超級週期背後嘅數字

呢個規模真係好難用三言兩語講得清。全球半導體營收去年已經突破 8000 億美元，今年正以極速邁向 1.3 萬億美元。市場研究機構 Gartner 另外報告，同一個數字按年增長高達 64%。

Rasgon 指出，美國四大雲端巨頭——Amazon、Microsoft、Google 同 Meta——計劃喺 2026 年合共投入大約 7250 億美元嘅資本開支，當中絕大部分都係用嚟起 AI 基建。記憶體價格更加係升到直豎：DRAM 價格喺進入 2026 年之前，一個季度就急升咗大約 90%。

「打地鼠」效應：短缺周圍走

Rasgon 其中一個最重要嘅觀察，就係佢所講嘅「打地鼠」效應——產能瓶頸正喺成條晶片供應鏈上面一個接一個咁爆發。佢話：「一切都被對 AI 算力貪得無厭嘅需求拉動。我職業生涯入面從來未見過咁嘅規模。」

佢詳細拆解咗呢個蔓延過程：短缺最初由 GPU 加速器開始，跟住擴散到 HBM 記憶體，再到半導體製造設備，然後係網絡同光學零件，再到功率晶片，而家甚至連 CPU 都開始供不應求。

有個好具體嘅例子可以見到需求有幾癲：就算係 Intel 呢間之前被認為「存貨價值歸零」嘅公司，都竟然賣晒所有存貨。客戶同 Intel 講：「我哋唔理，總之賣俾我哋就得。」

HBM：食矽嘅大胃王

一個關鍵嘅瓶頸係高頻寬記憶體 HBM，佢佔咗一粒 AI 晶片超過 85% 嘅矽面積。因為堆疊良率同邏輯晶片嘅額外損耗，生產 1GB 嘅 HBM 所需嘅矽面積，大約係標準 DRAM 嘅四倍。呢個計法解釋咗點解記憶體供應點都追唔上 GPU 需求，亦令記憶體價格變成晶片成本嘅主導因素。

Nvidia 嘅 CPU 收入：一個機櫃就話你知有幾誇

Rasgon 仲拎咗個令人驚訝嘅數據出嚟：喺一個 72-GPU 嘅機櫃入面，嗰 36 粒 CPU 本身就為 Nvidia 帶嚟大約 200 億美元嘅 CPU 收入。呢個數字清楚顯示咗，AI 基建唔單止帶動 GPU，仲創造咗好龐大嘅其他晶片需求。

由訓練到推理：商業化嘅關鍵一步

Rasgon 強調，市場焦點正由「模型訓練」轉向「AI 推理」——呢個先係真正變現嘅路徑。佢引用 Anthropic 嘅收入由 90 億美元急升到 300 億美元，作為呢個轉向嘅直接證據。隨住 AI 模型由研究項目走入生產環境，推理所需嘅運算量好大機會遠遠超過訓練。

ASIC vs GPU：共存，唔係對決

投資者成日會問：Broadcom 呢類客製化晶片 ASIC 會唔會取代 Nvidia 嘅 GPU？Rasgon 認為兩者會喺一個持續增長嘅市場入面長期共存。佢嘅分析框架係：可編程嘅 GPU 比較適合做研究同探索性嘅推理工作，而 ASIC 就擅長處理可預測、高流量嘅推理任務。整體市場夠大，兩者都有得食。

最終瓶頸：電力

Rasgon 最後講咗一個令人冷靜落嚟嘅結論：最終嘅限制因素唔係晶片、唔係記憶體、亦唔係網絡，而係能源。要維持呢個增長趨勢，AI 基建每年需要美國電網容量增加大約 5%。呢個對於幾十年嚟容量幾乎冇增長嘅電網嚟講，係一個極大嘅挑戰。

佢認為，下一波 AI 創新同瓶頸突破，勢必會落到能源發電、冷卻同核電呢啲領域。如果電網冇大規模投資，呢個超級週期本身可能會撞到一個電力天花。

對投資者嚟講意味着咩？

Rasgon 嘅訊息好清楚：只要 AI 需求唔係突然斷崖式下跌，呢個半導體超級週期就係真實同可持續嘅。但機會嘅本質正在改變。GPU 股票嘅「easy money」可能開始讓位俾一個更複雜嘅格局——「瓶頸」本身，無論係 HBM、功率晶片定係能源基建，先至係真正嘅財富製造機。

超級週期背後嘅數字

呢個規模真係好難用三言兩語講得清。全球半導體營收去年已經突破 8000 億美元，今年正以極速邁向 1.3 萬億美元。市場研究機構 Gartner 另外報告，同一個數字按年增長高達 64%。

Rasgon 指出，美國四大雲端巨頭——Amazon、Microsoft、Google 同 Meta——計劃喺 2026 年合共投入大約 7250 億美元嘅資本開支，當中絕大部分都係用嚟起 AI 基建。記憶體價格更加係升到直豎：DRAM 價格喺進入 2026 年之前，一個季度就急升咗大約 90%。

「打地鼠」效應：短缺周圍走

Rasgon 其中一個最重要嘅觀察，就係佢所講嘅「打地鼠」效應——產能瓶頸正喺成條晶片供應鏈上面一個接一個咁爆發。佢話：「一切都被對 AI 算力貪得無厭嘅需求拉動。我職業生涯入面從來未見過咁嘅規模。」

佢詳細拆解咗呢個蔓延過程：短缺最初由 GPU 加速器開始，跟住擴散到 HBM 記憶體，再到半導體製造設備，然後係網絡同光學零件，再到功率晶片，而家甚至連 CPU 都開始供不應求。

有個好具體嘅例子可以見到需求有幾癲：就算係 Intel 呢間之前被認為「存貨價值歸零」嘅公司，都竟然賣晒所有存貨。客戶同 Intel 講：「我哋唔理，總之賣俾我哋就得。」

HBM：食矽嘅大胃王

一個關鍵嘅瓶頸係高頻寬記憶體 HBM，佢佔咗一粒 AI 晶片超過 85% 嘅矽面積。因為堆疊良率同邏輯晶片嘅額外損耗，生產 1GB 嘅 HBM 所需嘅矽面積，大約係標準 DRAM 嘅四倍。呢個計法解釋咗點解記憶體供應點都追唔上 GPU 需求，亦令記憶體價格變成晶片成本嘅主導因素。

Nvidia 嘅 CPU 收入：一個機櫃就話你知有幾誇

Rasgon 仲拎咗個令人驚訝嘅數據出嚟：喺一個 72-GPU 嘅機櫃入面，嗰 36 粒 CPU 本身就為 Nvidia 帶嚟大約 200 億美元嘅 CPU 收入。呢個數字清楚顯示咗，AI 基建唔單止帶動 GPU，仲創造咗好龐大嘅其他晶片需求。

由訓練到推理：商業化嘅關鍵一步

Rasgon 強調，市場焦點正由「模型訓練」轉向「AI 推理」——呢個先係真正變現嘅路徑。佢引用 Anthropic 嘅收入由 90 億美元急升到 300 億美元，作為呢個轉向嘅直接證據。隨住 AI 模型由研究項目走入生產環境，推理所需嘅運算量好大機會遠遠超過訓練。

ASIC vs GPU：共存，唔係對決

投資者成日會問：Broadcom 呢類客製化晶片 ASIC 會唔會取代 Nvidia 嘅 GPU？Rasgon 認為兩者會喺一個持續增長嘅市場入面長期共存。佢嘅分析框架係：可編程嘅 GPU 比較適合做研究同探索性嘅推理工作，而 ASIC 就擅長處理可預測、高流量嘅推理任務。整體市場夠大，兩者都有得食。

最終瓶頸：電力

Rasgon 最後講咗一個令人冷靜落嚟嘅結論：最終嘅限制因素唔係晶片、唔係記憶體、亦唔係網絡，而係能源。要維持呢個增長趨勢，AI 基建每年需要美國電網容量增加大約 5%。呢個對於幾十年嚟容量幾乎冇增長嘅電網嚟講，係一個極大嘅挑戰。

佢認為，下一波 AI 創新同瓶頸突破，勢必會落到能源發電、冷卻同核電呢啲領域。如果電網冇大規模投資，呢個超級週期本身可能會撞到一個電力天花。

對投資者嚟講意味着咩？

Rasgon 嘅訊息好清楚：只要 AI 需求唔係突然斷崖式下跌，呢個半導體超級週期就係真實同可持續嘅。但機會嘅本質正在改變。GPU 股票嘅「easy money」可能開始讓位俾一個更複雜嘅格局——「瓶頸」本身，無論係 HBM、功率晶片定係能源基建，先至係真正嘅財富製造機。