Supercycle Cip Pertama dalam 18 Tahun Telah Tiba, Kata Penganalisis Bernstein

Pada 21 Jun 2026, penganalisis kanan Bernstein, Stacy Rasgon, membuat kenyataan yang mengejutkan seluruh industri semikonduktor: selepas 18 tahun berada dalam bidang ini, beliau menyaksikan 'supercycle' sebenar yang pertama dalam kerjayanya . Kenyataan ini bukan sekadar tajuk utama – ia disokong oleh data yang mencabar walaupun pelabur paling berhati-hati untuk memberi perhatian.

Rasgon, seorang jurutera lulusan MIT yang telah mengikuti setiap kitaran gembar-gembur sejak era dot-com, menghuraikan tesisnya dalam satu wawancara yang mendalam. Hujah utamanya: ini bukan ledakan yang didorong oleh bekalan semata-mata. Ini adalah gelombang permintaan pada skala bersejarah, didorong oleh pelaburan infrastruktur AI yang kini menghampiri 4.4% daripada KDNK AS .

Angka di Sebalik Supercycle

Skalanya sukar untuk digambarkan. Hasil semikonduktor global melebihi $800 bilion tahun lepas dan kini sedang menuju ke arah $1.3 trilion pada tahun 2026 . Firma penyelidikan pasaran Gartner secara berasingan melaporkan peningkatan 64% tahun ke tahun untuk angka yang sama .

Rasgon menunjukkan bahawa empat syarikat hiperskala AS terbesar – Amazon, Microsoft, Google, dan Meta – merancang untuk membelanjakan kira-kira $725 bilion bagi perbelanjaan modal pada tahun 2026, dengan sebahagian besarnya untuk infrastruktur AI . Harga memori telah menegak: harga DRAM meningkat kira-kira 90% suku ke suku menjelang 2026 .

Kesan Whack-a-Mole: Kekurangan di Merata Tempat

Salah satu pemerhatian Rasgon yang paling menarik ialah apa yang dipanggilnya kesan 'whack-a-mole' – kesesakan yang merebak ke seluruh rantaian bekalan cip. "Semuanya ditarik oleh permintaan yang tidak pernah puas untuk pengkomputeran AI. Saya tidak pernah melihat apa-apa pada skala ini dalam kerjaya saya," kata Rasgon .

Beliau mengesan penyebarannya: kekurangan bermula dengan pemecut GPU, kemudian beralih ke memori HBM, kemudian ke peralatan pembuatan semikonduktor, kemudian ke rangkaian dan optik, kemudian ke cip kuasa, dan kini CPU juga mengalami kekurangan .

Contoh konkrit tentang jangkauan permintaan ini: walaupun Intel, yang 'inventori sebelumnya bernilai sifar', telah habis dijual . Pelanggan dilaporkan memberitahu Intel, "Kami tidak kisah; jual sahaja kepada kami" .

HBM: Silikon Tersembunyi yang Menjadi Halangan

Kesesakan kritikal ialah memori jalur lebar tinggi (HBM), yang merangkumi lebih daripada 85% kawasan silikon cip AI . Oleh kerana hasil penindanan dan overhed logik die, pembuatan 1GB HBM memerlukan kira-kira empat kali ganda kawasan silikon DRAM standard . Matematik ini menjelaskan mengapa bekalan memori tidak dapat mengikuti permintaan GPU, dan mengapa harga memori telah menjadi faktor dominan dalam kos cip.

Hasil CPU Nvidia: Satu Rak Menceritakan Kisahnya

Rasgon menyerlahkan satu titik data yang mengejutkan: dalam satu rak 72 GPU, 36 CPU di dalamnya menjana kira-kira $20 bilion dalam hasil CPU untuk Nvidia. Ini menggambarkan bagaimana pembangunan AI mencipta permintaan cip yang besar jauh di luar pemecut GPU itu sendiri.

Dari Latihan ke Inferens: Peralihan ke Arah Pengkomersialan

Rasgon menekankan bahawa tumpuan pasaran beralih daripada latihan model kepada inferens AI – laluan utama untuk memonetisasi . Beliau memetik pendapatan Anthropic yang melonjak daripada $9 bilion kepada $30 bilion sebagai bukti langsung peralihan ini . Apabila model AI beralih daripada projek penyelidikan kepada pengeluaran, pengkomputeran yang diperlukan untuk inferens mungkin akan mengatasi beban kerja latihan.

ASIC lwn. GPU: Hidup Berdampingan, Bukan Persaingan

Soalan lazim dalam kalangan pelabur ialah sama ada ASIC tersuai (seperti yang dibuat oleh Broadcom) akhirnya akan menggantikan GPU Nvidia. Rasgon percaya kedua-duanya akan wujud bersama dalam jangka panjang dalam pasaran yang semakin berkembang . Rangkanya: GPU boleh atur cara lebih sesuai untuk penyelidikan dan inferens penerokaan, manakala ASIC cemerlang dalam beban kerja inferens yang boleh diramal dan volum tinggi. Jumlah pasaran yang boleh dicapai cukup besar untuk menampung kedua-duanya.

Kekangan Utama: Tenaga

Rasgon mengakhiri dengan nada yang serius. Kekangan terakhir bukanlah cip, bukan memori, bukan rangkaian – ia adalah tenaga. Infrastruktur AI memerlukan kira-kira peningkatan 5% tahunan dalam kapasiti grid kuasa AS untuk mengekalkan trajektori pertumbuhan . Ini adalah permintaan yang membingungkan pada grid yang telah menyaksikan pertumbuhan kapasiti yang minimum selama beberapa dekad.

Beliau berhujah bahawa gelombang inovasi dan kesesakan AI yang seterusnya sudah pasti akan jatuh ke atas penjanaan tenaga, penyejukan, dan tenaga nuklear . Tanpa pelaburan grid yang ketara, supercycle itu sendiri mungkin mencapai siling kuasa.

Maksudnya untuk Pelabur

Mesej Rasgon jelas: selagi permintaan AI tidak runtuh, supercycle semikonduktor adalah nyata dan mampan. Tetapi sifat peluang sedang berubah. Wang mudah dalam saham GPU mungkin memberi laluan kepada landskap yang lebih kompleks di mana 'kesesakan' itu sendiri – sama ada dalam HBM, cip kuasa, atau infrastruktur tenaga – menjadi penjana kekayaan .