我们正身处一场前所未有的AI硅芯片短缺危机之中。这场危机的影响远超GPU价格本身——它正在重塑整个半导体产业链，从你手中的智能手机到下一代AI训练集群，无一能幸免。
观看原视频从先进封装短缺到电力限制，再到当前硅晶圆产能短缺的演进过程。token需求的爆发式增长是根本驱动力。
Nvidia超越苹果成为TSMC最大客户标志着行业转折点。客户选择基于需求稳定性，而非短期利润。
智能手机和PC产量可能下降10-15%。内存占设备成本从17-20%上升到25-30%，旗舰品牌获得份额，低端厂商被挤出。
H100价格不降反升15-20%。8年GPU寿命合同出现。需求驱动而非成本驱动，这是结构性变化。
Scale-out简化NeoCloud部署，Scale-up超越铜缆的2米限制。Nvidia的路线图转变：NVL 576、Fineman NVL 1152。
所有标准将共存，不同的技术路径解决相同的问题。投资者关注TAM，工程师关注时间表。
AI建设经历了从先进封装短缺到电力限制，再到当前硅晶圆产能短缺的演进过程。token需求的爆发式增长是根本驱动力。
2022年底ChatGPT诞生时，AI基础设施建设经历了一系列瓶颈：
第一阶段（2023年）：先进封装产能不足，无法组装足够的芯片
第二阶段（2023-2025年）：数据中心电力和物理空间成为制约因素
当前阶段：硅晶圆产能成为最大瓶颈，电力已不再是首要约束
SemiAnalysis团队自己每天就要消耗"数千美元"的token。更惊人的数据来自Anthropic——仅在2025年2月这一个月，他们就增加了60亿美元的年度经常性收入，主要由Claude Code驱动。
这种增长反映在市场上：Hopper（H100）芯片虽然已经接近两代老了，但其按需定价仍在飙升。
TSMC正面临前所未有的需求格局转变——Nvidia在2025年超越苹果成为TSMC最大客户，HPC需求增长速度远超智能手机。
过去十五年，从第一代iPhone到2022年A16芯片之前，智能手机一直是TSMC先进制程的核心驱动力。但这一格局在2025年被彻底颠覆。
• 2025年，Nvidia超越苹果成为TSMC最大客户
• HPC（高性能计算）需求增长速度远超智能手机
• 2024-2025年TSMC的资本支出虽然接近300亿美元，但仍不足以满足需求
• 2025年资本支出提升至520-550亿美元
• 2027年预计将达到700亿美元
但即使这样的投入也未必够用。
• TSMC月产能：12万片3纳米晶圆
• 智能手机和PC占据约70-80%（7-8万片）
• AI加速器即将在2026-2027年大规模转向3纳米
这意味着什么？绝大多数即将投产的3纳米产能将流向AI加速器，留给消费电子的产能所剩无几。
TSMC不仅是制造商，更是在决定谁能获得产能的"造王者"。他们的客户选择策略非常明确：
1. 优先考虑需求稳定的客户，而非波动性大的客户
2. 2018年加密货币的教训：当时加密货币需求旺盛，但两三个季度后就消失了，让TSMC"烧了手"
3. 苹果依然是优质客户：虽然相对重要性下降，但其需求高度可预测
• 苹果占TSMC总晶圆出货量的约10%
• 占先进制程需求的25-30%
内存短缺正在导致智能手机和PC产量下降10-15%，而大公司凭借采购能力能够获得供应，小公司则陷入困境。
这场短缺不仅是晶圆问题，内存（特别是HBM高带宽内存）同样紧缺。TSMC甚至在要求一些客户必须自己解决内存供应问题，才能获得晶圆产能。
第一梯队（相对安全）：
• 苹果：拥有强大的采购能力和供应商杠杆
• 高通：同样具有议价能力
• iPhone级别的旗舰设备：整体影响有限
第二梯队（严重受创）：
• 联发科
• 中国低端手机厂商（小米、OPPO、Vivo的低端产品）
• 这些公司正在削减订单，部分削减幅度高达30%
在短缺中，能够获得供应的公司（如苹果）实际上可以增加市场份额，因为他们有产品可卖，而竞争对手则无货可卖。
• 过去：内存占设备物料成本的17-20%
• 现在：已上升至25-30%
• 这直接压缩了低端厂商的运营利润率
AI将占据2026年HBM产能的60%，2027年达到85-90%，这几乎将消费电子挤出HBM市场。
根据SemiAnalysis的建模：
| 年份 | AI占HBM产能比例 |
|---|---|
| 2025 | 9% |
| 2026 | 60% |
| 2027 | 85-90% |
• Nvidia Blackwell：从4NP转向使用HBM的Rubin
• AMD MI400：使用HBM
• Google TPU V7：2025年已出货，使用HBM
• Google TPU V8：将使用HBM
• Trillium等：都在2026年下半年 ramp up
所有这些芯片都在2026年下半年到2027年持续 ramp，造成了巨大的产能挤压。
拥有优秀采购战略的公司正在获得新的竞争优势。这不仅是技术竞争，更是供应链管理能力的竞争。
短期内没有真正的解决方案。TSMC新增产能需要12-24个月才能上线，智能手机厂商被迫向2纳米迁移以释放3纳米产能。
即使TSMC今天投资建设产能，也需要12-24个月才能投产。短期 relief 根本不存在。
• 高端智能手机可以迁移到2纳米工艺
• 虽然2纳米更昂贵，但TSMC提供合理定价以鼓励迁移
• 这样可以释放3纳米产能给Nvidia等AI公司
• 中低端产品继续使用4纳米或更成熟的工艺
但这只是杯水车薪。
• Samsung 3纳米：仍在良率上挣扎
• Intel：同样存在问题
• 结论：短期内没有TSMC的可行替代方案
将智能手机从3纳米迁移到2纳米只能释放有限产能，远远不足以满足AI需求。
场景1：重新分配5%的2026年智能手机3纳米晶圆需求
• 可多生产约10万颗Rubin GPU
• 或约30万颗TPU V7
• 结论：影响微乎其微
场景2：重新分配25%的2026年智能手机3纳米晶圆需求
• 可多生产约70万颗Rubin GPU
• 或约150万颗TPU V7
• 结论：有一定帮助，但不足以显著改变局面
内存价格上涨 → 手机价格上升 → 消费需求疲软 → 智能手机单位出货量低双位数同比下降
HBM供应在2027年下半年之前不会有实质性缓解，Nvidia对超高速引脚的要求使供应环境更加紧张。
• 当前HBM每比特消耗的晶圆产能是普通DRAM的3倍
• HBM4和4E时代，这一比例将上升到4倍
• 每颗芯片的HBM含量代代增加
Nvidia要求达到11GB/s的引脚速度，而内存供应商难以达到这一标准。这种持续存在的"需求-供应错配"使HBM环境长期紧张。
• Samsung、SK海力士、Micron的新晶圆厂将在2027年开始投产
• 但即使到那时，由于被压缩的智能手机需求会反弹，供应仍然紧张
• 除非超大规模云厂商大幅削减资本支出（不太可能）
超大规模云厂商的资本支出全速前进，ROI（投资回报率）驱动了持续的投资热潮。
超大规模云厂商没有削减资本支出的计划——"全速前进"。
SemiAnalysis使用Claude Code完成任务的例子：
• 任务：更新财报或更新财务模型
• 成本：5-7美元
• 传统方式：需要初级分析师3-4小时
• 结论：ROI明显存在
Claude Code的提交和收入持续增长，证明ROI是真实的。
预期与现实：
| 指标 | 预期 | 实际 |
|---|---|---|
| H100价格变化（2026年） | 下降30% | 反而上涨15-20% |
| 时间点 | - | 2024年10月开始反转 |
价格飙升原因：
• 需求驱动，而非成本驱动
• 内存成本仅使服务器成本增加5-10%
• 但价格涨幅远超此范围
1. 长期合同（4-5年）：OpenAI、Anthropic等大型AI实验室，签订GB300，数百兆瓦级别
2. 中期合同（1-4年）：AI原生公司，部分AI实验室也在此市场寻找容量
3. 按需市场：最小但最灵活的部分
• CoreWea等公司在2024年底续签了大量H100合同
• 这些容量被AI实验室锁定，不再回流市场
• H100和L40的经济使用寿命预期被大幅延长
GPU租赁市场像"最后一班航班"的机票市场——价格快速上涨，容量一旦售罄就消失。
• 流动性低、成交量小的市场
• 价格范围变得非常宽
• 容量已售罄，直到2025年8-9月才有新容量上线
• 但问题是：需求会放缓吗？
• Anthropic每周都在披露新的ARR
• Claude使用量在增加
• 这意味着需求只会增长
一个NeoCloud公司有H100长期合同到期，他们续签了4年合同。这意味着：
• 这些GPU的使用寿命被锁定到2030年
• 总共8年的生命周期承诺
• 这改变了GPU的财务建模
• 进一步推高超大规模云厂商的资本支出
经典信号：当人们说"这次不一样"时，通常是顶部的标志。
1. 供应：容易观察
2. 价格：相对容易观察，与云厂商和买卖方保持沟通
3. 需求：最难观察
- 数据点：Claude Code提交、ARR等
- 价格演进 vs 理论价格（基于计算能力提升）
- GB300上线是否缓解短缺
共封装光学(CPO)是下一代AI集群的关键技术，Nvidia在GTC和OFC大会上的宣布重塑了市场预期。
传统架构：芯片 → 电信号 → 前面板 → 可插拔光学器件 → 光信号
CPO架构：光学引擎直接与芯片共封装 → 缩短电信号路径 → 无需DSP进行信号调理
1. Scale-out：连接不同机架的数万甚至数十万GPU
• 目标：节省功耗和成本
2. Scale-up：连接同一域（一个机架或一组机架）内的GPU
• 速度：约10倍于scale-out
• 当前铜缆限制：在224G速度下仅约2米
Scale-out的必要性：
• 需要逃脱7.2Tbps或14.4Tbps的带宽
• 使用可插拔光学器件需要6-12个端口
• 空间不足
Scale-up的紧迫性：
• 铜缆在2米范围内无法支持更高带宽
• 需要光学连接来扩展机架间连接
市场预期：Kyber（600千瓦机架，144个逻辑GPU）将引领scale-up CPO
实际宣布：
• NVL 576（Rubin）：使用scale-up CPO连接8个机架
• Fineman NVL 1152：使用CPO连接8个Kyber机架
战略逻辑：为什么要花这么大代价将144个GPU压缩到一个机架内（铜缆范围内），然后不用铜缆？
• 答案：用光学连接不同机架，扩展世界规模超越144个GPU
OFC（光纤通信大会）与GTC同周举行，Nvidia的CPO公告成为OFC最关注的话题。
2025年会议组织者"折磨"了所有人——GTC和OFC在同一周举行。
• Jordan参加GTC
• Dan参加OFC
• 但实际上，GTC上最重要的CPO更新使OFC与会者也在关注
CPO通过将光学引擎直接放置在芯片旁边，缩短电信号路径，节省功耗并增加带宽。
当前：开关或GPU → 电信号通道 → 前面板 → 可插拔光学器件 → 光信号
CPO：光学引擎共封装到芯片/基板上 → 跳过可插拔前面板 → 跳过DSP功耗
• 目标：节省功耗和成本
• 受益者：NeoCloud
• 原因：简化部署，Nvidia提供端到端解决方案（开关+收发器）
• 带宽能力：多平面开关可达409Tbps（传统开关约100Tbps）
• 铜缆限制：在224G速度下约2米
• 光学优势：超越2米限制
• Google的TPU：使用可插拔光学器件连接TPU
• 带宽挑战：7.2Tbps或14.4Tbps需要6-12个可插拔光学器件，空间不足
预期：Kyber引领scale-up CPO
现实：NVL 576（Rubin）和Fineman NVL 1152成为焦点
为什么这种转变有意义？
• 花600千瓦压缩144个GPU到一个机架（铜缆范围内）
• 然后用光学连接机架，扩展世界规模超越144个GPU
• 比用铜缆连接机架内的GPU更有意义
投资者密切关注CPO的TAM，而工程师更关注技术实现的时间表。
• 如果CPO用于GPU和NV开关之间的所有连接：TAM增加3倍
• 如果仅用于机架之间：TAM较小
• 估计范围极宽
• Lumentum需要将超高功率激光器产能提升20-30倍
• 但基数未知，难以准确估计
• 投资者：关注每个词，试图押注CPO成为下一个大事，股价已反映很多预期
• 工程师：知道CPO不可避免，但对时间表持实用主义态度（2027年还是2028年？）
光学组件行业正在进行一场标准之争：OCI MSA vs Open CPX MSA vs XPA。
MSA = Multi-Source Agreement（多源协议）
• 规范组件制造的行业标准
• 创建通用生态系统
• 简化采购，避免重复
签署方：Nvidia、Sierra、Broadcom、AMD、Meta、Microsoft、OpenAI
核心特点：
• 从DR光学（灰光学，每纤一个波长）转向DWDM（每纤多波长）
• 4个波长发送，4个波长接收，双向传输
• 50G NRZ调制
• 目标：实现芯片到芯片的NRZ连接（"最终Boss"）
目标：规范物理连接（外形尺寸）
• 对调制方式（DWDM、NRZ、PAM4）保持沉默
• 意图成为连接器标准
• 使用环调制器（隐含）
特点：
• 延长可插拔光学器件的传输距离
• 原生冷却
• 高密度
• 灵活性（支持相干光学）
• 支持共封装铜缆（flyover cable）
• 可能支持线性可插拔光学器件（LPO）
• Open CPX：专注于连接器/外形尺寸
• OCI MSA：专注于通道/调制方式
• 理论上它们应该互不干扰
• 但实际上存在一些隐含的技术假设冲突
2026年AI将占据60%的HBM产能，2027年达到85-90%。这不是短期问题，而是未来数年的新常态。
Nvidia超越苹果成为TSMC最大客户标志着行业转折点。客户选择基于需求稳定性，而非短期利润。拥有强大采购能力的公司（苹果、高通）能够获得供应，小公司受创。
智能手机和PC产量可能下降10-15%。内存占设备成本从17-20%上升到25-30%。旗舰品牌获得份额，低端厂商被挤出。
H100价格不降反升15-20%。8年GPU寿命合同出现。需求驱动而非成本驱动。
Scale-out：简化NeoCloud部署。Scale-up：超越铜缆的2米限制。Nvidia的路线图转变（NVL 576、Fineman NVL 1152）。
所有标准将共存。不同的技术路径解决相同的问题。投资者关注TAM，工程师关注时间表。
半导体行业每3-4年一个周期。双重订购正在发生。行业"从不吸取教训"。
我们是"矛尖"。财富500强大多数还未开始使用AI。结论：仍处于早期阶段。