万亿美元之后：半导体产业的新增长方程式

执行摘要：2026年半导体市场仅用8个月突破1万亿美元，SEMI预测2035年有望达2~3万亿美元。增长由晶圆厂投资与数据中心扩建双轮驱动，但算力短缺、Token成本管控与应用端商业化能力成为关键变量。本报告梳理市场规模跃迁、产业链投资动向、竞争格局分化及量子计算等新变量的趋势判断。

市场规模跃迁与产业现状

万亿美元的时点检验

在SEMICON West 2026上，SEMI总裁兼CEO Ajit Manocha宣布：半导体市场规模在2026年仅用8个月便突破1万亿美元。这一时点具有重要的验证意义——SEMI早在2017年即作出“2030年市场规模达1万亿美元”的预测，如今不仅兑现，且提前实现。从长期产业预测的角度看，一家行业组织能跨越近十年周期并提前完成目标，说明需求侧的扩张速度超出了当年的普遍预期。

2035年展望：2~3万亿美元区间

在1万亿美元基数之上，SEMI进一步给出2035年市场规模预测：2~3万亿美元（约合13.41~20.12万亿元人民币）。即便按区间下限计算，未来十年市场仍需实现约两倍增长，产业由此进入明确的加速扩张周期。

支撑这一预测的是两大增长引擎：

• 新晶圆厂投资：2029年前将有102座晶圆厂投产，其中82座已开工建设；
• 数据中心扩建：目前全球在运行数据中心479个，另有77个处于规划阶段。

需求侧的真实约束

需要指出的是，产能扩张与需求兑现之间并非线性关系。英特尔CEO陈立武在同期活动中给出了需求侧的判断：AI算力短缺可能持续至2029年，但下一阶段增长的重点不再是单纯扩充GPU数量，而是整合CPU、GPU、专用加速器乃至量子计算，并强化软件与人才配套。他预计未来三到五年量子计算有望进入主流应用，同时提醒产业还需补充约15万名工程师，且实际增长取决于成本控制与真实采用情况。

这一判断勾勒出扩张周期的另一面：需求旺盛的同时，供给效率与成本结构正在成为关键变量。

结构性风险信号

扩张周期中亦出现分化信号。AI应用层公司Character.AI于10月12日申请破产保护并准备出售资产：其平台仍有约1200万活跃用户，但每月亏损约800万至900万美元，订阅与广告收入无法覆盖持续攀升的算力成本；核心团队已被谷歌和迪士尼分批吸纳，9月底约86名全职员工中66人已接受迪士尼聘用。该案例表明，算力成本压力已从上游传导至应用层，Token成本管控成为商业模型能否成立的分水岭。

小结

1万亿美元的提前达成与2~3万亿美元的十年展望，共同确认了半导体产业处于由AI驱动的加速扩张周期。但扩张的可持续性并不取决于产能本身，而取决于算力使用效率、成本结构与真实需求的匹配度。在晶圆厂与数据中心双轮推进的同时，产业需同步解决人才缺口与应用层商业闭环问题——这是“万亿美元之后”新增长方程式的核心变量。

全球竞争格局与区域动向

半导体产业在 2026 年迎来了具有标志性意义的时刻：SEMI 总裁兼 CEO Ajit Manocha 在 SEMICON West 2026 上宣布，市场规模仅用 8 个月便突破 1 万亿美元，兑现了其 2017 年作出的“2030 年达 1 万亿美元”的预测——比原定时间线提前了数年。在此基础上，SEMI 进一步预测 2035 年市场规模有望达到 2~3 万亿美元。支撑这一预期的双引擎清晰可见：新晶圆厂投资与数据中心扩建。到 2029 年前，全球将有 102 座晶圆厂投产（其中 82 家已开建），数据中心方面目前有 479 个在运行、77 个在规划中。

头部厂商战略分化：从“堆卡”到“整合”

在供给侧高投入的背景下，头部厂商的战略路径开始明显分化。英特尔 CEO 陈立武在活动中给出了一个重要判断：AI 算力短缺可能持续至 2029 年，但下一阶段的增长重点不再是单纯堆砌 GPU，而是转向多元算力整合——将 CPU、GPU、专用加速器与量子计算纳入统一体系，并同步强化软件生态与人才储备。他预计未来三到五年量子计算有望进入主流应用，并认为 AI 的影响可能超越互联网。

值得注意的是，陈立武同时提醒企业管控 Token 成本，指出行业还需要约 15 万名工程师。这意味着竞争的胜负手正在从“能否提供算力”转向“能否高效、经济地提供算力”，增长将取决于成本控制与实际采用情况，而非单纯的产能扩张。

中国大陆模型：性能差距加速缩小

区域竞争维度上，中国大陆的模型能力正成为不可忽视的变量。陈立武明确指出，DeepSeek、Kimi、GLM 等中国大陆模型正在缩小与国际领先模型的性能差距。在 Token 成本日益成为 AI 商业化核心约束的背景下，高性价比模型的出现正在改变全球算力与模型供应的格局，也为主权 AI 与区域化供应链的演进增添了新的维度。

应用端：明星公司的盈利与生存考验

与应用层的火热预期形成对照的，是应用端公司残酷的商业现实。美国当地时间 10 月 12 日，AI 角色聊天平台 Character.AI 的运营公司申请破产保护并准备出售资产——而此时该平台仍拥有约 1200 万活跃用户。其困境的核心在于商业模式的结构性失衡：订阅与广告收入无法覆盖持续攀升的算力成本，每月亏损高达 800 万至 900 万美元。更致命的是核心团队的流失：2024 年谷歌获得其模型技术授权并带走两位联合创始人，今年前 CEO Karandeep Anand 转投迪士尼，9 月底其约 86 名全职员工中已有 66 人接受迪士尼聘用。

小结

从 1 万亿到 2~3 万亿的路上，产业方程式正在改写：上游以晶圆厂与数据中心的双轮投资筑底，中游头部厂商从算力规模竞争转向多元整合与效率竞争，中国大陆模型以性价比切入改写成本曲线，而应用端则进入“盈利能力决定生死”的洗牌阶段。技术领先与商业可持续，正在成为衡量产业竞争地位的双重坐标。

产业链上游：晶圆厂投资周期

一、供给侧引擎的启动逻辑

2026 年，半导体产业在 SEMICON West 2026 上迎来一个具有标志意义的时刻：SEMI 总裁兼 CEO Ajit Manocha 宣布，市场规模仅用 8 个月便突破 1 万亿美元——兑现了其早在 2017 年做出的“2030 年达 1 万亿美元”预测。在此基础上，SEMI 给出更激进的中期判断：2035 年市场规模有望达到 2~3 万亿美元（约合 13.41~20.12 万亿元人民币）。

支撑这一判断的核心论据，是双轮驱动的产业逻辑：其一为新晶圆厂投资，其二为数据中心扩建。前者构成了产业链上游最重要的资本开支周期，也是本章的分析焦点。据 SEMI 统计，2029 年前将有 102 座晶圆厂投产，其中 82 座已经开工建设；与算力侧对应的是，当前运行中的数据中心达 479 个，另有 77 个处于规划阶段。

从投资决策到产能释放，一座晶圆厂的投产并非孤立事件，而是嵌入在“需求确认—资本开支—设备采购—产能爬坡—供给落地”的完整链条之中：

这 102 座晶圆厂的投产节奏，本质上是对未来 3~5 年需求的一次“提前定价”。晶圆厂从开建到量产通常需要 2~3 年，意味着当前在建的 82 座新厂，大多瞄准的是 2027—2029 年的算力供需缺口。英特尔 CEO 陈立武的判断与此相互印证：AI 算力短缺可能持续到 2029 年——这一时间点恰与 SEMI 统计的投产窗口高度重合，说明产业界的资本开支节奏是对算力短缺周期的一次系统性响应。

二、新厂投资的结构性分化

需要指出的是，102 座晶圆厂并非同质化的产能扩张。不同区域、不同技术节点的项目，其技术门槛与商业逻辑差异显著。先进制程项目（如逻辑芯片最先进节点、高端存储）集中在少数厂商手中，资本门槛极高、单厂投资动辄数百亿美元，但对应数据中心与 AI 芯片的高商业价值；而成熟制程项目数量更多、分布更广，技术门槛相对较低，其商业价值更多来自汽车、工业、消费电子等存量需求的补位。

这一分化结构意味着：上游产能的扩张并不必然带来同质的供给增长。先进产能的释放速度受制于设备交付与良率爬坡，仍将是 2027—2029 年供给端最紧张的环节；成熟产能的释放则可能更早出现阶段性平衡，其投资回报更多取决于需求的持续性。

三、需求侧的真实性检验：算力经济学

晶圆厂投资周期能否顺利兑现，最终取决于需求侧的支付能力。这里需要引入一份“反向案例”：AI 角色聊天平台 Character.AI 的运营公司于 10 月 12 日申请破产保护并准备出售资产。该平台仍拥有约 1200 万活跃用户，但每月亏损约 800 万至 900 万美元——订阅与广告收入无法覆盖持续攀升的算力成本。其核心团队此前已被谷歌与迪士尼瓜分：2024 年谷歌获得模型技术授权并带走两位联合创始人，2026 年前 CEO Karandeep Anand 转投迪士尼，约 86 名全职员工中 66 人已接受迪士尼聘用。

这一案例揭示的不是 AI 需求的证伪，而是算力成本与商业变现之间的缺口：当应用的单位经济模型无法覆盖算力账单时，即使拥有千万级用户也可能走向失败。陈立武的判断提供了同一逻辑的另一面——下一阶段增长的关键“不在单纯堆 GPU”，而在于整合 CPU、GPU、专用加速器与量子计算，提升算力使用效率，并提醒企业管控 Token 成本。对上游晶圆厂而言，这意味着需求的结构可能从“量的扩张”逐步转向“单位算力成本的优化”，资本开支的方向将随之调整。

同时，供需两端的要素约束也在收敛：陈立武指出，产业还需约 15 万名工程师，且中国大陆 DeepSeek、Kimi、GLM 等模型正缩小性能差距。人才缺口与竞争格局的变化，都将在未来数年影响新厂的投资效率与产能分布。

四、周期视角下的研判

综合来看，2029 年前 102 座晶圆厂的投产，是半导体史上规模可观的供给侧扩张之一，也是迈向 2035 年 2~3 万亿美元市场的关键基础设施投资。但产业分析需要保持两点审慎：

其一，投产不等于盈利。 晶圆厂投资的回报取决于投产时的实际需求与价格环境。Character.AI 的破产案例提醒我们，需求侧的单位经济模型仍是最大的不确定变量；陈立武“增长取决于成本控制与实际采用情况”的判断，同样适用于上游产能的消化。

其二，技术路线的多元化。 算力短缺到 2029 年的判断，叠加量子计算未来三至五年有望进入主流应用的预期，意味着本轮晶圆厂投资周期之后，算力供给的形态可能发生结构性变化。届时，本轮投资形成的产能结构是否与下一代算力需求匹配，将是产业界需要在投资决策中预置的长期问题。

晶圆厂投资周期，既是市场扩张的引擎，也是产业对自身判断的一次集体押注。双轮驱动能否持续转动，答案将在未来三到五年内逐步揭晓。

产业链下游：数据中心与算力需求

半导体产业在2026年突破1万亿美元之后，产业链的目光正加速向下游集聚。SEMI总裁兼CEO Ajit Manocha在SEMICON West 2026上明确指出，未来十年产业增长的两大引擎，一是新晶圆厂投资，二是数据中心扩建。如果说上游晶圆厂决定了算力的“供给能力”，那么下游数据中心则决定了算力的“消化能力”——本章聚焦这一需求侧的核心变量。

一、数据中心：需求侧的底盘

SEMI数据显示，当前全球运行中的数据中心已达479个，另有77个处于规划阶段。这一存量与增量并存的格局，勾勒出AI时代基础设施扩张的基本盘面：运行中的数据中心承载着当下的训练与推理需求，而77个规划中的项目则代表了未来三到五年的新增算力供给。

与上游形成呼应的是，2029年前全球将有102座晶圆厂投产，其中82家已经开建。上游产能与下游机房的双向扩张，构成了SEMI对2035年2~3万亿美元市场规模预测的产业基础。

从上图可以看出，产业链的传导逻辑清晰：终端AI应用驱动算力需求，需求同时拉动下游数据中心与上游晶圆厂投资，最终在2029年前后形成新的供需平衡点。

二、算力短缺：一个有明确时间表的缺口

对于市场最关心的“缺算力会持续多久”这一问题，英特尔CEO陈立武给出了明确判断：AI算力短缺可能持续至2029年。这一时间点与晶圆厂的投产节奏（102座新厂在2029年前落地）高度吻合——换言之，短缺的缓解将依赖上游产能的实质释放，而非短期投机性扩产。

但陈立武同时强调，下一阶段增长的关键不在“单纯堆GPU”，而在于提升算力使用效率：整合CPU、GPU、专用加速器与量子计算，并补强软件与人才。他预计未来三到五年量子计算有望进入主流应用，并提醒企业必须管控Token成本。产业层面，他还指出约15万名工程师的人才缺口，以及以DeepSeek、Kimi、GLM为代表的中国大陆大模型正在缩小性能差距——这意味着算力效率的竞争将走向全球多极。

三、需求扩张与成本管控的双面逻辑

值得注意的是，算力需求扩张的另一面是成本压力的现实约束。Character.AI的案例颇具警示意义：这家拥有约1200万活跃用户的AI角色聊天平台于10月12日申请破产保护，其每月亏损约800万至900万美元，订阅与广告收入无法覆盖持续攀升的算力成本；核心团队此前已被谷歌和迪士尼瓜分，约86名全职员工中66人已接受迪士尼聘用。这一案例说明，在算力短缺、成本高企的环境下，缺乏清晰商业模式的应用层企业将率先承压——需求旺盛并不等于所有需求都能被有效变现。

如上图所示，产业正在经历一轮“需求质量”的分层：头部云厂商凭借规模与效率占据优质象限；采用高效率模型的应用公司正在崛起；而算力效率低、变现能力弱的消费级应用则面临出清风险。陈立武所言“增长取决于成本控制与实际采用情况”，正是对这一分层的概括。

四、结构视角：万亿美元之后的增长方程式

综合SEMI的产能数据与英特尔的效率判断，本章尝试将下游算力需求的结构性要素归纳如下：

综合来看，数据中心与算力需求这一章节的关键结论有三：

其一，需求的确定性较高。479个在运行、77个在规划的数据中心，叠加102座新晶圆厂的投产节奏，为2029年前后的供需匹配提供了相对清晰的路线图。

其二，增长的约束条件在变化。算力短缺将持续至2029年，但下一阶段的竞争力将转向算力使用效率——异构整合（CPU、GPU、专用加速器乃至量子计算）与Token成本管控，将取代单纯的GPU堆叠成为主旋律。

其三，需求扩张须以商业可持续为前提。Character.AI的破产保护案例表明，无法覆盖算力成本的应用需求终将被市场出清。万亿美元之后，半导体产业的新增长方程式不仅是“算力供给×需求规模”，更需乘上“成本效率”这一变量——正负相抵之后，才是产业的真实增长。

数据透视：增长与消耗的博弈

2026年，半导体产业跨过了一个历史性节点：仅用8个月，全球市场规模便突破1万亿美元。SEMI总裁兼CEO Ajit Manocha在SEMICON West 2026上兑现了其2017年作出的“2030年达1万亿美元”的超前预测，并进一步展望——2035年，这一数字将达到2~3万亿美元（约合13.41~20.12万亿元人民币）。

万亿美元的光环之下，增长的引擎清晰可辨：新晶圆厂投资与数据中心扩建的“双轮驱动”。SEMI数据显示，2029年前将有102座晶圆厂投产，其中82家已开工建设；数据中心方面，全球在运行479个，另有77个处于规划之中。这是需求侧的宏大叙事。

然而，本章要回答的是另一个问题：当需求以万亿计扩张时，供给侧的成本结构能否支撑商业模式本身？Character.AI的破产，提供了一个极具解剖价值的反面样本。

一个明星公司的算力账单

2026年10月12日，美国AI角色聊天平台Character.AI的运营公司申请破产保护并准备出售资产。此时，平台仍拥有约1200万活跃用户——这并非一家没有需求的产品，而是一家算不清账的公司。

财务数据显示，Character.AI每月亏损约800万至900万美元，订阅与广告收入无法覆盖持续攀升的算力成本。核心团队此前已被瓜分殆尽：2024年，谷歌获得其模型技术授权并带走两位联合创始人；2026年，前CEO Karandeep Anand转投迪士尼；至9月底，公司约86名全职员工中，66人已接受迪士尼的聘用。

增长与消耗的博弈

Character.AI的困境，本质上是AI应用层“增长方程式”失衡的典型：用户规模的增长曲线是向上的，但每增加一个活跃用户，就同步增加一份推理算力开销。在算力短缺背景下，这一矛盾被进一步放大。

英特尔CEO陈立武在活动中明确指出，AI算力短缺可能持续至2029年。他提醒企业必须管控Token成本——这一表态直接指向了Character.AI式的困境：当Token成本持续高于单用户变现能力时，规模越大，亏损越深。

陈立武同时给出了产业侧的解法方向：下一阶段增长的重点不再是单纯堆砌GPU，而是提升算力使用效率——整合CPU、GPU、专用加速器与量子计算，并强化软件与人才布局。产业约需15万名工程师，而中国大陆的DeepSeek、Kimi、GLM等模型正在缩小性能差距。换言之，算力效率与成本控制的竞赛，将决定谁能把“需求”转化为“利润”。

结构性启示

从产业视角看，Character.AI事件并非孤立个案，而是AI应用层商业化模式的一次压力测试：

其一，需求真实，模式未立。 1200万活跃用户证明了C端AI陪伴需求的真实性，但订阅+广告的传统互联网变现模型，在“按Token计费”的算力成本结构面前，出现了数量级的错配。

其二，人才成为破产前的最后资产。 谷歌、迪士尼对团队与技术授权的“瓜分”，说明在资本退出路径上，人才与IP的清算价值甚至高于业务本身。这一现象或将重塑AI创业公司的股权与激励设计。

其三，成本曲线决定竞争格局。 结合陈立武“增长取决于成本控制与实际采用情况”的判断，未来三至五年，能够在推理效率上建立优势的玩家——无论是异构算力整合者，还是量子计算的先行者——将在万亿美元市场的分配中占据主动。

万亿美元不是终点，而是一道分水岭：需求侧的盛宴已经开席，但只有算得清账的公司，才能留下来用餐。

趋势判断：多元算力与新变量

万亿之后的增长逻辑正在切换

2026年，全球半导体市场仅用8个月便突破1万亿美元规模，兑现了SEMI总裁兼CEO Ajit Manocha在2017年作出的“2030年达1万亿美元”的超前预测。在SEMICON West 2026上，他进一步给出2035年2~3万亿美元的市场预期。支撑这一预期的是双轮驱动：2029年前将投产102座晶圆厂（其中82家已开建），数据中心侧则呈现479个在运行、77个在规划的格局。

然而，规模扩张的表象之下，增长方程式正在改写。英特尔CEO陈立武在近期活动中明确提出：AI算力短缺可能持续至2029年，但下一阶段增长的重点不再是单纯堆GPU，而是转向多元算力整合——CPU、GPU、专用加速器与量子计算的协同，并辅以软件与人才层面的系统性补强。这意味着产业竞争的焦点，正从“算力供给量”转向“算力使用效率”。

量子计算：三到五年的主流窗口

陈立武给出的另一个关键判断是：未来三到五年，量子计算有望进入主流应用。这一时间表若兑现，意味着量子计算将不再是实验室议题，而是被纳入企业算力规划的常规选项。对于晶圆厂与数据中心的投资周期而言，这一窗口恰好落在当前在建产能释放的阶段——102座新晶圆厂与77个规划数据中心的业主，需要在架构设计阶段就为异构算力预留接口。量子计算一旦进入主流，其价值不在于替代GPU，而在于承接特定类型问题的求解，与通用算力形成互补分工。

新约束条件：Token成本、人才与商业化能力

万亿之后的增长并非无摩擦。陈立武提醒，企业需管控Token成本，且产业整体还缺约15万名工程师。此外，中国大陆DeepSeek、Kimi、GLM等模型正缩小与前沿模型的性能差距，开源与低成本路径正在改变算力需求的结构与定价预期。这些变量共同指向一个结论：增长取决于成本控制与实际采用情况，而非供给端的单边扩张。

Character.AI的案例提供了商业化风险的实证：该AI角色聊天平台虽仍有约1200万活跃用户，但每月亏损约800万至900万美元，订阅与广告收入无法覆盖持续攀升的算力成本，最终申请破产保护并出售资产，核心团队此前已被谷歌与迪士尼相继吸纳（约86名全职员工中66人接受迪士尼聘用）。这说明当Token成本失控、商业模式无法闭环时，再高的用户规模也难以支撑——成本约束已从“工程细节”上升为“生死变量”。

四象限：多元算力格局下的技术定位

增长方程式的成本结构

小结

万亿不是增长的终点，而是方程式切换的节点。供给端的双轮驱动（102座晶圆厂、数百个数据中心）仍在推进，但需求端的有效性取决于三个新变量：多元算力架构能否兑现效率提升、Token成本能否被商业模式消化、15万工程师缺口能否及时补齐。量子计算的三到五年主流化窗口，则为这套方程式增加了最大的上行期权。对产业参与者而言，下一阶段的胜负手不在产能，而在效率、成本与人才的综合整合能力。