在AI基礎設施投資逼近美國GDP 4.4%的背景下，半導體行業是否正經歷一場真正的“超級週期”？6月21日，播客Tech Surge Deep Tech Podcast發佈的最新訪談中，伯恩斯坦資深芯片分析師Stacy Rasgon給出了明確判斷：這是他職業生涯中第一次親眼見證真實的芯片超級週期。
與多數華爾街分析師不同，Rasgon擁有麻省理工學院博士學位，工程師出身使他更看重物理定律與資本流動。他指出，去年半導體行業總營收突破8000億美元，今年正向1.3萬億美元規模狂奔。這種需求大爆發並非孤立現象，而是AI算力需求從加速器向存儲、半導體設備、網絡、光通信、電源半導體乃至CPU全面傳導的結果。
產能瓶頸的“打地鼠”效應
Rasgon用“打地鼠”形容當前供應鏈狀態——產能瓶頸在產業鏈各環節逐個爆發。以存儲器為例，行業正經歷有史以來最強勁的上升週期，價格每季度翻倍。核心推手是HBM高帶寬存儲。他透露，在一顆AI芯片的硅片面積中，HBM佔比可能超過85%。更關鍵的是“折算率”問題：由於堆疊技術的良率損耗和邏輯裸片空間佔用，製造1GB的HBM大約需要4倍於標準DRAM的硅片面積。這意味著即便晶圓廠擴產，實際存儲容量增量依然受限。
這種極端需求甚至讓弱勢企業意外獲益。Rasgon直言，英特爾服務器CPU業務因需求異常強勁而獲得利潤率上行，甚至賣掉了此前註銷、閒置在倉庫角落裡的庫存。客戶的態度變成“我們不在乎，請賣給我們”。
從訓練到推理的拐點
儘管千億美元級資金湧入AI訓練，Rasgon將商業化破局點指向推理。他認為，訓練模型本身無法賺錢，必須將模型用起來，推理才是變現核心。這一轉變已體現在初創公司數據上：類似Anthropic這樣的企業，其年化收入從去年12月的90億美元，到今年1月的140億美元，再到4月的300億美元，呈現垂直上升態勢。
隨著英偉達收購Groq，推理市場的細分需求更加凸顯。Rasgon指出，並非所有數據詞元價值相同，對於需要極低延遲的特定推理任務，定製化芯片或專用推理架構往往比通用GPU更具經濟性。
定製芯片與GPU的共存格局
在推理需求爆發下，定製化芯片ASIC勢頭上升，博通成為最大受益者。Rasgon提及，博通此前認為半導體是成熟行業、只有中等個位數增長，但現在一切都變了，博通預計明年AI收入可達1000億美元。雲服務商自研ASIC不僅為性能優化，更是為了在英偉達高達75%的毛利率面前擁有談判籌碼。
但Rasgon強調，這並非零和遊戲。如果ASIC佔據更大份額，那是因為整個市場蛋糕變大了。對於龐大穩定且內部開發的工作負載，ASIC能提供更低總擁有成本；但如果模型結構改變，GPU的可編程性優勢不可替代。關鍵在於市場機會是否持續擴大——如果足夠大，兩者都會蓬勃發展。
電力：被忽視的終極天花板
當被問及市場可能忽視的風險時，Rasgon將焦點拉回物理基礎設施——電力。雲巨頭今年資本支出已達6000億美元，若未來基礎設施支出按英偉達預期的每年3萬億到4萬億美元規模發展，現有能源系統將面臨崩盤。他建立的測算模型顯示，美國電力容量需在未來十年內每年增長5%左右，但在電力設備分析師眼裡，這一增長率根本無法實現。這意味著下一波AI創新和瓶頸突破口將落在能源生成、冷卻和核電等領域。
總體而言，Rasgon認為只要AI需求不發生斷崖式崩盤，半導體產業鏈的超級週期仍將持續。資本市場的關注點必須緊跟這些不斷在各個環節中游走的產能瓶頸，而人類的聰明才智總會在有利可圖時找到出路。