OpenAI 的 COO Brad Lightcap 最近說了一句話，把整個 AI 行業的焦慮方向擰了 180 度：
"現在的瓶頸是儲存，過去是電力。"
過去兩年，所有人都在擔心 AI 資料中心沒電用。微軟簽 20 年核電協議，Google買風電場，亞馬遜投清潔能源——能源焦慮是 AI 圈的主旋律。
然後突然，儲存晶片斷了。
HBM 漲價 260%，三大儲存廠全年產能售罄，新單排到 2027 年 Q1 之後。你有錢也買不到貨。
但故事沒完。儲存缺完， CPU 又缺了。 AMD 的 EPYC 伺服器 CPU 交期從 8 周暴漲到 6 個月，英特爾和 AMD 計畫下半年再漲價 8%-17%。
一個缺完輪下一個。這不是偶然，這是規律。
第一棒：儲存——AI 算力的"糧倉"先空了
HBM （高頻寬記憶體），你可以把它理解為 AI 晶片的"短期記憶"——GPU 算得再快，資料喂不進去就是空轉。
2026 年， HBM 的供需缺口高達 50%-60%。
這不是誇張。看資料：
•SK 海力士 12 層 HBM3 價格暴漲 260%，兩年累計漲幅超 5 倍
•三大儲存廠 2026 年全年產能全部售罄，新單排到 2027 年 Q1 之後
•SK 海力士庫存僅 4 周，遠低於 8-12 周安全線
•美光毛利率飆到 74.9%，營收同比增長 196%
為什麼這麼缺？因為 HBM 不是普通記憶體。每顆 HBM 晶片由 12-16 層 DRAM 裸晶片堆疊而成，通過數千個矽通孔精準對位連接。生產一顆 HBM 消耗的晶圓產能，相當於 3-4 顆標準 PC 記憶體晶片。
更致命的是擴產速度。晶圓廠從規劃到量產需要兩年，當前擴產要到 2028 年後才集中釋放。 SK 海力士會長崔泰源在 GTC 大會上直言：儲存晶片短缺可能持續到 2030 年。
OpenAI 已經和三星、 SK 海力士簽署長期協議，鎖定到 2029 年的 HBM 產能。輝達黃仁勳的態度更直接——"有多少產能全包"。
第二棒： CPU——被忽視的"指揮官"也斷了
所有人盯著 GPU 和 HBM 的時候， CPU 悄悄成了新瓶頸。
2026 年初，一個反直覺的現象出現了：在 GPU 算力軍備競賽的喧囂中，曾被預測將"邊緣化"的 CPU ，反而成了資料中心最緊缺的硬通貨。
資料很硬：
•AMD EPYC 伺服器 CPU 交期從 8 周暴漲到 6 個月，部分型號"不知道什麼時候有貨"
•英特爾、 AMD 計畫下半年再漲價 8%-17%
•亞馬遜自研 Graviton CPU 直接售罄，連自己都不夠用
•Google被迫和英特爾簽多年長約——不是看好英特爾，是怕等不到 AMD 的貨
為什麼 CPU 也會缺？
因為 AI 智能體（ Agent ）大規模落地後，每個 AI 任務都需要 CPU 做調度、編排、資料預處理。 GPU 負責算， CPU 負責指揮。指揮官不夠，再多的士兵也只能原地待命。
台積電 3nm 產能是另一個卡點。 2026 年月產能僅 12-13 萬片，需求缺口 20%-30%。輝達一家就預訂了約 60%的份額，留給 CPU 的產能被嚴重擠壓。
第三棒：下一個缺什麼？
儲存缺完， CPU 缺。 CPU 缺完呢？
按照 AI 算力供應鏈的"稀缺輪動"邏輯，瓶頸永遠出現在上一個瓶頸解決後暴露的下一個環節。就像修高速公路：路修好了發現車不夠，車夠了發現加油站不夠，加油站夠了發現停車場不夠。
目前行業資料顯示，下一個最可能缺的環節有三個：
1. 先進封裝（ CoWoS ）——缺口 40%
輝達等晶片廠商最大的供應鏈痛點，已經不是晶片本身，而是封裝。 CoWoS （ Chip on Wafer on Substrate ）是 AI 晶片的核心封裝技術，當前缺口約 40%。台積電 CoWoS 產能滿載，擴建要到 2027 年中才能緩解。
2. IC 載板（封裝基板）——比晶片更貴的"卡脖子"
IC 載板是連接晶片和 PCB 板的關鍵部件。 AI 晶片對載板要求極高——更大面積、更高布線密度、更好散熱。目前全球高端 IC 載板產能被日本和台灣廠商壟斷，交期已經拉長到 30 周以上。
3. 電力與液冷——終極瓶頸
微軟 CEO 說過一句話："有 GPU 但沒電插。"一個萬卡級智算中心的年用電量相當於一座中等城市。 2026 年全球 AI 伺服器液冷市場規模從 89 億美元飆升至 170 億美元。當儲存、 CPU 、封裝都解決後，電力和散熱就是物理極限。
稀缺輪動的底層邏輯
為什麼 AI 算力的瓶頸會一個接一個地輪動？三個原因：
第一， AI 需求是"全鏈路吞噬"。 單台 AI 伺服器對 DRAM 的需求是傳統伺服器的 8-10 倍，對 NAND 的需求是 3-5 倍。這不是某一個環節的需求增長，而是整條供應鏈同時被拉爆。
第二，產能擴張有"時間差"。 晶圓廠建設 18-24 個月，封裝產線 6-12 個月，電力基礎設施 3-5 年。每個環節的擴產速度不同，永遠有某個環節在"等"其他環節。
第三，資源會向最緊缺環節集中。 三大儲存廠把 70%新增產能轉向 HBM ，消費級記憶體被擠壓。台積電把 3nm 產能優先給輝達， CPU 被擠壓。解決一個瓶頸的方式，就是製造下一個瓶頸。
AI 算力的稀缺，不是某個晶片缺貨的問題。
它是一條供應鏈的"打地鼠"遊戲——按下去一個，冒出來另一個。
儲存、 CPU 、封裝、電力……誰先解決，誰就暴露下一個短板。
這場輪動，至少還要持續三年。 (ETHEREAL AI視角)