多久？融资成本与供应链成为关键约束

AI基础设施建设的融资门槛正在显著提高。美国10年期国债收益率已突破5%，CoreWeave等新兴云服务商的无担保债券收益率接近15%。Volulta为Anthropic建设集群时发行的债券票面利率为12%，但以面值95%的价格出售，实际收益率约为15%。

Rasgon指出，过去现金流充沛的超大规模云厂商，如Meta和Google，也在AI基础设施建设中大量消耗自由现金流，部分企业未来甚至可能需要通过股权融资支持投资。

Patel进一步指出，非超大规模云厂商承接的建设需求接近全市场的一半，但这类企业通常缺乏足够的资产负债表支撑。若没有超大规模云厂商提供长期采购承诺（offtake agreement），项目就很难获得融资。为此，英伟达已开始通过收入分成等安排支持部分算力集群建设，博通则采用类似分期付款的方式向Anthropic提供芯片。

这意味着，融资能力正成为AI基础设施扩张的重要分水岭。需求旺盛并不保证所有项目都能如期落地；对于资金成本高、依赖外部融资的新兴云服务商而言，长期订单与现金流将直接影响建设速度。

基板、内存比电力更难迅速扩产

在供应链瓶颈方面，Patel将基板列为当前最关键的约束之一。日本相关供应商扩产相对谨慎，限制了加速芯片、CPU等产品的产能提升。

内存则是另一大瓶颈。Rasgon指出，生产同等容量的HBM所需晶圆数量约为DDR5的3—4倍，AI芯片需求增长因此加剧了内存产能竞争。与此同时，光学互联所需的激光器、光纤连接等组件也面临短缺，即使CPO计划在2028年前后加速量产，相关供给仍可能难以满足需求。

晶圆制造设备市场同样受到洁净室产能限制。Rasgon认为，2026年全球晶圆制造设备（WFE）市场规模超过2000亿美元的预测过于乐观。通过提高现有工厂利用率，市场规模或可从年初预期的约1200亿美元提升至约1550亿美元，但新建洁净室要到2027年才陆续投用，更多产能预计在2028—2029年释放。

相比之下，电力短缺有更多应对手段。Patel预计，2027年全球在建数据中心规模接近50吉瓦，其中美国约35吉瓦。现场燃气轮机、往复式发动机和燃料电池等方案，可以在一定程度上缓解电力约束。

因此，AI建设面临的瓶颈并非单纯缺电或缺地，而是多种关键材料和制造环节难以同步扩产。短期内，供应链约束与融资成本可能共同影响项目交付速度。

内存荒何时结束？2028年后的供给释放是关键

当前内存行业的高利润，反映了AI需求与有限产能之间的失衡。Rasgon称，内存行业毛利率已达到88%—90%，但市场并未因此给予相关股票极高估值，原因之一正是投资者担心2028年以后新增供给集中释放，导致价格回落。

HBM的特殊之处在于，其制造需要消耗更多晶圆资源。随着AI加速器需求增长，HBM扩产不仅要增加自身产能，也会影响其他DRAM产品的供给。短期内，产能分配与扩产速度难以迅速跟上需求；但随着新产能陆续投产，供需关系也可能发生逆转。

内存短缺何时结束，关键不在于某个固定日期，而在于新增产能何时开始超过需求增量。 如果扩产集中在2028年以后，而AI需求增速同时放缓，当前的高价格和高利润率就可能难以维持。

投资者需要关注HBM与DRAM扩产进度、先进封装和晶圆制造能力，以及云厂商资本开支的变化。在供给明显增加之前，内存仍可能制约AI算力交付；但在更长周期内，扩产也可能成为压低价格、侵蚀利润的因素。

英伟达护城河还能守住吗？性能优势面临自研芯片挑战

英伟达的核心优势，在于持续提升芯片性能，并通过软件生态和开发工具增强客户黏性。但随着云厂商越来越重视算力成本，其高售价也为自研芯片提供了发展空间。

Rasgon指出，英伟达相对于费城半导体指数的估值已处于历史低位，反映出市场对AI投资持续性及自研芯片竞争的担忧。

从产品迭代看，英伟达仍在通过性能提升支撑定价。从Ampere到Hopper，产品平均售价约翻倍，性能提升约10倍；从Hopper到Blackwell，售价上涨约50%，性能提升幅度据称达到3—30倍。只要性能提升持续超过价格涨幅，客户就有动力为新一代产品支付更高价格。

但竞争对手正在加快追赶。Patel的研究显示，英伟达在相关协处理器晶圆及HBM需求中的份额占比已开始下滑。与此同时，Google TPU已向外部客户销售，亚马逊Trainium持续完善对PyTorch生态的支持，OpenAI和Anthropic也在推进自研芯片计划。

这些布局未必会立即取代英伟达，却能为大型客户提供替代方案，增强其议价能力。对于拥有庞大算力需求的云厂商而言，自研芯片的吸引力不仅在于降低采购成本，也在于减少对单一供应商的依赖。

因此，英伟达面临的关键考验不是能否继续增长，而是能否持续以性能优势证明其价格溢价合理。即使AI市场整体扩大，英伟达的收入、市场份额与利润率也未必同步增长。

企业AI落地：购买Token比自建算力更现实

在企业应用端，三位分析师认为，大多数企业不会自行采购大量硬件运行私有模型，而是通过云服务购买Token，即调用云端AI推理能力，再与自有数据和业务流程结合。这与过去企业IT从自建基础设施转向云计算的趋势相似。

目前，AI辅助编程是较成熟的企业级应用之一。Rasgon分享称，借助Claude，原本需要一周完成的财务模型，仅用约1小时20分钟便完成搭建，涉及10年历史数据、多次业务重组及管理层电话会议内容的逻辑推断。

这类应用的价值首先体现为节省时间、减少重复劳动，而不一定立即反映在营收中。其投资回报仍需通过实际业务验证，但企业通过云端调用模型，也意味着AI基础设施的需求将越来越取决于推理服务的使用量。

如果企业应用持续扩张，云厂商就有动力继续投资算力；但如果建设成本和融资成本上涨得比收入更快，基础设施投资的回报仍会承压。

以下是全文内容：

主持人 Austin Lyons：

先从更宏观的角度来看，先谈需求，再谈供给。需求方面，AI收入增长非常快，但增速已经开始放缓。目前整个AI行业的收入加起来，仍然只是行业总支出的一小部分，因此市场正在极其仔细地审视每一项收入数据。

供给方面，未来数年的算力产能已经被预订一空，价格也依然坚挺。从半导体分析师的角度，我们应该如何理解这两个信号？产业链上的价值最终又会流向谁？

今天，我们请来了两位半导体行业的重要人士：Dylan Patel是SemiAnalysis的创始人兼CEO，该机构是AI基础设施领域最有影响力的研究机构之一；Stacy Rasgon是Bernstein董事总经理兼高级分析师，在华尔街从事半导体分析超过十年。我是今天的主持人Austin Lyons，现任Chief Strat首席分析师，曾任英特尔首席工程师。

今天，我们将讨论半导体行业的未来，展望2027年和2028年，涵盖融资、GPU、CPU以及晶圆代工等领域。

一、AI基础设施投资：融资成本会不会拖慢扩张？

主持人 Austin Lyons：

最近，资本成本成为市场讨论的焦点。超大规模云厂商正在投入巨额资金，自由现金流已经趋于负值。与此同时，美国10年期国债收益率突破5%，CoreWeave等公司的债券市场收益率也接近15%。

我们是否应该对此感到担忧？随着企业持续加大投资、融资成本不断上升，这会对AI基础设施建设产生多大影响？先请Stacy谈谈。

Stacy Rasgon：

目前确实存在很多限制因素，正在放缓AI基础设施建设的速度，包括电力、供应链、半导体制造设备，现在可能还要加上融资。

从股票表现来看，相关公司的股价虽然仍较此前上涨了不少，但已经明显低于高点。市场正在传递一个信号：投资者担心基础设施建设的速度和可持续性存在很大不确定性，也担心行业增长可能正在接近高峰。融资显然是其中一个重要问题，甚至可能是最重要的问题之一。

你刚才提到，超大规模云厂商曾经是人类历史上现金创造能力最强的企业之一，但如今它们正在大量消耗现金，未来可能需要发行股票融资。Meta最近调整了股权结构，其中一个目的就是为这类融资安排提供空间。Google等公司也进行过融资。

以CoreWeave为例，其债券收益率接近15%，需要注意的是，这并不代表公司目前所有债务的实际融资成本，而是其无担保债券在市场上的交易收益率。但如果公司今天重新进入市场发行无担保债券，融资成本很可能就在这个水平附近。这是一笔相当高的成本。

不过，我认为至少未来一两年，行业大体上仍能维持运转。更重要的是，相关收入必须持续增长，才能逐渐缓解市场对融资的担忧。

以算力租赁市场为例，目前的供给极其紧张，我们听到的普遍说法是，没有人能获得足够的算力。部分企业通过短期合同出租算力，按某些估算，每吉瓦算力对应的收入甚至可能达到500亿美元左右。

因此，并不难想象一种情形：即使建设成本很高，相关收入仍足以覆盖成本，甚至超过成本。但问题在于，这种收入水平能持续多久？最终还是要看需求相对于供给究竟有多强，以及供需缺口能够维持多长时间。

这些问题可能需要Dylan从产业供需的角度作出更深入的判断。不过，融资无疑是当前众多限制因素之一。

还有一点值得注意：限制因素放缓了增长，未必完全是坏事。它可能防止行业扩张过度，避免投资失控。

互联网泡沫时期就曾出现过类似情况。当时铺设了大量暗光纤，即已经铺设但尚未投入使用的光纤，许多基础设施最终被过度建设，至今仍有部分没有得到充分利用。

如今的建设约束，反而可能让供需匹配得更加合理，使行业增长持续更长时间。如果今天完全不受限制地疯狂扩张，未来反而可能面临更严重的崩盘风险。

所以，我不认为所有限制因素都是坏事。当然，市场如何看待这些约束是另一回事，而它们显然已经影响了相关股票的短期走势。

Dylan Patel：

我赞同Stacy的观点。回顾过去几十年的基础设施建设，每次行业扩张时，企业往往都会重复下单，甚至下两倍、三倍的订单，最终建成过多的产能。供应链对于需求的预测能力一直不够好。

现在，融资正在发挥一定的自我调节作用。一两年前，只要一家云服务商愿意支付足够高的利率，通常就能拿到资金；但现在，如果没有信用质量足够高的长期采购承诺（offtake agreement），一些新兴云服务商就无法建设算力集群。

超大规模云厂商当然可以将自由现金流压到接近零，也可以继续举债，而且它们的利润仍在增长，因此建设能力还会提高。但它们不可能无限投入。明年，它们不可能把资本开支提高到超过2万亿美元，甚至2.5万亿美元的水平。资金能力终究会限制支出规模。

再看新兴云服务商（Neocloud）。非超大规模云厂商承接的建设需求接近整个市场的一半。如果它们没有超大规模云厂商的采购承诺，又该如何获得融资？

如今，即使获得Anthropic或OpenAI等客户的采购承诺，市场也可能要求相关债务提供13%—15%的收益率。Volulta就是一个例子：该公司正在为Anthropic建设算力集群，债券票面利率约为12%，但发行价格只有面值的95%，因此实际融资收益率接近15%。

如果一家企业没有超大规模云厂商或大型AI实验室的采购承诺，它又如何建设算力，为中小企业和初创公司提供服务？坦率地说，在缺少这些大型客户支持的情况下，融资会非常困难。

这也是埃隆·马斯克采取的策略之一：先建设大量算力，再通过短期租赁合同，以较高价格将算力出租给初创企业和AI实验室。但总体而言，融资约束确实会抑制行业扩张。

英伟达已经意识到这是一个重大问题。市场上有少数几家大型客户，可以在自身资金允许的范围内尽可能多地购买算力；但市场还有另一半需求，如何满足这些客户？

英伟达因此开始采用一些创新的融资结构。例如，在Sharon AI、Fermis等项目中，英伟达通过分享算力集群收入，为项目融资提供支持。其安排大致是：英伟达以一个保证云服务商基本不赚钱的价格租用集群，如果云服务商以更高价格将算力出租给其他客户，英伟达再分享一部分收入。

类似安排正在增多。Lambda为Anthropic建设算力集群时，也需要与英伟达签订收入分成协议，分成比例约为10%。

这说明，新兴云服务商能否获得足够资本、完成建设，最终甚至扩张到供给过剩的程度，都受到融资条件的制约。

我们还看到，行业融资方式正在从长期贷款、长期债务，转向更灵活的安排。博通向Anthropic提供芯片时，就采用了类似租赁转购买的方式，将付款期限延长至数年。

对于无法像超大规模云厂商那样依靠自身资产负债表融资的企业而言，想获得算力，就需要英伟达、博通或AMD等企业为集群提供一定的融资支持或信用保障。

因此，融资是限制AI基础设施扩张的一项重要因素。超大规模云厂商自身也存在规模庞大的表内和表外承诺。例如，Meta在计算和数据中心方面的承诺据称已达到1.4万亿美元。

这些项目可以通过多种方式获得资金：企业可以借款购买数据中心，也可以向其他企业租赁数据中心或相关设备，而提供基础设施的一方再据此融资。但要让整个行业在此基础上继续大幅扩张，难度正在增加。

资本市场甚至开始对Meta的财务安排感到不安。Meta本身的财务状况并不意味着它无法承担这些投资，但如此庞大的承诺规模，已经足以令市场提高警惕。

归根结底，AI基础设施建设有三个相互关联的核心条件：土地、电力和外壳设施（land, power, shell），芯片，以及融资。任何一环受到约束，都可能拖慢整体扩张。

二、2027—2028年，半导体供应链的瓶颈在哪里？

主持人 Austin Lyons：

融资方面的情况已经比较清楚：超大规模云厂商相对有能力承担投资，但新兴云服务商面临更大压力，行业也在尝试新的融资结构。

如果暂时把融资放在一边，回到传统的供应链瓶颈，未来两年究竟哪些环节会限制行业增长？

ASML表示，2028年的产能已经售罄；台积电的需求也始终超过供给，尽管其正在扩大2纳米制程产能。市场还普遍认为电力是一个重要瓶颈。

Dylan，你们最近提到，明年可能有接近50吉瓦的数据中心投入使用。能否按照约束程度，对半导体供应链的各个环节进行排序？

Dylan Patel：

在半导体供应链内部，除内存之外，我认为最大的瓶颈是基板，包括封装基板、PCB材料及其他相关材料。

这些环节过去长期投资不足。日本不少相关材料供应商的经营风格比较保守，不愿大规模扩产，因此未来两年，无论是AI加速器、CPU还是供应链中的其他组件，都会受到明显限制。

在我看来，基板是当前最严重的瓶颈之一，其约束程度甚至超过土地、电力、数据中心外壳设施以及部分半导体制造设备。

第二大瓶颈是内存。

第三类瓶颈是光学互联，包括共封装光学（CPO）和近封装光学（NPO）。相关产业要大幅提高产量并不容易。即使所有企业都希望在2028年采用CPO，或者某一家大型企业希望在那时全面部署，也无法获得足够的激光器、光纤连接组件及其他配套部件。

至于土地、电力和数据中心外壳设施，电力确实是一个重要约束。但我们的研究发现，市场对明年数据中心建设所面临的限制可能估计得过高。

预计明年全球有接近50吉瓦的数据中心处于建设之中，其中美国约有35吉瓦，其余分布在澳大利亚、印度、马来西亚等地区。事实上，全球各地的数据中心都在快速建设。

虽然电力仍然紧张，但企业可以采取多种方式缓解限制，例如在数据中心现场部署燃气轮机、往复式发动机或燃料电池。

因此，尽管电力和数据中心建设条件确实存在约束，但其影响可能低于基板、内存、激光器以及其他光学供应链组件。

电力供应可以通过一些相对直接的办法在较短时间内增加，而半导体供应链涉及的制造工艺和材料体系复杂得多，扩产所需时间也更长。

Stacy Rasgon：

这个判断很有意思。英伟达和博通都给出了相当高的增长指引。黄仁勋曾表示，英伟达收入至少有望增长70%；博通方面给出的增长预期甚至达到100%。但这些指引本身已经受到限制，企业主要考虑的约束似乎是土地、电力和数据中心建设条件。

或许这是因为它们本身就是半导体公司，对芯片能够生产多少比较清楚，因此把注意力更多放在数据中心建设上。

我同意电力和土地方面存在一些解决办法。不过，即使是现场发电，也未必能迅速实现。如今订购一台燃气轮机究竟需要等待多久？马斯克甚至表示，他准备自己制造涡轮机叶片，以绕开供应限制。