伯恩斯坦分析师：18年来第一个真正的芯片超级周期已经到来

Rasgon指出，美国四大云计算巨头——亚马逊、微软、谷歌和Meta——2026年计划总计投入约7250亿美元的资本开支，其中绝大部分流向AI基础设施。内存价格更是出现了垂直上涨，DRAM在进入2026年前后季度环比涨幅高达约90%。

“打地鼠”效应：短缺无处不在

Rasgon最令人印象深刻的观察之一，是他所说的“打地鼠”效应——瓶颈正在整个芯片供应链上逐个引爆。"一切都被这种对AI算力贪得无厌的需求所拖动。在我的职业生涯中，从未见过如此规模的景象，"Rasgon感叹道。

他详细拆解了这一蔓延过程：短缺先从GPU加速器开始，然后扩散到HBM存储，接着是半导体制造设备、网络及光学器件、功率芯片，现在连CPU也供不应求。

一个具体例子足以说明需求之旺盛：就连此前库存"价值归零"的英特尔，如今库存也被清空。客户直接对英特尔表示："我们不在乎，只要卖给我们就行"。

HBM：隐藏的硅片消耗大户

高带宽存储（HBM）是当前最关键的瓶颈之一。HBM占据了AI芯片硅面积的85%以上。由于堆叠良率和逻辑芯片开销，每制造1GB的HBM所需硅片面积大约是标准DRAM的4倍。这个数字解释了为什么内存供应始终跟不上GPU需求，以及内存价格为何成为芯片成本的主导因素。

英伟达的CPU收入：一个机柜道尽一切

Rasgon还点出了一个令人惊讶的数据点：在一个72块GPU的机柜中，内部搭载的36块CPU为英伟达带来了约200亿美元的CPU收入。这充分说明，AI基础设施建设正在催生出远超GPU加速器本身的巨大芯片需求。

从训练到推理：商业化转型

Rasgon强调，当前市场焦点正从模型训练转向AI推理，这是实现商业变现的核心路径。他援引Anthropic的收入从90亿美元飙升至300亿美元的例子，作为这一转变的直接证据。随着AI模型从研究项目进入生产环境，推理所需的算力很可能会远远超过训练工作负载。

ASIC与GPU：共存而非竞争

投资者经常担心，定制芯片（如Broadcom的产品）最终会取代英伟达的GPU。Rasgon认为，在一个日益扩大的增量市场中，两者将长期共存。他的分析框架是：可编程的GPU更适合研究和探索性推理，而ASIC在执行可预测的高容量推理时表现出色。整体市场规模足够大，足以容纳两者。

终极瓶颈：电力

Rasgon以一个冷静的警告收尾。最终的制约因素不是芯片、不是存储、不是网络——而是能源。为了维持当前的增长轨迹，AI基础设施需要美国电网容量每年增加约5%。对于一个几十年来容量增长微乎其微的电网系统来说，这简直是一个天文数字。

他认为，下一波AI创新和瓶颈的突破口必然会落在能源发电、冷却和核电领域。如果没有大规模的电网投资，这个超级周期可能会触及电力天花板。

对投资者的启示

Rasgon传递的信息很明确：只要AI需求不发生断崖式崩盘，半导体超级周期就是真实且可持续的。但机会的性质正在发生变化。GPU股票赚快钱的日子可能正在让位给一个更为复杂的格局——"瓶颈"本身，无论是HBM、功率芯片还是能源基础设施，正在成为新的财富创造者。