卡住AI的，不是电，是一块小基板

所有人都在谈电力危机，但真正的瓶颈，是一块巴掌大的板子。

10月23日，美国圣塔克拉拉，CASPA第35届年度大会。SemiAnalysis CEO Dylan Patel 与伯恩斯坦资深分析师 Stacy Rasgon 同台，聊的是当下最热的三个话题：AI投资能否持续、半导体供应链瓶颈，以及英伟达的竞争优势还能守多久。

Patel给出的答案出乎很多人意料：当前AI基础设施建设面临的最大供应链瓶颈，并非电力，而是芯片基板——影响程度甚至超过土地、电力及半导体制造设备等环节。Rasgon则补了一刀：供应链紧张，恐怕要延续到2028年。

这两句话放在一起，基本勾勒出未来三年AI算力的真实约束条件。

🧩 最严重的瓶颈，是一块“小板子”

先说结论：AI加速器想多造一颗，卡住它的往往不是晶圆，而是封装环节的基板。

Patel的核心判断很明确：芯片基板是目前AI基础设施供应链中最严重的瓶颈。原因说起来并不复杂——基板及相关材料过去长期投资不足，而如今AI加速器与CPU的产能扩张，几乎每一颗都要过基板这一关。

更麻烦的是供给端的姿态。由于日本相关供应商扩产态度谨慎，关键材料供应难以迅速增加。这不是某一家公司的问题，而是整个材料环节的集体决策：这些日系厂商经历过行业周期的大起大落，对“AI需求会不会是又一轮过山车”心存疑虑，宁可少赚，不愿重注。

据多位接近产业链的人士说法，这种谨慎情绪在材料环节相当普遍——扩产周期长、客户认证严、一旦需求回落，新增产能就是资产负债表上的毒药。

除了基板，Patel还点名了两个同样吃紧的环节：存储芯片（HBM）与光学互连元件。换句话说，AI算力的供应链短板是一整串，而基板是串得最紧的那一环。

这个链条的逻辑很直白：需求端是指数级的，供给端是线性的，而基板恰好处在“线性得最厉害”的位置。（注：这一“指数vs线性”的概括是本文作者的归纳，并非Patel原话。）

⚡ 电力能靠燃气轮机续命，基板不能

为什么说基板的瓶颈效应大于电力？关键区别在于：电力短缺有Plan B，基板没有。

SemiAnalysis 预估，2027年全球在建数据中心规模将接近50吉瓦（GW），其中美国约占35吉瓦。这个数字听起来吓人，但业界并非束手无策——部署现场燃气涡轮机、燃料电池等设备，可以部分缓解电力供应限制。电网扩容慢，那就把电厂搬到机房旁边，办法虽然土，但管用。

这一判断有独立信源可交叉印证：路透社此前报道，美国电网互联排队周期普遍长达数年，超大规模云厂商已转向在数据中心现场部署燃气轮机与燃料电池作为过渡方案；GE Vernova等涡轮机厂商的在手订单已排至2028年之后，同样佐证了“现场发电”路径的真实性与规模。换句话说，“电力可以绕、基板绕不开”这一对比，与第三方信源的观察方向一致。

半导体供应链则完全是另一回事。扩产需要更长时间，难以迅速增加供给：建厂、设备交付、材料认证、客户导入，每一步都是以年计的周期。电力问题可以用工程手段“绕过去”，基板产能却只能“等出来”。

把几个主要瓶颈放在一起看，差异就很清楚了：

需要说明的是：表中“严重程度”一栏均为Patel在会上的个人判断（事实转述），而“缓解路径”与“见效周期”两列是本文基于公开产业链信息所作的整理与推断，仅供参考。

💸 一吉瓦600亿美元：AI基建的通胀速度

瓶颈的另一个后果，是成本。

Patel估算了一笔账：2024年建设1吉瓦算力基础设施的总成本约为400亿美元，如今已超过600亿美元——两年内涨幅逾50%。（事实转述：这是Patel在会上的估算，本文未能找到可独立核实的第三方口径，读者宜将其视为分析师观点而非精确统计。）

这个涨幅意味着什么？本文的推断是：同样一笔资本开支，能买到的算力在缩水。当AI基建的单位成本快速膨胀，投资回报率的计算公式就在被悄悄改写。这也是“AI投资能否持续”这个问题的底层压力来源：不是市场不相信需求，而是每吉瓦的代价涨得太快。

成本通胀+基板卡脖子，两者是相互强化的：瓶颈越紧，稀缺环节溢价越高，单位算力成本越贵；成本越贵，下游对“每一美元买到的算力”就越敏感，进而更倾向于寻找性价比更高的算力方案——这就引出了下一个话题。（本段为作者推断。）

📉 英伟达的隐忧：HBM与CoWoS份额开始下滑

这场大会上，第三个值得玩味的信号，来自英伟达自己。

Patel指出，英伟达在全球CoWoS先进封装及HBM资源消耗中的占比已开始下滑，预计2027年将进一步下降。（事实转述。）翻译成人话：以前稀缺的先进封装和HBM产能，几乎是给英伟达一家量身定做的；现在，分蛋糕的人变多了。

这一趋势有第三方数据可佐证：TrendForce等研究机构对CoWoS产能分配的跟踪显示，英伟达在台积电先进封装总产能中的占比正逐步让位于云厂商自研ASIC（谷歌TPU、亚马逊Trainium等）订单；台积电公开表态CoWoS产能仍供不应求并持续扩产，也印证了“多路需求同时争抢同一池稀缺产能”的格局。方向上，这与Patel的判断相互印证，但具体占比数字双方口径不同，不宜直接对比。

分蛋糕的人是谁？答案是加速自研芯片的谷歌、亚马逊等科技巨头。当巨头们把自研ASIC的订单一张张签下去，它们同样需要CoWoS封装、同样要抢HBM——而这些稀缺资源从英伟达流向自研阵营的每一次转移，都是对英伟达市占率和定价权的一次稀释。（事实部分是产能流向，推断部分是“稀释定价权”的因果判断，后者为本文与分析师观点，尚待验证。）

现场有投资人的感受很直白：英伟达的高利润率，建立在对稀缺资源近乎独占的基础上；当独占变成分享，商业模式的护城河就要重新丈量了。（这是现场听众观点的转述，不代表本文立场。）

英伟达依然占据技术与商业价值的高地，这是事实。但趋势比位置重要：自研阵营在向上爬，而英伟达的稀缺资源占比在向下走。一升一降之间，2027年之后的算力市场格局，未必是今天的复刻。（本段为作者推断。）

🕰️ 紧张到2028：日系厂商的谨慎，是理性还是保守？

回到时间轴。Rasgon的预期是：半导体供应链紧张情况可能延续至2028年，2029年的供需状况则将取决于市场需求变化。

这个判断的产业逻辑值得展开：供应链从“紧张”到“缓解”，中间隔着的是一轮完整的扩产周期——决策、建厂、装机、爬坡、认证，环环以年计。2025年做出的扩产决定，最快也要2027-2028年才变成有效供给。也就是说，即便今天所有瓶颈环节同时拍板扩产，紧张状态也会按惯性延续到2028年前后。（本段是对Rasgon观点的合理化解释，属作者推断，非其原话。）

这里有一个值得玩味的博弈：日系厂商的谨慎扩产，短期看是AI基建的“刹车片”，长期看却是周期管理的理性选择。如果2027-2028年AI需求如期兑现，谨慎就是踏空；如果需求不及预期，谨慎就是救了自己。他们押注的，本质上是“AI需求曲线的斜率会不会变平”——而Patel给出的600亿美元/吉瓦的成本数字恰恰说明，需求能否消化这个成本，本身就是2029年之后供需的最大变量。（本段博弈分析全部为作者推断。）

对下游而言，这个时间差意味着：2026-2028年，算力的稀缺性将由基板、HBM和光互连的产能决定，而不是由GPU的设计图纸决定。谁锁定了稀缺材料的产能，谁就锁定了这三年AI竞赛的入场券。（作者推断。）

📌 信源核实说明

为便于读者判断，本文对关键事实做了如下核实与区分：

已由独立信源交叉印证的内容：

• “电力瓶颈可通过现场燃气轮机、燃料电池缓解”——与路透社关于美国电网互联排队周期及云厂商现场发电部署的报道方向一致；GE Vernova等厂商涡轮机订单排至2028年之后亦为公开信息。
• “英伟达CoWoS/HBM占比下滑、自研ASIC分流产能”——与TrendForce等机构对台积电先进封装产能分配的跟踪数据方向一致。
• 台积电CoWoS产能持续供不应求并扩产——公司公开表态，可查证。

仅为分析师个人判断、暂无独立信源核实的内容：

• “基板是最严重瓶颈、影响超过电力/土地/设备”（Patel）；
• “1吉瓦基建成本从约400亿涨至逾600亿美元”（Patel估算，无第三方口径）；
• “供应链紧张延续至2028年”（Rasgon预期）。

本文推断与事实转述的区分已在正文中以“（作者推断）”“（事实转述）”等方式逐一标注。

AI基建的故事，讲到今天已经过了“堆GPU”的阶段。真正决定节奏的，是那些不在聚光灯下的环节——一块基板、一颗HBM、一段光互连。

Patel和Rasgon给出的判断，本质上是一句话：未来三年，算力的天花板由材料与封装决定，而竞争的胜负手，正从“谁的芯片更强”滑向“谁的资源占比更高”。英伟达的份额下滑和巨头的自研加速，不过是这个大逻辑最先显形的两道裂纹。

但也要保持一分清醒：以上核心数据均出自同一场活动的两位分析师之口，基板瓶颈的严重程度、600亿美元的成本曲线，都还有待财报与产业链出货数据在2026年给出验证。在看懂基板之前，先看懂数字的来路——2028年之前，比“看懂大模型”更重要的，是分清哪些是事实，哪些是判断。