GPU bukan lagi bahagian yang paling kekurangan: bottleneck sebenar rantaian bekalan AI sedang berpindah kepada ABF, memori, dan penyimpanan Radar Rantaian Bekalan TrendForce baru sahaja mengeluarkan isyarat yang sangat penting: Kekurangan infrastruktur AI sedang berubah daripada “berebut GPU” kepada “berebut komponen penuh server”. Sekarang, tempoh penghantaran GPU adalah sekitar 20–30 minggu, dan perlahan-lahan kembali kepada keseimbangan yang relatif; tetapi bahagian penting lain masih jelas tertekan: ABF substrate: 48–56 minggu (Normal: sekitar 12 minggu) HDD: sekitar 50 minggu (Normal: sekitar 16 minggu) DRAM: sekitar 20 minggu (Normal: sekitar 8 minggu) NAND, MLCC: bekalan masih tertekan Ini bermaksud satu masalah yang sangat realistik: Memiliki GPU tidak bermakna server boleh dihantar dengan lancar. Server AI adalah satu sistem penuh. GPU hanyalah bahagian yang paling mahal dan paling ketara, tetapi jika sebarang komponen seperti substrate, DRAM, NAND, HDD, atau MLCC mengalami kekurangan, penghantaran keseluruhan unit akan terhenti. Oleh itu, fokus seterusnya dalam infrastruktur AI bukan hanya $NVDA itu sendiri, tetapi peluang perluasan dan kenaikan harga keseluruhan rantaian bekalan. ABF substrate Pembungkusan cip AI canggih menjadi semakin kompleks, menyebabkan permintaan terhadap substrate tingkat tinggi terus meningkat. DRAM / HBM Latihan dan inferens AI terus meningkatkan keperluan kapasiti memori dan lebar pita per unit, menjadikan nilai memori terus meningkat. NAND / HDD Data yang dihasilkan oleh AI semakin banyak, dan keperluan penyimpanan tidak hanya terhad kepada peranti komputasi berprestasi tinggi—data sejuk, data latihan, log, dan fail model juga memerlukan kapasiti penyimpanan yang lebih besar. MLCC Semakin tinggi penggunaan kuasa server dan semakin kompleks papan litar, semakin tinggi pula keperluan terhadap jumlah dan spesifikasi komponen pasif. Yang perlu diperhatikan ialah logik pelaburan AI telah berubah daripada: Kekurangan GPU menjadi: GPU + HBM + ABF + penyimpanan + komponen pasif + kuasa — semua saluran meluas serentak. Oleh itu, pasaran mungkin akan semakin memperhatikan bahagian-bahagian yang sebelum ini tertutup oleh cahaya GPU. Jika kita hanya melihat tahap kekurangan bekalan, saya akan fokus terlebih dahulu kepada: ABF substrate, DRAM / HBM, HDD kerana bahagian-bahagian ini mempunyai tempoh penghantaran yang paling jauh menyimpang daripada tahap normal, dan paling mudah mempengaruhi jadual penghantaran keseluruhan unit. Masalah sebenar dalam rantaian bekalan AI pada peringkat seterusnya mungkin bukan lagi: “Adakah ada GPU?” tetapi: “Bolehkah keseluruhan server AI disusun tepat pada masanya?”