EUV光刻机将成为算力扩张的下一个瓶颈
随着AI投资狂潮席卷科技行业，真正限制算力扩张的环节在哪里？半导体研究机构SemiAnalysis创始人给出的答案是：瓶颈一直在变。SemiAnalysis是一家近年来在科技和投资圈迅速走红的半导体研究机构，其研究广泛被AI公司、云计算厂商以及对冲基金使用。
近日，在一次播客访谈中，SemiAnalysis创始人Dylan Patel系统解释了AI算力扩张背后的供应链逻辑。他指出，过去几年AI算力的限制因素不断变化，就像打地鼠一样，一个瓶颈被解决，新的瓶颈就会出现。
算力扩张的瓶颈不断变化
Dylan Patel表示，过去几年AI产业链的瓶颈几乎每年都在变化，“几年前限制AI扩张的是CoWoS封装；去年是电力；再后来是数据中心” —— 但随着这些环节逐渐扩产，新的限制又开始出现。
“最大的瓶颈其实是算力本身，而算力最长期的供应链并不是电力或数据中心，而是半导体供应链。”
具体来看，芯片供应链的关键限制主要包括三部分：逻辑芯片产能（晶圆厂制造能力）、高带宽存储（HBM）等存储芯片、晶圆厂建设与设备周期。
· 存储器短缺将是未来一两年的核心交易主线。Patel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%的资本开支将流向存储芯片。
长上下文推理模型需要极大的KV Cache（键值缓存），这彻底引爆了对内存带宽和容量的需求，以HBM（高带宽内存）为例，其占用的晶圆面积是普通DDR内存的四倍。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（物料清单）成本将飙升。
· 电力并非绝对制约。针对市场持续热议的“缺电危机”，Patel展现出了资本市场的实用主义态度，他指出通过采用飞机引擎改装（航改微混）、中速往复式发动机（如重卡或船舶引擎）、Bloom Energy的燃料电池以及“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的电价翻倍，分摊到单颗H100每小时1.40美元的总拥有成本（TCO）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。
相比之下，数据中心建设速度明显更快。这意味着，当AI需求突然爆发时，芯片供应链往往难以及时跟上，Dylan Patel表示：“在晶圆厂领域，洁净室是今年和明年最大的瓶颈。随着我们进入2028、2029、2030年，那里仍然会有制约因素”。
EUV光刻机产能可能成为最终约束
算力扩张的瓶颈一直在移动：你解决一个问题，新的问题就会从供应链的另一个位置冒出来。这一变化背后，本质是AI需求增长速度远超产业链扩张速度。Dylan Patel认为，随着数据中心、电力等基础设施逐步扩张，AI算力的核心限制正在重新回到半导体制造环节。
如果AI算力继续高速增长，供应链瓶颈还可能继续向下游转移，最终限制算力扩张的可能是半导体设备产能。Patel特别提到极紫外光刻机（EUV），这种设备由ASML制造，是先进芯片生产的核心设备。要进一步扩展算力，今年和明年有不同的瓶颈，但最终到2028年或2029年，瓶颈会落到供应链的最底层，那就是ASML。
目前全球EUV光刻机年产量大约70台，未来几年可能增加到80台左右。即便供应链扩张，到本十年末也很难超过100台，在这种情况下，设备产能可能成为AI算力扩张的最终约束。
为了直观展现光刻机对全局的控制力，可以算一下账：假设以英伟达下一代Rubin芯片建设1GW（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3nm晶圆、6000片5nm晶圆以及17.0万片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1GW数据中心需要投入约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光刻机。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。即便在最激进的扩产假设下，ASML目前的年产能约为70台，明年增至80台，到2030年也仅能勉强突破100台。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。
加入微信
获取电子行业最新资讯
搜索微信公众号：EEPW
或用微信扫描左侧二维码
