根据 Morgan Stanley 的报告，全球 AI 半导体市场将在 2026 年达到约 4850 亿美元，并在 2030 年升至约 750-300 亿美元，约占半导体市场总额的一半。云计算支出将在 2026 年接近 8110 亿美元。
AI 的演进：从训练转向推理
该行业最重大的转型，是 AI 工作负载从训练阶段转向推理阶段。这一转变对 AI 的商业化至关重要；训练阶段不会产生收入，而模型的使用会产生收入。Anthropic 的年收入从 2025 年 12 月的 90 亿美元飙升至 2026 年 4 月的 300 亿美元，就是这一转型的具体例证。
根据 Morgan Stanley 的数据，预计 2026 年下半年代币需求将超过已安装的交易处理能力。这被认为是该行业货币化潜力方面真正的转折点。代币经济正成为一种利用人工智能这一原材料创造经济价值的新方式，预计到 2030 年，代币消耗量将增加 20-30 倍。
行业的结构性挑战：供应紧张与能源危机
半导体行业正经历其历史上最严重的供应紧张局面之一。HBM 内存占 AI 芯片硅面积的 85% 以上，而生产 1 GB 的 HBM 所需的硅面积约为标准 DRAM 的 4 倍。这意味着，即使生产能力增加，实际存储容量仍然有限。就连 Intel 此前已计提折旧的库存也已被客户消耗。
该行业下一个主要瓶颈将是能源基础设施。如果 NVIDIA 预计每年 3-4 万亿美元的基础设施投资成为现实，美国电网将需要每年增长约 5%，能源行业分析师认为这一目标几乎不可能实现。因此，发电、冷却和核能领域的投资将对 AI 增长的下一阶段至关重要。
NVIDIA 及其竞争对手：全球竞争舞台上的新平衡
NVIDIA 的市场地位与转型
NVIDIA 仍然是 AI 处理器市场的领导者，但行业的演进正推动该公司的战略发生重大变化。正如高管所说：“并非所有代币都生而平等；低延迟代币价值更高，而 GPU 并不是每项任务的最佳选择。” NVIDIA 对 Groq 等 AI 推理初创公司的收购进一步强化了这一认识。
新竞争者的崛起：ASIC 与 XPU 时代
AI 处理器市场不再局限于 GPU。以 Broadcom 等公司为代表的专用 ASIC 芯片，正在 AI 处理器市场中迅速提升市场份额。Broadcom 的 AI 收入预计明年将达到 1000 亿美元，而 ASIC 目前约占 AI 芯片市场收入的 10-15%，预计未来一段时期将上升至 25-30%。
人工智能与半导体行业：2026 年里程碑与全球展望
人工智能与半导体行业正在经历其历史上最快速的转型之一。Bernstein 分析师将今年描述为“他们 18 年职业生涯中首次见证的真正半导体超级周期”。该行业的收入在 2025 年达到 8000 亿美元，预计将在 2026 年飙升至 1.3 万亿美元，从而在所有细分领域造成供应紧张。
全球市场规模与预期
根据 TSMC 在 2026 年欧洲技术研讨会上的公告，全球半导体市场将在 2026 年突破 1 万亿美元大关，预计到 2030 年将达到约 1.5 万亿美元。其中约 55% 的增长由高性能计算和 AI 应用驱动，智能手机占 20%，汽车和物联网则各贡献约 10%。
根据 Morgan Stanley 的报告，全球 AI 半导体市场将在 2026 年达到约 4850 亿美元，并在 2030 年升至约 750-300 亿美元，约占半导体市场总额的一半。云计算支出将在 2026 年接近 8110 亿美元。
AI 的演进：从训练转向推理
该行业最重大的转型，是 AI 工作负载从训练阶段转向推理阶段。这一转变对 AI 的商业化至关重要；训练阶段不会产生收入，而模型的使用会产生收入。Anthropic 的年收入从 2025 年 12 月的 90 亿美元飙升至 2026 年 4 月的 300 亿美元，就是这一转型的具体例证。
根据 Morgan Stanley 的数据，预计 2026 年下半年代币需求将超过已安装的交易处理能力。这被认为是该行业货币化潜力方面真正的转折点。代币经济正成为一种利用人工智能这一原材料创造经济价值的新方式，预计到 2030 年，代币消耗量将增加 20-30 倍。
行业的结构性挑战：供应紧张与能源危机
半导体行业正经历其历史上最严重的供应紧张局面之一。HBM 内存占 AI 芯片硅面积的 85% 以上，而生产 1 GB 的 HBM 所需的硅面积约为标准 DRAM 的 4 倍。这意味着，即使生产能力增加，实际存储容量仍然有限。就连 Intel 此前已计提折旧的库存也已被客户消耗。
该行业下一个主要瓶颈将是能源基础设施。如果 NVIDIA 预计每年 3-4 万亿美元的基础设施投资成为现实，美国电网将需要每年增长约 5%，能源行业分析师认为这一目标几乎不可能实现。因此，发电、冷却和核能领域的投资将对 AI 增长的下一阶段至关重要。
NVIDIA 及其竞争对手：全球竞争舞台上的新平衡
NVIDIA 的市场地位与转型
NVIDIA 仍然是 AI 处理器市场的领导者，但行业的演进正推动该公司的战略发生重大变化。正如高管所说：“并非所有代币都生而平等；低延迟代币价值更高，而 GPU 并不是每项任务的最佳选择。” NVIDIA 对 Groq 等 AI 推理初创公司的收购进一步强化了这一认识。
新竞争者的崛起：ASIC 与 XPU 时代
AI 处理器市场不再局限于 GPU。以 Broadcom 等公司为代表的专用 ASIC 芯片，正在 AI 处理器市场中迅速提升市场份额。Broadcom 的 AI 收入预计明年将达到 1000 亿美元，而 ASIC 目前约占 AI 芯片市场收入的 10-15%，预计未来一段时期将上升至 25-30%。
然而，分析师指出，ASIC 不会完全取代 GPU，日益增长的市场份额反而将为双方提供机会。关键在于这一机会是否会持续扩大；如果市场足够大，两个领域都将蓬勃发展。
效率与产能竞争
AI 硬件行业的另一个显著趋势，是效率提升和劳动力优化。在过去 12 个月中，科技硬件公司实现了 8.6% 的净效率提升，而半导体企业的效率提升为 8.2%，同期就业岗位减少约 5-8%。这表明企业正在通过 AI 自动化提高运营效率。
在 Intel 方面，新任 CEO 在低预期下采取的务实战略、18A 生产工艺好于预期的良率，以及政府和 NVIDIA 的投资，都显著缓解了人们对公司资产负债表的担忧。
中国 AI 芯片市场与新动态
AI 工作负载从教育阶段转向推理阶段，也正在为中国 AI 芯片生态系统创造新的机遇。根据 Morgan Stanley 的报告，到 2030 年，中国 AI GPU 市场预计将达到约 9100 亿美元，国产 AI 芯片产量占比将达到 70%。这预示着全球半导体供应链将发生重大重组。
行业的未来：新的挑战与机遇
投资界预计，针对 AI 基础设施的资本支出将持续。JPMorgan 2026 年的技术预算约为 2000 亿美元，其中约 230 亿美元（25%）分配给 AI。Edmond de Rothschild 策略师认为，该行业“不是泡沫，也不是逆转，而是正在接近成熟的中期扩张阶段”。
然而，业内强调，该行业无限扩张的时代已经结束，投资者如今需要有所选择。预计拥有强大定价能力的内存制造商、设备制造商和晶圆代工厂将脱颖而出，而能源和生产成本上升预计将对 GPU 和 ASIC 设计商的利润率造成压力。
DYOR 🔎 NFA ✔️
#NVIDIAEarnings
#GateStockInsightsChallenge
$NVDA