--- author: Best Partners TV date: '2026-11-13' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=YecsXDxyd7o speaker: Best Partners TV tags: - semiconductor-industry - pricing-power - supply-chain - ai-infrastructure - custom-silicon title: CASPA峰会：半导体行业的融资压力、供应链瓶颈、定价权与自研芯片 summary: 2026年CSPA高峰会上，华尔街分析师Stacy Rasgon与SemiAnalysis创办人Dylan Patel就半导体产业展开对谈。双方深入探讨了数据中心建设的融资压力、基板与内存等供应链瓶颈、后疫情时代半导体企业依靠ASP上涨获得的定价权机制，以及云厂商自研芯片和英伟达竞争格局等核心议题。 insight: '' draft: true series: '' category: tech-trends area: tech-engineering project: [] people: - Stacy Rasgon - Dylan Patel companies_orgs: - Bernstein - SemiAnalysis - NVIDIA - TSMC products_models: [] media_books: [] status: evergreen --- 大家好，這裡是 Best Partners，我是大飛。 2026 年 10 月 23 日，在加州聖克拉拉舉行的 CSPA 高峰會上，兩位資深的半導體產業從業者坐下來進行了一次深入的交流。其中一位是 Stacy Rasgon，她是華爾街 Bernstein 公司的高級董事總經理，十多年來一直位列華爾街頂級半導體分析師之列。另一位是 SemiAnalysis 的創辦人 Dylan Patel，他的組織現在是人工智慧基礎設施領域最具影響力的研究團隊之一。 這次訪談持續了大約一個半小時，內容涵蓋了從融資、供應鏈和定價權到專用晶片和企業應用等方方面面，見解非常深刻。我已經總結了整個訪談內容，其中有幾個要點值得展開討論，我將在本影片中與大家分享。 ### 融資壓力與產能擴張 首先，我們來談談融資問題。 主持人開場就拋出了一個尖銳的問題：超大規模雲端提供商多年來一直在投入資金建設資料中心，而他們的自由現金流已經轉為負值。現在，10 年期美國公債殖利率超過 5%，融資成本越來越高。對於像 CoreWeave 這樣一家依靠承銷合約發展壯大的新興雲端服務供應商來說，有市場傳言稱其發行的債券實際收益率高達 15%。我們該如何看待這件事？ 史泰西指出，目前該產業面臨四大限制：電力、供應鏈設備，現在，我們還必須將融資問題加入這個清單。這些因素綜合起來，確實減緩了產能擴張的速度。縱觀半導體股票，雖然過去兩年它們大幅上漲，但已從高點回落了不少。市場發出信號，人們對建築施工的速度及其可持續性越來越不確定；山峰可能就在附近。 Meta 和 Google 已經開始進行股權再融資，Meta 甚至專門調整了股權結構，為發行更多股票鋪平了道路。這些公司曾經是人類史上現金最充裕的“印鈔機”，如今卻燒錢燒到需要尋找新資金的地步。 然而，史泰西也提到，限制不一定是壞事。在網路泡沫破滅期間，大量的「暗光纖」被鋪設在地下，但最終卻未被使用。如果市場過於狂熱，過度擴張只會成為下一次崩盤的導火線。當前的降溫迫使每個人都去核實實際需求，這可以更好地協調供需，並可能帶來更永續的發展。 迪倫補充了一個更殘酷的現實：並非所有球員都能承受融資的壓力。超大規模雲端服務供應商當然可以把自由現金流降至零，並承擔一些債務來維持運營，但是那些規模較小的雲端服務供應商呢？他們目前佔用了可用產能的一半，但如果沒有像 BIC 或 OpenAI 這樣的領先人工智慧實驗室的擔保合同，就不可能獲得資金。 他舉例說：W 公司目前正在為 Anthropic 建立一個計算集群。該債券的票面利率為 12%，但在市場上交易價格為 95 美分，這意味著實際利率約為 15%——而且這還是在簽訂承銷合約的情況下。如果你沒有呢？答案很簡單：你根本就建不出來。 伊隆馬斯克的策略非常明確：他首先確保晶片、土地、電力和設施到位，然後建造計算集群，並在集群全面投入運營後通過短期合約將其出租。計算資源現貨市場供應極為緊張。馬斯克要求每吉瓦 10 億美元，而 Anthropic 公司自己披露的數據顯示，他們預計每吉瓦計算收入可達 700 億至 800 億美元，這意味著他們在某種程度上不得不承擔這筆費用。 好了，融資方面就介紹完了。 ### 供應鏈關鍵瓶頸：基板、記憶體與電力 其次是供應鏈瓶頸。 主持人問迪倫，由於這條鏈條上的許多環節都出了問題，我們最該擔心的是哪一個環節？ Dylan 的排名非常明確：排在第一位的是基質（Substrate）。這裡提到的基材包括 PCB 材料和其他基本底層組件。生產這些材料的許多公司在投資方面非常保守，不願意大幅擴大生產規模。這將導致未來兩年出現巨大的產能瓶頸，不僅會影響人工智慧加速器，還會影響 CPU 和供應鏈中的其他所有組件。襯底現在已成為限制整個半導體供應鏈最關鍵的瓶頸。 接下來是記憶體，然後是光學元件——特別是共封裝光學元件 (CPO) 或近封裝光學元件 (NPO)。無論哪家公司希望在 2028 年前實施這項計劃，雷射和光纖元件的產能都無法滿足需求。最後，權力也擺在那裡。 然而，迪倫對權力的評估與市場共識有所不同。許多人認為電力將是最大的瓶頸，但他團隊的研究表明，明年全球將有近 50 吉瓦的數據中心正在建設中，其中約 35 吉瓦在美國，7 至 8 吉瓦在中國，其餘的分佈在澳大利亞、印度和馬來西亞。全球資料中心建設的速度遠遠超出大多數人的預期，即使就電力而言，這也不是一個無法解決的問題。現場渦輪機、往復式引擎或燃料電池都有助於緩解部分壓力。 史泰西基本上同意這一點，但他同時也提到了另外兩個可能被忽視的面向。 一是交貨週期；目前所有交貨週期都已達到極限，每個人都在盡可能地榨取現有設施的產能。真正意義上的新增產能要到 2027 年才會投入使用，2028 年和 2029 年還會有更多產能陸續投產。 另一方面是半導體製造設備。今年上半年，業內預計晶圓製造設備的資本支出約為 1,200 億美元；到年底，這一數字已上升至 1,550 億美元。一些機構初步預測明年晶圓製造規模將超過 2,000 億美元，許多投資者認為這個數字可能還會更高，但史泰西認為這不太可能，因為晶圓廠的數量根本不夠容納所有這些設備。 關於記憶體方面，還有一條有趣的數據。Stacy 表示，人工智慧架構中約 70% 到 80% 的晶片面積是內存，而製造高頻寬內存 (HBM) 會造成良率損失問題。例如，生產 1 GB 的 HBM 所需的晶圓數量是生產 1 GB 標準 DDR5 記憶體的三到四倍，這會消耗大量的晶圓容量。 那麼記憶體產業本身的情況如何呢？毛利率現在可以達到 70%、80% 甚至 90%。各公司給出的季度每股收益預期甚至高於其 24 個月前的股價。這導致股價飆升，但市盈率仍保持在個位數。 史泰西說這是周期高峰的典型跡象。大家都擔心，一旦 2028 年新的產能上線，價格就會暴跌，但他給我們留下了一個問題：如果價格沒有暴跌呢？ 這個反問至關重要。如果新的 HBM 產能上線後價格沒有暴跌，這可能意味著記憶體市場的基本供需邏輯已經發生了根本性的變化，它不再是以前那種週期性的行業了。 ### 定價權機制與通膨效應 接下來，我們來談談定價權，這是整個訪談中最令人震驚的觀點之一：通貨膨脹拯救了整個半導體產業。 史泰西花了很長時間解釋這個判斷，指出半導體產業歷來都是價值的破壞者。多年年前，他在麥肯錫進行了一項研究，匯總了 1996 年至 2004 年一個完整週期內 12 個子行業 150 家公司的數據。使用經濟利潤（以投資資本回報率減去加權平均資本成本，再乘以平均投資資本來衡量）來衡量，該行業在此期間累計損失了 50 億美元。如果排除英特爾，損失的數字是 500 億美元。 換句話說，該產業創造的幾乎所有價值都傳遞給了消費者；那段時期是半導體客戶的黃金時代。2008 年後，該行業經歷了重大整合，情況開始好轉，最終開始能夠覆蓋資本成本。隨後疫情爆發，半導體公司發現他們擁有定價權——不僅僅是短暫的、試探性的價格上漲，而是真正的成本轉嫁。 那段時間我追蹤了許多公司，沒有一家因為投入成本上升而有利潤率下降的情況。如果成本增加了 100 美元，而他們的毛利率為 60%，他們只需將價格提高 160 美元，就能毫不費力地將成本轉嫁給顧客。 關鍵數據在這裡：看看 2023 年或 2024 年的行業出貨量；與 2019 年相比，它們基本上持平，但該行業的綜合平均售價（ASP）上漲了 50%。沒錯，50%。即使不考慮記憶體因素，這個數字仍然成立。 今年，整個產業的收入將達到 1.5 兆美元甚至更高，與往年相比將大幅成長，其中 70% 到 80% 的成長來自更高的記憶體平均售價。剩餘的大部分成長來自非儲存領域的價格上漲。至於實際出貨量，僅成長了約 10%。 這是什麼意思？這意味著今年巨大的營收成長幾乎完全是透過提價實現的，而不是透過銷售更多產品來實現的。 迪倫補充了一個有趣的觀察：雖然所有公司都在尋求溢價，但它們的方法完全取決於市場結構。過去十年，台積電的毛利率從 45% 穩定攀升至 60%，這是一個非常穩定的上升趨勢。他們在行業繁榮時期賺取更多利潤，但在行業低迷時期也沒有損失太多利潤。有趣的是，作為一家近乎壟斷的晶圓代工廠和頂級客戶的長期合作夥伴，台積電完全有能力進一步提價，但他們並沒有大幅提價。 記憶體產業的情況則完全不同。幾年前，他們的毛利率為負，而當時的記憶體產業剛剛經歷了自科技泡沫破裂以來最糟糕的周期。在產業低迷時期，蘋果大力壓低價格，但現在產業正處於上升週期，記憶體正以激進的價格上漲反擊蘋果。 迪倫表示，顧客現在接受這種定價是因為他們別無選擇。不僅供應持續緊張，最關鍵的是，效能提升的速度還在不斷加快。 接下來會發生什麼事？他詳細分析了英偉達各代產品的數據： - 從 A100 到 H100，GPU 的平均售價翻了一番，但性能提高了 10 倍甚至更多。 - 從 H100 到 Blackwell，平均售價上漲了 50%，而效能提升了 3 到 30 倍——考慮到軟體優化，甚至可能更多。 - 從 Blackwell 到 Rubin，升級到下一代產品，系統成本可能會翻倍。他們自己的參考資料顯示，布萊克威爾的發電成本約為每吉瓦 250 億美元，而魯賓的發電成本為每吉瓦 400 億美元。但性能也提高了十倍。 這裡有一條鐵律：你必須持續為客戶提供價值，確保性能提升遠遠超過價格上漲，這樣高昂的成本才能完全在客戶的預算之內。 英偉達首席科學家比爾戴利在 2023 年 HPS 大會上發表主題演講，表示過去十年 GPU 效能提高了 1,000 倍，目標是在未來十年提高 100 萬倍。他表示，如果英偉達能夠實現這個目標，他不會太擔心他們的利潤率。但如果創新放緩，例如推出效能提升僅為 20% 的小版本迭代，那麼他就會開始非常擔心定價和利潤率。屆時，供應商將不得不自行承擔部分成本，整個產業將陷入殘酷的價格戰。 ### 專用自研晶片與英偉達護城河 關於專有晶片，Dylan 分享了一些相當有影響力的消息：OpenAI 的第一代自主研發晶片的性能已經超過了 Blackwell。他們在設計和編程過程中廣泛使用了人工智慧輔助設計，OpenAI 也發起了一項晶片計劃，目標是在一半的時間內完成晶片研發。 谷歌現在對外銷售 TPU，亞馬遜的 Trainium 晶片性能相當不錯，並且與 PyTorch 完全兼容，Meta 有一個非常激進的專有路線圖，微軟也在這樣做。 迪倫計算了建造運算能力的成本，指出到 2024 年，建造一個 1 吉瓦資料中心的成本約為 400 億美元。涵蓋晶片、土地、電力和設施，這一數字現已超過 600 億美元，成長了 50%。 那麼，改用專有晶片後，計算是如何進行的呢？目前建造一座 1 吉瓦資料中心的成本為 600 億美元，但如果剔除英偉達、博通和 Marvell 等晶片供應商的利潤，實際成本僅為 200 億美元左右。這意味著，只要你能設計自己的晶片，使用台積電晶圓，以零加價獲得基板，並使用自己的記憶體，那麼花費 600 億美元就能支援五倍的運算能力。 這項經濟計算非常明確，那麼英偉達的護城河是否依然牢固？ Dylan 提到了 CUDA 生態系統、已安裝基礎、基礎設施、資產負債表和融資能力——所有這些都構成了其他人難以克服的障礙。但他同時指出，這畢竟是一場競賽，黃仁勳從英特爾等公司的教訓中吸取了經驗，他始終保持著強烈的危機意識，每天都如履薄冰。英偉達已將其晶片發布週期縮短至一年，部分原因是出於自身利益，但也為了迫使競爭對手拼命追趕。 Dylan 補充了一個基於趨勢的數據點：在過去兩三年裡，英偉達佔據了業界絕大多數的 HBM 和 CoWoS 封裝資源，但這一份額將在 2025 年開始回落，並在 2026 年進一步下降。谷歌正在搶佔市場份額，亞馬遜正在搶佔市場份額，AMD 也在搶佔市場份額。由於整體技術發展如此迅速，預計英偉達的收益明年仍將同比增長一倍甚至更多，但趨勢很明顯：他們正在失去市場份額。 那麼英偉達的估值如何呢？史泰西說，這些數字正處於歷史最低水準。迪倫糾正他說，那是九個月前的事了，現在比那時還要低。 ### 企業級應用與落地型態 最後一部分是企業級應用程式。 史泰西分析了他自己團隊的一個真實案例；他是一名金融分析師，他團隊的主要工作是建立金融模型。幾個月前，一位年輕的團隊成員私下使用 Claude 為他負責的一家研究公司建立了一個模型，但其他人並沒有太在意。 隨後，Stacey 要求他在團隊會議上進行演示，讓 AI 從頭開始為研究公司建立模型；結果如何？人工智慧一次完成了一個完整的財務模型，僅用時 1 小時 20 分鐘。它處理了 10 年的歷史數據，涵蓋了所有不同的業務細分——全部準確無誤——甚至根據 CEO 在財報電話會議上的演講進行了預測。這件東西如果由他的團隊成員建造，需要一週時間；如果他自己建造，可能需要三個月；現在，只花了 1 小時 20 分鐘。 這意味著團隊的潛力已經得到了極大的釋放。Stacey 表示，這正是編碼代理如何激發生產力的縮影；現在還有誰像傳統工匠一樣純手工編寫程式碼？現在人人都可以用人工智慧輔助程式設計工具。 Dylan 對企業級應用有著更宏觀的判斷：他認為公司不會大規模購買硬體來自行運行模型。API 的效率和模型的規模經濟決定了，直接購買代幣並將其與專有數據深度整合是大多數人使用 AI 的最終形式。 二十年前，每家公司都自行購買基礎設施進行部署；現在，大部分支出已經轉移到雲端，主要用於購買代幣。即使對於製藥公司或對沖基金而言，它們的大部分運算能力和人工智慧支出也將直接用於購買模型服務，而不是購買運算能力來運行自己的模型。 我們的訪談到此結束。 這次談話中有一點給我留下了深刻的印象：半導體產業從歷史上一直 डांस個價值破壞者，直到疫情帶來的定價權才讓它真正第一次賺到了錢。這種定價權能否維持下去，取決於一個核心因素：性能提升能否持續超過價格上漲。只要這條鐵律成立，整個產業的高定價就能持續下去。但如果性能提升速度放緩，客戶就會反抗，整個商業週期將立即崩潰。 這很可能是英偉達、AMD 和谷歌等公司競相發展的主要原因；他們知道，如果他們停止努力，或者如果業績成長未能超過成本成長，情況將完全改變。 感謝觀看，下次見。