自ChatGPT發佈三年以來，全球對加速計算的需求呈爆炸式增長。英偉達（NVDA）的年收入從2022年的270億美元飆升至2025年的2160億美元，增幅近8倍，市場預期2026年將再增62%，達到3500億美元。與之相應，全球數據中心系統投資的增速已從過去十年間的年均5%躍升至近三年的30%，預計2026年將再增長超30%，總額達6530億美元。ARK研究顯示，由GPU和AI專用集成電路驅動的加速計算已佔據服務器銷售額的86%，成為主導。
推動AI基礎設施支出持續增長的動力，源於生成式AI在消費端與企業端場景的不斷拓展，以及對“超級智能”的持續探索。與此同時，成本正急速下降：AI訓練成本每年降低75%，而推理成本的年化降幅更是高達95%。這得益於硬件性能的代際提升與軟件算法的持續改進，二者共同大幅降低了AI應用的准入門檻。
消費者接納AI的速度遠超當年互聯網，普及率在三年內擴展至約20%，速度是互聯網的兩倍以上。企業需求同樣驚人，自2024年12月以來，token需求增長了28倍。過去兩年間，備受企業青睞的AI實驗室Anthropic營收從1億美元激增至近100億美元，其2026年增勢不減，年化收入已達140億美元。另一巨頭OpenAI的企業客戶數已超100萬，其首席財務官透露，企業業務增速已超越消費者業務，預計2026年將貢獻總營收的半壁江山。為滿足強勁需求，大規模基礎設施投資勢在必行。
在AI資本支出的核心——計算芯片領域，英偉達雖處前沿，但挑戰者正不斷湧現。美國超微公司（AMD）憑借EPYC處理器，在服務器CPU市場的份額已從2017年的近乎為零增長至2025年的40%。在小型模型推理方面，AMD的GPU在總擁有成本上已與英偉達旗鼓相當，但英偉達憑借其機架級解決方案Grace Blackwell，在大型模型性能上仍保持顯著領先。
與此同時，超大規模雲廠商正通過自研芯片尋求成本優勢。谷歌（GOOGL）自研的TPU據估算可將計算成本降低62%。亞馬遜的Trainium芯片、微軟的Maia系列也紛紛入局。博通（AVGO）則主導了定制芯片的後端設計服務，成為谷歌、Meta及OpenAI等公司的重要合作夥伴。此外，Cerebras、Groq等芯片初創公司也憑借創新的架構範式，成為挑戰現有市場格局的潛在力量。
展望未來，ARK研究預測，持續增長的需求與不斷提升的性能將推動AI基礎設施支出在五年內增長兩倍，從2025年的5000億美元增至2030年的近1.5萬億美元。隨著AI算力需求持續攀升，針對特定工作負載設計的定制芯片將憑借更高的每美元性能優勢，在計算支出中的佔比不斷提升，預計到2030年可能超過三分之一。
當前進行的基礎設施建設並非泡沫，而是一次千載難逢的平台級變革。未來五年，能夠設計出最高效芯片、構建最強大模型並實現大規模部署的企業，將在這場變革中脫穎而出。
