Hindi na ang GPU ang pinakamalaking kakulangan: Ang tunay na bottleneck sa supply chain ng AI, ay nagpapalit patungo sa ABF, memorya at imbakan Ang pinakabagong Supply Chain Radar ng TrendForce ay naglabas ng isang napakahalagang signal: Ang kakulangan sa AI infrastructure ay nagpapalit mula sa “paghahanap ng GPU” patungo sa “paghahanap ng buong mga bahagi ng server.” Kasalukuyan, ang lead time ng GPU ay nasa 20–30 linggo, at unti-unting bumabalik sa relatif na balanse; ngunit ang iba pang mahahalagang bahagi ay patuloy na nasa malaking kakulangan: ABF substrate: 48–56 linggo Normal: 12 linggo HDD: halos 50 linggo Normal: 16 linggo DRAM: halos 20 linggo Normal: 8 linggo NAND, MLCC: parehong nasa maliit na kakulangan Ito ay nangangahulugan ng isang napakatotoong problema: May GPU ka, hindi ibig sabihin na maaaring ma-deliver nang maayos ang server. Ang AI server ay isang buong sistema. Ang GPU ay ang pinakamahal at pinakamakikita lamang na bahagi, ngunit kung anumang isa sa mga bahaging ito—substrate, DRAM, NAND, HDD, MLCC—ay kulang, ang buong pag-deliver ay maaaring magkakaroon ng delay. Kaya ang susunod na yugto ng AI infrastructure na dapat tandaan, hindi lang ang $NVDA mismo, kundi ang buong supply chain na nagpapalawak at nagpapabilis. ABF substrate Lalong kumplikado ang pag-pack ng advanced AI chip, kaya tumataas ang pangangailangan sa mas mataas na antas ng substrate. DRAM / HBM Ang AI training at inference ay patuloy na tumataas sa pangangailangan para sa kapasidad at bandwidth ng memorya, kaya tumataas pa rin ang halaga ng memorya. NAND / HDD Lalong lumalaki ang data na ginagawa ng AI, at ang pangangailangan sa imbakan ay hindi lamang nakatuon sa high-performance computing—kailangan din ng mas malaking kapasidad para sa cold data, training data, logs at model files. MLCC Mas mataas ang power consumption ng server at mas kumplikado ang mga board, kaya mas mataas din ang pangangailangan sa bilang at spesipikasyon ng passive components. Ang totoo na napapansin ay ang AI investment logic ay nagsilip mula sa: Kakulangan sa GPU patungo sa: GPU + HBM + ABF + imbakan + passive components + kuryente—lahat ng bahagi sa chain ay nagpapalawak nang sabay-sabay. Kaya sa susunod, mas magiging nakatuon ang merkado sa mga bahaging dating nakatago sa ilalim ng liwanag ng GPU. Kung titingnan lang ang antas ng kakulangan, una kong i-observe ang: ABF substrate, DRAM / HBM, HDD dahil ang mga bahaging ito ay may pinakamalaking pagkakaiba sa kanilang lead time kumpara sa normal, at pinakamadaling makaapekto sa timeline ng pagkakabuo ng buong unit. Ang tunay na problema sa susunod na yugto ng AI supply chain ay maaaring hindi na: “May GPU ba?” kundi: “Maaari bang makabuo nang on-time ang buong AI server?”