不是芯片也不是电力,英特尔博通CEO把AI最大瓶颈指向资本

过去两年，谈论人工智能扩张的约束，答案几乎是现成的：先进芯片排队等产能，内存价格一路吃紧，数据中心选址先看电网够不够。供给短缺构成了大众对AI瓶颈的默认想象。但在新加坡星展银行亚洲未来前瞻大会上，英特尔CEO陈立武和博通CEO陈福阳给出了一个相反的排序。在两位执掌半导体公司的人看来，排在芯片、内存和电力之前的，可能是资本——以及资本的成本。

这不是对供应链现状的否认，而是一个关于哪种约束更持久的判断。理解他们的逻辑，需要先看他们为什么不担心供给端。

## 供给瓶颈：被克服过，所以被看淡

陈福阳的归因链条建立在一个历史观察上：过去两年，行业接连遭遇一系列不断出现的供应瓶颈，但每一个最终都被克服了。顺着这个经验往外推，他给出的时间表相当具体——今天令人头疼的内存短缺，一年后可能不再是问题；晶圆短缺可能在2028或2029年缓解；随着新基础设施上线，电力供应也可能改善。

当然，这些都是他当时的预测，而不是已经兑现的事实。但预测背后的机制是清楚的：芯片、内存、电力属于产能问题，而产能问题在周期性行业里通常会被扩产解决——短缺本身会吸引投资，投资最终变成供给。按照这个逻辑，供给瓶颈是自愈的，只是时间问题。

## 资本端：成本上升加回报存疑

如果供给约束会自己缓解，那么剩下的约束就落在需求端的钱上。陈福阳在会上直言：“我认为最大的约束可能是资本。”融资，在他的排序里，可能成为比半导体、内存或电力短缺更大的AI扩张障碍。

陈立武呼应了这一担忧，并把问题拆成了两层。一层是资本成本本身在上升，借钱建算力的代价变高了；另一层更根本：重金投入AI的公司，最终能不能产生足够的回报。他当时的原话是——“如果前方有任何挑战，那就是资本和资本成本，另一部分是从长远看人们想看到投资回报。”

这两层担忧指向的是同一个链条：AI扩张依赖持续的高强度资本投入，而这种投入的可持续性，取决于投入方相信回报会来。供给瓶颈考验的是工程师，资本约束考验的是耐心。

## 短期并不看空，长期取决于回报兑现

值得注意的是，两位CEO的资本担忧并没有让他们看空短期需求。陈福阳称，计算基础设施的需求超过供给能力，这种失衡可能持续到2029年甚至2030年。陈立武的判断类似：未来两三年，行业不太可能出现显著放缓，理由是AI应用的采用仍在增长，算力需求随之上升。

换句话说，他们的框架里同时容纳了两个判断：短期需求强劲、供给跟不上；长期真正的考验在资本和回报。这两个判断并不矛盾——失衡可以持续很多年，但支撑失衡的那一侧投资，最终要靠回报来续命。

对回报这一侧，两人各自给出了条件性的风险提示。陈立武强调，企业将越来越需要通过效率提升和新的商业模式，证明AI投资的实际回报。陈福阳则指出了需求端的下行情形：如果先进AI模型的采用令人失望，或者模型能力的提升开始进入平台期，计算基础设施的需求可能放缓。

## 一句话读懂这套判断

把两位CEO的说法拼在一起，可以还原出一个完整的框架：供给瓶颈大概率随产能扩张而缓解，因此不是最持久的约束；资本获取和资本成本才是更长的赛道；短期需求仍超过供给，两三年内看不到显著放缓；而长期增长是否延续，取决于企业能否把AI投入翻译成看得见的回报。

需要分清的是，这是一套观点和预测，而不是已经发生的资本约束或回报不足。芯片和内存的短缺是当下的事实，资本成为最大瓶颈则是对未来的判断——判断的成立与否，要等回报这一侧给出答案。对观察AI行业的人来说，这场对话真正改变的是提问方式：问题不再是供给什么时候追上需求，而是需求背后的投入，什么时候能自己证明值得。

财鹿编辑部｜关注企业经营、房产市场与政策变化。想了解财鹿，可在公众号菜单「了解财鹿」查看。