生成式人工智慧創造的不是泡沫，而是一種趨勢。雲服務商的資本支出（Capex）已經達到了無法再用“顯著增長”來形容的程度。排名前八的雲服務商的投資額將從2021年的1451億美元增長到2026年的6020億美元，增長超過四倍。這種增長速度簡直令人難以置信。即便如此，市場中仍不乏對這一主流避險配置的質疑聲：“又是一場泡沫”“遲早會破裂” 之類的論調甚囂塵上。但此類說法毫無事實依據，並非單純的主觀臆斷，本質上更是對現實的刻意迴避。究其根源，當下的投資規模擴張，並非由經濟周期、市場情緒或泡沫化趨勢驅動，而是源於物理定律的底層支撐 —— 海量的算力需求。核心關鍵在於，生成式人工智慧的計算負載絕非 “搜尋功能的延伸”，而是屬於更高維度的 “學習與推理” 範疇。正如後文將詳細闡釋的，Google搜尋的算力架構以 CPU 為核心，而 ChatGPT 的推理環節則以 GPU 為核心展開大規模矩陣運算，其所需的計算量更是前者的 1 萬至 10 萬倍。換言之，雲服務廠商的算力投入並非出於主動選擇，而是源於行業競爭的必然要求 —— 若不跟進佈局，便會在賽道中陷入落後。對於當下的雲平台而言，無法支撐生成式人工智慧的運行，就等同於喪失核心價值。也正因如此，這場算力投資的浪潮不僅不會止步，更具備了不可逆的行業必然性。雲投資正以驚人的速度增長圖1呈現了全球頭部八大雲服務商的資本投入趨勢，這八家企業分別為亞馬遜（AWS）、微軟（Azure）、Google雲（Google Cloud）、Meta（原 Facebook）、甲骨文（OCI）、阿里雲、騰訊雲與字節跳動。圖1：排名前 8 的雲服務提供商的資本投資情況。來源：根據 TrendForce 資料製作正如本文開篇所述，這八家企業的資本開支規模將從 2021 年的 1451 億美元攀升至 2026 年的 6020 億美元，增幅超四倍。這樣的資本投入已非單純的 “增長”，而是邁入了加速擴張的階段。儘管 2022-2023 年期間其資本開支出現短暫回落，但這絕非可以放鬆警惕的訊號。從 2024 年開啟的回升態勢能夠清晰看出，頭部雲服務商的佈局已再度 “加碼升級”，而這一投資拐點恰好出現在 OpenAI 推出 ChatGPT 之後。換言之，這些企業佈局生成式人工智慧相關投資，並非只因它是被追捧的 “下一個金礦”，更在於其作為行業遊戲規則改變者，徹底重構了雲端運算基礎設施的底層需求。驅動雲端運算領域投資擴張的因素多元且複雜：資料中心建設、土地儲備、電力配套、冷卻技術、網路架構、儲存能力、安全體系…… 但貫穿所有維度的核心邏輯，始終是爆發式增長的計算需求。算力需求的指數級攀升，直接推動了全產業鏈各環節成本的同步上漲，本質而言，雲端運算行業的這場投資增長，就是一場對海量算力資源的爭奪戰。當下市場對算力的極致需求，早已無法用傳統網路與搜尋服務的擴容邏輯來解釋。生成式人工智慧對雲端運算的要求，並非簡單的 “再添一個胃”，而是倒逼整個行業重構算力 “消化系統”，打造出足以承載海量需求的超大規模算力底座。Google搜尋和ChatGPT相似但不相同在此，需要糾正一個極具誤導性的核心認知偏差：將Google搜尋與生成式人工智慧簡單等同為 “使用者提出問題、平台給出答案” 的同類工具。如圖2所示，二者的使用者操作表層邏輯看似高度相似，互動形式幾乎別無二致。但現實是，坐擁全球超 30 億使用者的Google搜尋，正面臨使用者向 ChatGPT 等生成式人工智慧產品遷移的趨勢，而後者的使用者規模也已突破 10 億量級，持續快速擴張。圖2：Google搜尋與 ChatGPT 5 使用者提問行為示例。自去年開始使用 ChatGPT 付費版後，個人便極少再使用Google搜尋，核心原因正是前者的使用體驗更為高效便捷。而這一體驗上的差異，正被全球越來越多的使用者感知，也直接推動了生成式人工智慧使用者規模的持續攀升。更為關鍵的是，即便使用者提出的是完全相同的問題，Google搜尋與 ChatGPT 等生成式人工智慧在雲端完成的底層處理邏輯，卻有著本質區別。這一核心差異可通過圖3清晰呈現：Google搜尋依託以 CPU 為核心的索引式檢索架構，而 ChatGPT 的推理過程，則是以 GPU 為核心展開的大規模矩陣運算。從算力消耗來看，Google搜尋單輪處理的浮點運算量（FLOPs）約為 10 億至 100 億次，ChatGPT 的推理運算量則達到 10 兆至 1000 兆次，二者的算力需求相差 1 萬至 10 萬倍。圖3：Google搜尋與 ChatGPT 5 算力及處理成本對比。不僅如此，ChatGPT 單次處理所需的伺服器耗時，是Google搜尋的 10-100 倍；能源消耗與碳排放，均為Google搜尋的 10-200 倍；綜合成本更是達到Google搜尋的 50-2000 倍，算力與資源消耗的差距呈指數級拉大。簡言之，生成式人工智慧絕非所謂的 “高端版搜尋”，其背後是完全不同的計算邏輯，且承載著遠為繁重的算力負載。正因如此，生成式人工智慧的規模化落地，意味著雲端處理的計算單元必須向超大規模升級 —— 這並非依靠價格談判、市場推廣就能解決的商業問題，而是從物理底層提出的硬性要求：既需要 AI 半導體（如 GPU）、高頻寬記憶體（HBM）等核心硬體支撐，也離不開電力、冷卻系統、網路架構的配套升級，甚至對底層的布線、封裝技術都提出了全新要求。市場中常有一種論調：“技術效率終將提升，算力需求自然會下降。” 不可否認，AI 領域的技術效率確在持續最佳化，但算力需求的下降速度，早已跟不上生成式人工智慧的應用邊界拓展、使用頻次提升與性能迭代速度。即便單輪計算的算力消耗因效率提升而降低，若社會層面的生成式人工智慧使用頻次增長十倍，整體算力需求仍會同步攀升。更何況，隨著輸入輸出的文字長度持續增加，圖像、視訊類推理場景的落地應用，算力需求還將迎來新一輪的爆發式增長。換言之，雲端運算行業的持續高投入，並非源於市場的 “盲目熱情” 或 “投資過熱”，而是算力需求發生結構性變革的必然結果。對頭部雲廠商而言，一旦停止算力佈局，就意味著直接確認市場競爭的落後態勢。推動其持續加碼投資的，從來不是敢於冒險的勇氣，而是源於行業競爭的深層恐懼 —— 對錯失算力浪潮、陷入競爭被動的恐懼，才是這場算力投資競賽的核心驅動力。人工智慧與以往的泡沫經濟有著本質區別由此引出核心問題：當前這場圍繞生成式AI的雲端運算投資熱潮，真的是一場泡沫嗎？答案很明確：將當前現象簡單斥為“泡沫”是完全錯誤的，核心原因在於，過去的泡沫與當前熱潮的“需求性質”存在本質差異。可通過定量分析清晰佐證這一點。圖4呈現了全球半導體出貨量及其同比增速趨勢，清晰勾勒出Windows 95泡沫、IT泡沫與記憶體泡沫的完整軌跡。從資料可見，過往的各類泡沫均呈現“快速增長後驟降”的特徵——這背後的核心邏輯是，當時的需求嚴重依賴“暫時性增長”與“庫存調整”，缺乏持續的底層支撐。圖4：全球半導體出貨量及較上年增長率。來源：作者根據 WSTS 資料製作圖5A通過對比表形式，呈現了Windows 95泡沫、IT泡沫、記憶體泡沫及當前AI熱潮（暫統稱“熱潮”）從第N年到第N+3年的同比增速變化；圖5B則進一步量化了這一波動：Windows 95泡沫期間增速達41.7%，隨後驟降至-8.6%；IT泡沫增速36.8%，後續跌至-32.0%；記憶體泡沫增速13.4%，繼而滑落至-12.0%。這種“繁榮後迅速蕭條”的劇烈波動，正是過往泡沫的典型特徵。來源：作者根據WSTS資料製作與之形成鮮明對比的是生成式AI相關需求的增速表現：2023年同比增速為-8.1%，2024年回升至19.7%，2025年預計達22.5%——這意味著2024年及2026年將持續保持正增長。正如眾多行業專家論證的那樣，直至2030年，生成式AI相關需求大機率不會出現負增長。簡而言之，當下正在發生的並非“泡沫”，而是一場單一、龐大且具備強大慣性的“結構性趨勢”。此次趨勢與過往泡沫的核心差異，在於需求來源的本質不同：過往需求多源於個人電腦普及、智慧型手機更新換代等“替換購買浪潮”，屬於階段性的消費端需求爆發；而當前的需求核心，是計算基礎設施的剛性升級需求。更關鍵的是，生成式AI並非“銷售產品即完成閉環”的傳統業態——它將滲透到社會經濟的方方面面，融入各類服務場景，整合至搜尋與辦公系統，成為企業生產力提升的核心基石。由於這一核心基石建立在極其龐大的計算量之上，雲端運算投資便不再是“經濟繁榮期的可選配置”，而是成為支撐社會高效運轉的“基礎結構”。從這個意義上講，那些將生成式AI相關投資斥為“泡沫”的觀點，本質上是對這一結構性變革的逃避。這種“基礎設施級的算力需求爆發”，是過往教科書式的泡沫案例中從未出現過的全新形態。到2030年，投資將持續增長基於這一邏輯，2030年之前，相關投資的持續增長將是大機率事件。那麼，頭部八大雲服務廠商的資本支出最終將增長至何種規模？圖6呈現了這八大廠商資料中心投資的預測情況，並劃分了悲觀、基準、樂觀三種情景。圖6：八大雲服務提供商的資料中心投資預測。來源：TrendForce 新聞稿及作者預測值得注意的是，即便在最悲觀的情景下，投資規模仍將保持持續增長——核心原因在於，生成式AI相關的算力佈局已成為行業“競爭入場券”，而非可選擇性的“奢侈品”。這正是生成式AI時代雲端運算競爭的殘酷之處：對雲服務廠商而言，停止投資並不會帶來“利潤率提升”，反而會直接導致“AI性能落後、客戶流失、平台價值崩塌”。換句話說，放緩或停止算力相關投資，並非理性的商業決策，更像是對市場競爭的主動認輸。事實上，相關投資的退出成本極高：GPU與高頻寬記憶體（HBM）等核心硬體價格昂貴，電力供應、散熱技術的升級需要長期投入，且整個產業鏈的供應鏈體系錯綜複雜。即便面臨諸多挑戰，投資仍在持續推進——因為市場已形成明確的競爭格局：“缺乏足夠算力支撐的企業，將直接被市場淘汰”，甚至來不及進入投資回報率（ROI）的考量階段。歸根結底，當前頭部雲廠商的持續投資，已不再是“購買未來的不確定性”，而是“守護當前市場地位”的剛性需求。只要這一“算力決定競爭力”的市場結構不發生根本改變，到2030年投資持續增長的趨勢，似乎也成為了必然結果。資料中心邏輯電路市場正在快速擴張雲端運算投資的增加將直接推動半導體市場的擴張。特別是資料中心邏輯晶片，未來市場必將迎來增長。圖7顯示了資料中心邏輯晶片市場（2024 年至 2030 年）的預測。GPU 市場預計將從 1000 億美元增長一倍以上至 2300 億美元，而 AI ASIC 市場預計將增長九倍以上，從 90 億美元增長至 840 億美元。圖7：資料中心邏輯預測（2024 → 2030 年）。來源：作者根據 Yole Group 的預測資料製作值得注意的是，生成式人工智慧的發展不會止步於輝達的GPU。超大規模資料中心營運商不願依賴單一供應商，因為這意味著他們將失去價格談判能力。他們傾向於採用專用於特定應用的人工智慧ASIC晶片，以“提升性能而非降低性能，並降低成本”。其中許多晶片由博通公司設計。換句話說，人工智慧半導體市場不會是“GPU獨佔的黃金時代”，而是會轉型為“GPU仍將佔據主導地位，而AI ASIC（博通）將發展壯大，成為市場兩大支柱”的市場格局。即使GPU繼續扮演主導角色，AI ASIC也必將增長。這就是資料中心邏輯市場的現實。儘管記憶體供應短缺，但其價格仍在持續飆升圖 8顯示了生成式 AI 將最積極消耗記憶體的領域。DRAM市場預計將從 2024 年的 970 億美元翻一番，達到 1940 億美元，其中 HBM 市場將達到 980 億美元。圖8：儲存器市場預測（2024 → 2030 年）來源：作者根據 Yole Group 的預測資料製作這意味著到2030年，HBM將佔據DRAM市場的一半份額。這不僅是市場擴張，更是記憶體行業主導地位的轉變。此外，圖 9顯示，DRAM 和 NAND 的現貨價格預計將在 2023 年至 2026 年間上漲。以往“價格上漲，產量增加，價格趨於穩定”的常識已不再適用。提高 HBM 的產量並非易事，提高良率也面臨挑戰，封裝也是一個重要因素。裝置和材料方面都存在諸多限制，供應難以滿足需求。圖9：DRAM 和 NAND 現貨價格上漲。來源：作者根據 TrendForce 資料製作此外，記憶體製造商正將重心轉向人工智慧伺服器記憶體，因為這類記憶體利潤更高。這將減少用於個人電腦和智慧型手機的通用記憶體供應，並推高價格。換句話說，人工智慧的普及將導致記憶體市場長期短缺和價格高企。簡而言之，記憶體短缺問題將持續存在，價格也將持續上漲。這並非“特殊且暫時的現象”，而可能成為人工智慧時代的新常態。台積電的主要盈利產品從N5轉向N3最能有效利用這股“人工智慧浪潮”獲利的半導體製造商很可能是台積電。圖 10顯示了台積電按製程節點劃分的銷售額趨勢，直觀地展現了其主要盈利產品從 N7 到 N5，再到 N3 的轉變過程。圖 10：台積電按節點劃分的季度銷售額。來源：作者根據台積電歷史營運資料製作圖11顯示了各節點晶圓投入量的變化趨勢。從圖中可以看出，未來只有 N5、N3 和 N2 節點的投入量會增長，而其他節點的投入量則呈下降趨勢。這並非一句空洞的“前沿技術很重要”，而是事實：只有前沿技術的投入量在增長。換句話說，台積電已經轉型為一家完全依靠前沿技術盈利的晶圓代工廠。圖11：台積電各節點季度晶圓投入量（2025年第四季度預測）。來源：Claus Aasholm，以及作者估算生成式人工智慧需要海量的計算，這需要大量的高性能人工智慧半導體，而這又需要龐大的先進工藝產能。台積電是唯一能夠滿足這一需求的公司。這種簡單的因果關係正是半導體行業發展的驅動力。N3的主導地位從蘋果轉移到輝達和博通此前，蘋果一直是台積電最大的客戶，推動著台積電尖端工藝的發展。然而，這種情況正在發生改變。圖12和圖13顯示了台積電按公司劃分的 N3 晶圓投入預測。資料顯示，輝達和博通的投入量將在 2025 年至 2026 年間增長，超過蘋果。圖 12：台積電對各公司 3nm 晶圓投入量的預測（每月 1000 片晶圓）。來源：TrendForce圖 13：台積電對各公司 3nm 晶圓投入量的預測。來源：TrendForce這不僅僅關乎客戶排名。從尖端半導體的發展史來看，這標誌著一個時代的轉變：從智慧型手機處理器引領潮流的時代，過渡到人工智慧半導體主導尖端技術的時代。蘋果利用尖端技術提升使用者體驗。輝達和博通則利用尖端技術稱霸雲端運算領域。二者的區別顯而易見。人工智慧半導體並非“賣出去就完事”，它們將作為“持續運行的基礎設施”而廣泛應用。換句話說，對尖端工藝的需求具有極強的粘性。N3 將成為台積電的主要盈利產品，這不僅反映了台積電的實力，也反映了人工智慧如何重塑了尖端產品的需求結構。同樣的現象也可能出現在台積電的N2晶片上，台積電將於2025年第四季度開始量產N2晶片。蘋果或許會率先使用N2晶片，但不出六個月，輝達和博通很可能就會佔據主導地位。換句話說，蘋果將成為打造最先進生產線的先驅，隨後輝達和博通將成為市場主導者，為台積電的利潤做出巨大貢獻。真正的瓶頸在於CoWoS然而，人工智慧半導體的發展存在許多瓶頸，其中最嚴重的是 2.5D 封裝（如 CoWoS）的產能。圖 14顯示了 2.5D 封裝的產能趨勢。人工智慧半導體無法通過先進工藝節點製造的“單晶片”實現，必須與 HBM 結合才能形成系統。CoWoS 對此至關重要，只要這種產能不足，人工智慧半導體的供應就將持續短缺。圖 14：2.5D 封裝容量趨勢。來源：TrendForce換句話說，當前人工智慧市場的制約因素最終將歸結為一點：“CoWoS 不足”。這裡有一個與直覺相悖的預測：一旦CoWoS的限制解除，投資會趨於平靜嗎？答案恰恰相反：投資將會增加。這是因為人工智慧半導體目前供應受限，即使雲服務提供商想要購買也無力承擔。一旦供應限制解除，此前被抑制的投資將會爆發。雲服務提供商將抓住機會大量採購他們一直等待的半導體，建設人工智慧資料中心，進一步加劇競爭。投資非但不會“趨於平靜”，反而極有可能“進入下一階段”。生成式人工智慧創造的不是泡沫，而是一種趨勢。這正在半導體行業引發一場“結構性變革”。而且，這場變革是不可逆轉的。 (半導體產業縱橫)
