SemiAnalysis创办人：算力瓶颈从CoWoS转移到EUV产能 记忆体吃掉30%资本支出

随着 AI 投资热潮席捲全球科技业，一个关键问题正引发业界关注：在资本、技术、资源不断涌入的背景下，真正限制 AI 算力扩张的环节究竟是什么？半导体分析机构 SemiAnalysis 创办人 Dylan Patel 在一场播客访谈中给出答案。

Patel 指出，限制因素一直在变动，而当前，它正重新回到晶片製造，特别是极紫外光刻机 (EUV) 产能上。

Patel 表示，过去数年，AI 算力扩张的瓶颈像打地鼠般不断转移。数年前，关键掣肘是台积电的 CoWoS 先进封装技术，之后电力供给成为新障碍，后来又是资料中心建设速度跟不上需求，但随着这些环节逐步扩产，新的限制点又浮现，这反映了 AI 需求成长远快于整个产业链的反应能力。

如今，在资料中心、电力等基础设施逐渐完善之际，算力扩张的重心重新落回半导体製造。

Patel 强调，算力的长期供应核心不是电力或建筑，而是晶片製造能力，包括逻辑晶片产能、HBM 晶片及晶圆厂与设备建设週期，其中无尘室建设是今、明两年最突出的瓶颈，而到 2028、2029 年，设备层将成为最大限制。

他进一步指出，若 AI 算力持续高速成长，未来限制可能来自最底层的设备供应链，尤其是 EUV 光刻机。这类由荷兰 ASML 独家生产的设备，是製造先进製程晶片不可或缺的核心工具。

根据 Patel 估算，目前全球 EUV 年产量约 70 台，2027 年可望增至 80 台，到 2030 年最多也只能达到 100 台。这种产能极限，将直接决定全球 AI 算力的扩张上限。

为说明 EUV 对整体产业的影响，Patel 估算后指出，若以辉达新一代 Rubin 晶片建设一座 1GW 算力的资料中心，必须耗用约 5.5 万片 3 奈米晶圆、6000 片 5 奈米晶圆及 17 万片 DRAM，共需进行约 200 万次曝光机，而这样一套系统，总资本支出高达 500 亿美元，其中仅 12 亿美元用于购买 3.5 台 EUV 设备，形成惊人的槓桿效应。

EUV 设备因技术极端複杂，关键零件如蔡司镜头组和 Cymer 光源的供应链高度集中，扩产困难。因此，从实体层面来看，全球每年可新增的 AI 算力总量已被牢牢锁死。

除逻辑晶片外，记忆体晶片也将成未来一两年关键瓶颈。Patel 预测，2026 年，科技巨头约 30% 资本支出将投向记忆体晶片。原因在于长上下文推理模型对 KV Cache(键值快取) 的庞大需求，大幅提升了对记忆体频宽与容量的依赖。以 HBM 为例，其占用晶圆面积为普通 DDR 的四倍，意味着每生产一单位组 AI 记忆体，就要牺牲四单位组消费电子记忆体产能。这将直接导致智慧手机与 PC 的成本上升。

根据 Patel 估算，iPhone 的储存成本可能增加 150 美元。高端品牌也许能转嫁压力，但中低阶智慧手机将面临沉重打击。他警告，记忆体价格上涨恐引发消费电子出货暴跌，从年均 14 亿支降至今年 8 亿支，明年甚至可能只剩 5 至 6 亿支。

在电力问题上，Patel 则持务实态度。他认为电力并非终极瓶颈，反而是投资机会。透过航改燃气涡轮机、中速发动机、燃料电池与太阳能 + 储能组合，可在不依赖主要电网的情况下为资料中心供电。即便电价翻倍，对单颗 H100 晶片每小时 1.4 美元的总成本影响甚微，远低于 AI 模型带来的效益。

Patel 还说，若配置足够储能，美国电网还可为资料中心释放 20% 的额外容量。

至于马斯克提出在太空中建造资料中心的设想，Patel 则明确反对。考虑到晶片在太空中约 15% 的故障率，以及高昂的雷射通讯成本，该计画短期内缺乏经济可行性。他断言，至少在 2030 年代之内，太空资料中心不会实现。

整体来看，AI 算力的扩张正从表层设施转移到深层设备，EUV 光刻机、记忆体晶片等基础环节，正成为决定未来 AI 发展速度的关键隘口。