SemiAnalysis下调AI芯片预期:2028年资本开支砍28%,英伟达承压最重
AI基础设施投资的增长预期,正在发生一次明显变化。
AI基础设施投资的增长预期正在被重新校准,变化幅度不小。
11月13日,半导体研究机构SemiAnalysis发布最新模型调整,把未来几年全球AI加速器的资本开支、芯片出货量、HBM需求以及功耗预测一并大幅下修。2028年全球AI加速器资本开支预期从此前的1.054万亿美元降到7580亿美元,下调28%;2030年则从1.531万亿美元降到9230亿美元,下调约40%。
这轮调整里英伟达受影响最大。SemiAnalysis既大幅下调了英伟达未来几年的GPU出货预期,也下调了下一代Feynman系列产品的价格。博通受到的影响相对较小,AMD表现出一定韧性,亚马逊Trainium的短期出货预期甚至没有变化。
算力市场或许正进入一个新阶段:需求还在增长,但市场此前对算力投资规模、芯片价格以及客户采购能力的乐观预期,开始被重新评估。
全球AI算力投资预期,出现近万亿美元级别的调整
整体市场的情况先看。
SemiAnalysis最新预测显示,2027年全球AI加速器资本开支从此前预计的7700亿美元降至6270亿美元,下调19%;2028年从1.054万亿美元降至7580亿美元,下调28%;2029年从1.352万亿美元降至7960亿美元,下调41%;2030年则从1.531万亿美元降至9230亿美元,下调约40%。
按这一预测,2027年至2030年全球AI加速器资本开支累计预期较此前减少约1.6万亿美元。市场原本预计AI加速器年度资本开支会在2029年突破1万亿美元,如今这个时间表被明显推后。
BigGo Finance在相关报道中指出,调整不代表AI算力需求消失,而是此前预期中的高速扩张正在降温。按调整后的模型,全球AI加速器资本开支仍会从2026年的3920亿美元增长到2030年的9230亿美元,只是增长斜率明显放缓,2029年甚至可能只有约5%的同比增长。
SemiAnalysis给出的原因主要有三个。
首先是头部AI公司的收入增长出现放缓迹象,部分前沿AI实验室第三季度新增年化经常性收入(ARR)增速不及此前预期。SemiAnalysis因此重新评估了AI模型商业化能带来多少收入,以及这些收入究竟能支撑多大规模的算力投入。
融资端也在收紧。过去不少AI数据中心项目靠债务和股权融资往前推,现在碰上缺少大型云服务商采购承诺的项目,投资者出手更为谨慎。土地、电力、数据中心主体建筑乃至后续设备采购,都可能被波及。
美国中期选举带来的监管变量,同样可能让部分数据中心项目拖后。SemiAnalysis预计,原定2027年下半年至2028年上半年投产的约5.8GW数据中心容量存在推迟可能。不过该机构强调,收入增长放缓和融资环境收紧才是这次调整的主因。
调整也传导到了半导体产业链。
SemiAnalysis把2026年至2030年全球AI加速器逻辑晶圆累计出货面积预测下调17%,其中2029年单年下调幅度达到24%。
HBM方面,2028年全球出货量预测从9.0EB降至6.4EB,下调30%;2029年从10.3EB降至7.9EB,下调23%;2030年从10.9EB降至9.6EB,下调12%。
同时,2030年全球AI加速器功耗需求预测从122.8GW降至80.7GW,下调34%。
这里有个细节值得注意:资本开支的下调幅度,并不完全等于芯片实际需求的下调幅度。
拿2030年来说,AI加速器资本开支预测被下调约40%,逻辑晶圆出货面积却只下调15%,HBM位元需求下调12%。可见这轮调整不光是出货量少了,还有相当一部分来自芯片售价和存储器成本预期的回落。
SemiAnalysis的判断是,HBM供需关系逐步改善后,存储器价格会回归正常。此前AI基础设施投资增长中,有相当一块来自存储器涨价,眼下这部分价格溢价正被重新调整。
对晶圆代工、半导体设备以及封装测试企业而言,不能把AI加速器资本开支下调40%直接当成全产业链需求也缩水40%。实际冲击多大,还得看晶圆面积、HBM位元需求和具体产品出货量的变化。
英伟达承受最大压力,未来出货和产品售价双双下调
在主要AI芯片供应商中,英伟达无疑是这轮调整里最受影响的公司。
按算力产品营收口径,SemiAnalysis将英伟达2027年至2030年的出货预测分别下调22%、39%、56%和66%;按包含整个系统在内的总功耗口径计算,下调幅度分别为14%、35%、50%和59%。
英伟达未来产品的定价预期同样出现明显松动,这一点或许更值得留意。
按照SemiAnalysis的说法,英伟达除了要消化HBM成本下降的影响,还得压缩产品加价空间、接受更低的毛利率,否则竞争力难以维持。
落到具体产品上,Feynman的预估售价由约11万美元降到7.8万美元,Feynman Ultra从约17.5万美元降到9.8万美元,Feynman Next则从约19.1万美元降到11.8万美元。
三款之中,Feynman Ultra的价格预期降幅超过四成。
客户采购数量减少是一重压力,产品定价能力受挑战是另一重。况且这轮调整不只涉及GPU,
Groq LPU和独立CPU也在其中。
英伟达为何承压最重?
SemiAnalysis给出的解释是,大型AI客户手上的算力平台选项越来越多,英伟达GPU已经不再是各类场景里最有吸引力的那个。
拿Anthropic来说,它眼下同时使用Google TPU、Amazon Trainium、AMD GPU和NVIDIA GPU四大平台。SemiAnalysis判断,从性能与成本的综合表现看,英伟达GPU在这四种方案里位置相对边缘,Anthropic更愿意选另外三种。
OpenAI的采购策略同样在变。它的基础设施仍以GPU为主,可AMD与OpenAI签下的认股权证协议,让AMD GPU多了一层财务上的吸引力。另外,OpenAI会优先部署自研ASIC Jalapeno和下一代Serrano。
Neocloud(新兴云服务商)是另一个绕不开的变量。
在主要供应商当中,英伟达对Neocloud客户的业务敞口最高,尤其是数量众多的中小长尾客户。这类企业一般要先融资买GPU,再靠出租算力收回投资。资本市场一旦收紧,那些没有大型客户采购承诺托底的项目就更容易出问题。
还有一点,部分Neocloud的GPU承租方牵涉中国终端客户。假如美国RASA法案通过,远程使用GPU也可能被算作出口行为,中国客户远程调用先进GPU就要面对出口管制风险。
SemiAnalysis特别提到,本次预测调整没有把黄仁勋卸任英伟达CEO的可能性算进去。就算黄仁勋留任,该机构的下修结论也不会变。但它认为,领导层交接有可能让英伟达市场份额流失的风险进一步加大。
产品交付节奏上,英伟达近期也做了调整。
Vera Rubin L6板推迟到第四季度,约10万颗Rubin GPU从第三季度挪到第四季度,不过2026年Vera Rubin全年出货量预期仍保持在约98万颗。
为了补上第三季度的交付缺口,英伟达会多出约13万颗GB300;第四季度Rubin加速放量后,GB300和H200的出货预期分别下调约26万颗和15万颗。
经此调整,英伟达2026年第三季度、第四季度总营收预测分别约为1091亿美元和1253亿美元。2027年面向微软的Vera Rubin机柜订单也少了200柜。
博通相对稳健,联发科TPU业务面临重新评估
和英伟达相比,博通在这轮调整中显得更有韧性。
SemiAnalysis把博通2026年至2030年ASIC业务的累计营收预测下调11%,主因是HBM成本下降带动产品售价调整,出货量并没有被大幅削减。
博通的底气来自其主要ASIC项目——Google TPU、OpenAI和Anthropic相关项目——在性能成本比和能效上有竞争力。更关键的是,博通还能帮客户向债权人争取融资支持,覆盖数据中心土地、电力、建筑主体和系统建设。
AI数据中心建设越来越吃资本投入,芯片供应商能不能帮客户解决融资和基建问题,已经成了一项重要竞争力。
博通当然也有项目被调。OpenAI第二代Serrano在2029年的预期规模少了约1GW,但2030年第三代产品的出货预期被大幅上调。
Google和Anthropic的TPU项目也小幅下修。原定2027年交付给Anthropic的700MW TPU推迟到2028年,原因是德州部分数据中心建设进度不确定:Crusoe/Goodnight项目约275MW的容量可能延期,Hubbard的Nexus项目约330MW还没拿到许可。
联发科这轮被砍的幅度,比博通还要大。
按SemiAnalysis的说法,联发科TPU业务预期下调有两个原因:一是Anthropic的融资能力出现变化,需求随之缩水;二是整个TPU市场被重新评估了一遍。
受影响最重的是TPU v9系列。Humufish在2028年至2029年的生命周期出货量少了约47万颗,主要反映EMIB-T工艺的良率风险;TPU v9i(Triggerfish)的生命周期出货量则被砍了42%。
Triggerfish还有一层特殊背景:它是照着Anthropic的意见设计的,原本有望成为联发科第一款交付给外部客户Anthropic的TPU产品。
SemiAnalysis的判断是,融资眼下成了主要限制因素,博通能替数据中心整体建设提供融资支持,这对Anthropic更有吸引力。
联发科的强项是整体系统成本低,毛利率比博通低,资本受限时照样有竞争力。不过这得让Google多担一些融资责任,或者让Anthropic提前多付些钱。
但SemiAnalysis对联发科未来在TPU市场的份额仍持乐观态度,尤其是Google内部自用的TPU。即便经过这次下调,其对联发科2029年至2030年TPU出货量的预测,仍高于博通以及AMD/Marvell。
AMD和亚马逊Trainium,成为相对受益的平台
AMD的预测也被下修,但幅度比英伟达小。
按总功耗算,AMD在2028年至2030年的预期分别下调23%、55%和57%;按支出算,分别下调29%、35%和32%。2027年的功耗预期基本没动,支出下调11%。
AMD受影响较小,跟它的客户结构有关。英伟达对Neocloud客户的敞口较高,AMD的客户则更多集中在大型云服务商和AI实验室,包括Meta、OpenAI和Anthropic。
其中,Meta和OpenAI与AMD都签了认股权证协议,买AMD系统有额外的财务吸引力。Anthropic虽然没有类似协议,但AMD产品价格有竞争力。在推理场景的每美元性能表现上,Anthropic把AMD排在TPU之后。
另外,AMD还把部分MI400产品的放量时间提前了。约2.5万颗MI400,加上约3万颗Meta定制MI450-MC,都从2027年第四季度提前到2026年第四季度,说明AMD对近期量产爬坡的预期有所增强。
亚马逊Trainium那边,2027年和2028年的出货预测一点没降。
SemiAnalysis认为,亚马逊的数据中心建设项目储备充足,融资环境变化对它的影响较小。加上Trainium制造成本低,终端客户用起来也相对便宜,亚马逊还愿意针对Anthropic、OpenAI等关键客户给策略性补贴。
2029年以后,亚马逊把部分Trainium4的出货量挪到了Trainium5,Trainium5的部署周期延长至2030年,同时下调了Trainium6的放量规模。
从这轮调整看,AI算力市场并没有丢掉增长动力,只是此前市场对未来投资规模的预期,明显过于乐观。
更关键的是,竞争的评价标准正在变。
过去几年,英伟达靠GPU性能、CUDA生态和供应链优势,在AI算力市场占据主导。可随着大型AI企业开始部署更多自研ASIC,同时引入AMD GPU、Google TPU和Amazon Trainium,客户对单一供应商的依赖正在降低。
如今用在 AI 基础设施上的钱越来越多,光看芯片性能够不够已经不行了。采购时还要算产品成本、能效和融资能力,数据中心建得快不快也会左右最终选谁。
对半导体产业链来说,这轮调整释放的信号是:AI芯片市场的增长,正从单纯追求算力规模,转向更重视投资回报和整体系统成本的阶段。
英伟达真正要面对的挑战,或许不只是出货预期下调,而是客户开始有了更多选择。