AI 算力的扩展正从“资金竞赛”转向“物理供应链竞赛”。SemiAnalysis 创始人 Dylan Patel 指出，逻辑芯片、内存（HBM）和电力是制约 AI 发展的核心瓶颈。其中，ASML 的 EUV 光刻机产能将成为 2030 年前最难以逾越的物理上限。虽然电力短缺可以通过多元化技术手段缓解，但高带宽内存（HBM）的极度匮乏将迫使消费电子市场萎缩以腾出资源。最终，未来 AI 竞争的胜负将取决于谁能优先锁定极其有限的半导体底层产能。
三大核心“卡脖子”瓶颈
目前制约 AI 算力规模化的因素并非单一的资金问题，而是深层次的供应链限制：
- 逻辑芯片（Logic）： 制造最先进 AI 芯片（如 NVIDIA 的 Blackwell 或 Rubin）需要极高工艺，这完全依赖于高端光刻机。
- 内存（Memory）： HBM（高带宽存储器）的生产极其耗费晶圆资源。制造同样容量的 HBM 所需的晶圆面积是普通内存的 3 到 4 倍，这直接挤压了手机和电脑的内存供应。
- 电力供应（Power）： 虽然电网扩容缓慢，但通过“表后发电”（如天然气轮机、分布式储能）可以绕过部分监管限制。
ASML：半导体链条的终极限制
Patel 强调，到 2030 年，全球 AI 算力的增长将最终受限于荷兰 ASML 公司生产的 EUV（极紫外光）光刻机 数量。
- 极高的设备门槛： 制造 1 吉瓦（GW）算力的芯片大约需要 3.5 台 EUV 设备。
- 产量上限： 目前 ASML 每年仅能生产约 60-70 台设备，即便到 2030 年也很难超过 100 台。
- 无法通过资金解决： EUV 的供应链极其复杂且具有唯一性，即便投入数千亿美元，也无法在短期内凭空增加产能。
“你可以买下全世界的资源，但你买不到 ASML 还没造出来的机器。这种机器是人类制造的最复杂的设备。”
内存短缺对普通人的影响
为了供应 AI 需求，内存厂商正在缩减消费级产品的产能。
- 价格上涨： 随着 HBM 需求激增，普通智能手机和 PC 用的内存价格将翻倍甚至更高。
- 销量下滑： 由于零部件成本（BOM）大幅上升，中低端智能手机市场可能面临腰斩。
- 资源置换： 未来几年，由于买不起昂贵的新款手机，普通用户实际上是在“被动”为 AI 实验室腾出宝贵的半导体产能。
竞争格局：谁先“AGI 觉醒”谁获胜
NVIDIA 之所以能统治市场，是因为其 CEO 黄仁勋比其他人更早地意识到了算力需求的爆发，并采取了激进的行动。
- 锁定产能： NVIDIA 早在数年前就通过预付款和长期合同锁定了台积电（TSMC）和内存厂商的产能。
- Google 的误判： 尽管 Google 拥有自研的 TPU 芯片，但在产能规划上动作迟缓，导致其在算力扩张上落后于 NVIDIA。
- 实验室的博弈： OpenAI 展现出了极强的侵略性，大规模签署长期合同；而 Anthropic 则因相对保守的策略，在获取算力方面面临更大的挑战。
电力与数据中心的新形态
尽管外界担心电力会彻底阻断 AI 发展，但 Patel 认为这只是一个成本和效率问题。
- 多元化能源： 实验室正在购买各种设备，从飞机引擎改装的涡轮机到大型船舶引擎，直接在数据中心现场发电。
- 资本溢价： 只要 AI 模型产生的利润足够高，开发者完全可以忍受比电网高出一倍的电力成本。
- 选址灵活性： 算力中心正向美国怀俄明州、德克萨斯州等土地肥沃、监管宽松的地区转移，以换取更快的建设速度。
未来洞见：机器人与地缘风险
- 机器人与云端结合： 未来的具身智能机器人不会在本地运行庞大的大脑。为了节省成本和降低功耗，复杂的逻辑判断将在云端完成，机器人本地仅处理简单的插值动作。
- 中国半导体产业： 虽然面临设备封锁，但中国正在通过自研 DUV 设备和封装技术进行突围。如果 AI 的长期发展周期超过 10 年，中国凭借其完整的工业链条可能在规模上产生优势。
- 台湾风险： 全球 AI 供应链极度依赖台湾。一旦该地区发生动荡，全球 AI 算力的新增速度将几乎归零，现有存量算力的价值将瞬间暴涨。
核心结论： AI 的未来不仅由算法决定，更由物理世界的制造精度和规模决定。在 EUV 设备和 HBM 产能被瓜分殆尽的背景下，先行一步的“AGI 信徒”已经建立了极高的竞争壁垒。