编者按:一颗英伟达 Feynman Ultra,在 SemiAnalysis 的两版模型里,平均售价相差约 7.7 万美元。11 月 13 日,这家半导体研究机构把这款芯片的平均售价预测从约 17.5 万美元降至 9.8 万美元,降幅约 44%。高带宽内存(HBM)成本回落解释了其中一部分,剩下的调整则反映了分析师对英伟达定价能力的新判断。随着大客户手里的替代方案增多,英伟达下一代芯片能收取的溢价可能低于此前预期。
这轮调整远不止英伟达。SemiAnalysis 将 2028 年全球 AI 加速器支出预测从 1.054 万亿美元下调至 7,580 亿美元,少了近 3,000 亿美元。按新版模型,到 2030 年,年度支出仍将超过 9,000 亿美元,是 2026 年的两倍以上。增量依然可观,但前沿 AI 实验室第三季度净新增年化经常性收入放缓,投资者也收紧了对数据中心的融资。缺少大客户采购承诺的项目,往往要先解决谁来出钱建机房、接电、买设备,芯片订单才有望兑现。
英伟达面对的压力来自两类客户。Anthropic 可以在谷歌 TPU、亚马逊 Trainium 和两家 GPU 厂商之间分配算力。OpenAI 既在推进自研芯片,也能从与 AMD 的认股权证交易中获得潜在收益。与此同时,英伟达在各家芯片供应商中对新兴云服务商的敞口最大。这些客户需要先筹资买下 GPU,再靠出租算力回收投入。头部买家有更多选择,依靠融资扩张的买家又更难下单。两股压力叠加,SemiAnalysis 将英伟达 2030 年出货对应的算力产品收入预测下调了 66%。
博通和联发科的对比,则揭示了这轮竞争里容易被忽略的一笔账。两家都参与 TPU 项目,联发科能提供更低的系统成本,博通却有能力为土地、电力、机房和设备的融资安排提供支持。对资金吃紧的买家而言,一套系统最终花多少钱,和今天要拿出多少现金,是两道不同的采购门槛。当芯片竞争延伸到整个数据中心,能帮客户把项目建起来的供应商,也更有机会拿到订单。
以下为原文:

TL;DR
·SemiAnalysis 将 2028 年加速器支出预测从 1.054 万亿美元下调至 7,580 亿美元,2030 年预测较旧版低约 40%。
·前沿 AI 实验室第三季度净新增年化经常性收入放缓,债权和股权投资者也收紧了对 AI 基础设施的融资,缺少大云厂商采购承诺的项目尤为脆弱。
·高带宽内存(HBM)价格假设下修,是加速器支出预期下降的主要原因之一。新模型下,以比特计的 HBM 需求仍逐年增长。
·英伟达的数量和价格假设双双下调。按出货对应的算力产品收入衡量,2027 至 2030 年预测分别下调 22%、39%、56% 和 66%。
·博通 2026 至 2030 年定制芯片累计收入预测下调 11%,主要来自 HBM 降价。联发科为 Anthropic 设计的 Triggerfish,全生命周期出货量预测下调 42%。
·AMD 远期支出预测同样下修,但认股权证交易增强了其对 Meta 和 OpenAI 的吸引力。亚马逊 Trainium 的 2027 年和 2028 年出货预测维持原水平。
需求预测调整
我们下调了整个预测期内 AI 芯片与服务器的出货量、支出和电力需求预测,其中 2028 至 2030 年的预测受影响更大。这次下调反映了三方面的调整,即出货量减少、价格下降,以及对 2029 年和 2030 年未来加速器项目采用更低的单芯片功耗假设。
总体而言,我们调整预测的原因如下。
1、我们重新评估了整个生态系统的 token 总收入预期,特别是考虑到各家前沿 AI 实验室第三季度的净新增年化经常性收入(ARR)放缓。因此,我们下调了对新增供给的估计,使收入能够更持续地覆盖整体算力成本,正如我们在近期报告中指出的那样。我们对这些实验室的收入仍比市场共识更乐观,也看到许多可以部署前沿 AI 能力并获得高投资回报的领域。不过,基础设施建设能否获得融资,取决于资本市场参与者的整体预期,这就引出了下一点。
2、资本市场已经收紧,债权和股权投资者都更不愿意为 AI 基础设施建设相关的资本支出出资,尤其是没有超大规模云厂商承诺采购的项目。我们在融资框架报告中讨论过这个问题。这将减少数据中心的土地开发、电力配套及主体建筑建设,受影响的项目将更多集中在缺乏超大规模云厂商支持的项目上,可用于部署系统的电力也将随之减少。
3、美国中期选举的结果导致原计划于 2027 年下半年和 2028 年上半年投用的 5.8 GW 美国数据中心容量推迟。监管因素造成的进一步延期也在压低 2028 年的数据中心总容量。我们在分析中还考虑了这一因素,它确实导致近期算力设备出货量有所减少,但我们强调,前面两项因素更为重要。
下调幅度在各芯片平台和供应商之间并不一致。按照我们的分析框架,客户仍会优先选择单位总拥有成本性能(perf/TCO)和单位功耗性能(perf/W)最好的芯片,并在此基础上考虑融资条件。在这些指标上排名最靠后的平台,削减幅度将更大。结果是,英伟达受到的冲击最大,支出削减的大部分集中在英伟达。除此之外,在 ASIC 项目中,我们预计联发科的 TPU 项目也会受到影响,因为它的融资能力弱于博通。下图总结了加速器与 HBM 相关总支出的变化。

总支出的下降主要由价格走低推动。随着出货量预测下调,HBM 的供需关系更加平衡,因此我们也下调了 HBM 的价格假设。更多详情见同期发布的内存模型更新。为此,我们把 HBM 价格的变化计入各款芯片的预测,以反映物料清单成本(BOM)的变化。对于从 Feynman 开始的英伟达未来各款产品,平均售价(ASP)的下调还反映了较低的加价幅度,以及 HBM 成本的变化。这反映出 AI 硬件市场的竞争已经显著加剧。

此前预测的 2027 年支出增量中,相当一部分来自价格上涨,尤其是内存涨价。因此,随后的价格回落意味着供应链恢复到更为「正常」的状态。
价格变化也解释了为什么出货对应的硅面积和以比特计的 HBM 需求仍在上升,且增长快于名义支出。


AI 电力需求预测也有所下调。这是出货量减少和单芯片功耗假设下调共同作用的结果。由于电力仍是制约因素,我们预计未来的产品路线图会下调芯片的最大功耗。电力需求的下降也意味着,按我们的数据中心模型修订后的 2027 至 2029 年全球(不含中国)电力供应预测,这些出货的设备有足够电力完成部署。



接下来,我们将按供应商和平台逐一回顾这些变化。
英伟达
按算力产品收入衡量,我们将英伟达 2027、2028、2029 和 2030 年的出货预测分别大幅下调 22%、39%、56% 和 66%。按综合功耗衡量,则分别下调 14%、35%、50% 和 59%。从 Feynman 开始,除了计入 HBM 成本变化,我们还进一步下调了平均售价假设,因为我们认为,英伟达需要接受更低的利润率,才能保持相对于其他项目的竞争力。Feynman 的预测售价从约 11 万美元下调至约 7.8 万美元,Feynman Ultra 从约 17.5 万美元下调至约 9.8 万美元,Feynman Next 从约 19.1 万美元下调至约 11.8 万美元。价格和出货量同时下调,意味着英伟达的预测收入将显著下降。下调涉及 GPU、Groq LPU 和独立 CPU。
我们对英伟达需求的下调幅度最大,因为在前沿 AI 实验室的算力体系中,英伟达 GPU 的吸引力排名靠后。在 Anthropic 所用的四大算力平台中,也就是 TPU、Trainium、AMD GPU 和英伟达 GPU,英伟达 GPU 的地位最边缘。就单位成本性能而言,Anthropic 更青睐其他平台。
虽然 GPU 在 OpenAI 的基础设施中扮演更重要的角色,但把 AMD 认股权证交易带来的可观财务收益考虑在内,AMD GPU 已成为很有吸引力的选择。此外,OpenAI 将优先部署其 ASIC 项目的 Jalapeno 和下一代 Serrano,因为这些芯片的单位总拥有成本性能已处于领先地位。
此外,英伟达在各供应商中对新兴云服务商(Neocloud)客户的敞口最大,尤其是规模偏小的长尾客户。如今,新兴云服务商在项目执行和融资能力两方面都面临大得多的风险。中国终端客户向新兴云服务商承诺采购的算力规模也相当可观。《RASA 法案》成为法律的可能性似乎正在上升。一旦生效,远程访问 GPU 将被视为出口,中国客户远程访问先进 GPU 因此将构成违反出口管制。
最后,我们指出,这次模型调整未计入黄仁勋辞任英伟达 CEO 的影响。即便黄仁勋继续担任 CEO,我们也会作出同样的调整。鉴于黄仁勋对英伟达的重要性,我们认为,此次领导层交接将加大市场份额下滑的风险,降幅可能超过我们在此列出的预测。
由于 Vera Rubin L6 板卡的出货从第三季度推迟到第四季度,我们也调整了 2026 年第三和第四季度的预测。我们把约 10 万颗 Rubin GPU 从 2026 年第三季度移至第四季度,2026 年 Vera Rubin 全年出货量维持约 98 万颗。GB300 在第三季度增加约 13 万颗出货量,填补这一缺口。随着 Rubin 加快放量,我们在 2026 年第四季度的预测中调减了约 26 万颗 GB300 和约 15 万颗 H200。综合上述调整,英伟达 2026 年第三季度总收入约为 1,091 亿美元,第四季度约为 1,253 亿美元。

博通
博通受到的影响最小,2026 至 2030 年的 ASIC 累计收入预测下调 11%,主要是 HBM 成本降低带动平均售价下调,出货量削减的影响较小。我们认为,博通的需求不会下降,因为它的三大 ASIC 项目(TPU、OpenAI 和 Anthropic)能为终端客户提供更高的单位成本性能和单位功耗性能,同时博通也有能力为债权人提供的融资安排托底,为土地、电力、主体建筑和系统筹措资金。就 OpenAI 而言,我们将 2029 年第二代 Serrano 的预测规模下调 1 GW,同时大幅上调了 2030 年第三代产品的出货量。
我们小幅下调了 TPU 出货量,涉及谷歌和 Anthropic。由于预计得克萨斯州的数据中心开发将暂停,我们还把原定在 2027 年向 Anthropic 交付的 700 MW TPU 推迟到 2028 年。我们的数据中心团队预计,Crusoe/Goodnight 项目约有 275 MW 容量将从 2027 年第四季度延后,位于 Hubbard 的 Nexus 项目另有 330 MW 尚未获批,也面临风险。两处项目均用于部署 Anthropic 的 TPU。
博通另一个被我们下调预测的项目来自初创公司 MatX。我们认为,MatX 的不确定性更高,也更难获得融资,因此下调 Anthropic 对 MatX 芯片的需求预估。

联发科
我们对联发科出货量的下调幅度更大。
这既反映了融资因素导致 Anthropic 的需求下降,也反映了我们对 TPU 总需求的重新调整,因为按我们的模型,联发科未来将承担大部分 TPU 出货量,特别是谷歌内部使用的 TPU。即便经过此次下调,联发科在 2029 至 2030 年的 TPU 出货量仍高于博通和 AMD/Marvell 等其他合作伙伴。此外,由于联发科的客户自行采购 HBM,HBM 降价对联发科没有影响,因此收入预测的变化完全来自出货量下调。
下调主要集中在 TPU v9 的两款产品 Humufish 和 Triggerfish。我们将 Humufish 在 2028 和 2029 年的全生命周期出货量合计下调 47 万颗,这主要反映了 EMIB-T 良率仍面临风险。
鉴于融资约束是本次调整的主要原因之一,我们认为,博通为整个建设项目提供融资支持的能力对 Anthropic 更为重要。因此,我们下调幅度最大的项目是 TPU v9i(Triggerfish),其全生命周期出货量下调 42%。Triggerfish 在设计时参考了 Anthropic 的意见,原计划成为联发科首款对外销售给 Anthropic 的 TPU。
不过,我们也认识到,联发科的整体利润率低于博通,因此系统总成本更低,在资金受限时具有吸引力。这需要谷歌承担更多融资责任,或由 Anthropic 提高预付款。
对于后续的 TPU v10t(Icefish),我们放慢了 2029 年的放量速度,并将更多出货量移至 2030 年。

AMD
按综合功耗口径,我们将 AMD 2028、2029 和 2030 年的预测分别下调 23%、55% 和 57%,按支出口径则分别下调 29%、35% 和 32%。2027 年的功耗预测大致持平,支出预测下调 11%。虽然 AMD 也属于面向公开市场销售商用芯片的供应商,但收入下调幅度小于英伟达,因为 AMD 对超大规模云厂商和前沿 AI 实验室客户的敞口更大,这些客户包括 Meta、OpenAI 和 Anthropic。对 Meta 和 OpenAI 来说,认股权证交易使购买 AMD 系统几乎成了无需犹豫的选择。Anthropic 没有认股权证交易,但我们认为,AMD 的定价对 Anthropic 仍非常有利。在推理的单位美元性能方面,AMD 对 Anthropic 的吸引力仅次于 TPU。
此外,就近期而言,我们将 MI400 的放量时间提前,以反映 2026 年第四季度更强劲的产量爬升。我们把约 2.5 万颗 MI400 和约 3 万颗 Meta 定制版 MI450-MC 从 2027 年第四季度移至 2026 年第四季度。

亚马逊 Trainium
我们维持 2027 年和 2028 年 Trainium 的出货预测。对于 2029 年,我们把预计由 Trainium4 承担的出货量转给 Trainium5,并把 Trainium5 的生命周期进一步延长至 2030 年,同时调低 Trainium6 的放量规模。我们维持 Trainium 近期的出货预测,因为亚马逊在建和筹备中的数据中心项目储备十分充足,大多未受影响。此外,Trainium 的制造成本低得多,因此终端客户的成本也低。亚马逊也愿意出于战略考虑,对 Anthropic 和 OpenAI 等关键客户使用 Trainium 的项目给予补贴。
其他调整
我们将 TPU v9i(Whalefish)更名为 TPU v8i Max(Whalefish)。
我们将「B300 1200W」更名为「B300 1100W」,并相应更新热设计功耗(TDP)。芯片的综合功耗保持不变。
在 ODM 模型中,我们将微软 2027 年的 Vera Rubin 机柜订单下调 200 个。
