万亿Capex大迁徙：AI算力瓶颈为何不再只是GPU？

在英伟达的黄公屏上，每一张即将交付的黑科技图纸都在争夺全球顶级科技公司的目光。然而，在这场价值万亿美元的AI军备竞赛中，一个被严重低估的现实正在浮现：真正的物理瓶颈已经不再是计算芯片本身。

资深权益研究专家Mr. P在最近的分析中指出，当前的AI数据中心建设面临着一道极其残酷的物理墙——超大型云厂商明年的资本支出预计将从1.1万亿美元飙升至1.2万亿美元，而这其中，高达50%甚至更多的资金将被强行填入存储器（Memory）这一无底洞中。

这不仅仅是预算分配的微调，它意味着整个AI底层基建的利益版图正在发生剧烈地震。

谁在吞噬万亿预算？

过去三年，华尔街最熟悉的故事是GPU的供需错配。只要抢到英伟达的Blackwell或B系列芯片，就能锁定未来的霸权。现实情况比故事要荒诞得多：即便现在市面上一度紧缺的老旧芯片H100，其二手租赁价格依然稳稳维持在2.5万美元的高位，而新一代B系列GPU的租赁小时租金更是从5美元一路跳涨至7到8美元。

原生芯片供应虽然在紧张，但并没有断供。真正让超大型云厂商高管彻夜难眠的，是另外三个隐形杀手。

第一，先进封装材料的极致短缺。随着AI模型参数量指数级增长，对ABF载板（一种用于芯片封装的核心绝缘材料）的需求呈现爆炸式扩张。据行业测算，在即将到来的Vera Rubin架构下，ABF载板的价格将经历三位数级别的狂飙，且这种结构性短缺预计将持续延伸至2030年以后。ABF载板的产能扩张远远跟不上训练集群的规模膨胀速度，导致供应链成为制约AI算力释放的最薄弱环节之一。

第二，数据中心电力的物理极限。构建AI集群不仅需要芯片，更需要天量的电力输送。当前，三菱、西门子、GE Vernova等传统重工业巨头所生产的燃气轮机积压订单，已经赫然排到了2030年之后。这意味着，你或许能拿到英伟达的芯片，但你根本找不到足够的燃气轮机为数据中心提供稳定的基载电力。每座新建的AI数据中心都需要至少数百兆瓦甚至吉瓦级的电力容量，而传统电网的扩容速度远远滞后于AI设施的物理落地周期。

第三，也是最大的一块蛋糕——存储（Storage）。在过去以DRAM为主的逻辑里，存储只是配角；但在HBM（高带宽内存）主导的今天，它是决定训练速度的唯一变量。HBM通过TSV硅通孔技术在垂直方向上堆叠多层DRAM芯片，从而创造出远超传统GDDR标准的带宽。根据瑞银（UBS）此前的极端乐观估算，仅存储在明年超大型云厂商总资本开支中的占比就可能触及惊人的9000亿美元。

"十年需求能见度"的真相

如果上述瓶颈看起来像是无限繁荣的前奏，那么市场最需要的一盆冷水叫做：长期协议（LTA）的本质脆弱性。

在极度看好AI前景的背景下，三星等企业已经开始接到长达十年的存储采购请求，试图用超长周期的合同来平滑半导体固有的周期性波动。这种长达十年的"需求能见度"听起来像是一份完美的保底合约。但从商业角度看，这种模式存在一个致命的前提假设——即大模型的训练规模和迭代速度能够维持当前的高速增长，而不会受到市场需求饱和或投资回报率衰减的限制。

这种看法存在致命的盲区。存储是硬生生具有强周期性的基础商品，它与云计算基础设施的建设节奏高度绑定。当宏观经济下行、或者大模型的ROI（投资回报率）未能达到预期时，云厂商的第一反应往往是疯狂收缩开支。历史经验表明，每次技术浪潮的红利期过后，基础设施都会迎来一段漫长的去库存调整阶段。

更危险的是执行层面的灰色地带。在现行的LTA框架下，一旦云厂商进入实质性的下行周期，他们完全可以通过各种商业手段私下取消订单，而这种违约往往不需要支付高昂的法律违约金。所谓的"十年长协"，更像是一场基于完美假设的豪赌，一旦需求增速哪怕放缓两个季度，下游砍单的风险将毫无缓冲地传导回上游存储厂商。SK hynix作为全球领先的HBM供应商，其在财报中多次强调了长协执行弹性对利润稳定的重要性，但这恰恰也暴露了供应链的脆弱性。

铜退光进：2030年前的漫长过渡

除了产能与材料的博弈，连接技术路线也正处于一场漫长的拉锯战中。

数据中心内部，GPU之间需要极高速的数据传输。目前市场上主要有两条路径：一是成本更低、延迟更优的铜缆互连；二是传输距离更远、带宽上限更高的光互连。

由于光通信模块在良率提升和大规模散热管理上仍有工程难题，业界普遍认为，在2027年之前，铜缆与光通信将在不同规模的数据中心内并存。对于中小型训练集群而言，铜缆方案因其较低的初始成本和成熟的制造工艺仍将是主流选择；但随着机架规模的不断扩大和芯片间通信密度的提升，光互连的优势将逐渐显现。直到2030年之后，CPO（共封装光学）技术的成熟度才足以支撑其全面取代传统的插拔式光模块。

这段至少三到五年的技术混沌期，将为产业链带来巨大的试错成本和变数。任何一家在这一领域押注错误的企业，都可能面临前期投入打水漂的巨大风险。

结论与后续观察指标

AI基建的逻辑正在从"唯算力论"向"综合物理设施论"演进。在这场万亿资金的迁徙中，掌握了ABF载板、重型燃气轮机制造能力，以及处于HBM供应链核心环节的企业，将最先获得超额利润分配。但这一切的前提是：AI的资本狂欢不要被过早的下行周期打破。

对于密切关注此轮AI浪潮的投资者而言，接下来的几个季度，建议重点追踪以下五个核心指标的变化：