機構 SemiAnalysis 分析師 Dylan Patel 深度採訪：AI 算力產業鏈前瞻

撰文：美股投資網

1. AI 的普及從根本上改變了哪種商業邏輯?

過去 = 想法很廉價 + 落地執行非常困難。

現在 = 想法滿天飛且廉價 + 落地執行極其容易（通過 AI）。

這意味著 → 只有真正高質量的想法，才配得上投入算力去執行。用大白話總結就是，執行力不再是護城河，資本和團隊的重心必須轉移到「如何選擇正確的想法」以及「如何銷售 AI 產出的結果」上。

2.企業瘋狂購買 AI Token 的驅動力是什麼? 如果不跟進會有什麼後果?

核心驅動力 = 效率的極度槓桿化。例如一個人花幾千美元買 Token，就能在幾周內幹完以前百人團隊一年的活（如芯片逆向工程分析、全美電網建模）。

結果 = 產生「幽靈 GDP」（Phantom GDP），即實際產出大幅增加但成本驟降，導致傳統 GDP 統計失真。

如果不跟進 → 必然面臨降維打擊。如果你不消耗更多 Token 去創造並捕獲超額價值，你就會淪為「AI 時代的永久底層」，很快會被動作更快的同行完全商品化並淘汰。

3. 當前 AI 算力的供給瓶頸到底卡在哪裡?

表面上看 = 英偉達 GPU 供不應求，且舊卡使用壽命在大幅延長（從 5 年延至 7-8 年），推高了雲廠商的毛利。

深層瓶頸 1 → 內存（DRAM）：產能擴充極慢，新增絕對供給要到 2028 年才能就緒，這意味著內存價格還會再翻兩到三倍。

深層瓶頸 2 → CPU：強化學習環境的評分機制和大量 AI 生成的代碼運行需要極多 CPU，導致 CPU 完全脫銷。

深層瓶頸 3 → 台積電（TSMC）與邊緣材料：台積電資本支出在 2028 年可能飆升至 1000 億美元，而銅箔、PCB 玻璃纖維等不起眼的邊緣供應鏈也已經全部滿載，全行業都在靠「天價預付款」搶產能。

4. 大模型層的競爭格局和 Token 經濟學呈現什麼趨勢?

現狀 = Anthropic 憑藉 Opus 4.7 和內部的「Mythos」模型暫時領先，甚至通過限制釋放節奏來控制風險，利潤率極高（>72%）。

算力爭奪 = Anthropic 受限於算力總量，而 OpenAI 通過瘋狂融資和囤積算力（聯合微軟、甲骨文等）試圖用算力規模彎道超車。

核心結論 → Token 需求遠超基礎設施的承載能力。即便二線、三線大模型廠商，也會因為頭部算力不足而「賣斷貨」。基本上就代表，只要你能造出優質 Token，市場就能全盤吃下。

5. 為什麼預測短期內會出現大規模的反 AI 抗議?

起因 = AI 帶來的巨大商業重組會讓普通人感到恐懼，大眾會傾向於將長期存在的社會問題歸咎於 AI。

催化劑 = AI 巨頭（如 Sam Altman 和 Dario）的公眾溝通策略極差 + 頻繁渲染「AI 將改變世界/取代工作」的宏大敘事，加劇了普通人的焦慮感。

美股投資網應對建議 → 行業必須停止渲染未來的恐怖能力，轉而展示 AI 在當下的正面賦能作用，否則公眾的憤怒很快會被政客或網紅武器化，引發大規模抵制。

Dylan Patel 人物背景：

研究機構 SemiAnalysis 的首席分析師（Dylan Patel）深度拆解 GPU（尤其是 Nvidia）

分析 AI 算力供需（誰缺芯片、誰在囤貨）

跟蹤產業鏈（ASML 設備 → 台積電 → 雲廠商 → OpenAI 等）