AI军备赛，瓶颈换人了？
博通AI收入指引两连跳、台积电全球在建近20座晶圆厂、美光探索近GPU NAND——AI算力竞赛的主战场，正从GPU本身转移到内存、存储、电力与工程能力的全面博弈。瓶颈没有消失，只是换了个地方排队。
AI行业最不缺的就是预言，最缺的就是产能。
过去两年，所有人都在讨论GPU多难买、HBM多紧缺。但最近一周的三条消息，把答案指向了一个更大的事实：瓶颈从来不是单一的，它只是排队换人。博通把2028财年AI收入指引干到2300亿美元，台积电全球在建晶圆厂逼近20座，美光则开始琢磨一件听起来有点离谱的事——把NAND闪存搬到GPU旁边。
三条线，一个共同判断：AI的需求侧已经跑到了供给侧前面，而且不是一点半点。这篇文章，我们把这局棋拆开看。
📈 博通的指引，已经不是指引了
金句先行：当一家公司说"实际需求甚至超过了指引"，指引就成了下限。
博通2026财年第三季度财报，单季收入296亿美元，同比增长86%；AI半导体收入同比暴涨221%。真正炸裂的是指引：2026财年AI收入上调至580亿美元，2027财年翻倍至1150亿美元，2028财年再翻倍至2300亿美元，两年四倍。
CEO 陈福阳在电话会上说得直白：供应已经锁定，"我们的实际需求甚至超过了这一展望，我们会努力提升供应能力"。
更罕见的是，博通首次系统披露了主要XPU客户的部署路线图：
| 客户 | 部署路线图 |
|---|---|
| Anthropic | 2026年部署1GW Ironwood，2027年部署5GW TPU v8i，2028年新增10GW，有望成为最大XPU客户 |
| OpenAI | 首代定制芯片Jalapeño已出货，2027年部署1.3GW，2028年超5GW；第二代XPU接近流片，第三代已在开发 |
| 签署长期协议，未来数年每年交付价值数百亿美元的TPU，TPU v8i已量产交付 | |
| Meta | 2027年底前交付三代MTIA加速器，累计部署3GW |
以GW为单位卖芯片，这在半导体史上是头一回。博通的核心判断是：自研定制ASIC正在成为云厂商的刚需，而英伟达的通用GPU叙事之外，一条第二增长曲线已经成型。
但注意陈福阳的提醒：HBM内存、系统内存、先进制程、EML/CW激光器，全是约束变量。甚至"土地、电力和机房外壳决定了产能部署的具体时点"。翻译成人话：芯片做得出来，楼未必盖得好。
🏭 台积电：30年没见过这种速度
金句先行：建厂这件事，台积电把历史经验作废了。
台积电高级副总裁侯永清在2026台湾半导体产业论坛上给出了一组让人头皮发麻的数字：目前台湾地区同时在建13座晶圆厂，海外还有5至6座，全球在建总数接近20座。过去，台积电同时建厂的数量是四到五座。
更夸张的是设备采购：自去年底以来，台积电对芯片制造工具的需求几乎翻番，季度设备采购预估值7月上调至去年12月预测的约1.9倍。侯永清的原话是：这是他30年来从未见过的增长速度。
资本开支曲线更能说明问题：
| 年份 | 资本支出 | 同比变化 |
|---|---|---|
| 2024年 | 297.6亿美元 | — |
| 2025年 | 409亿美元 | +37%，创历史新高 |
| 2026年（预期） | 600亿—640亿美元 | 两年内几乎翻番 |
CEO 魏哲家的态度是：明年会努力缩小供需缺口，但挑战巨大——英伟达和AMD都还在加订单。
产业逻辑其实很清晰：博通那2300亿美元的指引，最终都要落在台积电的晶圆上。定制ASIC的爆发不是抢走代工需求，而是把代工需求直接放大。需求侧每翻一倍，供给侧的扩产周期却是以年为单位计的——这个时间差，就是当前全行业焦虑的根源。
鸿海董事长刘扬伟在同一个论坛上提醒了一句大实话：所有供应链从业者都难免担忧，这些扩张投资能否收回成本。AI来得太快，快到来不及验证商业模型就先砸了产能。
💾 美光的野路子：让GPU直接翻NAND
金句先行：算力不够有人管，内存不够谁管？
美光正在探索一个新架构，代号"近GPU NAND"（Near-GPU NAND）——研究如何把高耐久性NAND闪存模块更靠近GPU部署，处理那些不需要传统HBM或常规DRAM那样高延迟、高带宽的负载。
这个思路的逻辑值得细品。当前的AI推理有一条清晰的存储金字塔：HBM在顶上，带宽最高、最贵、容量最小；DRAM居中；NAND在底部，容量最大但最慢。大模型的参数量越滚越大，几百GB甚至TB级的权重放在哪里，成了新的死结——放HBM，成本受不了；放远端存储，I/O延迟受不了。
按照美光的设想，GPU可以直接访问数百GB的NAND闪存池，重点不是逼近HBM的带宽，而是把I/O速度、读取速度拉上去，让那些"不需要极致带宽"的负载不必再挤占昂贵的内存。一句话：LLM不再受限于内存。
这和台积电先进封装研发处长陈彦铭在论坛上的判断形成呼应——AI系统当前面临两大关键瓶颈：供电和散热管理。系统功率从600瓦增加到1400瓦，功耗增加五倍以上，供电效率和散热负担都会被推向极限。算力、内存、功耗、散热，四条线一起绷紧，任何一条断了都是系统级灾难。
供应链里的私下说法是，存储厂商这几年被HBM追着跑，但HBM的天花板（容量、成本）肉眼可见，谁能先把"容量层"的问题解掉，谁就拿到AI的下一张船票。美光这一手，本质上是承认：HBM解决不了所有问题，存储分级必须重做。
⚠️ 真正的瓶颈，不在fab里
金句先行：芯片是半导体问题，扩产是土木工程问题。
把三条线索放在一起看，一个反直觉的结论浮出来了：这一轮AI扩产，最硬的约束恰恰是那些"不性感"的环节。
侯永清点破了最大制约：建筑工人短缺。设备供应商交货压力紧随其后，整个台湾地区半导体生态系统被要求在短短六个月内消化快速的需求增长——这不是技术问题，是人力和物流问题。博通那边也一样，新加坡基板厂要到2027财年才投产，而在那之前，土地、电力、机房外壳都在决定产能落地的时点。
刘扬伟给指了条路：关键不在于脱钩，而是降低风险——生产线不应该集中在一个地点，半导体产业必须走向全球合作的模式。这句话在地缘语境下听着平常，但落到实处就是：产能分散意味着更高的成本和更复杂的协调，而客户等不了那么久。
这构成了当前产业最核心的张力：需求以季度为单位爆发，供给以年为单位建设，中间夹着工人、电力、基板和激光器。2026年之后，真正决定AI节奏的，可能不再是哪家发布了更强的芯片，而是谁先把厂房封顶、把变压器装上。
写在最后
博通的2300亿、台积电的20座厂、美光的近GPU NAND，讲的是同一个故事：AI竞赛的下半场，比的不是单点算力，而是整个系统的供给韧性。瓶颈永远存在，它只是不断换岗——从GPU，到HBM，再到电力、工人和机房外壳。下一阶段值得盯住三个信号：定制ASIC与GPU的份额消长、存储分级架构能否落地、以及扩产投资与真实需求之间的剪刀差何时收敛。军备赛还在继续，但发令枪已经交到了基建手上。