随着 AI 投资热潮席卷全球科技业，一个关键问题正引发业界关注：在资本、技术、资源不断涌入的背景下，真正限制 AI 算力扩张的环节究竟是什么？ 半导体分析机构SemiAnalysis创办人Dylan Patel在一场播客访谈中给出答案。
Patel 指出，限制因素一直在变动，而当前，它正重新回到芯片制造，特别是极紫外光刻机 （EUV） 产能上。
Patel表示，过去数年，AI算力扩张的瓶颈像「打地鼠」般不断转移。 数年前，关键掣肘是台积电的CoWoS先进封装技术，之后电力供给成为新障碍，后来又是数据中心建设速度跟不上需求，但随着这些环节逐步扩产，新的限制点又浮现，这反映了AI需求成长远快于整个产业链的反应能力。
如今，在数据中心、电力等基础设施逐渐完善之际，算力扩张的重心重新落回半导体制造。
Patel强调，算力的长期供应核心不是电力或建筑，而是芯片制造能力，包括逻辑芯片产能、HBM芯片及晶圆厂与设备建设周期，其中无尘室建设是今、明两年最突出的瓶颈，而到2028、2029年，设备层将成为最大限制。
他进一步指出，若 AI 算力持续高速成长，未来限制可能来自最底层的设备供应链，尤其是 EUV 光刻机。 这类由荷兰ASML独家生产的设备，是制造先进制程芯片不可或缺的核心工具。
根据Patel估算，目前全球EUV年产量约70台，2027年可望增至80台，到2030年最多也只能达到100台。 这种产能极限，将直接决定全球AI算力的扩张上限。
为说明EUV对整体产业的影响，Patel估算后指出，若以英伟达新一代Rubin芯片建设一座1GW算力的数据中心，必须耗用约5.5万片3纳米晶圆、6000片5纳米晶圆及17万片DRAM，共需进行约200万次曝光机，而这样一套系统，总资本支出高达500亿美元，其中仅12亿美元用于购买3.5台EUV设备，形成惊人的杠杆效应。
EUV 设备因技术极端复杂，关键零件如蔡司镜头组和 Cymer 光源的供应链高度集中，扩产困难。 因此，从实体层面来看，全球每年可新增的 AI 算力总量已被牢牢锁死。
除逻辑芯片外，内存芯片也将成未来一两年关键瓶颈。 Patel预测，2026年，科技巨头约30%资本支出将投向内存芯片。 原因在于长上下文推理模型对 KV Cache（键值快取） 的庞大需求，大幅提升了对内存带宽与容量的依赖。 以 HBM 为例，其占用晶圆面积为普通 DDR 的四倍，意味着每生产一单位组 AI 内存，就要牺牲四单位组消费电子内存产能。 这将直接导致智能手机与PC的成本上升。
根据Patel估算，iPhone的储存成本可能增加150美元。 高端品牌也许能转嫁压力，但中低端智能手机将面临沉重打击。 他警告，存储价格上涨恐引发消费电子出货暴跌，从年均14亿支降至今年8亿支，明年甚至可能只剩5至6亿支。
在电力问题上，Patel则持务实态度。 他认为电力并非终极瓶颈，反而是投资机会。 透过航改燃气涡轮机、中速发动机、燃料电池与「太阳能+储能」组合，可在不依赖主要电网的情况下为数据中心供电。 即便电价翻倍，对单颗H100芯片每小时1.4美元的总成本影响甚微，远低于AI模型带来的效益。
Patel还说，若配置足够储能，美国电网还可为数据中心释放20%的额外容量。
至于马斯克提出在太空中建造资料中心的设想，Patel则明确反对。 考虑到芯片在太空中约15%的故障率，以及高昂的激光通信成本，该计划短期内缺乏经济可行性。 他断言，至少在2030年代之内，太空数据中心不会实现。
整体来看，AI算力的扩张正从表层设施转移到深层设备，EUV光刻机、内存芯片等基础环节，正成为决定未来AI发展速度的关键隘口。
