CASPA 座談會：SemiAnalysis 評估載板重要性勝過電力、成 AI 最大核心瓶頸，伯恩斯坦（Bernstein）則點名融資與客製化晶片為壓力點
CASPA 2026 年度執行長高峰會半導體產業展望座談會，2026年10月24日
SemiAnalysis 創辦人兼執行長迪倫·帕特爾（Dylan Patel）與伯恩斯坦（Bernstein）董事總經理兼資深半導體分析師史黛西·拉斯根（Stacy Rasgon）在 CASPA 座談會上，對當前市場對 AI 基礎設施建置的多項共識觀點提出挑戰。帕特爾主張，電力與資料中心空間造成的限制小於市場預期，真正的瓶頸反而是載板、記憶體與光學元件。拉斯根則指出，融資問題已躍升至投資人憂慮的名單前列，且供需訊號顯示，市場吃緊狀態將至少持續至 2028 年。雙方均認為，隨著零組件成本飆升，以及輝達（Nvidia）和博通（Broadcom）面臨一波客製化晶片浪潮，更棘手的問題在於究竟誰能守住利潤率。
載板而非電力，才是最嚴峻的瓶頸
帕特爾最具逆勢色彩的觀點在於他對各項瓶頸的排序。他將載板排在第一位，超越了土地、電力、外殼（shell）以及半導體設備。「載板、PCB 材料、載板材料，所有這些零組件都嚴重投資不足，」他指出，支撐這條供應鏈背後的日本供應商態度保守，對於擴充產能有所保留。緊隨其後的是記憶體，再來則是光學元件。針對共同封裝光學（CPO）與近封裝光學，他表示，即便某家大廠希望在 2028 年全面轉向 CPO，「在雷射、光纖貼合及其他零組件上，他們也無法滿足所需的產量。」
在電力方面，SemiAnalysis 的研究顯示，全球明年正在興建的資料中心容量將近 50 吉瓦（gigawatts）。其中約 35 吉瓦在美國，7 至 8 吉瓦在中國，其餘則分佈在澳洲、印度與馬來西亞等地。帕特爾表示，現場渦輪機、往復式發動機與燃料電池正協助開發商繞過電網極限。他將這些解決方案形容為「比起半導體供應鏈，其複雜度要低得多」。拉斯根則持較為保守的態度，指出輝達與博通似乎將土地、電力與外殼視為其限制因素。他同時質疑渦輪機的交貨前置時間（lead times），並指出伊隆·馬斯克（Elon Musk）曾談及自行製造渦輪機葉片。
拉斯根形容這是一場層層相疊的短缺，必須先解除前一個瓶頸，才能處理下一個。他表示，設備供應商本身也抱怨稱，PCB、晶片、閥門與質量流量控制器（mass flow controllers）的短期短缺，正在限制他們出貨上檔（upside）的能力。他對短缺持續時間的看法相當直言不諱：「我認為今年沒問題。我覺得明年情況也一樣。2028 年可能依然吃緊。2029 年我就不知道了。那將演變成一場需求問題。」
記憶體與晶圓廠設備凸顯供應鏈的吃緊程度
拉斯根指出，儘管記憶體價格「已經飆上天」，但記憶體類股的交易本益比仍僅有預估獲利的 2 到 4 倍。他提到，新帝（SanDisk）給出的每股盈餘（EPS）財測，甚至高於其 24 個月前的股價。他將低本益比歸咎於市場對景氣循環高峰的恐懼，深怕供給將於 2028 年湧現並導致價格崩盤。他的反向觀點則是基於結構性因素：AI 伺服器機架中 70% 至 80% 的矽晶圓面積都是記憶體，且多數為 DRAM。高頻寬記憶體（HBM）每 gigabyte 所消耗的晶圓數量，也達到標準 DDR5 的 3 到 4 倍。
在設備方面，拉斯根表示，某家公司在本週發布財報時，給出了 2027 年晶圓廠設備（WFE）展望的初步數據，金額超過 2000 億美元。他坦言對此感到驚訝，因為許多投資人原本預期數字會更高，原因是「我們根本沒有那麼多晶圓廠」。無塵室已經滿載，產業對現有廠房空間的榨取已達到極限。今年初的 WFE 預估值從 1200 億美元起步，最終可能會落在 1500 億美元左右。新的無塵室產能將在 2027 年溫和增加，並在 2028 年與 2029 年更顯著開出，而這正是拉斯根預期市場將檢驗供需是否失衡的時間點。
融資正在限制基礎設施建置，而輝達正扮演最後融資後盾
拉斯根指出，股市自高點回檔反映了市場對基礎設施建置永續性的擔憂，「顯然融資就是其中一項隱憂。它大概名列憂慮清單的前茅。」他指出，曾被譽為「人類歷史上現金產生能力最強的企業」的雲端巨擘（hyperscalers），目前正在消耗現金，並極有可能進行股權增資。他以 Meta 的全新股份類別結構為促進因素之一。CoreWeave 的無擔保債券殖利率約為 15%，他認為這反映了市場水準而非其當前的實際融資成本，但這也發出了未來新無擔保債務定價的訊號。不過，他仍結論認為「未來一兩年內」，產業狀況大致無虞。他同時主張，供應限制其實有助於產業，因為它能推遲供給釋出，避免重蹈網際網路泡沫破滅後留下暗黑光纖（dark fiber）那般過度建置的覆轍。
帕特爾則提供了更細緻的樣貌。由於雲端巨擘無法獨立資助每年 2 兆至 2.5 兆美元的資本支出，因此其支出具有自我限制性。新雲端服務商（Neoclods）佔了建置規模的近半，唯有在獲得雲端巨擘或大型 AI 實驗室的產能承購合約（offtake）時，才能為算力叢集（clusters）籌措資金。即便如此，債務成本仍然相當高昂。他舉例指出，近期為 Anthropic 建造的一個叢集，其融資條件為 12% 票面利率並以 95 美分折價發行，換算實際殖利率約達 15%。他表示，在該層級之外，「你簡然完全無法」在沒有雲端巨擘背書的情況下建立產能。這正是為什麼馬斯克的策略是建立產能，再以極高價格透過短期合約出租給新創公司。
帕特爾指出，輝達已經意識到這個問題，並正扮演著最後融資後盾的角色。透過 Sharon AI 與 Fermi 等公司，輝達以放棄營收分潤（revenue shares）來換取融資擔保。在這種架構下，輝達以保證每小時 3.5.美元的價格出租叢集，這使得雲端營運商毫無利潤可言，隨後輝達再參與分享高於該價格的任何營收。Lambda 給予輝達 10% 的營收分潤以幫 Anthropic 建設，相較之下，Sharon AI 與 Fermi 的交易分潤比例則高達 50%。帕特爾說，博通已與 Anthropic 結構化了一項租購合約（rent-to-own deal），將晶片付款期限拉長至數年之久。他同時指出，Meta 高達 1.4 兆美元的算力與資料中心承諾，正受到資本市場的密切關注，儘管他強調「Meta 完全沒有問題」。
訂價能力已取代價格通縮，吉瓦建置成本大幅躍升
拉斯根主張，該產業過去作為價值毀滅者的歷史定位已經逆轉。他引用其麥肯錫（McKinsey）時期早期的研究指出，該產業在 1990 年代和 2000 年代初期的一個完整景氣循環中摧毀了經濟利潤，價值全數流向了客戶。他表示，COVID-19 改變了這一局面。「我沒有遇過任何一家公司因為投入成本上升而面臨利潤率壓縮。他們全都調高售價來抵銷成本。」他預期該產業今年的營收將達到約 1.5 兆美元，年增約 100%。他將其中 70% 至 80% 的成長歸功於記憶體平均銷售單價（ASP），而出貨量僅成長約 10%。他指出，客戶「其實別無選擇」。
帕特爾表示，建置 1 吉瓦 AI 算力的成本已從 2024 年的約 400 億美元攀升至超過 600 億美元。他對各家公司的定價行為作出了區分。台積電在過去十年中將毛利率從 45% 提升至 60%，但考量其近乎壟斷的地位與長期夥伴關係，「儘管他們有能力，卻沒有真正大幅調高價格」。反觀記憶體製造商，在約 24 個月前才剛走出負毛利率的陰霾，如今正強力擠壓客戶。帕特爾表示，「如果蘋果（Apple）在景氣低迷時會剝削他們，他們就會在景氣回升時好好修理蘋果。」輝達在吸收了更高的記憶體、載板與光學元件成本的同時，大致維持毛利率持平，這意味著其客戶的價格漲幅大於其毛利率所暗示的幅度。帕特爾指出，目前尚不清楚最終究竟是晶片供應商、雲端業者還是實驗室吞下了這筆成本。
輝達以「每美元效能」捍衛毛利率，且必須持續贏得勝利
拉斯根將輝達的定價策略框架在客戶價值上。從 Ampere 到 Hopper 架構，其 ASP 大致翻倍，同時效能提升了約 10 倍。Hopper 到 Blackwell 的 ASP 則增加了約 50%，伴隨而來的是 3 倍至 30 倍的效能提升。Blackwell 到 Rubin 帶來了機架成本的再次倍增，以及大約 10 倍的效能提升。他引述輝達自身的參考數據指出，Blackwell 的每吉瓦成本約為 250 億美元，Rubin 則為 400 億美元。「如果他們推出 Feynman 架構，效能卻只提升 20%，那沒錯，我確實會開始非常擔心他們的定價與毛利率。」他回憶起比爾·達利（Bill Dally）在 Hot Chips 大會上的發言：GPU 效能過去十年提升了 1,000 倍，下一個十年目標則是再提升 1,000,000 倍。
客製化晶片與晶片設計的商品化
帕特爾提出了他所謂該產業面臨的重大問題：AI 模型是否會讓晶片設計變得像軟體一樣商品化。他指出，OpenAI 的第一代晶片在 SemiAnalysis 執行中國開源模型的開源 InferenceX 基準測試中，其表現超越了 Blackwell，且其設計與編程過程大量使用了 AI。Anthropic 正著手進行自己的晶片計畫，並放眼在半數時間內完成。Google 正向外部銷售 TPU，而亞馬遜（Amazon）的 Trainium 現在也已經「完全能在 PyTorch 中使用」。
軟體上線時間（bring-up times）佐證了這一點。帕特爾表示，SemiAnalysis 花了六個月才讓輝達在 InferenceX 上運作，超微（AMD）需時六至九個月，Google 與 Amazon 各需幾個月，而 OpenAI 則僅花了大約一個半月。他主張，如果設計變得更容易，「那麼利潤率必然會下降」。他指出，若將設計公司的利潤從供應鏈中剝離，將可把 1吉瓦的建置成本降至大約 200 億美元。與此同時，記憶體、晶圓代工、載板與光學元件等零組件供應商則在「定價上有很大的發揮空間」。
根據帕特爾的說法，輝達在供應鏈中的市佔率已經在流失。它在 2026 年取得的 CoWoS 晶圓和 HBM 總量佔比較以往更小，且明年市佔率將再度下滑。由於基礎規模成長極快，其盈餘預期仍將大致翻倍。兩位主講人都將此與估值連結。帕特爾表示，輝達與博通正處於「基本上從未見過」的歷史最低本益比水準。拉斯根則指出，在他大約九到十個月前進行的統計中，輝達在過去十年中相對於整體半導體指數更便宜的天數僅有 13 天，而今天的它甚至更加便宜。拉斯根列舉了輝達的護城河：包括 CUDA（他認為這仍有討論空間）、其裝機基礎、年度產品推陳出新節奏、資產負債表，以及自身在設計中對 AI 的應用。他形容黃仁勳「充滿危機意識」，並且「把英特爾（Intel）過去的教訓銘記在心」。
企業需求真實存在，但多數將以 tokens 形式購買
拉斯根指出，輝達的營收大約呈現 50/50 的比例分佈在超大規模客戶與非超大規模客戶之間，其中實驗室直接與間接佔了約 20%，他將這類客戶基礎形容為「甚至比我們原本想像的還要更多元一些」。他認為企業端採用至關重要：「如果我們沒有企業採用率，就不會有這個產業。」他將代理式編碼（agentic coding）視為第一個殺手級應用，其營收「呈垂直噴發」。作為軼事，他提到其團隊的一位成員利用 Claude 僅花費 1 小時 20 分鐘，就從零開始為一家已覆蓋的公司建立起完整的財務模型，這項任務若交由分析師處理本需耗時一週。他補充道，這些效益可能會以生產力而非營收的形式展現，而勞動力帶來的影響則是另一個獨立的問題。他指出，坊間的實證顯示 AI 帶來了正向回報，但許多企業仍處於實驗階段。
帕特爾則警告稱，這不會轉化為太多的企業硬體需求。規模經濟意味著大多數企業（包括製藥公司與避險基金）「將會購買 tokens」並將其與自身數據相結合，而非在自身的算力上運行開源模型。這使得 AI 支出依然集中在少數幾家供應商手中，進一步強化了兩位分析師所描述的融資與定價動態。