Anthropic 一个月赚了 60 亿美元，但他们想要更多
先说个数字：Anthropic 在今年 2 月，仅仅一个月时间，就新增了 60 亿美元的
年度经常性收入。这是什么概念？主要靠的是他们的 Claude Code 这个 AI 编程
工具。
“如果 Anthropic 有更多算力，他们本可以赚得更多。”
这不是客套话。现在整个行业都在疯狂找 GPU，连两代之前的 Hopper 显卡，
按需租用价格还在涨。我们团队前段时间想找点小规模集群测试，问了一圈云服务
商，全都锁死了，一台都租不到。
你看这些科技巨头的资本开支，都在往上飙。但他们自己都说，不是不想花更多
钱，是根本买不到芯片。
台积电的 3nm 产能，成了香饽饽
问题出在哪？核心就是台积电的 3nm 制程产能跟不上了。
今年是个特殊的年份，几乎所有主流 AI 芯片都在往 3nm 转。NVIDIA 的 R
ubin、AMD 的 MI350X、Google 的 TPU v7、AWS 的 Trainium3、Met a 的
MTIA……全都盯上了台积电的 N3 产能。
这不是巧合。3nm 是目前最先进的量产制程之一，性能和能效都有明显提升。
但问题是，台积电的产能规划明显没跟上这波需求。
说到 N3，其实在 AI 芯片大规模转向之前，这个产能主要是给消费电子用的。
苹果的 iPhone 芯片、高通的骁龙 8 Elite 系列、联发科的天玑系列手机芯片， 还
有英特尔的 Lunar Lake 和 Arrow Lake 处理器，都在用 N3。
但 2026 年开始，游戏规则变了。AI 加速器开始大规模占领 N3 产线。
虽然史上最大规模的 AI 基础设施建设从 2022 年底就开始了，但台积电的资本
开支直到 2025 年才超过历史峰值。这中间有两年多的时间差，产能扩张严重
滞后。
具体来看各家的转换路线：NVIDIA 从 Blackwell 的 4NP 制程跳到 Rubin 的
3NP，AMD 在 MI350X 上 已 经 用 上 了 N3，MI400 的 AID 和 MID 芯
片继续用 N3（只有 XCD 部分用 N2）。Google 的 TPU v7 全面转向 N3E， 而
且今年 TPU 的出货量会有巨大增长。AWS 的 Trainium3 用的是 N3P。
不只是加速器芯片本身，连带的其他组件也在抢 N3 产能。比如 VR 机架里用
的 Vera CPU 用的是 N3P，NVLink 6 交换芯片也是，还有 Tomahawk 6 和
Spectrum 6 这些网络芯片。Rubin 每个 GPU 配 的横向扩展网络， 这带动
了 3nm 工艺的 200G 光学 DSP 芯片的需求。
结果就是，今年 AI 相关的芯片需求会占掉台积电近 60% 的 3nm 产能，到明年
这个数字会飙到 86%。手机芯片、PC 处理器，基本要被挤出去了。
苹果、高通、联发科这些传统大客户估计也很头疼。他们要么延长产品周期，要么
直接跳到下一代制程，反正 3nm 是抢不过 AI 芯片厂商的。
台积电成了“造王者”
这种局面下，台积电实际上掌握了生杀大权。谁能拿到更多产能，谁就能出更多货
，谁就能在 AI 军备竞赛中占优势。
为什么 AI 客户能优先拿到产能？原因很简单：
第一，AI 芯片 die 面积大、封装复杂，单价高得多。台积电当然愿意优先服务
高价值客户。
第二，AI 需求有长期可见性。这些大厂都签了多年的算力采购合同，需求稳定。反
观手机市场，早就饱和了，增长空间有限。
第三，也是最关键的——AI 客户真的愿意为算力付任何代价。
SA 还提到一个有意思的情况：如果手机需求下滑，释放出来的 N3 产能能做什
么？假设把 2026 年 5% 的手机芯片 N3 晶圆（大约 22,000 片晶圆）转给AI 加速
器，可以多生产约 10 万片 Rubin GPU，或者 30 万片 TPU v7。如果是更极端的
情况，转移 25% 的手机芯片产能（约 109,000 片晶圆），就能多 造 70 万 片
Rubin GPU 或 150 万 片 TPU v7 。
当然，有逻辑芯片还不够，你还得有内存和先进封装产能配套。但这个数字至少说
明，消费电子市场的任何波动，都会直接影响 AI 芯片的供应。
内存也在告急，而且情况可能更糟
光有逻辑芯片还不够，AI 加速器还需要大量高带宽内存（HBM）。这又是另一
个瓶颈。
HBM 的问题在于，它太“费”晶圆了。生产同样容量的内存，HBM 消耗的晶圆
产能是普通 DDR 内存的 3 到 4 倍。随着行业从 HBM3E 转向 HBM4，这个差距
可能会扩大到 4 倍，到 HBM4E 时代会更大。
而且每一代 AI 芯片的 HBM 容量都在猛增。NVIDIA 从 Blackwell 到 Black well
Ultra 再到 Rubin，HBM 容量增加 50%，到 Rubin Ultra 再翻 4 倍。
其他厂商也在跟进：Google 的 TPU v8AX 和 AWS 的 Trainium3 都从上一代的
8-Hi 堆栈升级到 12-Hi，AMD 从 MI350 到 MI400 内存容量也增加了 50% 。
HBM 位出货量的增长，主要不是因为设备数量增加，而是单个设备的内存容量
在暴涨。
除了 HBM，服务器用的普通 DDR 内存需求也在增长。NVIDIA 下一代平台的
系统内存会大幅增加，VR NVL72 机架每个 Vera CPU 配 1,536 GB DDR，
是之前 Grace CPU 的 3 倍（之前是 512 GB）。
同时，整个云计算和企业服务器市场正在进入一个多年的更新换代周期，老旧的服
务器需要替换。AI 工作负载，特别是数据暂存、编排和强化学习，也在推动
CPU 需求增长，CPU 和 GPU 的配比正在逐渐提高。
所以服务器 DRAM 的需求会持续走高，足以抵消手机、PC 和消费电子产品需
求的疲软。
更麻烦的是，现在出现了一个微妙的价格倒挂现象。
以前 HBM 利润率高，内存厂商有动力扩产 HBM。但今年 DDR 价格涨得太猛
，利润率已经快追上 HBM 了。这意味着内存厂商没那么大动力把产能从 D DR
转向 HBM。
如果 AI 客户想要更多 HBM，就得出更高的价格。明年的 HBM 价格谈判， 估
计会很激烈。
SA 还提到一个有意思的假设：如果消费电子需求暴跌 50%（比如手机销量腰斩），释
放出来的 DRAM 产能大约是 55,390 百万 Gb，相当于 2026 年总 DRA
M 需求的 14%。即使是 25% 的削减，也能释放约 27,690 百万 Gb，占总需求
的 7%，几乎是今年 HBM 需求的 80%。
这不是没可能。内存价格涨上去，手机成本就上去，消费者需求就会下降。SA
已经看到迹象：智能手机需求预计会出现低两位数的同比下滑。随着手机需求走弱
，相关的晶圆需求会被削减，从而释放出更多产能给 AI 加速器用。
这就是所谓的“位重新分配”——从消费应用转向服务器和 HBM。某种程度上，
这是一种“市场自动调节”，只不过代价是消费电子行业要让路。
CoWoS 封装：紧张但不再是最大瓶颈
说到 AI 芯片生产，很多人可能还记得前两年 CoWoS 先进封装产能紧张的新闻
。CoWoS 是台积电的 封装技术，AI 加速器芯片都需要用它来把逻辑芯片
和 HBM 封装在一起。
现在 CoWoS 虽然还是紧张，但已经不是最大的瓶颈了。原因很简单：台积电
在规划 CoWoS 产能时，已经把 N3 前端晶圆的限制考虑进去了。如果没有前端
晶圆供应支撑，过度投资 CoWoS 产能也没意义。
而且 CoWoS 还有其他选择。台积电之前就把部分 CoWoS 订单外包给日月光
（ASE/SPIL）和 Amkor 这些封测厂。比如 NVIDIA 要给中国市场供应 H20 0
时，就找 Amkor 做封装。英特尔的 EMIB 封装方案也是个选项，Tr
ainium 和 TPU 都在不同程度上采用了这个技术。
所以封装虽然紧，但不是死结。真正的死结在前端晶圆产能。
台积电在拼命扩产，但还是不够
面对这种需求爆炸，台积电当然不会坐以待毙。他们正在全力扩张 N3 产能，
想方设法从现有产线里榨出每一片晶圆。
但问题是，晶圆厂扩产不是一蹴而就的事。一条新产线从规划到投产，至少要两到
三年。设备采购、工艺调试、良率爬坡，每一步都需要时间。
更关键的是，台积电显然低估了 AI 需求的增长速度。虽然 ChatGPT 发布后的
AI 基础设施建设从 2022 年底就开始了，但台积电的资本开支直到 2025
年才超过历史峰值。这意味着他们在 2023 年和 2024 年的投资力度不够，导致
现在产能跟不上。
今年台积电会打破去年的资本开支纪录，因为他们终于意识到客户需求远远超出
了他们的产能。但这些投资要转化成实际产能，还得等到 2027 年甚至更晚。
瓶颈转移：从电力到硅片
过去两年，大家讨论 AI 基础设施，焦点都在数据中心建设和电力供应上。怎么
拉电网、怎么搞冷却、怎么快速建机房，这些都是热门话题。
但现在情况变了。
SA 指出，数据中心和电力供应的扩张速度，实际上已经超过了 AI 算力的增长
速度。换句话说，我们现在有足够的电力和机房空间，但没有足够的芯片来填满
它们。
这是个结构性的转变。建数据中心、拉电网，虽然也不容易，但相对来说还是可
控的。各种创新方案层出不穷，比如现场燃气发电。
但建晶圆厂？那完全是另一个量级的难度。一座先进制程晶圆厂，投资动辄上百
亿美元，建设周期三到五年，还需要极其复杂的供应链配合。这不是短期内能解决
的问题。
所以现在的局面就是：有电没芯片。
这个转变其实挺讽刺的。过去几年，整个行业都在想办法解决电力和数据中心问
题，各种创新方案层出不穷。现场燃气发电、液冷技术、模块化数据中心……大
家做得很成功。
但晶圆厂建设的速度，完全跟不上数据中心建设的速度。结果就是，我们现在有
大把的机房空间和充足的电力供应，却没有足够的芯片来填满这些机架。
SA 的结论很明确：扩建数据中心和电力设施虽然也有难度，但相对来说是可以
用人类智慧和工程能力解决的。但建晶圆厂？那是完全不同量级的挑战。投资规模
、技术难度、供应链复杂度，都不是短期内能突破的。
NVIDIA：供应链战争的最大赢家
在这场供应链争夺战中，NVIDIA 显然是准备最充分的。
黄仁勋这两年频繁往亚洲跑，外界都以为他是去逛夜市、吃小吃。但 SA 揭示了
另一面：2025 年他去韩国，主要目的是锁定内存供应。
NVIDIA 提前布局，锁定了大部分逻辑晶圆、内存和其他关键组件的供应。他们
甚至帮客户争取到更便宜的 DRAM 价格，减轻客户的采购压力。这种供应链掌
控能力，是 NVIDIA 最大的护城河。
Jensen 的韩国之行不是去吃烤肉那么简单。他是在为 NVIDIA 未来几年的内存
供应做战略布局。这种前瞻性的供应链管理，让 NVIDIA 在这场硅片争夺战中
占据了绝对优势。
现在业内关于“GPU vs 定制 ASIC”的争论很热。Anthropic 大量使用 Googl e 的
TPU 和 AWS 的 Trainium，很多人觉得定制芯片会是未来趋势。技术上看，定
制 ASIC 在特定工作负载上确实可能更高效。
但 SA 的结论很直白：在算力稀缺的时代，谁能拿到最多硅片，谁就能部署最多
算力。技术路线的优劣，反而变成了次要因素。
这就是现实。AI 实验室现在的心态是：管它是 GPU 还是 ASIC，只要能用，
先拿到手再说。算力供应不足的情况下，有货就是王道。NVIDIA 恰好在供应链
控制上做得最好，所以他们会是最大的受益者。
今年的 AI 芯片格局会怎样？
基于 SA 的数据，我们可以看到一些有意思的趋势。
今年 N3 加速器晶圆需求会全年持续攀升。主要推动力是 NVIDIA 从 Blackw ell
（4NP）向 Rubin（3NP）的转换。不过 Blackwell 今年的出货量还是会高于
Rubin，因为平台和供应链更成熟。
Google 和 Broadcom 的 TPU 其 实 抢 跑 了 ， 他 们 比 NVIDIA 和 Amazon 更早
用上 N3。TPU v7 在 2025 年就开始生产了，今年出货量会大幅增长。这既有
Google 内部需求，也有外部客户的需求——Anthropic 就是大客户之一。同时，
下一代 TPU v8 的各个变体也会开始生产，继续用 N3 节点。
AWS 的 Trainium3 是另一个重要变量。它从 2026 年初开始投片，下半年会有
大规模产出。这是基于 N3P 的芯片，会占用相当一部分产能。
所以今年的 N3 产能分配，基本就是 NVIDIA、Google、AWS 这三家在主导，
AMD 和 Meta 的份额相对小一些。
这对我们意味着什么？
SA 传递的信息很清晰：AI 产业已经进入“硅片短缺时代”，而且这个状态至少
会持续到 2027 年。
对于 AI 公司来说，供应链管理能力变得和技术能力一样重要。你的模型再先进， 没
有算力来训练和部署，也只是纸上谈兵。这也解释了为什么 Anthropic 虽然技术
很强，但在算力获取上还是要依赖 Google 和 AWS 的 ASIC。他们没有NVIDIA
那样的供应链掌控力。
对于云服务商来说，这是个巨大的机会。AWS、Google、Azure 这些有自研芯片
能力的厂商，可以通过直接跟台积电合作来获取产能。这也是为什么他们都在大力
投资自研 ASIC 的原因——不只是为了性能优化，更是为了在供应链上获得更
多话语权。
对于消费者来说，影响会更直接。手机、PC 的更新换代可能会放缓，或者价格
会上涨。因为产能都被 AI 抢走了。SA 已经预测智能手机需求会出现低两位数
的同比下滑，部分原因就是内存价格上涨推高了手机成本。
苹果、三星这些手机厂商可能会面临两难选择：要么接受更高的芯片成本，要么延
长产品周期。iPhone 的年度更新传统，可能会受到挑战。
对于投资者来说，这份 SA 基本点明了几个方向：
关注供应链控制能力强的公司。在这个阶段，能拿到货比技术创新更重要。NVI
DIA 显然是最大受益者。
关注内存厂商。三星、SK 海力士、美光这些 HBM 供应商，在未来几年会有很
强的定价权。2027 年的 HBM 价格谈判，可能会出现大幅涨价。
关注台积电的竞争对手。虽然台积电现在一家独大，但这种极度紧张的供应状况，
会给三星、英特尔这些追赶者创造机会。如果他们能在先进制程上缩小差距，就能
分到一杯羹。
警惕消费电子板块。手机、PC 这些传统消费电子，在产能争夺中处于劣势。除
非是苹果这种有超强议价能力的厂商，否则中小厂商会很难受。
一些更深层的思考
第一，AI 的发展速度已经超出了硬件供应链的承受能力。这不是说供应链做得
不好，而是 AI 需求的增长太疯狂了。Anthropic 一个月增加 60 亿美元 ARR， 这
种增长速度在人类商业史上都是罕见的。
第二，硅片短缺可能会改变 AI 竞争的格局。以前大家比的是算法、模型架构、
训练技巧。现在，谁能拿到更多芯片，谁就能训练更大的模型，部署更多的服务。这
某种程度上是在“用钱砸”，但钱还不够，你还得有供应链关系。
第三，台积电的地位变得更加关键。他们现在不只是一个代工厂，而是 AI 产业
的“造王者”。他们的产能分配决策，直接影响着 NVIDIA、Google、AMD、A
WS 这些巨头的竞争力。这种权力集中，长期来看可能不是好事。
第四，消费电子和 AI 的资源争夺会越来越激烈。SA 提到的“位重新分配”，本
质上是一场零和博弈。AI 多用一片晶圆，手机就少一片。这会带来一系列连锁
反应：手机涨价 → 消费者需求下降 → 释放更多产能给 AI → AI 算力增加
→ AI 应用更普及 → AI 需求进一步增长。这是个正反馈循环。
我们总觉得 AI 发展是软件和算法的竞赛，但到头来，还是要回到最基础的硬件
制造能力上。台积电的一条产线，可能比任何一个大模型都更能决定 AI 产业的走
向。
Jensen 说过一句话：“加速计算的时代已经到来。”但现在看来，更准确的说法
可能是：“加速计算的时代已经到来，但硅片还没准备好。”
这或许就是所谓的“基础设施决定上层建筑”吧。在这场 AI 革命中，最终的赢家
可能不是算法最好的公司，而是供应链控制最强的公司。
