简体中文
English
一个 AI 需求是怎么传遍整条产业链的？从下单到晶圆，中间隔着 5 个月
本文目录
从应用到芯片：钱先动
链条的起点是需求。企业在软件里用上 AI 功能，用户在终端上调用模型，这些使用行为最终汇聚成模型公司（OpenAI、谷歌、Meta 等）对算力的采购。
这一段的特点是「钱先动」。2026 年全球九大云服务商的资本支出预估约 8300 亿美元，同比增幅从原本的 61% 上调到 79%（TrendForce 2026-05）。仅 Alphabet、亚马逊、微软、Meta 四家，2026 年资本开支总额就预计约 7250 亿美元，比 2025 年的约 4100 亿增长 77%（高盛 2026-05 口径）。
这些钱的第一站是芯片。算力芯片分两类：通用 GPU（英伟达）和定制 ASIC（博通、谷歌 TPU 等）。博通上一财季的 AI 半导体收入达到 167 亿美元、同比增 221%，已经占公司总营收约 56%——一家曾经的多元化半导体公司，现在过半收入来自 AI 这一条线。这条线的进展可以顺着博通的财报前瞻看，通用 GPU 这一侧则可以看英伟达近期的动作。
从芯片到制造：卡在代工与封装
芯片设计出来，还要有人能造出来。这一段是整条链上壁垒最集中的地方。
先进制程的产能高度集中在台积电手里；而 AI 芯片特有的 CoWoS 先进封装，更是决定芯片能否量产的关键一环——它负责把 GPU 和 HBM 内存封装在一起。设计能力再强，封装排不上队，芯片也出不了货。
这一段卡住的后果是「设计等制造」：芯片公司能拿到订单，但交付节奏取决于代工和封装的产能爬坡。设计、制程、封装、客户绑定、全球布局这几层叠加起来，构成了很深的壁垒——台积电的五层壁垒，我们在专稿里有完整拆解。
从制造到存储：内存成了最紧的一环
再往下走，会碰到这一轮最紧的一环：存储。
一台 AI 服务器里，GPU 之外最贵的部件就是内存。高带宽内存（HBM）负责喂数据给 GPU，服务器 DRAM 负责承载模型和中间结果。当算力需求爆发时，内存就成了约束条件。
这个瓶颈的时滞最长。美光管理层给出的判断是：当前内存短缺覆盖所有市场领域，有意义的新增供应要到 2028 年才开始爬坡——同期资本开支已经推高到 2027 财年可能超过 450 亿美元的量级。「5 个月」和「2028 年」的差别，正是理解这条链的关键：前者是现有产能的交付周期，后者是新增产能的建设周期。市场看到的订单爆发，落到供给上，中间隔着整个建设周期。美光在这条链上的位置，可以先看这份公司研究。
从零件到整机：服务器在中段转手
内存、GPU、网络芯片到齐，才轮到整机厂把它们组装成可以部署的服务器。
戴尔、超微这类公司处在这个位置。它们的特点是贴近需求、但毛利率不高——本质是把上游的芯片集成成客户能直接用的整机。戴尔上一份财报里，AI 服务器订单达到 609 亿美元、积压订单 950 亿美元；管理层被问到交付约束时，副董事长兼首席运营官杰夫·克拉克连说了三遍「DRAM、DRAM、DRAM」，再补上「NAND、NAND、NAND」。
这句话本身就是一个传导信号：整机厂排在链条中段，它比芯片厂更早感受到需求，也比芯片厂更早碰到上游的供应限制。戴尔这一季的订单与瓶颈，可以看这份财报解读。
从机柜到电力：最后也是最慢的一环
服务器进了数据中心，还有一环经常被忽略——电。
一座 AI 数据中心不只是「放服务器的地方」，它需要变电、配电、冷却，以及持续的电力供应。甲骨文一个季度就新增了 850 兆瓦的数据中心容量，同时向客户交付超过 30 万颗 GPU——这两个数字背后，是对电网和发电能力的真实压力。
这也解释了为什么 AI 需求会传导到看起来不相关的板块：电力设备、燃气轮机、核电、变压器——它们不生产芯片，但它们决定了芯片能不能被通电。当上游的芯片与内存逐步跟上，这一环会变成新的约束。
走完整条链，有三条规律
把整条链走一遍，可以归纳出三条规律。
应用层几周就能调整，芯片交付以季度计，晶圆制造约 5 个月，新建产能以年计（美光的 ID1 在 2027 年中、ID2 在 2028 年末、纽约首厂 2030 年）。越往上游，越慢。
这一轮的顺序是：先缺 GPU，再缺封装，然后缺内存，现在开始缺电。每一环缓解之后，压力会往下一环移动——所以盯着「当前最缺什么」，比盯着「总需求有多大」更能判断产业链的紧张程度。
同样的需求，落在不同环节，结果是几十个点的毛利率差异——这取决于各环节的供给弹性和议价能力。这一点我们在《AI 资本开支的钱最终流向哪里》一篇里单独展开。
三条规律合起来，给了一张定位图：任何一个时点，你都能判断需求走到了哪一环、当前卡在哪一环、以及利润正在流向谁。这比笼统地问「需求好不好」，更能解释产业链上为什么有的环节紧、有的环节松。从这个角度看，半导体各环节的市场地位也是一张可以对着看的图。
该盯什么：三个问题
与其预测拐点，不如盯三个能反映产业链松紧的问题。
瓶颈的位置决定了利润流向，也决定了哪些公司的议价能力在上升。
比如 DRAM 的交付周期是否缩短、新增产能的时点是否提前。时滞缩短，意味着供给正在追上需求。
链条再长，起点还是「有没有人真的在用 AI 并为此付钱」。上游所有环节的景气，最终都要回到这一个问题上。
这三个问题，落到具体公司身上，还是要回到财报与现金流。研究一家美股公司的基本方法，可以帮你把产业链的宏观判断，落到一家公司的真实数据上。
常见问题
因为两者的节奏完全不同。需求端可以当天转向：一家企业签下一批 AI 服务器订单，或一个模型上线，需求马上发生。而供给端要经过设计、制造、封装、测试、交付一长串工序，每一步都有自己的时滞，越往上游越慢。以 DRAM 为例，从投片到最终交付约需 5 个月；如果要等一座新晶圆厂投产，则要以年计——美光给出的新增供应时间点是 2028 年。链条再长，起点还是需求，但这个需求要点燃整条产业链，需要等待。
按美光的口径，一颗 DRAM 从投片到最终交付，全程约 2000 道工序、大约 5 个月。其中前端晶圆制造接近 4 个月，后端封装测试再花 1 到 1.5 个月。这个 5 个月，说的是现有产能的交付周期——产线已经在运转，只是把一批晶圆做出来、测好、交付，就要这么久。它和「新增产能的建设周期」是两个概念，不要混为一谈。
因为建产能不是加一条产线那么简单。一座晶圆厂要先建设厂房、安装设备、调试工艺、把良率爬上来，整个过程要以年计。美光管理层给出的判断是：当前内存短缺覆盖所有市场领域，有意义的新增供应要到 2028 年才开始爬坡。它的新产线时点也印证了这一点——ID1 预计 2027 年中、ID2 在 2028 年末、纽约首厂要到 2030 年。所以「5 个月」和「2028 年」的差别，正是现有产能与新增产能的差别。
因为每一环缓解之后，压力会往下一环移动。这一轮的顺序大致是：先缺 GPU，再缺先进封装（CoWoS 决定芯片能否量产），然后缺内存（DRAM、HBM 供需紧张），现在开始缺电。当芯片的产能逐步跟上，数据中心的电力、变电、冷却这些「看不见的环节」就成了新的约束。甲骨文一个季度就新增了 850 兆瓦的数据中心容量、向客户交付超过 30 万颗 GPU，这两个数字背后，是对电网和发电能力的真实压力。
看三个问题。一是当前瓶颈在哪一环——瓶颈的位置决定了利润流向，也决定了谁在议价。二是关键环节的时滞有没有变化，比如 DRAM 的交付周期是否缩短、新增产能的时点是否提前；时滞缩短意味着供给正在追上需求。三是最终需求有没有变化——链条再长，起点还是「有没有人真的在用 AI 并为此付钱」，上游所有环节的景气，最终都要回到这一个问题上。
口径说明：时滞为示意量级；产能时点属公司规划；机构预测属预期。
