SemiAnalysis 分析師討論半導體市場調整與人工智慧需求的不確定性

整理 & 編譯：深潮 TechFlow

嘉賓：Doug O'Loughlin，SemiAnalysis 分析師（前 Fabricated Knowledge 創始人）

主持人：Dylan Patel，SemiAnalysis 創辦人

播客源：SemiAnalysis Weekly

第 022 集 - 市場回撤、歷史性泡沫、融資建設、AI 政治（Doug 回歸）

播出日期：2026 年 7 月 29 日

利益聲明：Doug O'Loughlin 和 Dylan Patel 均為 SemiAnalysis 員工，SemiAnalysis 為半導體行業付費研究機構，其商業模式依賴行業景氣度。以下內容忠實呈現對話原文，不構成投資建議。

Doug O'Loughlin 久違回歸 SemiAnalysis Weekly，正值半導體板塊經歷「史上最佳上半年」之後的劇烈回撤。韓國 KOSPI 跌 40%，散戶 2x 杠桿被清零，SK Hynix 因轉向 LTA 導致價格漲幅放緩而 miss 預期。Doug 將當前局面與 1980 年代台灣泡沫類比，認為泡沫的行為模式高度相似，但基本面仍然健康。

兩人就「AI 的需求究竟有多大」展開激烈辯論。Dylan 從 SemiAnalysis 的自身經驗出發：上線編碼代理後，公司 AI 支出增長了 100 倍，用戶從 9 人擴展至 90 人，每人使用量也增長了 10 倍。Doug 不否認需求強勁，但提出核心擔憂：供應端可以精確計算，而需求端是「萬億級問題」，沒有人能給出答案。更重要的是，擴展法則要求晶片數量翻倍，但電工、資本、許可等物理和制度瓶頸無法同步翻倍。今年超大規模雲廠商已發行債券 450B 美元，資金來自養老金和年金，而養老金池本身正在縮水。

關於市場回撤

By the end of Q2, this was the best performance in semiconductor history. Then we started to pay back the debt. The faster something rises, the stronger the gravity.

韓國人有個 20 年的紀錄：每次都在高點買入。2007 年買銀行，2021 年買 SaaS，這次則豪賭自己。

KOSPI 下跌 40%，2 倍槓桿的人直接歸零。接著便是自我實現的螺旋：每個人看著帳戶縮水，決定賣出，進而加劇下跌。

關於記憶體週期

SK Hynix 轉向更多 LTA，價格漲幅從 3 倍放緩至 30 到 50%。金融圈的腦子全壞了，只看變化率。二階導數一下來，就覺得週期結束了。

半導體的劇本永遠都一樣：短缺時所有人都雙重下單，工廠看到需求瘋狂擴產。然後需求打個噴嚏，供應還在 ramp，利用率從 100% 掉到 50%，只能砍價。

關於 AI 需求

需求曲線才是萬億美元的問題。供給曲線相對容易理解，但需求到底是 10 倍還是 100 倍，沒人知道。

SemiAnalysis 自己就是案例：編碼代理上線後，9 個技術用戶變成 90 個全員用戶，每人 token 用量也增加 10 倍。公司 AI 支出增加 100 倍。

關於供應鏈瓶頸

The U.S. is short 100,000 electricians. Mid-level electricians earn $250,000 annually, and those willing to work overtime can earn $400,000 to $500,000. Some people use Cessna small planes to transport electricians to remote construction sites.

The world's largest cloud providers issued $450 billion in debt this year, second only to the borrowing volumes of the U.S. government and China. This money comes from pension and annuity funds, but pension pools will not double.

TSMC directly and indirectly accounts for 20% of Taiwan's GDP. If it doubles again, Taiwan will need to have more children just to have enough workers.

關於 AI 政治

AI 的不受欢迎程度低於冰淇淋，低於政客。這並未被定價。在中期選舉中，AI 將成為生活成本議題的替罪羊。

《ROSA 法案》在眾議院以 300 比 20 通過，但滯留在參議院。企業遊說力量正在阻撓限制中國遠端存取 GPU 的立法。

Dylan：股市回撤，所有 AI 相關名稱都在下跌。我們今天要麼火上澆油，要麼給大家一點安慰。

Doug：到 6 月 30 日第二季度結束時，這大概是半導體歷史上最出色的表現。然後我們就開始了平倉。其中很多可以歸因於技術性因素：槓桿、動量反轉。但現實是，漲得越快的東西，重力越大。我們正在為之前瘋狂的動量反彈付代價。

韓國的情況非常瘋狂。每天都有股票跌至停板。有一條推文說：「我該怎麼做我的工作？」人力資源總監賠光了所有錢，所有人都很抑鬱，因為所有股票都下跌了。如果你回顧亞洲金融市場的歷史，這種情況發生的頻率比你想象的要高。

我最喜歡的一本書講的是台灣大泡沫。台灣在人均基礎上出現了 100 倍的泡沫，銀行交易達到 500 倍市盈率，所有東西都瘋了。

Dylan： 這是什麼時候？

Doug：1980 年代末。

Dylan： 你覺得現在韓國的基本面和那時候不同嗎？

Doug：基本面是好的。但問題是，事情永遠沒有恐懼的那麼壞，也沒有你想像的那麼好。SK Hynix 今天未達預期，因為他們轉向了更多 LTA。諷刺的是，他們在進行 ADR 路演時還在抱怨 Micron 做 LTA 拿到了更低的價格。

去年記憶體價格上漲了約 3 倍，明年不可能再漲 3 倍，可能上漲 30% 到 50%。但金融圈的人全傻了，只看變化率。歷史上記憶體週期中，二階導數一下來，通常就是終點。因為變化率不會停在 30%，而是會直接跌到負 50%。

這個週期的劇本永遠都一樣：所有人都投資建廠，產能上線，然後發現「天哪，需求怎麼這麼少」。因為之前是雙重下單、三重下單。工廠從 100% 利用率跌到 50%，唯一能回本的方法就是砍價。這就是半導體市場的本質。

KOSPI 現已下跌 40%。2 倍槓桿的人直接歸零。接著便出現自我實現的螺旋：每個人都看著賬戶縮水，決定賣出，進而加劇下跌。

Dylan：最近中國記憶體進入生態系統，CXMT、YMTC 大 IPO，你怎麼看？

Doug：歷史上，中國一碰上什麼，就把什麼搞成白菜價。他們有產能，即使良率低，也無所謂。中國企業不是在競爭利潤率或 EPS，股東就是政府，政府鼓勵生產，各省之間為 GDP 互相競爭。

CXMT 現明確為市場第四，但在供應短缺的環境下，他們依然能賺錢。Apple 已開始使用 CXMT 的記憶體，因為 Micron 在「價格欺詐」。沒有人在賭場裡哭，Tim Apple。你得按市場價格購買。

CXMT 可能會搞砸派對，但現實是需求仍高於供給。真正的萬億美元問題是：需求到底在哪？供給曲線相對容易理解，但需求曲線我們無從得知。我們知道編碼代理和聊天機器人意味著更多需求，但不知道是 10 倍還是 100 倍。供給會盲目擴張，直到某一天撞上需求曲線。

Dylan：我覺得需求明顯非常強勁，而且會持續很長時間。光是看我公司內部的使用量就足夠了。如果你認為未來需求會持平甚至下降，那你得相信模型不會再進步。我看不到任何停滯的跡象，只看到相反方向的信號。

Doug： 讓我當一下魔鬼代言人。最大的空頭論點是什麼？技術進步的速度可能超過人們使用它的速度。假設 AI 的殺手級應用是資料輸入，Kimi K3 就夠用了。我們製造越來越快的車、越來越好的產品，但真正的需求曲線已被一個我們已掌握的產品滿足。

這就像互聯網泡沫：當時人們說「需求每 90 天翻倍」，但光纖技術每年提升 2 到 3 倍。最後一根光纖的性能變成了原來的 50 萬倍，然後大家說：「等等，我們好像不需要這麼多光纖」。

Dylan：我不同意，但這值得討論。我的反駁是：還有 100 到 1000 倍的人目前根本沒有使用任何模型。第二，AI 的用例遠不止編碼。它還可以用於視頻生成、藥物發現、材料科學。有人用 AI 做超導元件，這值多少錢？值很多 GPU 的錢。

而且編碼本身不只是「將一個 div 居中」。它代表一整類經濟價值遠高於前端調試的任務。Sam Altman 談到 RSI（遞歸自我改進），Anthropic 即將推出新模型。編碼代理在 Claude 4.5 版本就是一個明確的轉折點：你跨過某條智能紅線，一個全新的市場就出現了。前一天你做不到的事，第二天就能做到了。

Doug：你是原型用戶。去年此時，SemiAnalysis 技術團隊不到 10 人使用編碼代理，而你對 Dylan 說：「公司每個人都要學會使用這個」。現在我們有 90 個用戶。

Dylan：從 9 到 90，增加了 10 倍。然後在 3 到 4 個月內，每人使用量也大約增加了 10 倍。公司 AI 支出增加了 100 倍。現在的問題是，每家公司都會這樣嗎？可能不會有我們這麼高的強度，但很多公司都有大量工作可以削減。

Doug：我覺得舊晶片會變得毫無價值。所有人都說「H100 是升值資產」，但總有一天，運行一個模型會需要 100 張 H100。到那時，你就會說：「讓老姑娘退休吧，買張 B300」。真正的確認信號是 B200 和 B300 之間出現定價分化。

Dylan：我完全不同意。最根本的原因是：沒有人會把 H100 拆下來換成 B300。資料中心的設計完全不同。你無法在同一個機房內將 Hopper 換成 Blackwell 或 Rubin，你必須把整個系統拆掉並重建。因此，要合理化退役整個 Hopper 資料中心，必須先證明這些晶片的收入已低於營運成本。這不是變動成本，而是沉沒成本。

Doug：在無摩擦的世界裡你是對的，但我們生活的世界摩擦越來越大。新建算力的摩擦包括電力許可、土地和審批。

Dylan：對，我同意。GPU 價格下跌的情景是模型進步停滯，上漲的情景是模型進步持續。還有一個 X 因素：政府干預前沿實驗室。如果限制誰能使用最新最好的晶片，需求會被壓縮，舊晶片的價格也會跟著下跌。

Doug： 最讓我擔心的不是需求，而是供應端的物理瓶頸。第一個是電工。美國缺 10 萬名電工。中級電工年薪 25 萬美元，願意工作 18 小時的可達 40 萬、50 萬美元。有一個網站追蹤電工招聘，Wayback Machine 上可見時薪從 15、20 美元漲至 50、100、200 美元。培訓一名電工需要 18 個月。若要再翻倍的人數，我們從未訓練過這麼多。

第二是資本。今年，超大規模雲廠商發行了約 $4500 億債務，創下歷史新高，僅次於美國政府和中國政府。這些債券必須有人購買。要讓更多人購買，就必須提供更高的利率。而這些資金的來源，很大程度上來自退休金和年金。退休金池正在結構性萎縮。養老金已大量轉向 401k，而 401k 不購買債券。因此，你基本上得相信每個人都需要兩倍的保險，但這說不通。

擴展法則說：「太好了，我們把模型放大兩倍」。但並非所有東西都能同步放大兩倍或三倍。

Dylan： 等一下，你是說養老金在為數據中心建設付錢？

Doug：是的。年金在退休前集中購買，嬰兒潮一代都在退休，因此這個資產池較大。但它能翻倍嗎？能三倍嗎？我不這麼認為。人壽保險也是來源之一。但你得相信所有人都需要兩倍的保險。沒人會購買兩倍的人壽保險。

Dylan： 這很有意思。退休金在結構上萎縮，但確實有很多錢在那裡。

Doug：另一個例子是台灣。台積電直接或間接佔台灣 GDP 的 20%。如果台積電產能再翻兩三倍，台灣就得靠多生孩子才能湊夠工人。台灣只玩一個遊戲。台灣今年 GDP 增長了 25%，就是因為 TSMC 在烤晶片。但如果再翻倍，人就不夠了。

Dylan： 很多人不喜歡 AI，這尚未被定價。怎麼會被定價？我認為是中期選舉。

Doug：AI 大概是第五優先級，不是前三。醫療、生活成本排前面。沒有人會以 AI 為政綱參選。

Dylan：但 AI 會成為生活成本議題的子代理。不是「我們是否支持 AI」，而是「關心經濟，怪科技 bro 和 AI」。ROSA 法案在眾議院以 300 比 20 通過，卻卡在參議院。企業遊說正在阻止它。

Doug： 如果不是前三優先級，遊說力量就會勝過民意。

Dylan：但 AI 已經成為人們在其他議題上的替罪羊了。氣候變化、住房、通脹，AI 和科技 bro 都會被拉出來。

Doug： 有一項有趣的民調：討厭數據中心的人通常不住在數據中心附近，而住在附近的，尤其是年輕人，態度是正面的，因為就業機會。我曾參觀過布法羅附近的一個數據中心，當地人非常支持。將數據中心建在偏遠地區其實是好事，它讓經濟參與更廣泛。一個千兆瓦的數據中心大約需要一萬人。70 千兆瓦就是 70 萬個崗位。這開始影響選票了。

Doug：技術繁榮的未來總會實現，問題在於現金流的時間。你花了一萬億，拿到一千億，它確實有一天會變成一萬億。但可能是五年後，到那時候你說「老兄，我沒錢了」。

假設整個 AI 生態系統目前的 ARR 為 1500 億，累計 CAPEX 為一萬億。15% 的收入回報，按 50% 利潤率計算即為 7.5%。這不算差，但也不是超級賺錢。你得相信 1500 億能增長到 5000 億，這是能夠做到的。然後 5000 億能支撐兩到三萬億的 CAPEX。但再翻一倍就非常困難了。

OpenAI 和 Anthropic 相信最終預訓練即將到來，因為他們要 IPO。最終預訓練出來的模型確實很好，收入增長很快，但增長速度不夠支付帳單。你建了一棟你付不起的房子。花了五萬億投資，收入五百億，那是十年的錢。

Dylan：你說這是收入，不是利潤。而且你說這話時，你知道這些公司目前提供服務的利潤率有多高。

Doug：對，我們還沒有走到那一步。現在還在窄路上，能看到收入如何對得上。超大規模雲廠商有其他業務狂賺現金，如果他們想停止資本支出，利潤馬上就能印出來。但隨著你投入越來越多，賭注越來越高，路越來越窄。到某個點，你實際上得要求所有人都在使用它。問題在於決策者和實際採用者是兩個完全不同的世界。Zuck 認為每個人都會戴 Meta 眼鏡，在元宇宙裡每天燒掉萬億 token，但內布拉斯加的奶奶連新 iPhone 都不會用。

Dylan：收入並非來自奶奶，而是來自企業、銀行、電信公司、零售公司、國防和情報機構。我看到每家銀行、每家電信公司、每家零售商都在日常運作中使用它。更有趣的限制在供應端：你能否裝足夠的 GPU，能否招到足夠的人來銷售。

Doug：對，供應端的問題更有趣也更困難。電工、資本、許可證這些東西無法按照規模法則翻倍。但給他們時間，它終會到來。他們明年確實可能發行一萬億債券。真正的問題在於，路徑會變窄，賭注會提高，然後你必須要求所有人都在使用。這個採用曲線需要時間。