2026年3月，一场关于AI算力扩张的深刻讨论正在硅谷发酵。随着四大科技巨头合计超6000亿美元的年度资本支出涌入市场，一个核心问题浮出水面：在资金、技术、资源不断涌入的背景下，真正限制AI算力扩张的环节究竟是什么？
半导体研究机构SemiAnalysis创始人Dylan Patel在一次播客访谈中给出了系统性答案。这家近年来在科技和投资圈迅速走红的研究机构，其观点被AI公司、云计算厂商及对冲基金广泛引用。Patel的核心判断是：AI算力扩张的瓶颈就像“打地鼠”一样不断转移，而当前，它正从CoWoS封装、电力等表层环节，重新回到芯片制造的最底层——尤其是EUV光刻机产能 。
存储大挤压：2026年科技巨头30%资本开支将被吞噬
在Patel的研判框架中，存储器短缺将是未来一两年的核心交易主线。他给出了一个令消费电子市场胆寒的预测：到2026年，科技巨头约30%的资本支出将流向存储芯片 。
这一判断的背后，是推理模型对内存需求的彻底引爆。长上下文模型需要极大的KV Cache，这大幅提升了对内存带宽与容量的依赖。以HBM为例，其占用晶圆面积为普通DDR内存的四倍——这意味着，每生产1字节的AI内存，代工厂必须牺牲4字节的消费电子内存产能 。
“人们会越来越讨厌AI，”Patel直言，“因为智能手机和PC不会逐年变得更好，事实上，它们会变得更差。”随着大量DRAM产能被利润更丰厚、签订长期合同的AI芯片抢占，消费电子的BOM成本将飙升。Patel测算，iPhone的存储成本可能上涨约150美元。高端品牌或许能通过溢价消化，但主打性价比的中低端手机将遭受毁灭性打击 。
他警告，内存价格翻倍甚至飙升，将引发消费电子出货暴跌：全球智能手机年出货量可能从14亿部降至今年8亿部，明年甚至可能腰斩至5-6亿部 。
瓶颈下探：从CoWoS到EUV光刻机
Patel用“打地鼠”形容AI产业链瓶颈的持续演变：几年前的关键掣肘是台积电的CoWoS先进封装；去年是电力供给；再后来是数据中心建设速度。随着这些环节逐步扩产，新的限制又浮出水面 。
如今，在数据中心、电力等基础设施逐渐完善之际，算力扩张的重心重新落回半导体制造。Patel强调，算力的长期供应核心不是电力或建筑，而是芯片制造能力，包括逻辑芯片产能、HBM芯片及晶圆厂与设备建设周期。其中，洁净室建设是今、明两年最突出的瓶颈 。
但若AI算力持续高速增长，未来限制将来自最底层的设备供应链——尤其是极紫外光刻机。这种由荷兰ASML独家生产的设备，是制造先进制程芯片不可或缺的核心工具。目前全球EUV年产量约70台，2027年可望增至80台，到2030年最多也只能达到100台 。这种产能极限，将直接决定全球AI算力的扩张上限。
12亿美元卡住500亿美元：惊人的杠杆效应
为直观展现EUV光刻机对全局的控制力，Patel算了一笔极具冲击力的账：
若以英伟达下一代Rubin芯片建设1吉瓦算力的数据中心，整个半导体产业链需要消耗约5.5万片3纳米晶圆、6000片5纳米晶圆以及17万片DRAM存储晶圆。这些晶圆制造需要进行约200万次EUV曝光。按照单台EUV光刻机的吞吐量计算，刚好需要3.5台EUV光刻机 。
这就形成了一个极度扭曲的杠杆效应：建设1吉瓦数据中心需要约500亿美元的庞大资本开支；而支撑这500亿美元产能的，仅仅是价值约12亿美元的3.5台EUV设备 。
由于EUV光刻机是人类制造的最复杂机械，其核心组件——如卡尔·蔡司的镜头组、Cymer的极紫外光源——供应链极度僵化。这不是工业制造，而是手工艺：全球能做EUV多层反射镜的高级技工不到1000人，背后是250年积累的供应链 。产能无法快速扩张。这就从物理层面上锁死了全球每年能新增的最高AI算力总盘子。
电力并非终极制约：电表后的解决方案
针对市场持续热议的“缺电危机”，Patel展现出了务实的资本视角。他认为电力不仅不会成为终极制约，反而是一门好生意。
“显然，世界上只有三家公司能制造联合循环燃气轮机，但我们能做的还有很多。”Patel指出，通过采用航改燃气轮机、中速往复式发动机、燃料电池以及“太阳能+电池”的组合方案，数据中心完全可以在“电表后”（不依赖主干电网）解决能源问题 。
即便这会导致单千瓦时电价翻倍，分摊到单颗H100每小时1.40美元的总拥有成本中，也不过增加了几美分。与AI模型产生的巨大收益相比，完全可以忽略不计。此外，只需配备足够的公用事业规模储能系统，美国电网就能额外释放20%的容量给数据中心使用 。
至于马斯克在太空中建立数据中心的设想，Patel直截了当地予以否定。芯片极高的故障率（约15%的Blackwell需要退货或重新插拔）以及昂贵的空间激光通信成本，使得这一构想在经济上毫无逻辑。“至少在这个十年内，太空数据中心不会发生。”
瓶颈的演化：2028年的终极天花板
Patel最有洞察力的判断，不是哪个瓶颈最重要，而是瓶颈一直在移动。
他梳理出清晰的时间线：2023年卡在CoWoS封装；2024到2025年卡在电力和数据中心建设；2026年回到半导体制造——3纳米晶圆产能；2027到2028年轮到HBM内存；2028到2030年，最终落到供应链的最底层——ASML的EUV光刻机 。
每解决一个瓶颈，下一个就浮出水面。这不是某一个环节的问题，是整条供应链在同时被拉到极限。到2030年，全球累计约700台EUV光刻机，理论上支撑约200吉瓦的AI算力——但Sam Altman的OpenAI一家就提出过每年52吉瓦的需求。半导体产业还没有真正意识到AGI级别的需求意味着什么 。
结语：万亿美元的产业，悬在十亿美元的瓶颈上
退一步看全局：万亿美元在涌入AI。大厂在抢芯片、囤内存、买电力、签长约。但所有这些投资、所有这些竞争，最终都要通过几个极窄的咽喉：阿斯麦年产不到100台光刻机；全球能铸造涡轮叶片的工厂只有3家；能做HBM堆叠封装的产线屈指可数 。
万亿美元的产业，悬在十亿美元的瓶颈上。 这就是AI军备竞赛最深层的矛盾：需求在指数级增长，供给在线性增长。每一个瓶颈被突破，下一个就在等着。这场竞赛的终点不取决于谁最有钱，而取决于谁最能解决供应链上最窄的那个环节。