AI芯片荒正在改写美国算盘

（一）需求增长已超过供应预期

报告指出，到2026年，AI芯片生产已成为制约AI计算能力建设速度的关键因素。训练、部署和改进高级AI模型都需要大量计算资源，而这些需求持续呈指数级增长，远超许多芯片制造商此前预期。

简单来说，AI计算能力就是用芯片和数据中心支撑模型训练、运行和迭代的基础资源。报告认为，自2022年底ChatGPT发布以来，微软、亚马逊、Alphabet、Meta和Oracle计划在2026年投入近7000亿美元资本支出，其中大部分用于AI基础设施。

报告强调，2024年和2025年，美国AI扩展最常见的限制因素是数据中心电力供应。但到2026年，限制因素转向AI芯片本身。OpenAI首席执行官的说法是，瓶颈问题时有时无，现在问题又回到芯片。

（二）价格信号已经反映短缺

报告指出，计算限制迫使AI公司作出多重取舍，包括收紧客户使用限制、提高价格、削减研发投入、训练更小模型以及提供质量较低产品。这些选择都会影响收入、能力提升速度和竞争地位。

报告以Anthropic为例，称该公司在高峰时段对Claude模型实施更严格速率限制。谷歌首席执行官也表示，即便公司一直提高产能，供应仍然受限。主要AI公司和供应商领导人的表态，均指向同一问题。

报告还关注H100租赁价格。历史上，随着更高效硬件进入市场，计算成本通常下降。但有关分析显示，英伟达2023年推出的H100芯片租赁价格如今比几年前更高，说明需求增长已抵消效率提升带来的降价效果。

（三）短缺具有战略含义

报告认为，芯片供应受限后，每一枚AI芯片都具备战略资源属性。美国向外部分配芯片时，不仅影响本国AI公司可用算力，也影响其在第三方市场推广技术体系的能力。

从中国视角看，这份报告本质上反映了美国对先进算力资源的高度焦虑。其政策逻辑并非单纯市场供需分析，而是把芯片、数据中心、出口管制和盟友体系放在同一张战略图上考量。

（一）芯片制造商不愿激进扩产

报告指出，芯片制造商不愿大规模扩张产能，主要源于生产周期长、资本成本高和经济周期波动。新冠疫情后，汽车和消费电子需求反复变化，曾导致供需错配和严重损失。

报告提到，2021年汽车行业因芯片短缺估计损失2100亿美元。随后制造商扩产时，又因客户重复下单造成产能过剩。这段经历使半导体企业在面对AI需求激增时更加谨慎。

内存行业尤其容易出现繁荣与萧条周期。新建产能需要数十亿美元和数年时间，等产能投放时，需求周期可能已经变化。市场也从上世纪90年代的20多家主要生产商，整合到三星、SK海力士和美光三家。

（二）资本支出错位扩大缺口

报告指出，总部位于台湾的台积电生产全球约90%的先进芯片，其首席执行官曾表示，最担心AI需求是否真实存在。为对冲需求消失风险，台积电也为苹果等长期稳定客户预留产能。

报告给出的图表显示，超大规模数据中心企业资本支出增长明显快于芯片制造企业。台积电和主要存储器制造商在2023年和2024年的资本支出仍低于2022年（图2）。这段走势说明，AI买方先冲上去，制造端却没有同步扩张。

报告称，截至2026年4月，Anthropic的年化收入已从四个月前的90亿美元猛增至300亿美元。这类需求变化令芯片制造公司措手不及，英伟达和博通据称曾向台积电申请增加产能，但遭到拒绝。

（三）新增产能无法迅速见效

报告提到，台积电位于美国亚利桑那州的首座芯片制造厂已开始生产4纳米芯片，并计划投资1650亿美元再建五座晶圆厂。xAI首席执行官也提出自建晶圆厂计划。

报告判断，市场力量最终会推动供应增长，但需要数年时间才能见效。芯片供应链紧张局面至少会持续到2026年底。也就是说，美国AI产业眼下的问题不是没有投资意愿，而是产能建设无法按软件产业的速度推进。

（一）先进逻辑晶圆最受约束

报告指出，AI芯片由逻辑芯片和存储器等组件构成。逻辑芯片负责执行计算，存储器则与逻辑芯片共同封装在AI芯片上。两类产品都依赖高洁净度晶圆厂和超精密光刻设备。

英伟达、AMD等AI芯片设计商依赖台积电先进制程制造逻辑芯片。报告称，2025年11月，台积电首席执行官表示先进制程产能“不够，不够，仍然不够”，市场需求约为公司产能的三倍。

报告还提到，台积电3纳米制程尤其紧张，因为它用于生产英伟达VeraRubin和谷歌TPUv7等先进AI芯片。该公司2纳米晶圆制造产能已排满至2028年，新建晶圆厂通常需要两到四年甚至更长时间。

（二）HBM正在挤压内存市场

报告指出，AI数据中心既使用传统DRAM，也使用高带宽内存（HBM）。简单来说，HBM就是把多个DRAM芯片垂直堆叠，用更高带宽满足AI芯片快速读写数据的需求。

报告显示，AI使用的HBM总带宽每年增长超过四倍，AI占全球DRAM晶圆产能的比例快速上升。数据为2023年12%、2024年28%、2025年39%、2026年52%、2027年69%，其中2026年和2027年为预测值。

报告称，HBM需求给整个内存行业造成压力，导致部分DRAM价格在2025年上涨超过600%，NAND闪存价格在2025年上涨超过300%。行业分析师预计，内存短缺和价格上涨将导致全球PC和智能手机市场在2026年分别萎缩11%和13%。

报告分析，当前内存短缺有四个原因。HBM所需晶圆数量是标准DRAM的三到四倍；每代AI芯片集成的HBM数量呈指数级增长；存储器制造商在2023年和2024年削减新厂投资；过去十年存储器密度提升趋缓。

（三）其他瓶颈仍在动态变化

报告指出，先进封装曾在2023年成为AI芯片生产关键约束。当前主流技术是台积电CoWoS，几乎所有主流AI芯片都采用该技术。自2023年以来，CoWoS产能显著提升，但限制尚未完全消除。

报告举例称，CoWoS产能瓶颈曾迫使行业分析师将谷歌2026年AI芯片生产计划预测从400万片下调至300万片。与此同时，未来若AI任务更多依赖CPU而非GPU，CPU也可能出现短缺。

报告认为，公司层面的主要约束取决于既有合同、供应协议和资本规划。微软在2025年末仍强调能源问题，而OpenAI高管在2026年初则表示主要约束已从电力转向芯片。

（一）结论

该报告的结论是：AI芯片制造已成为2026年美国AI能力扩张的重大瓶颈，先进逻辑晶圆、HBM内存和先进封装共同限制供应弹性。由于新建晶圆厂和内存产能需要数年时间，短期内美国AI公司将继续面临芯片不足、价格上升和算力分配紧张。

报告还认为，芯片短缺使美国更倾向于把AI芯片视为战略资源。其政策重点从单纯扩大产业供给，转向确保每一枚芯片被用于符合美国利益的方向，包括科研补贴、出口限制、盟友合作和打击走私。

（二）建议

该文件提出的建议：美国应围绕稀缺芯片建立更强政策约束，既保障国内AI创新，也维护其全球技术体系扩张。报告建议主要集中在以下方面。

-美国国会应大幅增加国家人工智能研究资源计划资金，保障研究人员、学生和小企业获得必要计算资源。

-美国应限制向中国等竞争对象出口先进AI芯片，优先保障美国及盟友企业的算力获取。

-美国仍应积极向盟友和伙伴出口AI芯片，支持海外数据中心建设并巩固美国AI技术体系。

-美国应加强芯片位置验证和疑似转移报告机制，降低追踪成本并扩大出口执法覆盖范围。

-美国应考虑对HBM出口实施白名单制度，确保关键内存进入服务美国及盟友市场的芯片产品。

-美国应通过PaxSilica等机制协调盟友投资，减少重复建设并补齐半导体供应链薄弱环节。