鉅亨網新聞中心
半導體與 AI 產業研究機構 SemiAnalysis 創辦人 Dylan Patel 近日在一場訪談中，罕見公開自家公司的營運數據與對 AI 產業鏈的最新判斷，內容涵蓋 Anthropic 的獲利狀況、AI 支出的驚人成長速度，以及記憶體、CPU、光通訊與電力等關鍵環節的未來走向。對投資人理解「AI 是否泡沫化」這個爭論已久的問題，提供了少見的第一手產業視角。
分析指出，綜合這場訪談內容，可以歸納出三項值得留意的產業判斷：
談到市場最關心的 AI 投資報酬率（ROI）爭議，Patel 提出一個關鍵事實：Anthropic 在今年第二季已經轉為獲利，且自由現金流為正。四月、五月的財報均已確認獲利且現金流轉正，六月雖尚未完全結算，但趨勢相同。
該公司年度經常性收入（ARR）已突破 500 億美元，毛利率維持在 70% 以上。隨著程式協作工具 Codex 採用率上升，OpenAI 的營收成長也正在加速。
不過硬幣的另一面，是企業端 AI 支出正呈現指數級成長。Patel 自創「年度經常性支出」一詞來描述這股趨勢。
SemiAnalysis 去年 11 月、也就是 Claude Code 問世前，全公司 AI 相關支出一年不到 10 萬美元，僅是替每位員工訂閱一份 200 美元的 ChatGPT 帳號；隨著 Claude Code 搭配 Opus 4.5、4.6 版本推出，今年 1 月底已飆升至 400 萬美元，如今更達到約 1100 萬美元，尖峰時期一度衝上 1400 萬美元。
而這，僅是一家 90 人規模的公司。目前 AI 支出已超過員工薪資總額的三分之一，年底前可能達到與薪資「一比一」的水準。
不少公司在第一、二季就已用罄全年 AI 預算，多數選擇刪減其他軟體訂閱甚至裁員，也要優先保住 AI 支出，因為「壓縮 AI 使用量的公司，生產力會被大幅甩開」。
Patel 指出，一般人對 AI 降本存在誤解，認為省錢就該換用便宜模型，但這其實要視工作型態而定。
若是已整合進固定流程、只需達到特定品質門檻的任務（例如文件內容檢查），確實可以等待更便宜的新模型問世來降本，這類任務的成本每年約可下降 60 倍。
但若是日常智力型工作或代理任務，降本的關鍵反而是使用最新、最貴的模型，因為新模型更聰明、消耗的 token 更少、來回溝通次數更少，整體成本反而更低。
他也提到，SemiAnalysis 之所以仍以 Anthropic 的 Claude Code 為主要工具，正是因為其模型在 token 使用效率上優於 OpenAI；後者雖然在頂尖科學、數學與程式碼的邊緣任務上表現突出，但往往需要多花三倍時間、四倍 token，在需要人機即時互動的場景中反而體驗較差。
Patel 表示，記憶體市場向來是典型的景氣循環產業，約 18 至 24 個月一輪漲跌。但這一輪不同以往：過去幾年 AI 總支出已翻倍，且還會再翻一倍，記憶體價格目前已上漲約 4 倍，接下來預期還將再漲 2 至 3 倍，毛利率可能一度衝上 85% 至 90% 的非典型高水準，之後才會回落。
背後的技術成因，在於推理模型大量消耗所謂的「KV 快取」記憶體資源。
自 OpenAI 於 2024 年 12 月發表首款推理模型 o1 以來，SemiAnalysis 便判斷預訓練擴展法則正逐漸讓位給推理擴展法則，而這將帶動記憶體需求暴增。
由於記憶體產能未來三年每年僅能增加 20% 至 30%，但需求卻在翻倍成長，價格勢必持續上漲，直到把部分需求擠出市場為止。
這股壓力也將傳導至消費性電子產品。Patel 預測，明年蘋果 (AAPL-US) iPhone 與 MacBook 必須大幅調漲售價，且漲幅恐怕不只是 100 美元，而是數百美元的等級，才能反映記憶體成本的持續攀升。
過去三年 AI 熱潮中幾乎無人關注的 CPU，今年突然成為市場焦點。
Patel 分析，需求成長主要來自兩股力量：一是強化學習訓練需要大量 CPU 資源來驗證程式碼、模擬環境；二是 AI 代理模式興起，模型必須不斷透過工具呼叫與真實世界互動（搜尋、查詢資料庫、編譯部署程式碼），全球 GitHub 程式碼提交量已年增翻了數倍。
CPU 市場格局也從過去英特爾 (INTC-US) 、超微半導體 (AMD-US) 兩強對峙，演變為五方混戰。亞馬遜 (AMZN-US) 自研的 Graviton 處理器、輝達 (NVDA-US) 新推出的 Vera 系列、新進場的 ARM(ARM-US) ，以及仍能持續提價的英特爾與 AMD。
不過 Patel 也提醒，部分賣方分析師誇大了 CPU 與 GPU 的支出比例。他以實際成本試算：一顆滿配的 Blackwell 晶片售價逾 5 萬美元，即便以 1 比 1 配置 CPU，成本也僅約 5000 美元；若 Blackwell 整體市場規模達 3000 億至 5000 億美元，帶動的 CPU 商機僅約 300 億至 500 億美元。
他認為，這波 CPU 熱潮主要是過去三年 GPU 出貨未配足 CPU 所產生的「補漲」，一旦缺口補齊，成長動能便會回歸常態，不應被過度炒作成下一個 GPU 級別的投資主題。
隨著 AI 叢集規模擴大，網路連接的重要性也水漲船高，其在 AI 晶片相關支出中的占比正從不到一成，逐步邁向共封裝光學（CPO）時代的二至三成。
不過 Patel 在市場最熱門的 CPO 議題上，提出明確的反主流看法：他認為 CPO 要到 2029 年才會真正大規模放量，2027 年幾乎不可能落地，2028 年底才會進入起步階段，主因是製造端的產能、良率與晶片設計都尚未成熟。
因此中期而言，SemiAnalysis 看多銅纜與非 CPO 光模組，看空 CPO 本身，並認為安費諾 (APH-US) 等背板連接器與電纜相關廠商，未來幾年表現可能優於市場先前預期。
在模型、晶片、記憶體、網路之外，電力供應是資料中心擴張最大的制約因素。Patel 預估，今年全球將部署 20 吉瓦的資料中心，明年將成長至 30 吉瓦，後年更達 50 吉瓦，制約程度依序為能源供給、政治監管、施工許可。
值得注意的趨勢是「表後自建電站」快速興起。Patel 預期未來幾年，資料中心新增用電將有一半來自場內自行發電，而非仰賴電網輸入，其中不乏將火車、輪船、卡車引擎改裝為天然氣發電機的做法。
他也提到，約兩年後太陽能加儲能系統的成本有望低於天然氣發電，長遠而言甚至可能出現太空資料中心的構想。
耐人尋味的是，SemiAnalysis 內部規模最大的研究團隊，並非鎖定在半導體本身，而是聚焦資料中心、能源與工業供應鏈，這也是該公司自認業界獨有的競爭優勢：能夠追蹤全球每一座資料中心與發電廠的建置進度。
上一篇
下一篇
