Första äkta chip-supercykeln på 18 år har anlänt – AI driver en historisk efterfrågan

Rasgon påpekade att de fyra största amerikanska molnjättarna – Amazon, Microsoft, Google och Meta – planerar att spendera cirka 725 miljarder dollar på investeringar under 2026, varav merparten går till AI-infrastruktur . Priserna på minne har skjutit i höjden: DRAM-priserna steg med cirka 90 procent kvartal för kvartal inför 2026 .

Plattformseffekten: Brist överallt

En av Rasgons mest slående observationer är vad han kallar "plattformseffekten" – flaskhalsar som fortplantar sig genom hela chip-leveranskedjan. "Allting dras med av denna omättliga efterfrågan på AI-beräkning. Jag har aldrig sett något i den här skalan under min karriär", sade Rasgon .

Han spårade spridningen: bristerna började med GPU-acceleratorer, flyttade sedan till HBM-minne, sedan till tillverkningsutrustning för halvledare, sedan till nätverk och optik, sedan till kraftchips, och nu är även CPU:er i kort tillgång .

Ett konkret exempel på efterfrågans räckvidd: även Intel, som tidigare haft "nollvärderat lager", har sålt ut allt . Kunder sades ha sagt till Intel: "Vi bryr oss inte; bara sälj det till oss" .

HBM: Den dolda siliciumslukaren

En kritisk flaskhals är högbandbreddsminne (HBM), som utgör mer än 85 procent av ett AI-chips kiselyta . På grund av staplingsutbyten och overhead i logikkretsar kräver tillverkningen av 1 GB HBM ungefär fyra gånger så stor kiselyta som standard-DRAM . Denna matematik förklarar varför minnestillgången inte har kunnat hålla jämna steg med GPU-efterfrågan, och varför minnesprissättning har blivit en dominerande faktor i chipkostnader.

Nvidias CPU-intäkter: Ett rack berättar allt

Rasgon lyfte fram en överraskande detalj: i ett rack med 72 GPU:er genererar de 36 CPU:erna cirka 20 miljarder dollar i CPU-intäkter för Nvidia. Detta illustrerar hur AI-utbyggnaden skapar enorm chip-efterfrågan långt bortom själva GPU-acceleratorerna.

Från träning till inferens: Kommersialiseringsskiftet

Rasgon betonade att marknadsfokus flyttas från modellträning till AI-inferens – den centrala vägen till intäktsgenerering . Han nämnde Anthropics intäkter som steg från 9 miljarder till 30 miljarder dollar som direkt bevis på detta skifte . När AI-modeller går från forskningsprojekt till produktion kommer den beräkningskraft som krävs för inferens sannolikt att överglänsa träningsarbetsbelastningarna.

ASIC vs GPU: Samexistens, inte konkurrens

En vanlig fråga från investerare är om anpassade ASIC-kretsar (som de från Broadcom) så småningom kommer att ersätta Nvidias GPU:er. Rasgon tror att båda kommer att samexistera på lång sikt på en växande marknad . Hans ramverk: programmerbara GPU:er är bättre lämpade för forskning och utforskande inferens, medan ASIC:er utmärker sig för förutsägbara inferensarbetsbelastningar med hög volym. Den totala adresserbara marknaden är tillräckligt stor för att absorbera båda.

Den ultimata flaskhalsen: Elkraft

Rasgon avslutade med en allvarlig ton. Den slutliga begränsningen är inte chip, inte minne, inte nätverk – det är energi. AI-infrastrukturen kräver en årlig ökning av USA:s elnätskapacitet på cirka 5 procent för att upprätthålla tillväxtbanan . Det är en svindlande efterfrågan på ett elnät som sett minimal kapacitetstillväxt i decennier.

Han argumenterade för att nästa våg av AI-innovation och flaskhalsar oundvikligen kommer att hamna på energiutvinning, kylning och kärnkraft . Utan betydande nätinvesteringar kan supercykeln i sig själv nå en effekttak.

Vad detta innebär för investerare

Rasgons budskap är tydligt: så länge AI-efterfrågan inte kollapsar är halvledarnas supercykel verklig och hållbar. Men karaktären på möjligheterna förändras. De lätta pengarna i GPU-aktier kan vara på väg att ge vika för ett mer komplext landskap där själva "flaskhalsen" – oavsett om den är i HBM, kraftchips eller energiinfrastruktur – blir den verkliga förmögenhetsgeneratorn .