AI並非「泡沫」，而是產業趨勢

雲服務商的資本支出（Capex）已經達到了無法再用「顯著增長」來形容的程度。排名前八的雲服務商的投資額將從2021年的1451億美元增長到2026年的6020億美元，增長超過四倍。這種增長速度簡直令人難以置信。

即便如此，市場中仍不乏對這一主流避險配置的質疑聲：「又是一場泡沫」「迟早會破裂」 之類的論調甚囂塵上。但此類説法毫無事實依據，並非單純的主觀臆斷，本質上更是對現實的刻意迴避。究其根源，當下的投資規模擴張，並非由經濟周期、市場情緒或泡沫化趨勢驅動，而是源於物理定律的底層支撐 —— 海量的算力需求。

核心關鍵在於，生成式人工智能的計算負載絕非 「搜索功能的延伸」，而是屬於更高維度的 「學習與推理」 範疇。正如后文將詳細闡釋的，谷歌搜索的算力架構以 CPU 為核心，而 ChatGPT 的推理環節則以 GPU 為核心展開大規模矩陣運算，其所需的計算量更是前者的 1 萬至 10 萬倍。

換言之，雲服務廠商的算力投入並非出於主動選擇，而是源於行業競爭的必然要求 —— 若不跟進佈局，便會在賽道中陷入落后。對於當下的雲平臺而言，無法支撐生成式人工智能的運行，就等同於喪失核心價值。也正因如此，這場算力投資的浪潮不僅不會止步，更具備了不可逆的行業必然性。

雲投資正以驚人的速度增長

圖1呈現了全球頭部八大雲服務商的資本投入趨勢，這八家企業分別為亞馬遜（AWS）、微軟（Azure）、谷歌雲（Google Cloud）、Meta（原 Facebook）、甲骨文（OCI）、阿里雲、騰訊雲與字節跳動。

圖1：排名前 8 的雲服務提供商的資本投資情況。來源：根據 TrendForce 數據製作 

正如本文開篇所述，這八家企業的資本開支規模將從 2021 年的 1451 億美元攀升至 2026 年的 6020 億美元，增幅超四倍。這樣的資本投入已非單純的 「增長」，而是邁入了加速擴張的階段。

儘管 2022-2023 年期間其資本開支出現短暫回落，但這絕非可以放松警惕的信號。從 2024 年開啟的回升態勢能夠清晰看出，頭部雲服務商的佈局已再度 「加碼升級」，而這一投資拐點恰好出現在 OpenAI 推出 ChatGPT 之后。

換言之，這些企業佈局生成式人工智能相關投資，並非只因它是被追捧的 「下一個金礦」，更在於其作為行業遊戲規則改變者，徹底重構了雲計算基礎設施的底層需求。

驅動雲計算領域投資擴張的因素多元且複雜：數據中心建設、土地儲備、電力配套、冷卻技術、網絡架構、存儲能力、安全體系…… 但貫穿所有維度的核心邏輯，始終是爆發式增長的計算需求。算力需求的指數級攀升，直接推動了全產業鏈各環節成本的同步上漲，本質而言，雲計算行業的這場投資增長，就是一場對海量算力資源的爭奪戰。

當下市場對算力的極致需求，早已無法用傳統網絡與搜索服務的擴容邏輯來解釋。生成式人工智能對雲計算的要求，並非簡單的 「再添一個胃」，而是倒逼整個行業重構算力 「消化系統」，打造出足以承載海量需求的超大規模算力底座。

Google搜索和ChatGPT相似但不相同

在此，需要糾正一個極具誤導性的核心認知偏差：將谷歌搜索與生成式人工智能簡單等同為 「用户提出問題、平臺給出答案」 的同類工具。

如圖2所示，二者的用户操作表層邏輯看似高度相似，交互形式幾乎別無二致。但現實是，坐擁全球超 30 億用户的谷歌搜索，正面臨用户向 ChatGPT 等生成式人工智能產品遷移的趨勢，而后者的用户規模也已突破 10 億量級，持續快速擴張。

圖2：谷歌搜索與 ChatGPT 5 用户提問行為示例。 

自去年開始使用 ChatGPT 付費版后，個人便極少再使用谷歌搜索，核心原因正是前者的使用體驗更為高效便捷。而這一體驗上的差異，正被全球越來越多的用户感知，也直接推動了生成式人工智能用户規模的持續攀升。

更為關鍵的是，即便用户提出的是完全相同的問題，谷歌搜索與 ChatGPT 等生成式人工智能在雲端完成的底層處理邏輯，卻有着本質區別。

這一核心差異可通過圖3清晰呈現：谷歌搜索依託以 CPU 為核心的索引式檢索架構，而 ChatGPT 的推理過程，則是以 GPU 為核心展開的大規模矩陣運算。從算力消耗來看，谷歌搜索單輪處理的浮點運算量（FLOPs）約為 10 億至 100 億次，ChatGPT 的推理運算量則達到 10 萬億至 1000 萬億次，二者的算力需求相差 1 萬至 10 萬倍。

圖3：谷歌搜索與 ChatGPT 5 算力及處理成本對比。 

不僅如此，ChatGPT 單次處理所需的服務器耗時，是谷歌搜索的 10-100 倍；能源消耗與碳排放，均為谷歌搜索的 10-200 倍；綜合成本更是達到谷歌搜索的 50-2000 倍，算力與資源消耗的差距呈指數級拉大。

簡言之，生成式人工智能絕非所謂的 「高端版搜索」，其背后是完全不同的計算邏輯，且承載着遠為繁重的算力負載。正因如此，生成式人工智能的規模化落地，意味着雲端處理的計算單元必須向超大規模升級 —— 這並非依靠價格談判、市場推廣就能解決的商業問題，而是從物理底層提出的硬性要求：既需要 AI 半導體（如 GPU）、高帶寬內存（HBM）等核心硬件支撐，也離不開電力、冷卻系統、網絡架構的配套升級，甚至對底層的佈線、封裝技術都提出了全新要求。

市場中常有一種論調：「技術效率終將提升，算力需求自然會下降。」 不可否認，AI 領域的技術效率確在持續優化，但算力需求的下降速度，早已跟不上生成式人工智能的應用邊界拓展、使用頻次提升與性能迭代速度。即便單輪計算的算力消耗因效率提升而降低，若社會層面的生成式人工智能使用頻次增長十倍，整體算力需求仍會同步攀升。更何況，隨着輸入輸出的文本長度持續增加，圖像、視頻類推理場景的落地應用，算力需求還將迎來新一輪的爆發式增長。

換言之，雲計算行業的持續高投入，並非源於市場的 「盲目熱情」 或 「投資過熱」，而是算力需求發生結構性變革的必然結果。對頭部雲廠商而言，一旦停止算力佈局，就意味着直接確認市場競爭的落后態勢。推動其持續加碼投資的，從來不是敢於冒險的勇氣，而是源於行業競爭的深層恐懼 —— 對錯失算力浪潮、陷入競爭被動的恐懼，纔是這場算力投資競賽的核心驅動力。

人工智能與以往的泡沫經濟有着本質區別

由此引出核心問題：當前這場圍繞生成式AI的雲計算投資熱潮，真的是一場泡沫嗎？

答案很明確：將當前現象簡單斥為「泡沫」是完全錯誤的，核心原因在於，過去的泡沫與當前熱潮的「需求性質」存在本質差異。可通過定量分析清晰佐證這一點。

圖4呈現了全球半導體出貨量及其同比增速趨勢，清晰勾勒出Windows 95泡沫、IT泡沫與內存泡沫的完整軌跡。從數據可見，過往的各類泡沫均呈現「快速增長后驟降」的特徵——這背后的核心邏輯是，當時的需求嚴重依賴「暫時性增長」與「庫存調整」，缺乏持續的底層支撐。

圖4：全球半導體出貨量及較上年增長率。來源：作者根據 WSTS 數據製作 

圖5A通過對比表形式，呈現了Windows 95泡沫、IT泡沫、內存泡沫及當前AI熱潮（暫統稱「熱潮」）從第N年到第N+3年的同比增速變化；圖5B則進一步量化了這一波動：Windows 95泡沫期間增速達41.7%，隨后驟降至-8.6%；IT泡沫增速36.8%，后續跌至-32.0%；內存泡沫增速13.4%，繼而滑落至-12.0%。這種「繁榮后迅速蕭條」的劇烈波動，正是過往泡沫的典型特徵。

來源：作者根據WSTS數據製作 

與之形成鮮明對比的是生成式AI相關需求的增速表現：2023年同比增速為-8.1%，2024年回升至19.7%，2025年預計達22.5%——這意味着2024年及2026年將持續保持正增長。正如眾多行業專家論證的那樣，直至2030年，生成式AI相關需求大概率不會出現負增長。

簡而言之，當下正在發生的並非「泡沫」，而是一場單一、龐大且具備強大慣性的「結構性趨勢」。

此次趨勢與過往泡沫的核心差異，在於需求來源的本質不同：過往需求多源於個人電腦普及、智能手機更新換代等「替換購買浪潮」，屬於階段性的消費端需求爆發；而當前的需求核心，是計算基礎設施的剛性升級需求。更關鍵的是，生成式AI並非「銷售產品即完成閉環」的傳統業態——它將滲透到社會經濟的方方面面，融入各類服務場景，整合至搜索與辦公系統，成為企業生產力提升的核心基石。

由於這一核心基石建立在極其龐大的計算量之上，雲計算投資便不再是「經濟繁榮期的可選配置」，而是成為支撐社會高效運轉的「基礎結構」。從這個意義上講，那些將生成式AI相關投資斥為「泡沫」的觀點，本質上是對這一結構性變革的逃避。這種「基礎設施級的算力需求爆發」，是過往教科書式的泡沫案例中從未出現過的全新形態。

到2030年，投資將持續增長

基於這一邏輯，2030年之前，相關投資的持續增長將是大概率事件。那麼，頭部八大雲服務廠商的資本支出最終將增長至何種規模？圖6呈現了這八大廠商數據中心投資的預測情況，並劃分了悲觀、基準、樂觀三種情景。

圖6：八大雲服務提供商的數據中心投資預測。來源：TrendForce 新聞稿及作者預測 

值得注意的是，即便在最悲觀的情景下，投資規模仍將保持持續增長——核心原因在於，生成式AI相關的算力佈局已成為行業「競爭入場券」，而非可選擇性的「奢侈品」。

這正是生成式AI時代雲計算競爭的殘酷之處：對雲服務廠商而言，停止投資並不會帶來「利潤率提升」，反而會直接導致「AI性能落后、客户流失、平臺價值崩塌」。換句話説，放緩或停止算力相關投資，並非理性的商業決策，更像是對市場競爭的主動認輸。

事實上，相關投資的退出成本極高：GPU與高帶寬內存（HBM）等核心硬件價格昂貴，電力供應、散熱技術的升級需要長期投入，且整個產業鏈的供應鏈體系錯綜複雜。即便面臨諸多挑戰，投資仍在持續推進——因為市場已形成明確的競爭格局：「缺乏足夠算力支撐的企業，將直接被市場淘汰」，甚至來不及進入投資回報率（ROI）的考量階段。

歸根結底，當前頭部雲廠商的持續投資，已不再是「購買未來的不確定性」，而是「守護當前市場地位」的剛性需求。只要這一「算力決定競爭力」的市場結構不發生根本改變，到2030年投資持續增長的趨勢，似乎也成爲了必然結果。

數據中心邏輯電路市場正在快速擴張

雲計算投資的增加將直接推動半導體市場的擴張。特別是數據中心邏輯芯片，未來市場必將迎來增長。

圖7顯示了數據中心邏輯芯片市場（2024 年至 2030 年）的預測。GPU 市場預計將從 1000 億美元增長一倍以上至 2300 億美元，而 AI ASIC 市場預計將增長九倍以上，從 90 億美元增長至 840 億美元。

圖7：數據中心邏輯預測（2024 → 2030 年）。來源：作者根據 Yole Group 的預測數據製作 

值得注意的是，生成式人工智能的發展不會止步於英偉達的GPU。超大規模數據中心運營商不願依賴單一供應商，因為這意味着他們將失去價格談判能力。他們傾向於採用專用於特定應用的人工智能ASIC芯片，以「提升性能而非降低性能，並降低成本」。其中許多芯片由博通公司設計。

換句話説，人工智能半導體市場不會是「GPU獨佔的黃金時代」，而是會轉型為「GPU仍將佔據主導地位，而AI ASIC（博通）將發展壯大，成為市場兩大支柱」的市場格局。即使GPU繼續扮演主導角色，AI ASIC也必將增長。這就是數據中心邏輯市場的現實。

儘管內存供應短缺，但其價格仍在持續飆升

圖 8顯示了生成式 AI 將最積極消耗內存的領域。DRAM市場預計將從 2024 年的 970 億美元翻一番，達到 1940 億美元，其中 HBM 市場將達到 980 億美元。

圖8：存儲器市場預測（2024 → 2030 年）來源：作者根據 Yole Group 的預測數據製作 

這意味着到2030年，HBM將佔據DRAM市場的一半份額。這不僅是市場擴張，更是內存行業主導地位的轉變。

此外，圖 9顯示，DRAM 和 NAND 的現貨價格預計將在 2023 年至 2026 年間上漲。以往「價格上漲，產量增加，價格趨於穩定」的常識已不再適用。提高 HBM 的產量並非易事，提高良率也面臨挑戰，封裝也是一個重要因素。設備和材料方面都存在諸多限制，供應難以滿足需求。

圖9：DRAM 和 NAND 現貨價格上漲。來源：作者根據 TrendForce 數據製作 

此外，內存製造商正將重心轉向人工智能服務器內存，因為這類內存利潤更高。這將減少用於個人電腦和智能手機的通用內存供應，並推高價格。換句話説，人工智能的普及將導致內存市場長期短缺和價格高企。

簡而言之，內存短缺問題將持續存在，價格也將持續上漲。這並非「特殊且暫時的現象」，而可能成為人工智能時代的新常態。

臺積電的主要盈利產品從N5轉向N3

最能有效利用這股「人工智能浪潮」獲利的半導體制造商很可能是臺積電。圖 10顯示了臺積電按製程節點劃分的銷售額趨勢，直觀地展現了其主要盈利產品從 N7 到 N5，再到 N3 的轉變過程。

圖 10：臺積電按節點劃分的季度銷售額。來源：作者根據臺積電歷史運營數據製作

圖11顯示了各節點晶圓投入量的變化趨勢。從圖中可以看出，未來只有 N5、N3 和 N2 節點的投入量會增長，而其他節點的投入量則呈下降趨勢。這並非一句空洞的「前沿技術很重要」，而是事實：只有前沿技術的投入量在增長。換句話説，臺積電已經轉型為一家完全依靠前沿技術盈利的晶圓代工廠。

圖11：臺積電各節點季度晶圓投入量（2025年第四季度預測）。來源：Claus Aasholm，以及作者估算 

生成式人工智能需要海量的計算，這需要大量的高性能人工智能半導體，而這又需要龐大的先進工藝產能。臺積電是唯一能夠滿足這一需求的公司。這種簡單的因果關係正是半導體行業發展的驅動力。

N3的主導地位從蘋果轉移到英偉達和博通

此前，蘋果一直是臺積電最大的客户，推動着臺積電尖端工藝的發展。然而，這種情況正在發生改變。

圖12和圖13顯示了臺積電按公司劃分的 N3 晶圓投入預測。數據顯示，英偉達和博通的投入量將在 2025 年至 2026 年間增長，超過蘋果。

圖 12：臺積電對各公司 3nm 晶圓投入量的預測（每月 1000 片晶圓）。來源：TrendForce 

圖 13：臺積電對各公司 3nm 晶圓投入量的預測。來源：TrendForce 

這不僅僅關乎客户排名。從尖端半導體的發展史來看，這標誌着一個時代的轉變：從智能手機處理器引領潮流的時代，過渡到人工智能半導體主導尖端技術的時代。

蘋果利用尖端技術提升用户體驗。英偉達和博通則利用尖端技術稱霸雲計算領域。二者的區別顯而易見。人工智能半導體並非「賣出去就完事」，它們將作為「持續運行的基礎設施」而廣泛應用。換句話説，對尖端工藝的需求具有極強的粘性。

N3 將成為臺積電的主要盈利產品，這不僅反映了臺積電的實力，也反映了人工智能如何重塑了尖端產品的需求結構。

同樣的現象也可能出現在臺積電的N2芯片上，臺積電將於2025年第四季度開始量產N2芯片。蘋果或許會率先使用N2芯片，但不出六個月，英偉達和博通很可能就會佔據主導地位。換句話説，蘋果將成為打造最先進生產線的先驅，隨后英偉達和博通將成為市場主導者，為臺積電的利潤做出巨大貢獻。

真正的瓶頸在於CoWoS

然而，人工智能半導體的發展存在許多瓶頸，其中最嚴重的是 2.5D 封裝（如 CoWoS）的產能。

圖 14顯示了 2.5D 封裝的產能趨勢。人工智能半導體無法通過先進工藝節點製造的「單芯片」實現，必須與 HBM 結合才能形成系統。CoWoS 對此至關重要，只要這種產能不足，人工智能半導體的供應就將持續短缺。

圖 14：2.5D 封裝容量趨勢。來源：TrendForce 

換句話説，當前人工智能市場的制約因素最終將歸結為一點：「CoWoS 不足」。

這里有一個與直覺相悖的預測：一旦CoWoS的限制解除，投資會趨於平靜嗎？答案恰恰相反：投資將會增加。

這是因為人工智能半導體目前供應受限，即使雲服務提供商想要購買也無力承擔。一旦供應限制解除，此前被抑制的投資將會爆發。雲服務提供商將抓住機會大量採購他們一直等待的半導體，建設人工智能數據中心，進一步加劇競爭。投資非但不會「趨於平靜」，反而極有可能「進入下一階段」。

生成式人工智能創造的不是泡沫，而是一種趨勢。這正在半導體行業引發一場「結構性變革」。而且，這場變革是不可逆轉的。

*聲明：本文系原作者創作。文章內容系其個人觀點，我方轉載僅為分享與討論，不代表我方贊成或認同，如有異議，請聯繫后臺。 

本文來自微信公眾號 「半導體產業縱橫」（ID：ICViews），作者：湯之上隆，36氪經授權發佈。