机构 SemiAnalysis 分析师 Dylan Patel 深度采访：AI 算力产业链前瞻

撰文：美股投资网

1. AI 的普及从根本上改变了哪种商业逻辑?

过去 = 想法很廉价 + 落地执行非常困难。

现在 = 想法满天飞且廉价 + 落地执行极其容易（通过 AI）。

这意味着 → 只有真正高质量的想法，才配得上投入算力去执行。用大白话总结就是，执行力不再是护城河，资本和团队的重心必须转移到「如何选择正确的想法」以及「如何销售 AI 产出的结果」上。

2.企业疯狂购买 AI Token 的驱动力是什么? 如果不跟进会有什么后果?

核心驱动力 = 效率的极度杠杆化。例如一个人花几千美元买 Token，就能在几周内干完以前百人团队一年的活（如芯片逆向工程分析、全美电网建模）。

结果 = 产生「幽灵 GDP」（Phantom GDP），即实际产出大幅增加但成本骤降，导致传统 GDP 统计失真。

如果不跟进 → 必然面临降维打击。如果你不消耗更多 Token 去创造并捕获超额价值，你就会沦为「AI 时代的永久底层」，很快会被动作更快的同行完全商品化并淘汰。

3. 当前 AI 算力的供给瓶颈到底卡在哪里?

表面上看 = 英伟达 GPU 供不应求，且旧卡使用寿命在大幅延长（从 5 年延至 7-8 年），推高了云厂商的毛利。

深层瓶颈 1 → 内存（DRAM）：产能扩充极慢，新增绝对供给要到 2028 年才能就绪，这意味着内存价格还会再翻两到三倍。

深层瓶颈 2 → CPU：强化学习环境的评分机制和大量 AI 生成的代码运行需要极多 CPU，导致 CPU 完全脱销。

深层瓶颈 3 → 台积电（TSMC）与边缘材料：台积电资本支出在 2028 年可能飙升至 1000 亿美元，而铜箔、PCB 玻璃纤维等不起眼的边缘供应链也已经全部满载，全行业都在靠「天价预付款」抢产能。

4. 大模型层的竞争格局和 Token 经济学呈现什么趋势?

现状 = Anthropic 凭借 Opus 4.7 和内部的「Mythos」模型暂时领先，甚至通过限制释放节奏来控制风险，利润率极高（>72%）。

算力争夺 = Anthropic 受限于算力总量，而 OpenAI 通过疯狂融资和囤积算力（联合微软、甲骨文等）试图用算力规模弯道超车。

核心结论 → Token 需求远超基础设施的承载能力。即便二线、三线大模型厂商，也会因为头部算力不足而「卖断货」。基本上就代表，只要你能造出优质 Token，市场就能全盘吃下。

5. 为什么预测短期内会出现大规模的反 AI 抗议?

起因 = AI 带来的巨大商业重组会让普通人感到恐惧，大众会倾向于将长期存在的社会问题归咎于 AI。

催化剂 = AI 巨头（如 Sam Altman 和 Dario）的公众沟通策略极差 + 频繁渲染「AI 将改变世界/取代工作」的宏大叙事，加剧了普通人的焦虑感。

美股投资网应对建议 → 行业必须停止渲染未来的恐怖能力，转而展示 AI 在当下的正面赋能作用，否则公众的愤怒很快会被政客或网红武器化，引发大规模抵制。

Dylan Patel 人物背景：

研究机构 SemiAnalysis 的首席分析师（Dylan Patel）深度拆解 GPU（尤其是 Nvidia）

分析 AI 算力供需（谁缺芯片、谁在囤货）

跟踪产业链（ASML 设备 → 台积电 → 云厂商 → OpenAI 等