英特尔 CTO 泼冷水：前沿晶圆产量最多翻一倍，不是十倍

过去两年，所有关于 AI 算力的讨论都默认一个前提：只要有钱，产能就能跟上。英特尔首席技术官普什卡·拉纳德（Pushkar Ranade）在 Dwarkesh 播客上给这个前提泼了冷水。

被问及”世界上是否有足够工具把前沿晶圆产量提高 10 倍”时，他的回答是：”不是 10 倍，但可能达到 2 倍，是的。”

一分钟速览

• 英特尔 CTO 判断：即便资金充足，全球尖端晶圆产量上限约为当前的 2 倍，而非 10 倍。
• 瓶颈不在单一环节，而在整条供应链的协同扩产能力。
• ASML 每年生产的 EUV 光刻机不足 100 台，到本十年末也难以大幅扩产。
• 今天下单的设备通常约 18 个月后交付，意味着新增产能要到 2028 年前后才真正落地。
• 背景数据：AI 算力过去十年大约以每年 3 倍的速度增长。

为什么”建厂”不等于”多出晶圆”

大众对半导体扩产的理解往往停留在厂房层面：投钱、盖楼、装机、投产。但一座先进晶圆厂能不能跑起来，取决于设备能不能到位——而设备本身又是一条极长的链条。

拉纳德的逻辑是层层递推的：要提高晶圆产量，就要更多光刻机；要更多光刻机，ASML 就得扩产；ASML 扩产又受制于它的上游供应商——光学系统、精密机械、特种材料、检测设备；再往上还有更底层的子供应商。任何一环卡住，最终产出就上不去。这也是为什么他强调”建多少厂房都不会自动带来更多晶圆”。

把数字摆在一起看，矛盾就很清楚：需求侧是每年 3 倍的算力增长，供给侧是每年不足 100 台的 EUV 设备，而且这个数字到 2030 年前都不会有数量级变化。

18 个月的交付期意味着什么

设备从下单到交付约 18 个月，这个数字对投资判断的意义被严重低估了。它意味着任何今天宣布的扩产计划，实际产能都要到 2028 年前后才开始贡献。也就是说，2026 到 2027 年的算力供给，基本已经被过去两年的订单锁死了。

对模型公司来说，这是一个残酷但清晰的约束：未来两年能拿到多少卡，取决于现在已经签下的合同，而不是明年的融资额。对云厂商来说，这意味着算力租赁的价格在 2027 年前很难出现实质性下降。

三方争抢同一批设备

拉纳德提到，英特尔、台积电以及 SK 海力士等存储厂商在共同争夺这些设备。这不是简单的商业竞争，而是一个零和的分配问题：ASML 一年就产出那么多台机器，给了一家就给不了另一家。

存储厂商的加入尤其值得注意。HBM 是 AI 加速卡的必备件，过去两年 HBM 的产能扩张速度直接决定了大模型训练集群能建多大。当存储厂和逻辑代工厂抢同一批精密设备时，AI 算力的瓶颈就从”有没有设计出更强的芯片”变成了”能不能凑齐一套能跑起来的系统”。

与”AI 泡沫论”的另一种读法

这个判断给当下关于 AI 泡沫的争论提供了一个新角度。看空者的论据是需求可能是假的；而供给端的现实是，即便需求是真的，物理上也造不出那么多机器。

两种情形对行业的影响完全不同。如果是需求不足，行业会经历一轮剧烈的价格下跌和产能闲置；如果是供给刚性，行业会进入一个”高价、长周期、低弹性”的状态——算力长期紧缺，价格居高不下，而拥有长期设备订单的公司获得类似资源的租金。

从目前的证据看，后者的可能性更大。设备交付周期、EUV 年产量、上游材料扩产速度这些硬指标，都不是靠资本开支能在一两年内改变的。

趋势：算力正在从”成本项”变成”战略储备”

当产能存在物理上限，企业的行为模式就会改变。过去买卡是资本开支决策，比的是单位算力成本；现在买卡更像战略储备，比的是”能不能锁定未来三年的供给”。这也解释了为什么近期出现越来越多长期协议、预付定金和自建电厂的动作——它们本质上都是在争夺那 2 倍的增量。

对创业公司来说，这个判断的实践含义很直接：不要把商业计划建立在”明年算力会便宜一半”的假设上。更稳妥的做法是把推理成本当作长期不降的固定项来设计产品，把架构优化、模型蒸馏、缓存复用这些”省算力”的工程能力，当作核心竞争力而不是优化项。

而对整个行业来说，拉纳德这句话真正的分量在于：它把讨论从”钱够不够”拉回到了”东西造不造得出来”。在物理约束面前，资本的力量是有边界的。