在AI基础设施投资逼近美国GDP 4.4%的背景下，半导体行业是否正经历一场真正的“超级周期”？6月21日，播客Tech Surge Deep Tech Podcast发布的最新访谈中，伯恩斯坦资深芯片分析师Stacy Rasgon给出了明确判断：这是他职业生涯中第一次亲眼见证真实的芯片超级周期。

与多数华尔街分析师不同，Rasgon拥有麻省理工学院博士学位，工程师出身使他更看重物理定律与资本流动。他指出，去年半导体行业总营收突破8000亿美元，今年正向1.3万亿美元规模狂奔。这种需求大爆发并非孤立现象，而是AI算力需求从加速器向存储、半导体设备、网络、光通信、电源半导体乃至CPU全面传导的结果。

产能瓶颈的“打地鼠”效应

Rasgon用“打地鼠”形容当前供应链状态——产能瓶颈在产业链各环节逐个爆发。以存储器为例，行业正经历有史以来最强劲的上升周期，价格每季度翻倍。核心推手是HBM高带宽存储。他透露，在一颗AI芯片的硅片面积中，HBM占比可能超过85%。更关键的是“折算率”问题：由于堆叠技术的良率损耗和逻辑裸片空间占用，制造1GB的HBM大约需要4倍于标准DRAM的硅片面积。这意味着即便晶圆厂扩产，实际存储容量增量依然受限。

这种极端需求甚至让弱势企业意外获益。Rasgon直言，英特尔服务器CPU业务因需求异常强劲而获得利润率上行，甚至卖掉了此前注销、闲置在仓库角落里的库存。客户的态度变成“我们不在乎，请卖给我们”。

从训练到推理的拐点

尽管千亿美元级资金涌入AI训练，Rasgon将商业化破局点指向推理。他认为，训练模型本身无法赚钱，必须将模型用起来，推理才是变现核心。这一转变已体现在初创公司数据上：类似Anthropic这样的企业，其年化收入从去年12月的90亿美元，到今年1月的140亿美元，再到4月的300亿美元，呈现垂直上升态势。

随着英伟达收购Groq，推理市场的细分需求更加凸显。Rasgon指出，并非所有数据词元价值相同，对于需要极低延迟的特定推理任务，定制化芯片或专用推理架构往往比通用GPU更具经济性。

定制芯片与GPU的共存格局

在推理需求爆发下，定制化芯片ASIC势头上升，博通成为最大受益者。Rasgon提及，博通此前认为半导体是成熟行业、只有中等个位数增长，但现在一切都变了，博通预计明年AI收入可达1000亿美元。云服务商自研ASIC不仅为性能优化，更是为了在英伟达高达75%的毛利率面前拥有谈判筹码。

但Rasgon强调，这并非零和游戏。如果ASIC占据更大份额，那是因为整个市场蛋糕变大了。对于庞大稳定且内部开发的工作负载，ASIC能提供更低总拥有成本；但如果模型结构改变，GPU的可编程性优势不可替代。关键在于市场机会是否持续扩大——如果足够大，两者都会蓬勃发展。

电力：被忽视的终极天花板

当被问及市场可能忽视的风险时，Rasgon将焦点拉回物理基础设施——电力。云巨头今年资本支出已达6000亿美元，若未来基础设施支出按英伟达预期的每年3万亿到4万亿美元规模发展，现有能源系统将面临崩盘。他建立的测算模型显示，美国电力容量需在未来十年内每年增长5%左右，但在电力设备分析师眼里，这一增长率根本无法实现。这意味着下一波AI创新和瓶颈突破口将落在能源生成、冷却和核电等领域。

总体而言，Rasgon认为只要AI需求不发生断崖式崩盘，半导体产业链的超级周期仍将持续。资本市场的关注点必须紧跟这些不断在各个环节中游走的产能瓶颈，而人类的聪明才智总会在有利可图时找到出路。