AI 基礎設施投資熱潮出現降溫訊號。半導體研究機構 SemiAnalysis 於11月13日發布最新模型,大幅下調2028年以後全球 AI 加速器資本支出、晶片出貨量及 HBM 需求預測,主要原因包括前沿 AI 實驗室營收成長放緩、融資環境收緊,以及美國資料中心建設延遲。其中,輝達(NVIDIA)受到的衝擊最大,2030年出貨預測下調幅度達66%。
SemiAnalysis 下修 AI 算力投資預測
根據新模型,全球 AI 加速器資本支出預測在2027年至2030年分別下調19%、28%、41%及40%。其中,2030年預測從原先的1.531兆美元降至9,230億美元,減少約6,080億美元。不過,SemiAnalysis 強調,AI 基礎設施投資仍將持續成長,只是擴張速度將低於先前預期。
需求降溫主要來自兩方面:一是前沿 AI 實驗室第三季 ARR 成長放緩,使未來算力支出需要重新評估;二是債務與股權投資人對缺乏大型雲端業者採購承諾的資料中心專案更加謹慎。此外,該機構預估,美國原定於2027年下半年至2028年上半年啟用的5.8GW資料中心容量可能延後。
HBM 需求下修,輝達成為最大受影響供應商
除了資本支出,SemiAnalysis 也將2026年至2030年全球 AI 加速器邏輯晶片累計晶圓出貨面積預測下調17%,其中輝達占整體下修幅度的66%。
HBM需求也同步降溫,2028年全球出貨預測從9.0 EB降至6.4 EB,減少30%;2030年則下調12%。此外,2030年 AI 加速器耗電量預測從122.8GW降至80.7GW,降幅34%,反映晶片出貨量及單顆產品功耗預期都在下降。
輝達方面,SemiAnalysis 以計算收入為基準,將其2027年至2030年出貨預測分別下調22%、39%、56%及66%。新一代產品售價也遭到大幅下修,Feynman平均售價從約11萬美元降至7.8萬美元,Feynman Ultra則從17.5萬美元降至9.8萬美元。
除了整體需求放緩,客戶採購策略轉變也是輝達面臨壓力的原因。Anthropic 在 TPU、Trainium、AMD GPU及輝達 GPU等平台之間重新配置算力,較傾向其他方案;OpenAI則計畫優先部署自研 ASIC,同時 AMD GPU的吸引力也在提高。此外,輝達對 Neocloud 客戶曝險較高,而這類業者正面臨融資及專案執行風險。
博通相對抗跌,AMD 與亞馬遜仍有需求支撐
相較之下,博通(Broadcom)受到的影響較小,SemiAnalysis 僅將其2026年至2030年累計 ASIC 營收預測下調11%,主要來自 HBM 成本下降帶動的售價調整,而非大幅削減出貨量。其與 Google TPU、OpenAI及Anthropic相關的 ASIC 專案,在成本效益與能源效率方面仍具優勢。
AMD 雖然也面臨出貨預測下修,但 Meta、OpenAI及Anthropic等大型客戶,以及相關認股權安排,仍為需求提供支撐。亞馬遜 Trainium 則是少數未被下調2027年至2028年出貨預測的平台,主要受惠於亞馬遜資料中心專案儲備及較低的製造成本。
整體而言,SemiAnalysis 認為,AI 算力建設並未停止,但市場正從過去依賴融資擴張、追求運算效能的模式,轉向更重視效能成本比、能源效率及客戶實際支付能力。這一輪預期修正中,輝達因出貨量與產品售價同時面臨壓力,可能成為受影響最明顯的供應商。