隨著AI投資狂潮席卷科技行業，真正限制算力擴張的環節在哪里？半導體研究機構SemiAnalysis創始人給出的答案是：瓶頸一直在變。SemiAnalysis是一家近年來在科技和投資圈迅速走紅的半導體研究機構，其研究廣泛被AI公司、云計算廠商以及對沖基金使用。

近日，在一次播客訪談中，SemiAnalysis創始人Dylan Patel系統解釋了AI算力擴張背后的供應鏈邏輯。他指出，過去幾年AI算力的限制因素不斷變化，就像打地鼠一樣，一個瓶頸被解決，新的瓶頸就會出現。

算力擴張的瓶頸不斷變化

Dylan Patel表示，過去幾年AI產業鏈的瓶頸幾乎每年都在變化，“幾年前限制AI擴張的是CoWoS封裝；去年是電力；再后來是數據中心” —— 但隨著這些環節逐漸擴產，新的限制又開始出現。

“最大的瓶頸其實是算力本身，而算力最長期的供應鏈并不是電力或數據中心，而是半導體供應鏈。”

具體來看，芯片供應鏈的關鍵限制主要包括三部分：邏輯芯片產能（晶圓廠制造能力）、高帶寬存儲（HBM）等存儲芯片、晶圓廠建設與設備周期。

· 存儲器短缺將是未來一兩年的核心交易主線。Patel給出了一個令消費電子市場膽寒的預測：到2026年，科技巨頭約30%的資本開支將流向存儲芯片。

長上下文推理模型需要極大的KV Cache（鍵值緩存），這徹底引爆了對內存帶寬和容量的需求，以HBM（高帶寬內存）為例，其占用的晶圓面積是普通DDR內存的四倍。隨著大量DRAM產能被利潤更豐厚、簽訂長期合同的AI芯片搶占，消費電子的BOM（物料清單）成本將飆升。

· 電力并非絕對制約。針對市場持續熱議的“缺電危機”，Patel展現出了資本市場的實用主義態度，他指出通過采用飛機引擎改裝（航改微混）、中速往復式發動機（如重卡或船舶引擎）、Bloom Energy的燃料電池以及“太陽能+電池”的組合方案，數據中心完全可以在“電表后”（不依賴主干電網）解決能源問題。

即便這會導致單千瓦時的電價翻倍，分攤到單顆H100每小時1.40美元的總擁有成本（TCO）中，也不過增加了幾美分。與AI模型產生的巨大收益相比，完全可以忽略不計。此外，只需配備足夠的公用事業規模儲能系統，美國電網就能額外釋放20%的容量給數據中心使用。

相比之下，數據中心建設速度明顯更快。這意味著，當AI需求突然爆發時，芯片供應鏈往往難以及時跟上，Dylan Patel表示：“在晶圓廠領域，潔凈室是今年和明年最大的瓶頸。隨著我們進入2028、2029、2030年，那里仍然會有制約因素”。

EUV光刻機產能可能成為最終約束

算力擴張的瓶頸一直在移動：你解決一個問題，新的問題就會從供應鏈的另一個位置冒出來。這一變化背后，本質是AI需求增長速度遠超產業鏈擴張速度。Dylan Patel認為，隨著數據中心、電力等基礎設施逐步擴張，AI算力的核心限制正在重新回到半導體制造環節。

如果AI算力繼續高速增長，供應鏈瓶頸還可能繼續向下游轉移，最終限制算力擴張的可能是半導體設備產能。Patel特別提到極紫外光刻機（EUV），這種設備由ASML制造，是先進芯片生產的核心設備。要進一步擴展算力，今年和明年有不同的瓶頸，但最終到2028年或2029年，瓶頸會落到供應鏈的最底層，那就是ASML。 

目前全球EUV光刻機年產量大約70臺，未來幾年可能增加到80臺左右。即便供應鏈擴張，到本十年末也很難超過100臺，在這種情況下，設備產能可能成為AI算力擴張的最終約束。

為了直觀展現光刻機對全局的控制力，可以算一下賬：假設以英偉達下一代Rubin芯片建設1GW（吉瓦）算力的數據中心，整個半導體產業鏈需要消耗約5.5萬片3nm晶圓、6000片5nm晶圓以及17.0萬片DRAM存儲晶圓；這些晶圓制造需要進行約200萬次EUV曝光，按照單臺EUV光刻機的吞吐量計算，剛好需要3.5臺EUV光刻機。

這就形成了一個極度扭曲的杠桿效應：建設1GW數據中心需要投入約500億美元的龐大資本開支；而支撐這500億美元產能的，僅僅是價值約12億美元的3.5臺EUV光刻機。由于EUV光刻機是人類制造的最復雜機械，其核心組件（如卡爾·蔡司的鏡頭組、Cymer的極紫外光源）供應鏈極度僵化。即便在最激進的擴產假設下，ASML目前的年產能約為70臺，明年增至80臺，到2030年也僅能勉強突破100臺。這就從物理層面上鎖死了全球每年能新增的最高AI算力總盤子。