来源： 华尔街见闻
AI基础设施的每一层正在同步承压，而机会与误判并存。
SemiAnalysis创始人Dylan Patel近日接受播客专访，系统梳理了当前AI基础设施栈的核心动态与投资逻辑。
他的判断涵盖模型经济学、内存超级周期、CPU的重新定价、CPO的时间线风险，以及数据中心能源供给的结构性机遇。
针对市场对AI投资回报率（ROI）的普遍质疑，Dylan透露，Anthropic已于今年第二季度实现自由现金流转正，年化经常性收入突破500亿美元， 毛利率超过70% 。在企业端，最新AI模型带来的生产力跃升远超算力成本的增加，促使企业削减其他软件开支以维持爆炸性增长的AI预算。
在硬件演进层面，向推理模型的范式转换正在重构市场需求。
Dylan强调， 存储面临长达数年的结构性短缺，仍有2至3倍上行空间； 与此同时，尽管智能体和强化学习推高了CPU需求，但卖方市场对此定价过高， CPU的增长主要来自历史“补账”，其在AI服务器中的绝对价值仍远不及GPU。
Dylan认为，备受市场期待的共封装光学（CPO）大规模落地时间， 则被明确推迟至2028年底至2029年， 意外延长了铜缆连接器的红利期。而电网输配电的受限，正迫使数据中心转向“表后电源”（自建电源），在传统的芯片投资之外，催生出庞大的工业能源和电力转换供应链投资机会。
Anthropic率先造血，AI需求叙事开始落地
对于市场上关于AI企业ROI的质疑，Dylan Patel给出了具体数据予以回应。
"Anthropic在第二季度已经实现了自由现金流为正，4月盈利，5月盈利，6月看起来也会是一样。"他表示，Anthropic年化经常性营收已超过500亿美元，毛利率超过70%。OpenAI的营收也随着Codex采用率的提升快速增长。
SemiAnalysis自身的支出轨迹也印证了这一趋势。去年11月，该公司90人团队年化AI支出不足10万美元；到今年1月底，因Claude Code大规模铺开，这一数字飙升至400万美元年化；目前已达1100万美元，峰值周折算年化一度触及1400万美元。"员工人力成本加上AI成本，AI这部分已经超过了三分之一，年底前很可能达到一半。"
他同时指出，更新、更强的模型在实际使用中并不必然更贵。旧模型可能需要10万个token、10次交互才能完成一个任务，新模型可能只需2.5万个token、1次交互。"每次模型从4.6 Opus升级到4.7 Opus，我们的支出会先下降一周，然后又飙上去——因为大家一看，以前做不了的事现在能做了。"
他认为，这也是Anthropic在与OpenAI的竞争中占据优势的核心原因之一： token效率更高，用户综合成本更低。
内存：结构性短缺，而非普通周期
在所有硬件品类中，Dylan Patel对内存的判断最为坚定。
"这不是短期短缺，是会持续多年的结构性短缺。" 他指出，内存产能每年仅增长20%至30%，而AI侧需求正在翻倍又翻倍，两者之间的缺口将持续扩大。
驱动这一判断的核心逻辑来自推理模型对KV缓存的冲击。传统对话式推理的上下文长度以数千token计，KV缓存消耗有限；但以o1为代表的推理模型出现后，上下文长度爆炸性增长，KV缓存随之急剧膨胀，内存成为最直接的受益品类。SemiAnalysis在2024年12月即发布报告，专门指出这一趋势。
供给侧的刚性约束将迫使下游市场重新分配有限内存资源。他预测，价格弹性低的消费电子将率先承压——中低端手机厂商出货量已下降40%，iPhone和MacBook明年价格将上涨。"内存会持续涨价，消费电子被压缩到一个新的水位，直到AI拿到它需要的内存，才算真正够用。"
他补充称，即便周期下行届时也会到来，"从波谷到波谷，长期增长是毋庸置疑的。"
CPU：补缺行情有限，别过度外推
CPU是今年AI基础设施叙事中涌现的新主角，但Dylan Patel对此持有明确的警示立场。
CPU需求的复苏逻辑清晰：强化学习需要大量CPU来运行环境验证（代码单元测试、模拟操作等）；智能体推理要求模型频繁调用工具、与现实世界交互，这些操作高度依赖CPU算力。
与此同时，过去几年大规模出货AI芯片，配套CPU严重不足，目前正处于集中补缺阶段，ARM、英特尔、AMD均已受益，英伟达Vera CPU也给出了200亿美元营收指引。
"但我要给一个重要警示：这里面有大量补缺效应。"他表示，一旦历史欠账补完，后续只剩增量需求，需求将回归正常。从绝对金额看，Blackwell单块约5万美元，CPU约5000美元，即便比例上CPU增配更多，美元量也远低于AI加速芯片。
"内存和AI加速芯片才是大头，CPU是被低估后的重估，现在已经更合理定价了，但不会无限期地以超过AI芯片的速度增长。"
光互连：长期看好，短中期慎对CPO
网络与光学互连是另一个市场情绪高涨的领域，但Dylan Patel对CPO（共封装光学）的落地节奏持审慎态度。
"CPO真正大规模量产，我的判断是2028年底到2029年。" 他指出，目前制造良率、芯片设计和供应链成熟度均未达到大规模部署标准，而英伟达Rubin及其后续架构Feynman仍将使用全铜方案，CPO在GPU侧还需等待数代芯片迭代。
他透露，SemiAnalysis上周刚向机构订阅客户发布报告， 中期内反而更看好铜缆和非CPO光学方案，对CPO持谨慎态度。 部分下游芯片的设计变更（如Rubin Ultra的Kyber已去掉800V设计）进一步推迟了CPO落地时间。安费诺等铜缆连接器公司将因此比预期获益更多。
"CPO长期会发生，铜缆长期会被取代，但时间线被推迟了，短中期铜缆仍有很大机会。"
电力：自建电源将成主流，创新路径多元
数据中心的电力供给正在成为AI增长最硬的物理约束。
按Dylan Patel的预测，新增数据中心用电量今年20吉瓦，明年30吉瓦，后年50吉瓦，增长近乎爆炸性。
他将能源问题拆解为三个维度： 输电、发电与转换。 输电是最难突破的环节，涉及监管政策、地方电力公司垄断结构以及成本分摊机制，短期内难以改变。发电与转换则机会广泛。
他预测，未来几年内，新增数据中心用电的一半将来自"表后电源"（behind the meter），即企业自建电源，而非依赖公共电网。
目前主流方案是联合循环燃气机组（CCGT），来自GE Vernova、三菱、西门子等厂商；同时也出现了往复式发动机、工业燃气轮机乃至改装自船用、火车、卡车发动机的非传统方案。"听起来粗粝，但它能跑，而且已经在被人用了。"
更长期来看，他判断大约两年内太阳能加储能的综合成本将低于燃气发电；更远期则是太空数据中心——将计算芯片部署至轨道，太阳能电池板无需穿透大气层，能量密度远高于地面，且无需储能。
转换侧同样充满投资机会，从IGBT、碳化硅到氮化镓MOSFET，以及固态变压器、UPS和超级电容，整条电压转换链路正在快速演进。
SemiAnalysis目前规模最大的研究部门，已不是半导体，而是其内部称为"DEI"（数据中心、能源与工业）的团队，追踪全球每一座数据中心与发电厂的部署动态。
