英特尔的 CEO 告诉你，半导体行业未来的机会在哪里

文 |议史纪

编辑 |议史纪

前两天 Meta 宣布要对外出售多余的 AI 算力，消息一出半导体和算力板块直接跳水，不少人心里犯嘀咕：AI 算力的需求真见顶了？

刚好红杉和美国知名半导体研究机构 Third Analysis 创始人 Dylan Pattel，做了一场 70 分钟的对谈，把这个问题聊得明明白白，还透了未来半导体行业的竞争格局。

下面我给大家捋清楚重点，内容都是整理的访谈内容，不构成任何投资建议。

先看核心判断：AI 模型能力的进步速度远远超过了算力增加的速度。

拿 Anthropic 最新的模型举例，新模型比上一代 Opus 强了不止一个量级，不是跑分高几个百分点，而是能做的活的种类和价值直接上了大台阶。

说白了，新模型的潜在市场总规模，远不止上一代的两倍。

模型能干的活变多、变值钱，需求自然就上来了。

那这段时间算力供给涨了多少？

从上一代模型发布到现在才几个月，全球算力连翻倍都没做到。

一边是需求快速上台阶，一边是供给缓慢爬坡，算力哪里是见顶，是严重供不应求。

这里有几个实打实的数字：今年全球新增数据中心算力会达到 20GW，明年会超过 30GW。

这里说的 GW 是算力功率，1GW 差不多等于一座大型核电机组的功率，也就是说光今年一年，人类就新增了 20 座核电机组驱动的算力。

到 2030 年，光是 OpenAI 和 Anthropic 这两家，算力就会超过 100GW。

再看盈利情况：Anthropic 今年二季度不算股权激励成本已经盈利，三季度就算算上股权激励，也大概率能盈利。

Anthropic 的 Opus 4.8 模型卖 Token 的毛利率超过了 80%，这个毛利率意味着什么？

就算算力成本翻倍，毛利率还能剩 50% 以上。

租来的每一颗芯片，都能立刻变成正毛利的产品卖出去。

抢更多算力就能更快迭代模型，模型更强就能接更多活，形成正向循环。

只要模型创造的经济价值扩张得比算力快，算力就会一直供不应求。

什么时候会见顶？要么模型能力涨不动了，要么没有新场景接上。

目前来看，这个正向循环还在继续。

最近有数据中心公司 Crucial 宣布，暂停怀俄明州一个 1.8GW 的项目，还有报道说因为没拿到谷歌这样的大客户。

不少人就觉得这是算力需求见顶的信号，但实际不是这么回事。

这其实是数据中心行业进入淘汰赛的信号。

现在行业里有太多滥竽充数的玩家，有的团队只有四个人，买几台燃气轮机交了定金就号称要建数据中心，最后只能延期再延期，最后黄了。

同样是 1GW 的算力，含金量天差地别。

谷歌能在 1GW 的场地里塞进 1.5GW 的硬件，靠的是在不同业务之间调度电力，把电用满，电力利用率能到 9 成。

普通数据中心的电力利用率只有六七成。

所以停建不是没人要，是没用的玩家被挤出去了。

真正有实力的玩家，还在开足马力抢算力。

现在几乎所有科技大厂都在做自己的专用芯片，有人就问：未来还需要英伟达吗？

先明确一个概念：大厂自研的都是 ASIC 专用芯片，专门针对某一类任务、某一种模型架构优化，干对口的活效率极高，干不对口的就不灵了。

比如谷歌的 TPU 是顶级芯片，Anthropic 的预训练都在用，但放到 Deepseq 上跑效果就很差，因为 Deepseq 是围绕英伟达的芯片架构优化的。

专用芯片会不会赢下市场？

答案是未必。连 AI 实验室自己都不知道一年后会用什么样的模型架构，手里只有一堆研究方向。

为今天的架构优化到极致，明天架构一换全白干。

谷歌自己就同时养着三条不同架构的 TPU 设计线，就是怕踩错坑。

哪怕谷歌 TPU 做得这么好，也覆盖不了所有需求。

药物研发、自动驾驶这些业务，还是主要用英伟达的 GPU。

甚至谷歌还花高价租马斯克的 XAI 的英伟达芯片算力，自己有芯片还租，就是因为通用芯片的价值。

那英伟达怕什么？黄仁勋最怕的是市场被少数巨头垄断，比如只剩 OpenAI、Anthropic、谷歌三家，那英伟达就没活路了。

所以他一直在到处投资新兴模型公司和云厂商，扶植新玩家，维持多级市场的格局。

至于那些主打超快推理的新型芯片公司，比如 Sambanova、被英伟达收购的 Grok，其实很难成为克星。

这类芯片用的是 SRAM 存储器，速度快但容量有限，现在最强的模型已经是万亿参数级别，未来还要到十万亿参数，还要支持百万 token 的长上下文，SRAM 芯片根本装不下。

而 AI 收入的大头，从来都在最强最贵的模型上，装不下就吃不到最肥的市场。

最后给个明确结论：只要模型公司和云厂商不进入寡头垄断，英伟达的通用芯片就一直有的赚。

专用芯片赚的，只是跟对了架构的快钱。

最后说三个值得关注的半导体细分赛道：

第一个是 CPO 共封装光学。

这是光通信的新技术，不是会不会发生的问题，所有人都知道它会落地，只是时间早晚，早一年晚一年落地，市场格局都会天差地别。

第二个是存储技术。现在的 DRAM 还是四十年前的技术，HBM 过去五年也只是把内存堆得更高。

接下来几年真正的大事，是把内存直接堆到计算芯片上，这会让带宽出现爆炸式的提升，已经有公司在做研发和测试了。

第三个是太空算力。未来三到五年太空数据中心不重要，2030 年占比连 1% 都不到。

但到 2040 年，全球新增算力里会有一半以上部署在太空，再往后绝大多数新增算力都会上天。

背后的逻辑很简单：就看地面上的用电成本还能撑多久。

回到最开始的问题：Meta 出售算力，到底是 AI 算力见顶的第一声警报，还是淘汰赛开场的发令枪？

Dylan Pattel 的答案很明确：后者。

由于平台规则，只有当您跟我有更多互动的时候，才会被认定为铁粉。如果您喜欢我的文章，可以点个“关注”，成为铁粉后能第一时间收到文章推送。

#上头条 聊热点#