行业与公司 * 行业：人工智能（AI）资本支出（Capex）、半导体设备（WFE）、半导体制造、生成式AI（Gen-AI）应用[2] * 涉及公司： * 超大规模云服务商（Hyperscalers）：Alphabet、Amazon、Meta、Microsoft[5] * 半导体制造与设计：TSMC、Micron、Nvidia[7] * 半导体设备（WFE）：ASML、ASMI、BESI[22] * 欧洲半导体：Infineon[22] * 其他：Terafab（Tesla与SpaceX合资项目）[7][21] 核心观点与论据 * AI资本支出大幅上调：基于2026年第一季度后的数据，超大规模云服务商的2026年资本支出共识预期被显著上调约1500亿美元[4] 图表显示主要云服务商在财报发布后，2026年资本支出共识均较发布前有大幅提升[5] * 半导体产业链资本支出积极： * TSMC将2026年资本支出指引上调至520-560亿美元，超出市场约500亿美元的预期，并预计未来三年资本支出将显著高于过去三年的1010亿美元[7] * Micron将2026财年资本支出预期从200亿美元上调至250亿美元，主要用于洁净室产能扩张，并暗示增长势头将延续至2027年[7] * 高盛美国半导体团队因此上调了全球半导体设备（WFE）支出预测，2026年预测上调20%至1600亿美元，2027年预测上调21%至1740亿美元[9][10] * AI加速器芯片需求强劲：TSMC预测其AI加速器收入在2024-2029年将以中高50%的复合年增长率（CAGR）增长，高于此前的中40%预期[12][13] 这将带动TSMC整体收入CAGR提升至接近25%（以美元计），高于此前20%的指引[15][16] * 内存（Memory）是AI关键瓶颈：高带宽内存（HBM）是AI计算的关键推动因素，但供应持续紧张，HBM供应商年内产能已售罄，部分DRAM/NAND库存低至2-4周[26] 洁净室空间不足成为产能扩张的瓶颈，预计在2028年前难以有大量新增供应上线[26] 预计2026/2027/2028年DRAM WFE支出分别为400亿/470亿/490亿美元，NAND WFE支出分别为100亿/150亿/170亿美元[26] * 生成式AI应用场景持续扩展： * 企业应用：Google超过30%的新代码由AI生成，Meta因AI驱动的信息流推荐使用户参与度提升7%/6%[19][28] * 智能体AI（Agentic AI）：如OpenClaw（增长最快的开源项目）、Claude（法律/合规工作流、财务分析）等自主系统正在兴起，用于端到端工作流，这将显著增加内存使用强度[24] * 物理AI：Nvidia视其为数万亿美元的机会，美国95%的特定癌症手术由机器人完成，Simbe机器人优化货架商品可用性与促销，在数月内实现3-4倍的投资回报率[19] * Terafab项目对欧洲半导体供应商的积极影响：Tesla与SpaceX的合资芯片制造项目Terafab，目标是年产1太瓦（1，000 GW）的计算能力[7][22] 高盛估计，1 GW的数据中心产能相当于50-60亿美元的资本支出，以及5亿至6亿美元的光刻设备需求[22] ASML作为极紫外（EUV）光刻机的独家供应商，将是任何增量先进逻辑/内存需求的最大受益者[22] Infineon凭借其广泛的硅（Si）、碳化硅（SiC）和氮化镓（GaN）功率半导体产品组合，也将受益于向更复杂电源解决方案的转型[22] 其他重要内容 * Nvidia数据中心收入预期：预计到2027年，数据中心收入将超过1万亿美元，由计算和网络需求驱动，而2025-2026年的收入为5000亿美元[7] * AI投资风险与反驳论点： * 风险：成本过高 - 反驳：科技巨头等未来数年将在AI资本支出上投入超过1万亿美元，且企业已看到切实的投资回报（ROI），例如Google工程师因AI工具生产力提升约10%[28] * 风险：缺乏杀手级应用 - 反驳：Meta因AI视频推荐使使用时间增加，Nvidia 40%的GPU需求由推理驱动，表明AI模型已投入生产并创造价值[28] * 风险：模型效率提升可能降低计算需求 - 反驳：效率提升导致单位成本下降，可能推动总消耗量上升（杰文斯悖论）[28] * 风险：与互联网泡沫类比 - 反驳：当前科技巨头资金雄厚、盈利能力强、拥有自由现金流，且AI需求具有生成性，单位经济效益良好，需求可见[28] * 企业AI采用规模：微软在2026财年第一季度处理了约100万亿个令牌，同比增长5倍，表明企业应用已具规模[28] Claude Code在发布一年内达到10亿美元的年化收入运行率，表明企业采用迅速[24]