【專訪】Dylan Patel：算力不缺錢，缺的是荷蘭那 70 台機器

六百億美元的資本支出數字在財經版上已經夠嚇人了，但 Dylan Patel 把它拆開來看之後，更嚇人的不是那個數字，而是整條供應鏈裡一個沒有幾個人注意到的荷蘭小公司。Patel 是半導體研究機構 SemiAnalysis 的執行長，長期追蹤全球每一座資料中心的用電量，每一張晶圓廠的訂單，以及每一筆 GPU 的長期合約。他的客戶裡有四成是對沖基金，其餘是 Google, Amazon 這類超大型科技公司和 AI 實驗室。這場訪談錄製於 2026 年 3 月，正好是 Anthropic 和 OpenAI 都剛完成巨額募資，外界還在爭論這些錢究竟夠不夠燒的時間點。Patel 的回答是：錢不是問題，問題在你根本買不到足夠的晶片。

這場訪談值得花時間的地方有四個。第一，Anthropic 因為太保守，在算力競賽上已經輸給 OpenAI 一個身位，而且這個差距接下來會繼續擴大。第二，GPU 的殘值不是在跌，是在漲，這顛覆了所有空頭的核心論點。第三，整個 AI 算力的最終瓶頸不是電力，不是土地，不是資金，而是荷蘭一家叫 ASML 的公司每年只能生產約 70 台的 EUV 光刻機。第四，記憶體短缺正在把成本轉嫁到你手上的手機和電腦，而且這才剛開始。四個點合起來說的是同一件事：AI 的基礎建設擴張速度，被一條沒有人認真對待的半導體供應鏈卡住了。

◎Anthropic 的保守主義，代價正在浮現

Dario Amodei——Anthropic 執行長，前 OpenAI 研究副總裁，出走後創辦了這家以安全為核心的 AI 公司——在公開場合一再強調不想過度承諾算力。Patel 的評語是直接的：他搞砸了。OpenAI 的策略是到處簽約，管你是 Microsoft, Google, Amazon，還是從來沒蓋過資料中心的 SoftBank 旗下能源公司，甚至是 NScale 這種名不見經傳的算力供應商，全都簽。Anthropic 則只跟 Google 和 Amazon 這種頂級供應商合作，而且合約量刻意壓低。結果是，Anthropic 的月營收在今年初爆炸性成長——一月加了 40 億美元，二月加了 60 億——卻沒有足夠的算力來承接這些需求。現在要臨時補貨，只能接受更差的條件：向二線供應商以高出市場的價格購買短期算力，或者讓 Amazon Bedrock, Google Vertex 代為服務並抽走一部分營收分成。Patel 估計 Anthropic 今年底大約能到五至六 gigawatt，OpenAI 會高出一些。兩家差距不算毀滅性，但每一個 gigawatt 的代差，都是以更高的邊際成本換來的。

◎GPU 不是在折舊，是在升值

市場上有一派看法認為 GPU 應該用兩到三年的折舊週期計算，因為 Nvidia 每兩年就把效能提升三到四倍。Patel 說這個邏輯有一個致命的前提錯誤：它假設你隨時可以買到更新的晶片。現實是你買不到，因為整條供應鏈都在排隊。當新晶片根本不夠用，舊晶片的定價依據不是它相對於新晶片的性價比，而是它今天能產生多少實際價值。H100 在 2024 年的市場價格大約是每小時 2 美元，而 GPT-5.4 在同一張 H100 上能跑出的 token 數量和品質，都遠高於當年的 GPT-4。模型變好了，同一塊晶片能產生的價值就變高了。Patel 的結論是：H100 今天的價值高於三年前。這對整個 AI 基礎建設的財務邏輯是根本性的翻轉——如果算力資產是在升值而非折舊，那麼早簽五年長約的公司鎖定的不只是成本，而是一個隨時間擴大的利潤優勢。以此推論，在算力合約結構上更早布局的 OpenAI，其推理服務的成本結構怎麼看都像是比 Anthropic 更有餘裕，但兩家公司均未公開足夠細節供外部核實。

◎真正的瓶頸在荷蘭，不在德州

蓋一座資料中心最快八個月，蓋一座晶圓廠要兩到三年，但製造晶圓廠裡最關鍵的那台機器——EUV 光刻機，一種用極紫外線在晶圓上蝕刻電路的精密設備，是現代半導體能做到 3 奈米製程的核心工具——ASML 目前一年只能生產約 70 台，每台售價 3 到 4 億美元。生產一 gigawatt 的 Nvidia Rubin 算力，需要大約 350 萬次 EUV 曝光，折合約三點五台 EUV 機器。照 Patel 的計算，到 2030 年全球累積的 EUV 機器庫存大約 700 台，若全部用於 AI 晶片，理論上能支撐約 200 gigawatt 的算力。Sam Altman 想要的是每週一 gigawatt，一年 52 gigawatt，這個數字在技術上是相容的，但前提是全球四分之一的晶片產能都得給他。真正嚇人的數字是這樣的：50 gigawatt 的資料中心算力，背後的 EUV 機器成本大約只有 12 億美元，但整個資料中心的建設成本是 2500 億美元。而為 ASML 提供鏡片的 Carl Zeiss——沒有它 EUV 機器就無法運作——市值只有 25 億美元。整個 AI 產業幾十兆美元的未來，被一條沒有人認真投資的供應鏈卡著。

◎記憶體漲價，買單的是你的手機

HBM——一種專為 AI 晶片設計的高頻寬記憶體，透過垂直堆疊的方式把 DRAM 晶片緊密整合在 GPU 旁邊——每片晶圓能做出的位元數只有普通 DRAM 的四分之一，但 AI 晶片需要的頻寬讓它別無選擇。Patel 說，今年大型科技公司 6000 億美元資本支出裡，有三成是花在記憶體上。記憶體廠商在 2023 年虧錢，沒有蓋新廠，現在需求爆炸，新廠要到 2027 至 2028 年才能投產。短缺的結果是記憶體價格暴漲，而這個成本正在轉移到消費端。Patel 的估算是：iPhone 的記憶體 BOM 成本可能因此增加約 100 美元，加上 NAND 快閃記憶體的漲價，消費者最終可能多付約 250 美元。更嚴重的是中低階手機市場——Xiaomi 和 Oppo 已在削減出貨量，Patel 預測今年全球智慧型手機出貨量可能從 11 億台跌至 8 億台，明年進一步跌到 5 到 6 億台。這些釋出的 DRAM 產能會流向願意付更高價格的 AI 資料中心。AI 讓你的手機變貴，這不是副作用，這是市場在分配稀缺資源。

◎快時間線美國贏，慢時間線中國贏

Patel 對中美半導體競爭的判斷乾脆：時間線決定勝負。如果 AI 能力在這個十年內快速躍升，美國和西方已經投入的算力，模型能力，以及資本回報會形成一個自我強化的飛輪，中國追不上。但如果真正的能力躍升要等到 2035 年，中國有時間完成半導體供應鏈的本土化，屆時一個垂直整合的供應鏈對上美國，日本，韓國，台灣，荷蘭拼湊出來的分散式體系，中國反而有結構優勢。Patel 認為中國到 2030 年大概率能完成 DUV 光刻機的本土化，EUV 則可能有能用的工具但還沒辦法量產。他特別提到 Huawei——在出口管制將其阻斷於先進製程之外以前，Huawei 的 AI 晶片業務規模與野心，怎麼看都像是有潛力成為 TSMC 頂級客戶之一，也是 Nvidia 在資料中心市場最值得認真對待的競爭者。這是整場訪談裡最反共識的判斷之一，也是最值得留意的一個。

Patel 看的不是新聞，他看的是每一張晶圓廠的訂單，每一座資料中心的用電合約，以及每一個 EUV 機器的出貨排程。他的結論是：AI 產業正在以市場從未見過的速度燒錢，但真正卡住它的，是一台造價 4 億美元，荷蘭一年只能造 70 台的機器，以及一個沒有人認為自己需要為此瘋狂擴產的供應鏈。這不是技術問題，這是認知問題。供應鏈上的每個人都比實際需求少做一點，因為他們不相信需求是真實的。等他們相信的時候，通常已經晚了兩年。