英特爾的，CEO，告訴你，半導體行業未來的機會在哪里

前兩天 Meta 宣布要對外出售多余的 AI 算力，消息一出半導體和算力板塊直接跳水，不少人心里犯嘀咕：AI 算力的需求真見頂了？

剛好紅杉和美國知名半導體研究機構 Third Analysis 創始人 Dylan Pattel，做了一場 70 分鐘的對談，把這個問題聊得明明白白，還透了未來半導體行業的競爭格局。

下面我給大家捋清楚重點，內容都是整理的訪談內容，不構成任何投資建議。

先看核心判斷：AI 模型能力的進步速度遠遠超過了算力增加的速度。

拿 Anthropic 最新的模型舉例，新模型比上一代 Opus 強了不止一個量級，不是跑分高幾個百分點，而是能做的活的種類和價值直接上了大臺階。

說白了，新模型的潛在市場總規模，遠不止上一代的兩倍。

模型能干的活變多、變值錢，需求自然就上來了。

那這段時間算力供給漲了多少？

從上一代模型發布到現在才幾個月，全球算力連翻倍都沒做到。

一邊是需求快速上臺階，一邊是供給緩慢爬坡，算力哪里是見頂，是嚴重供不應求。

這里有幾個實打實的數字：今年全球新增數據中心算力會達到 20GW，明年會超過 30GW。

這里說的 GW 是算力功率，1GW 差不多等于一座大型核電機組的功率，也就是說光今年一年，人類就新增了 20 座核電機組驅動的算力。

到 2030 年，光是 OpenAI 和 Anthropic 這兩家，算力就會超過 100GW。

再看盈利情況：Anthropic 今年二季度不算股權激勵成本已經盈利，三季度就算算上股權激勵，也大概率能盈利。

Anthropic 的 Opus 4.8 模型賣 Token 的毛利率超過了 80%，這個毛利率意味著什么？

就算算力成本翻倍，毛利率還能剩 50% 以上。

租來的每一顆芯片，都能立刻變成正毛利的產品賣出去。

搶更多算力就能更快迭代模型，模型更強就能接更多活，形成正向循環。

只要模型創造的經濟價值擴張得比算力快，算力就會一直供不應求。

什么時候會見頂？要么模型能力漲不動了，要么沒有新場景接上。

目前來看，這個正向循環還在繼續。

最近有數據中心公司 Crucial 宣布，暫停懷俄明州一個 1.8GW 的項目，還有報道說因為沒拿到谷歌這樣的大客戶。

不少人就覺得這是算力需求見頂的信號，但實際不是這么回事。

這其實是數據中心行業進入淘汰賽的信號。

現在行業里有太多濫竽充數的玩家，有的團隊只有四個人，買幾臺燃氣輪機交了定金就號稱要建數據中心，最后只能延期再延期，最后黃了。

同樣是 1GW 的算力，含金量天差地別。

谷歌能在 1GW 的場地里塞進 1.5GW 的硬件，靠的是在不同業務之間調度電力，把電用滿，電力利用率能到 9 成。

普通數據中心的電力利用率只有六七成。

所以停建不是沒人要，是沒用的玩家被擠出去了。

真正有實力的玩家，還在開足馬力搶算力。

現在幾乎所有科技大廠都在做自己的專用芯片，有人就問：未來還需要英偉達嗎？

先明確一個概念：大廠自研的都是 ASIC 專用芯片，專門針對某一類任務、某一種模型架構優化，干對口的活效率極高，干不對口的就不靈了。

比如谷歌的 TPU 是頂級芯片，Anthropic 的預訓練都在用，但放到 Deepseq 上跑效果就很差，因為 Deepseq 是圍繞英偉達的芯片架構優化的。

專用芯片會不會贏下市場？

答案是未必。連 AI 實驗室自己都不知道一年后會用什么樣的模型架構，手里只有一堆研究方向。

為今天的架構優化到極致，明天架構一換全白干。

谷歌自己就同時養著三條不同架構的 TPU 設計線，就是怕踩錯坑。

哪怕谷歌 TPU 做得這么好，也覆蓋不了所有需求。

藥物研發、自動駕駛這些業務，還是主要用英偉達的 GPU。

甚至谷歌還花高價租馬斯克的 XAI 的英偉達芯片算力，自己有芯片還租，就是因為通用芯片的價值。

那英偉達怕什么？黃仁勛最怕的是市場被少數巨頭壟斷，比如只剩 OpenAI、Anthropic、谷歌三家，那英偉達就沒活路了。

所以他一直在到處投資新興模型公司和云廠商，扶植新玩家，維持多級市場的格局。

至于那些主打超快推理的新型芯片公司，比如 Sambanova、被英偉達收購的 Grok，其實很難成為克星。

而 AI 收入的大頭，從來都在最強最貴的模型上，裝不下就吃不到最肥的市場。

最后給個明確結論：只要模型公司和云廠商不進入寡頭壟斷，英偉達的通用芯片就一直有的賺。

專用芯片賺的，只是跟對了架構的快錢。

最后說三個值得關注的半導體細分賽道：

第一個是 CPO 共封裝光學。

這是光通信的新技術，不是會不會發生的問題，所有人都知道它會落地，只是時間早晚，早一年晚一年落地，市場格局都會天差地別。

第二個是存儲技術。現在的 DRAM 還是四十年前的技術，HBM 過去五年也只是把內存堆得更高。

接下來幾年真正的大事，是把內存直接堆到計算芯片上，這會讓帶寬出現爆炸式的提升，已經有公司在做研發和測試了。

第三個是太空算力。未來三到五年太空數據中心不重要，2030 年占比連 1% 都不到。

但到 2040 年，全球新增算力里會有一半以上部署在太空，再往后絕大多數新增算力都會上天。

背后的邏輯很簡單：就看地面上的用電成本還能撐多久。

回到最開始的問題：Meta 出售算力，到底是 AI 算力見頂的第一聲警報，還是淘汰賽開場的發令槍？

Dylan Pattel 的答案很明確：后者。