这篇分析指出，人工智能产业的竞赛核心已从芯片本身转向了制造、电力和融资这三大新瓶颈。尽管 AI 模型因代理任务的兴起而保持了定价能力，但真正的限制因素已不再是芯片供应，而是建设和运营数据中心所需的电力基础设施，以及支撑巨额投资背后的债务与循环融资风险。因此，文章看好台积电、ASML 等上游制造商和电力基础设施公司，并指出科技巨头们正在为此重构各自的芯片与制造布局。
价值链正在自我吞噬
当前行业的模式是，每个层级的参与者都在试图进入其他人的领域。
- 模型公司正在设计芯片： OpenAI 与博通合作，Anthropic 与亚马逊共同开发 Trainium。
- 云服务商开始出售芯片： 谷歌和亚马逊正将其自研芯片出售给外部数据中心。
- 芯片销售商开始投资模型公司： 英伟达正在投资那些购买其芯片的 AI 实验室。
- 传统芯片制造商重返制造： 英特尔正从芯片供应商的角色重新转向晶圆代工，试图向下游整合。
然而，在这一切混乱中，一个环节始终是核心：制造。几乎所有公司的先进芯片，最终都由台积电（TSMC）生产。
制造环节：不变的赢家
晶圆厂（Fab）曾经被认为是半导体行业中最糟糕的业务，但现在情况完全不同。
- 产能售罄： 台积电的 2nm 节点产能已预订至 2026 年，先进封装（CoWoS）的订单更是排到了 2027 年。
- 持续涨价： 需求强劲使其拥有了垄断性的定价权。3nm 晶圆价格上涨约 15%，封装价格每年上涨 10-20%。
- 上游垄断： 高带宽内存（HBM）在全行业处于缺货状态，价格预计到 2027 年将翻倍。而所有环节的上游，都指向光刻机垄断者 ASML。
谷歌“销售 TPU”的真相是：博通负责设计，台积电负责生产晶圆，谷歌只是在价值链的顶端抽成。金钱最终会流经芯片设计层，沉淀到晶圆厂。
AI 模型：意料之外的定价权
原先的共识是，基础模型的能力会迅速商品化，价格趋向于零。这个预测只对了一半。在同等质量下，处理单位文本（token）的价格确实在以每年 10 倍的速度下降。
然而，前沿 AI 实验室却在提高价格。原因是 “代理任务”（agents） 的兴起。一个代理任务消耗的算力是普通聊天的 5 到 30 倍。这种巨大的需求增长，使得前沿算力的市场价格上涨速度超过了成本下降的速度。因此，模型层只要保持技术领先，就能维持其定价权。
真正的瓶颈：从芯片转向电力与资金
当前，AI 发展的限制因素已经发生了两次转移。
物理约束不再是芯片，而是电力。 微软承认，他们有闲置的芯片，但因为没有足够的“暖壳”（即有稳定电力供应的建筑）而无法启用。英伟达创始人黄仁勋也称 AI 是一个“受电力限制的行业”。
- 美国数据中心的需求预计将从去年的 31GW 增长到 2027 年的 66GW。
- 燃气轮机订单已排到本世纪末，大型变压器交付周期长达 2-4 年。
- 电网不堪重负，以至于美国能源部已授权在系统紧张时切断数据中心的电源。
市场风险不再是需求，而是资金。 四大云服务商今年的支出总额可能高达一万亿美元。这笔巨额开销不再完全来自现金流，而是依赖债务和复杂的循环融资。英伟达投资 OpenAI，OpenAI 投资 Oracle，Oracle 投资 AMD，AMD 再投资 CoreWeave。这种模式被美联储视为潜在的系统性风险。
如今最有可能打破这一切的，不是 AI 技术本身的好坏——技术已经足够好，市场需求也已存在。真正的风险在于为运行 AI 所需电力而开出的、环环相扣的支票链。
未来走向与投资策略
基于以上分析，未来的市场格局可能如下：
- 基础设施持续吃紧： 晶圆厂和电力设施将继续处于售罄和涨价状态。
- 英伟达份额缓慢下降： 其垄断地位会被削弱，但其护城河依然稳固，市场份额会缓慢降至 70% 左右，而非断崖式下跌。
- 电力成为焦点： “千兆瓦”和“燃气轮机”将成为新的头条新闻。
- 金融风险显现： 某个高度依赖债务的公司或循环融资的参与方可能会出现问题，导致高杠杆企业遭受重创。
在这种环境下，明智的投资策略是拥有那些价值链的根基，即晶圆厂和它们离不开的东西。
- 公开市场： 台积电（TSMC） 和 ASML 是最直接的标的。
- 反向投资： 投资那些“无聊”但必不可少的耗材，例如光刻胶。
- 最佳选择可能是电力： 燃气轮机制造商、电网公司、独立发电商以及核电重启相关的故事，其价值还未被市场充分定价。
最终，芯片总是会被制造出来。真正的问题是：当芯片造好后，谁还站在那里，有能力将其插上电源？