半导体行业的 14 条前瞻判断

开场：利润增长，为什么估值反而降低？

英伟达的利润还要翻倍，可它的估值已经跌到了过去 10 年最便宜的区间。赚得越来越多，市场却越来越不敢给价——这是 10 月 23 日硅谷一场半导体前瞻圆桌会议上，被摊开来讲的一个核心矛盾。

台上有两位嘉宾。一位是 SemiAnalysis 的创始人，在我看来，是全世界研究 AI 算力产业链最有影响力的人之一。他的官方账号发一篇文章，确实会影响大部分半导体公司的股价。另一位是华尔街 Bernstein 的资深半导体分析师，十几年来一直排在华尔街最顶尖的那批人里。

一个懂产业链，一个懂钱，所以这场会议的信息量特别大。我会把每个观点的逻辑和关键数据讲清楚，再说说卡点在哪里。

我看完这场圆桌，觉得非常有价值。你在市场上很难听到这么深入的分析，所以这条视频也是我录过的最长的视频之一。可以收藏起来慢慢看，我认为未来三年还可以拿出来反复听，其中的逻辑仍然有效。我也会把这场圆桌的要点总结得更清楚。

1. 融资正在成为 AI 建设的新瓶颈

之前大家都觉得缺电，现在看来，融资能力也成了关键约束。

先看几个信号。那些云巨头，过去是人类历史上最赚钱、最稳定的一批公司，现在自由现金流正在往负数走，开始向外烧钱，甚至要为发行股票融资做准备。Meta 刚刚调整了股权结构，作用之一就是这个。

美国 10 年期国债收益率已经超过 5%。专做 AI 云的 CoreWeave〔注1〕，其无担保债券在市场上的收益率大约是 15%。这意味着，它今天如果再借新钱，差不多就得付这个价格。

融资门槛正在把中小云厂商挡在门外。一年前，任何一家云厂商，哪怕利息再高，都能借到钱；现在不一样了。手里如果没有高信用大客户的长期包租合同，根本开不了工。就算拿到 Anthropic、OpenAI 的合同，债主照样可能按照 13%—15% 的利率定价。

因此，AI 建设本来就受到电力、芯片和设备的约束，现在又多了融资。相关股票这一轮虽然涨了很多，但已经明显低于高点。市场担心的是：建设速度能不能持续，高峰是不是快到了？

我的判断是，未来一两年，钱的问题会卡住一部分建设，但还不至于把它卡死。真正的卡点是：AI 收入能不能增长到足够高，让这些担心变得不再重要？

这里有一个参考价格。原文提到，“SpaceX”〔注2〕现在用短期合同出租算力，价格大约是每吉瓦 500 亿美元〔注3〕。我觉得这种做法很聪明：按照这个价格，投入的钱能够收回，还能多赚。

问题只有一个：这个价格能不能维持，能维持多久？供不应求还能持续多久？

2. 瓶颈反而是好事

回看过去几十年，每一轮建设都会重复下单两次、三次，最后建出一大堆过剩产能。整个供应链预测需求的能力，其实很差。

互联网泡沫那几年，大家拼命铺光纤。直到今天，地下还埋着大量没有使用过的光纤。

这一轮，融资、电力、设备一起形成约束，供给被迫向后推，反而可能与需求对得更准。

我的理解是，建得慢一点，不一定是坏事。把一切推到极致，再迎来一次大崩盘，才是最坏的结局。这些约束，相当于给这一轮景气装了一个限速器，让它走得更久。

3. 卖芯片的公司开始给客户兜底

芯片厂商很清楚，真正能持续大量买卡的大客户就那么五家。剩下的客户融不到钱，它们的卡也卖不出去。

于是，英伟达想出了一种新玩法，跟云厂商说：

你这个集群，我保底按每小时 3.5 美元租下来。这个价格你基本上不赚钱，但如果你租给别人、卖得更高，多出来的部分，我参与分成。

有的项目分成高达 50%。连给 Anthropic 建集群的公司，都要分给英伟达 10%。

博通更直接，把芯片以先租后买的方式提供给 Anthropic，款项分几年支付。

现在的规则是：如果你不是大公司，又想要算力，就得设计一种交易结构，让英伟达、博通或者 AMD 给你兜底。融资也越来越多地从长期贷款，转向短期安排。

云巨头也在用自己的承诺撑起整条融资链。比如，Meta 对算力和数据中心的承诺高达 1.4 万亿美元，数据中心拿着 Meta 的合同才能去融资。即使如此，资本市场对这些安排也开始感到不安。

所以，我把 AI 算力建设所需的条件归为三类：

• 土地、电力和机房。
• 芯片。
• 融资。

这里的风险要看清楚：芯片厂从卖货的一方，变成了担保的一方。哪天算力租金降下来，这些保底价格最后就要由芯片厂自己承担。

4. 产业链的瓶颈排序：基板、存储、光学

AI 产业链现在真正“卡脖子”的环节，排序是：基板第一，存储第二，光学第三。电力没有大家想象的那么严重。

这是最反直觉的一个判断。

排第一的是封装基板。说白了，它就是芯片底下托着芯片、连接电路板的那块“地基”，以及制造它所需的各种材料。

这个链条长期投资不足，而且供应链很大一部分掌握在日本企业手里。日本企业普遍比较保守，不愿意大举扩产。它卡住的不只是 AI 芯片，CPU 和其他零件也会受影响。

排第二的是存储，下一节单独讲。

排第三的是光学。行业都想上共封装光学，也就是把光通信直接做到芯片封装里。可哪怕到了 2028 年，即使只有一家大公司想全面用上，供应链都可能供不起。从激光器、光纤连接，到里面的各种零件，都在形成约束。

再看电力。全球正在建设的数据中心加起来接近 50 GW。1 GW 差不多相当于一台大型核电机组。其中，美国大约是 35 GW，中国大约是 7—8 GW；澳大利亚、印度和马来西亚也是大市场。

电确实紧，但人们可以在现场使用燃气轮机。原文随后提到 Bloom Energy，以及往复式发动机、燃料电池等方式〔注5〕。总能想办法绕过去，对吧？

再复杂的发电系统，也远没有半导体供应链复杂，扩起来要快得多。

所以，大家天天盯着的电，并不是最大的卡点。真正难扩的是基板、存储、激光器这些不太起眼的环节。对整个行业来说，它们是接下来两年最稀缺、也最值钱的位置。

5. 存储进入超级周期，关键是价格会不会崩

先看存储有多重要：一台 AI 机柜里，七到八成的硅面积都是存储，主要是内存。

再看它为什么那么紧。AI 芯片使用的是高带宽内存 HBM，生产 1 GB 所消耗的晶圆，是普通 DDR5 内存的三到四倍。普通内存，就是手机和电脑里使用的那一类。

也就是说，AI 每多要一点高带宽内存，就会挤占手机、电脑所需的存储产能，结果就是价格大涨。

存储公司有多赚钱？原文举了闪迪的例子：它给出一个季度的每股收益指引，比它“24 个月的股价”还要高〔注4〕。

可奇怪的是，这些公司的股票只有两到四倍的预期市盈率，便宜得离谱。因为市场默认这就是周期顶点，所以给的是顶点估值。

大家都担心，2028 年新产能释放出来，价格就会崩。但我觉得真正值得问的是反过来的问题：

如果价格不崩呢？如果 AI 需求还按现在的速度扩张呢？

存储很可能一直都是卡点。这就是这一轮超级周期最大的分歧。

6. 设备与洁净室都很紧张，约束至少延续到 2028 年

造芯片的设备和洁净室，也都排满了。这种紧张至少会持续到 2028 年。

有设备公司给出的展望是：明年全球晶圆制造设备市场将超过 2,000 亿美元。今年年初，大家估计的还是 1,200 亿美元；到今年年底，可能达到 1,550 亿美元。多出来的部分，都是在现有厂房里拼命挤出来的。

还有很多投资者预期会高于 2,000 亿美元。我觉得不太现实，因为没有那么多晶圆厂，现有洁净室都已经满了。

新建一座厂房需要好几年。2027 年只有少量新洁净室投入使用，2028 年、2029 年才会逐步增加。

设备商自己也在缺东西：电路板、芯片，甚至阀门、气体流量控制器这些看起来简单的零件。瓶颈一层叠着一层，先解决这一层，才能解决下一层。

这个行业在疫情期间吃过一次亏，现在管理供应链的能力比那时强了很多，但约束仍然存在。

所以，我的判断是：今年紧，明年紧，2028 年大概率还紧；到 2029 年，问题才可能变成“需求够不够”。

7. 半导体行业找回了定价权

这个行业过去有一个习惯：默认产品会越卖越便宜。

有一项研究覆盖了 150 家公司、12 个细分行业，考察的是 1996 年到 2004 年的一个完整周期。结论是，整个行业在毁掉经济价值，连资本成本都赚不回来。

累计损失的经济价值大约是 50 亿美元；如果把英特尔剔除，损失就达到 500 亿美元。那个时候，价值通过降价，流向了消费者。

2008 年以后，行业经过大量整合，才开始勉强覆盖资本成本。真正的转折发生在疫情期间：成本不断上涨，可几乎没有一家公司的利润率被压缩，大家按照原来的利润率结构继续加价。

举个例子：一家毛利率为 60% 的公司，成本上涨 100，售价就上涨 160，客户也接受了。

2023 年到 2024 年，行业出货量基本与 2019 年持平，平均售价却高了 50%；即使剔除存储，也是 50%。

今年是这个剧本的加强版。整个半导体行业的规模大概是 1.5 万亿美元，同比增长可能达到 100%。其中，七到八成的增长来自存储涨价，剩下的增长也有很大一部分来自其他芯片涨价，出货量本身只增加了 10% 左右。

我的理解是，只要供给继续紧张，这种定价权就会延续，因为客户没有别的选择。这一轮涨价，最后会一路传到下游。

8. 谁能扩大利润，谁来承担涨价？

半导体公司赚钱，有两种不同的路径。

一种是台积电。十年里，它的毛利率从 45% 稳步上升到 60%。行情好的时候多拿一些，行情差的时候，也没有大幅让出去。它几乎垄断，又是客户的长期伙伴，明明可以大幅涨价，却没有那么做。

另一种是存储。大概 24 个月前，存储刚经历了互联网泡沫以来最惨的一轮周期，毛利率为负。

现在，存储厂商的心态是：低谷时，像苹果这样的客户狠狠压价；现在行情好了，就要把那部分利润赚回来。

最后，这些涨价都会压到建设算力的成本上。2024 年，建设 1 吉瓦算力，把芯片、土地、电力和机房全部算上，大约需要 400 亿美元；现在已经超过 600 亿美元。当然，现在 1 吉瓦能够产出的东西，也多得多。

接下来有一个很关键的机制：云厂商要融资，就得先签大客户的包租合同。一旦签约，价格就锁定了。

马斯克反着来，先把算力建好，等投入使用后再签合同。不提前锁定每吉瓦 150 亿美元左右的收入，就能卖到高得多的现货价格。当然，马斯克有钱，所以可以这么做。

再看 AI 实验室。按原文转述的 Anthropic 披露情况，它的推理收入大约相当于每吉瓦 700 亿—800 亿美元。当算力成本为每吉瓦 150 亿美元时，利润率能达到 75%—80%；如果成本上涨到 500 亿美元，利润率就会低很多。

英伟达也夹在中间。它既要消化存储、基板和光学的涨价，又要维持自己的利润率，所以卖给客户的价格已经大幅上涨。

这里的卡点是：涨上去的成本，到底由谁承担？

芯片厂、云厂商、AI 实验室，谁能保住利润，谁能扩大利润，谁需要让出一部分？现在还没有定论，价格仍在实时博弈。

9. 芯片涨价是否合理，要看性能是否涨得更快

不能只看成本和利润率，还要看客户到底得到了什么。

英伟达从 Ampere 到 Hopper，单价大约翻倍，性能提高了大约十倍。从 Hopper 到 Blackwell，单颗 GPU 单价上涨五成左右，性能提高了三到三十倍；后续软件优化可能还不止这些。

到了下一代 Rubin，按英伟达自己给出的口径，每吉瓦的成本从 250 亿美元上涨到 400 亿美元。机柜成本差不多翻倍，性能又大约是之前的十倍。

只要性能提升与成本上涨之间的差距还在拉大，涨价就能传导下去，客户就愿意买单。

红线也很清楚：哪一天新一代芯片的性能只能提高 20%，定价、毛利率等方面都可能出问题。大家记住这一点。

原文还转述，英伟达首席科学家说过：过去十年，GPU 性能提高了一千倍；未来十年的目标，是提高一百万倍。目前，它还在这条路线上。

我的判断是，英伟达能不能守住 70% 多的毛利率，就要看它能不能一直留在这条性能提升的轨道上。

10. 大客户都在自研芯片，芯片设计可能像软件一样商品化

OpenAI 做了一件行业里此前没有做过的事：证明第一代自研芯片也能做得很好。

Anthropic 也启动了自己的芯片项目，目标是用 OpenAI 一半的时间完成。谷歌在对外销售 TPU，亚马逊的 Trainium〔注1〕已经可以在主流框架里直接使用。Meta、微软的路线图也非常激进。

为什么大家都要自己做？算一笔账就明白了。

1 吉瓦算力的成本是 600 亿美元，如果把英伟达、博通、美光这些芯片公司的利润都拿掉，大约只需要 200 亿美元。那么，1 吉瓦算力运行推理赚到的钱，就能再建 5 吉瓦。

以前，自研芯片最难的是软件。现在，AI 也在降低这道门槛。

所以，真正的问题是：芯片设计会不会像软件一样，变得越来越多人都能做？

掩膜、EDA 设计软件等固定成本，每颗芯片仍需要 5,000 万美元左右。但写程序变得容易，做芯片的人一定会增多。如果设计本身也变容易，设计环节的利润率就会下降。

市场已经在反应了。软件公司在资本市场上遭受重挫；英伟达、博通的利润同比翻倍以上，股价却基本横盘，估值倍数处于历史低位。

大家担心的是：Meta、谷歌会不会甩开博通，会不会不再采购英伟达，全部转向自研？

反过来，存储、台积电的晶圆、基板和光学等环节，不管是谁设计芯片，都需要使用。

所以，我的判断是：未来两年，英伟达和博通的高利润率大概还能守住；再往后，涨价空间更大的，可能是这些零部件供应商。

前两天，直播间有人问：为什么台积电的市盈率会高于英伟达？背后就是刚才说的这套逻辑。

11. 英伟达的份额正在下降，只是被高增长掩盖了

看英伟达使用的先进封装晶圆和高带宽内存，占全行业的比例，就能看出变化。

2023 年、2024 年，它占了大头；2025 年开始趋缓，今年在下降，明年还会继续下降。谷歌、亚马逊、AMD 都在拿走更多份额。

但整个市场增长得太快，英伟达每年的利润照样同比翻倍，甚至更多。

真正的考验在 2028 年、2029 年。那时，行业增速可能没有这么高，收入不再一年翻一倍，丢失份额的影响才会显现出来——除非它在 Rubin 之后的架构上，做出非常大胆的押注。

12. 英伟达的护城河还在，但估值已处于十年来少见的低位

英伟达现在改为一年发布一代新芯片，不只是为了自己，也是在逼对手陪它一起快速前进。

它的护城河包括：

• CUDA 软件体系，尽管它现在还算不算护城河，存在争议。
• 生态，以及已经装进机房的海量设备。
• 资产负债表和融资能力。
• 用 AI 加速芯片设计的速度。

黄仁勋把老英特尔的教训记在心里，每天都在回头看：对手有没有追上来？

可是，估值很便宜。大概九到十个月前，有一份报告比较了英伟达与整个半导体指数。往前看十年，只有 13 个交易日，英伟达的相对估值比当时更低。而今天，又便宜了很多。

市场担心两件事：

1. 整体需求能不能持续。 如果需求消失，不管是英伟达还是其他公司，都会受到冲击。
2. 行业内部的竞争。 英伟达领先太多，所有人都想抢它的生意。

这就是开头那个矛盾的答案。

13. 企业使用 AI 的真正价值，在生产率

这么多钱投下去，最后总得有人用起来。如果企业不用，这个行业就不存在。

现在，企业端已经出现第一个杀手级应用：编程智能体。编程业务的收入曲线几乎是垂直向上的。现在还有谁在手工写代码？没了。

台上那位华尔街分析师，讲了他团队的一次真实经历。

几个月前，他们尝试用 Claude〔注1〕搭财务模型，结果一塌糊涂。最近，同事说好像可以用了。他们就开了一场线上会议，现场让 Claude 从零为一家覆盖公司搭模型。

十年的历史数据、公司历次业务划分的调整，都被梳理清楚了；它还参考 CEO 在财报电话会上的讲话，按逻辑推演、作出预测。一小时二十分钟，一次完成。

这种模型，他团队里一个人需要搭一周，他自己需要三个月。

所以，他的判断是：大家都盯着 AI 收入，可真正的价值是生产率——用更少的人，完成更多事情。

这更难量化，但从目前听到的大多数具体案例来看，我认为 AI 有回报，证据已经很明确。

当然，也有隐忧：会不会出现企业全面使用 AI、失业率达到 20% 的情形？没有人知道，很可能会有。当然，现在还很早，很多企业仍处于试验阶段，不知道该怎么用。

14. 大部分企业会直接购买 Token，而不是自己买卡、跑模型

原因是效率。大模型批量处理的效率，加上规模经济，意味着大多数企业自己运行模型并不划算。

多数企业会直接购买 Token，接入自己的系统，再与自身数据结合。

就像二十年前，企业普遍自己买服务器、自建机房，后来大部分支出转到了云服务上。接下来，大部分 AI 支出会转向购买 Token。

即使是制药公司、对冲基金这样重视数据的机构，大部分 AI 支出也会直接流向模型公司；底层算力的工作，则交给专门的服务商。

对企业来说，我的建议很明确：先别急着囤卡、自建算力。把自己的数据和流程理顺，再购买现成的 Token 用起来，是性价比最高的路径。

总结：最终要看企业能不能把 AI 用起来

我的总体判断是，未来两年，AI 算力仍是卖方市场，瓶颈环节的价格还会往上走。

最稀缺的，不一定是最出名的芯片公司，而是基板、存储、光学和设备这些不太起眼的环节。

英伟达会继续赚很多钱，但它最大的对手，正在变成自己的大客户。

全球在建的 50 GW 算力里，美国占 35 GW，中国为 7—8 GW，相差四到五倍。而卡得最紧的基板、存储和光学，恰恰是最苦、最需要耐心的硬环节。这也是我们最该补的课。

至于这一轮能走多远，最终要看企业能不能真正用起来。

一个华尔街顶级分析师三个月的工作，AI 一小时二十分钟就能完成。在我看来，答案已经很清楚了。