分析师：芯片设备，大有可为

过去几年，AI带给半导体产业的增长有目共睹。英伟达GPU出货量持续攀升，云计算巨头不断增加资本开支，HBM、先进封装和晶圆制造产能也成为市场追逐的焦点。

但如果把目光从芯片本身移开，会发现这场AI基础设施建设正在遇到一些新的问题。

瑞银（UBS）半导体高级研究分析师Timothy Arcuri最近在《The Compute 100》的一次访谈中谈到了不少值得关注的判断。从电力供应到GPU与ASIC的竞争，再到HBM如何改变存储行业的周期，他所关注的已经不只是芯片厂商还能卖出多少产品，而是整个产业链能否支撑市场已经建立起来的增长预期。

其中，他提到了一个数字：从现在到2030年至2031年，全球可能需要新增约380GW的电力容量。

这个数字背后，是AI产业正在面对的一个现实问题：芯片可以继续生产，但有没有足够的电力让它们运行？

Arcuri过去相当长一段时间的研究工作，主要围绕半导体产业的供给端展开。比如台积电能够增加多少晶圆产能，设备厂商能够生产多少设备，以及这些新增产能什么时候能够真正释放。

但现在，他开始把更多精力放在需求和基础设施上。

原因并不复杂。市场对未来几年英伟达、美光以及其他半导体公司的增长已经有了相当高的预期。如果把这些增长预期反推成需要部署多少计算能力，再进一步换算成电力需求，就会发现一个问题：目前已经获得许可的电力项目，远远不足以支撑市场预期中的扩张规模。

Arcuri在访谈中提到，他测算从现在到2030年至2031年，全球需要新增约380GW电力容量。需要说明的是，这是包含数据中心PUE因素的电力口径，并不是单纯的IT计算负载。

要实现这个目标，既需要现有电网增加供电能力，也需要大量新的离网电力设施投入使用。换句话说，未来几年不仅要建设数据中心，还要解决数据中心背后的电力来源。

而电力项目建设并不像采购GPU那么简单。审批、安全问题以及地缘政治因素，都可能影响项目落地速度。即便芯片厂商能够按照预期扩大出货，如果电力基础设施没有同步跟上，最终也会影响整个产业链的增长。

Arcuri还给出了GPU与ASIC出货量方面的判断。

他预计，英伟达当年的GPU出货量将在600万至700万颗之间。这里的出货单位与Die并不是一回事，一个出货单位实际上对应两个Die。

ASIC的增长同样很快。以博通为例，Arcuri预计其当年ASIC出货量约为350万至400万颗，下一年则可能达到600万颗。从出货数量来看，ASIC已经逐渐接近通用GPU，而且增长速度更快。不过，由于英伟达GPU的平均售价更高，按照销售额计算，英伟达的份额仍然会明显高于其出货量份额。

GPU和ASIC两条路线都在增长，也让未来的计算基础设施变得更加庞大。

但Arcuri对两者未来的竞争关系有一个颇有意思的看法：如果未来AI资本开支开始放缓，ASIC可能反而会比通用GPU更早受到削减。

这与不少市场人士的直觉并不相同。通常认为，云计算厂商在资本开支收缩时，会优先减少昂贵的通用GPU采购，转而使用成本更低、针对性更强的ASIC。

Arcuri的解释是，ASIC通常为特定用途设计，一旦企业需要收缩业务，通用GPU能够提供更大的灵活性。对于仍然需要调整计算资源配置的客户来说，通用GPU反而更有价值。

他还特别提醒，市场可能低估了英伟达现有装机基础的价值。

目前，Blackwell以及后续Rubin产品的出货，主要还是新增计算能力，并没有大规模替换原有GPU。未来，随着早期Ampere GPU逐渐进入更新周期，客户仍然需要升级已有计算集群。即使新增资本开支放缓，存量基础设施的升级也会产生持续需求。

这也是英伟达除了GPU市场份额之外，另一个容易被忽视的优势。

在这次访谈中，Arcuri也谈到了美光，以及他为什么认为市场可能仍然低估了存储行业的变化。

一个很有意思的现象是，美光股价虽然已经大幅上涨，但按照Arcuri在访谈中提到的估值数据，其市盈率仍然只有约4倍。

为什么市场不愿意给存储企业更高的估值？

在他看来，关键还是传统存储行业长期以来的周期性太强。过去，存储市场更多由供给决定价格。价格上涨之后，厂商开始扩产，新增晶圆产能需要相当长时间才能释放，等产能真正进入市场，往往又会形成供过于求。

但HBM正在改变这一规律。

Arcuri特别强调，HBM与传统DDR最大的不同之一，是它与计算芯片的迭代节奏绑定得更加紧密。

每一代新的ASIC或者XPU，都可能需要适配不同版本的HBM。计算芯片不断更新，存储产品也需要跟着调整。新一代芯片推出之后，上一代HBM未必还能继续使用。

这与传统DDR完全不同。DDR产品的生命周期可以达到七八年，客户可以在价格低的时候建立库存，等价格上涨再逐步消耗库存。存储行业过去那些明显的价格周期，很大程度上就是这样形成的。

HBM则要求存储厂商与芯片厂商保持更紧密的合作，围绕未来几代产品提前规划供应。

另一个不容忽视的因素，是HBM对晶圆产能的消耗。

Arcuri提到，生产一片HBM晶圆所消耗的产能，大约相当于四片非HBM晶圆。HBM涉及多层DRAM堆叠，制造过程更加复杂，对晶圆制造资源的占用也更大。

这就出现了一个有意思的局面：AI计算需求增加，带动HBM需求增长；HBM又消耗更多晶圆产能，进一步影响传统存储产品的供给。

而存储行业的商业模式也在发生变化。

Arcuri谈到，过去存储厂商与客户之间的长期供应协议并不普遍，客户更多是根据市场情况安排采购。但现在，随着AI基础设施对存储供应的需求越来越明确，一些大型客户开始愿意通过预付款和长期采购承诺来锁定未来供应。

他举了一个例子：客户可能提前支付100亿美元，并承诺在未来三年采购一定数量的产品。

这在传统存储市场并不常见。

对于存储厂商来说，这类协议的价值不只是提前获得资金，更重要的是能够提前确定未来一段时间的需求，从而安排产能投资，避免过去那种价格上涨后大规模扩产、最终导致供过于求的局面。

Arcuri认为，HBM和长期供应协议正在让存储行业的周期变得更加可持续。

这并不意味着存储行业从此不会再出现下行周期。只不过，与过去主要由供给过剩引发的周期相比，未来如果出现严重下行，更可能需要需求端发生明显变化。

这也是他认为市场需要重新审视美光等存储厂商估值的原因。

相比GPU和存储，Arcuri对半导体设备市场的判断同样值得注意。

他认为，从投资周期来看，设备市场可能比计算芯片市场更有吸引力。原因是，过去几年计算芯片已经持续增长，而晶圆制造设备的新增投资还没有完全跟上。

随着AI计算能力继续扩张，新的晶圆制造产能最终必须落地，设备厂商也会因此受益。

Arcuri给出了一个测算：每新增1GW计算能力，大约需要40亿美元的前道晶圆制造设备投资。

如果从现在到2030年至2031年累计新增380GW电力容量，未来某一年就可能需要新增超过100GW的电力容量。按照每GW对应40亿美元设备投资计算，单年对应的前道设备需求就可能超过4000亿美元。

他也特别说明，这并不是自己正式发布的设备市场预测，而是根据上述基础设施扩张假设进行的远期推算。

作为对比，他预计当年的全球晶圆制造设备市场规模约为1550亿至1580亿美元。两者之间的差距，足以说明如果AI基础设施投资按照预期推进，设备市场可能存在多大的增长空间。

更值得注意的是，这轮设备投资并不只是简单增加传统晶圆厂产能。

Arcuri提到，过去不少创新集中在晶圆制造前道，但现在越来越多技术开始向后道转移，尤其是先进封装、芯片堆叠以及新材料。

随着芯片结构变得更加复杂，垂直方向上的工艺创新也越来越重要。例如，TSV等技术需要形成更深的孔洞，对刻蚀和相关设备提出了新的要求。他认为，泛林集团（Lam Research）在垂直结构相关工艺上的布局，就很好地契合了这一变化。

除了先进封装和材料，还有一个方向值得关注：晶圆厂本身的生产方式。

Arcuri指出，目前晶圆厂仍有不少生产流程沿用了数十年前的模式。晶圆被放在盒子里，在不同设备之间转运、等待，再按照批次进行加工。大量时间实际上花在等待设备上，而不是实际生产。

因此，行业也开始重新思考晶圆厂的整体架构，以及设备之间如何更有效地协同，减少晶圆等待时间。

访谈中还有一个值得一提的话题，就是更大尺寸晶圆。

Arcuri提到，过去行业大约每隔十年就会推动一次晶圆尺寸升级。更大的晶圆能够生产更多芯片，而制造成本并不会随着晶圆面积同比例增加，因此有机会降低单颗芯片的成本。

但300毫米晶圆自2002年投入应用以来，已经持续使用了二十多年。

他对此感到意外。在他看来，限制晶圆进一步扩大的因素，已经不只是晶圆尺寸本身，还包括ASML光刻设备的曝光视场，也就是Reticle Limit。

光刻设备一次能够曝光的区域存在物理限制。对于尺寸越来越大的芯片来说，这个限制可能成为新的障碍。未来如果要进一步扩大芯片尺寸，可能需要从光刻设备的曝光能力上寻找突破。

这也说明，半导体制造的创新空间并没有因为先进制程的发展而消失。材料、设备、封装乃至晶圆厂的生产方式，都还有进一步改变的可能。

访谈最后，Arcuri还谈到了一个他比较担心的问题：AI产业可能面临的社会阻力。

他并不特别担心眼下的芯片供给和需求，真正让他忧虑的是AI对就业市场的影响。如果AI快速替代大量工作岗位，社会对数据中心和AI产业的态度可能发生变化，进而影响相关项目的审批和建设。

这与电力问题实际上有一定联系。无论是电网扩容，还是新的数据中心项目，都需要获得当地社会和政府的支持。

从这场访谈来看，Arcuri关注的已经不仅仅是英伟达还能卖出多少GPU、美光还能增加多少HBM产能。随着AI基础设施规模不断扩大，电力、设备、材料和先进封装正在成为同样重要的产业环节。

而在他看来，半导体设备市场，可能正是这轮AI投资中一个尚未被充分认识的增长方向。