AI 運算價格恐漲十倍，晶片供應跟不上需求

據科技分析師 Dwarkesh Patel 表示，隨著模型智慧超越硬體供應，AI 運算價格到 2028 年可能飆漲十倍，消費級 AI 應用將被排除在外。

「如果一個具備人類級程式設計能力的 AI 能在單一 H100 上運行，企業可能會理性地願意每年支付超過 25 萬美元來租用該晶片，」Patel 在影片分析中表示，這約是目前現貨價格的 15 倍。

此論述始於供需失衡。Anthropic 的營收據報導已在一季內增長十倍，到 2026 年底可能達到 1000 億至 1500 億美元，而業界運算容量每年僅增長約三倍。自 2 月以來，現貨運算成本已上漲超過 40%。Google 每月向 SpaceX 支付 9 億美元，租用 11 萬顆 GB200 和 GB300 GPU，約為目前現貨價格的兩倍。

此經濟格局有利於既有廠商。如果到 2028 年運算成本上漲 15 倍，缺乏付費用戶的新進業者將難以在競價中對抗 Google、Anthropic 和 OpenAI 等既有巨頭。效率成為溢價關鍵：當每個 GPU 小時成本高昂時，客戶會選擇以最少運算完成任務的模型，使最優秀的實驗室得以收取更高費用。

推論與訓練——核心的張力

根據 Patel 引用的 Epoch 數據，OpenAI 目前將至少一半的運算資源用於推論，高於 2024 年約四分之一的水準。但前沿實驗室希望繼續投資於訓練下一代模型。將大部分產能用於服務現有產品，意味著用於建構後繼模型的資源減少。Patel 估計，Anthropic 的推論利潤率已從 40% 攀升至 80% 以上，不過他稱這是「完全憑感覺的說法」。

這種張力是結構性的。對於追求通用人工智慧（AGI）的實驗室而言，推論主要用於證明商業可行性並資助下一輪訓練。將過多產能轉為雲端服務將意味著技術進步停滯。在訓練需求被鎖定的情況下，漲價成為供需失衡的唯一宣洩出口。這種動態解釋了為何前沿實驗室即使模型效率提升仍在調漲 API 價格——他們需要這些營收來資助下一代訓練運算。

供應瓶頸無視市場訊號

Patel 援引 Simon-Ehrlich 賭局作為警世故事。與價格訊號最終會引導新供應的商品不同，先進晶片生產面臨物理限制。摩爾定律每年貢獻約 1.4 倍增長，但已接近極限。新建晶圓廠每年增加約 1.2 倍，並受制於 ASML EUV 微影設備產能一直到 2030 年。將晶圓產能從手機和 PC 重新分配至 AI——最大貢獻來源，約 1.8 倍——已接近天花板。到明年底，AI 在台積電最先進 N3 製程中的占比將從 60% 躍升至 86%。

當所有前沿晶圓產能都被 AI 消耗殆盡時，產業將面臨硬著陸。Patel 承認市場往往能克服表面上的資源短缺，但他主張先進晶片供應無法像普通商品生產那樣快速反應。與銅或石油不同——價格上漲會激勵數年內開採新礦井或油井——尖端晶片產能需要多年建廠時間，以及 ASML 無法快速量產的 EUV 微影設備。運算價格最終可能再度變得便宜，但中間數年可能伴隨更高價格和更少的可行競爭者。

對投資者的意義

NVIDIA、台積電和雲端基礎設施供應商將受益於持續的定價能力。但低利潤率的 AI 應用公司將面臨殘酷擠壓。Alchian-Allen 效應意味著只有最高效的模型才能證明在高價硬體上運行的成本合理。廉價消費級 AI——Patel 所稱的「短影音垃圾內容」——可能變得無利可圖。其結果是經濟與技術權力高度集中在少數能負擔硬體軍備競賽的實驗室手中。對投資者而言，方向明確：做多掌握供應鏈的「賣鏟人」公司，避開運算成本上升將壓縮利潤率的應用層。

本文僅供參考，不構成投資建議。