算力荒还没走，内存荒先来了

导语： 半年报披露落幕，本土AI芯片集体迎来最好日子，多家同比翻倍甚至数倍增长。但热闹之下藏着两件事：一是紧缺红利仍在加速兑现，二是产业链瓶颈正在悄悄换位——从算力受限转向内存受限。读懂这两个信号，才知道下一个五年谁上桌、谁买单。

💰 半年报里，藏着一波肉眼可见的加速

好日子不是等来的，是供需矛盾硬挤出来的。

半年报窗口一关闭，数字就摆在了桌面上：多家本土AI芯片厂商实现同比翻倍甚至数倍增长，而且从一季度到二季度是一个明显的加速过程。这不是单点爆发，是趋势线在陡峭上扬。

背后的宏观注脚来自工信部——截至今年上半年，中国智能算力规模达到2185 EFLOPS（FP16），同比增长177%。更值得注意的是增量节奏：按照此前披露数据推算，仅二季度一个季度，全国智能算力规模就增加了约303 EFLOPS。按这个速度，一个季度的增量就抵得上很多国家全国的总算力家底。

个体层面最典型的样本是寒武纪。这家连续多年大幅亏损的公司，已经在去年扭亏为盈，并在股权激励方案中设定了2028年的营收目标。从「烧钱讲故事」到「报表自己说话」，这条线的拐点意义不亚于任何一张订单。

行业判断也趋于一致：如果需求和产能继续按目前的节奏增长，领先的AI芯片企业有望在2027年前后陆续跨过盈亏平衡线。换句话说，这波增长不是脉冲式的，而是有结构性供需矛盾托底的。

⚠️ 需求是供给的三倍多，钱正在疯狂追逐硅片

瓶颈不在需求端，而在谁能把货交出来。

据信通院的数据，中国AI算力需求的增长速度，差不多是供给增速的3倍多。这个剪刀差，就是本土芯片厂商收入曲线的斜率来源。

供需矛盾为什么解不开？两头都卡着。供给一端，美国仍然卡住中国的模型厂商获得英伟达最先进的AI芯片，甚至计划从「管实物」延伸到「管算力使用权」——卡的对象从芯片本身，扩展到芯片背后代表的那串算力额度。本土芯片一端，产能仍在爬坡，与模型和云厂商的适配与运维也需要进一步磨合，产能释放注定是渐进的。

需求一端则是真金白银。云厂商与模型厂商都在抓紧融资，而比融资速度更快的，是把钱赶紧花出去：阿里巴巴与腾讯在最近一个季度合计花掉了超过1200亿元人民币，DeepSeek今年已经向AI算力投入了100多亿。

对紧缺的预期，两位关键人物给出过直接的表态。据业界流传的信息，梁文锋认为国产AI芯片正面临历史机遇，以往短板的CUDA生态可以通过AI编码手段解决，未来两年的核心瓶颈还是在产能；而阿里吴泳铭则判断，紧缺至少持续到2030年。一个说瓶颈在产能，一个说紧缺到2030——供给方和需求方在这一点上罕见地达成了共识：紧缺不是意外，是规划内的事实。

🔋 谷歌拆旧服务器，暴露了下一个瓶颈

算力的尽头是内存，这话开始应验了。

DRAM供应持续吃紧，迫使AI服务商各出奇招。谷歌供应链基础设施高级总监尼基尔·切里安（Nikhil Cherian）在峰会论坛上透露了一个标志性判断：AI产业已迅速由「算力受限」转变为「内存受限」。在单台典型的AI服务器中，高性能内存占物料清单的成本比例已高达约75%。

75%是什么概念？过去大家讨论AI服务器的成本结构，注意力都在GPU和加速卡上；现在账单的大头换人了。内存从配角变成了主角，从成本项变成了瓶颈项。

谷歌的应对堪称「抠」出了新境界。为突破内存瓶颈，谷歌正从软件和硬件两端协同发力，甚至设计专用硬件转接卡，让DDR4等上一代内存方案接入新一代AI服务器。具体操作是：特意将退役服务器调回机房，拆解并回收其中尚有利用价值的DDR4内存模组，构建内部循环利用的供应链体系。

在某些应用场景下，谷歌已被迫用规格较旧的DDR4替代新型AI服务器原本规划的DDR5。新一代AI服务器插着上一代内存，这在几年前是不可想象的事。

软件端也没闲着：谷歌持续优化底层函数库、模型架构以及KV缓存压缩算法，竭力降低单位算力下的内存开销。硬件 recycle、软件 squeeze，两手都硬，说明内存紧缺不是短期扰动。作为参照，谷歌为推理优化的TPU 8i芯片采用专用分层存储体系，整机层面依托高速DDR5内存处理数据预处理任务，而每颗TPU 8i均搭载288GB的HBM3e高带宽内存——每一颗芯片都在向内存伸着手。

🔬 混合键合分化的真相：逻辑狂奔，内存刹车

先进封装这场戏，上半场和下半场演的是两个剧本。

内存紧缺的深层原因，要往制造端看。铜-铜混合键合（Hybrid Bonding）——这种取代焊料微凸点的3D堆叠技术——目前正处在一种微妙的分化状态：在逻辑芯片上已进入大规模量产，在内存上则被刚刚推迟。

台积电站在了这场技术竞赛的前列，混合键合间距推进到6微米级别。逻辑堆叠上，铜对铜直接键合正在取代焊料微凸点，为3D芯片堆叠打开新的集成密度空间。

但内存端的故事完全不同。被业内普遍预期将按期落地的HBM相关混合键合，出现了「没人预料到的延期」。这直接牵动整个AI算力供应链：

逻辑端狂奔、内存端刹车，这个分化解释了为什么谷歌要拆旧服务器。HBM和DRAM的供给弹性上不来，下游就只能向存量要资源——回收DDR4本质上是内存供给弹性不足的代偿行为。而本土AI芯片企业同样绕不开这一环：国产算力要上量，HBM的获取和先进封装的配套，是绕不过去的物理约束。梁文锋判断「核心瓶颈在产能」，其中应包含这一层。

📈 分化才刚刚开始，红利不会平均分配

紧缺是普涨的春风，但吹得出参天大树的，只有少数几块地。

这波算力紧缺红利，表面上是全行业普涨，实际上正在催生一轮深刻的分化：

• 有货的吃红利：已经跨过量产和客户验证门槛的头部厂商（如寒武纪），收入曲线随算力建设同步陡峭化，2027年前后有望陆续跨过盈亏平衡线；
• 爬坡的看交付：产能和适配仍在磨合期的厂商，窗口期虽在，但兑现节奏取决于交付能力；
• 缺内存的找退路：整个下游都在为内存买单，谷歌式「拆机回收」会成为越来越多云厂商的备选项；
• 封装与材料上位：混合键合、HBM堆叠等先进封装环节，正在从后台走向价值链前排。

小结： 半年报的翻倍数字是紧缺红利的第一次兑现，但它同时标记了两个未来：一是国产算力的量产与生态磨合将在未来两年见分晓，二是内存正在接管瓶颈的位置——从谷歌回收DDR4，到HBM键合延期，供应链的紧张点在位移。算力荒终会缓解，内存荒已经登场。下一轮分化的胜负手，不在芯片架构的漂亮参数里，而在谁能稳定拿到硅片、封装和那块越来越贵的内存。