AI算力产业2027-2028供需展望与可见度评估

本报告主要基于 Bernstein、Morgan Stanley、Goldman Sachs、Barclays、UBS、Bank of America、J.P. Morgan、台积电技术论坛、华为官方论文、SemiAnalysis、OpenRouter/a16z 等高/中权重来源，并综合库内 AI基建-半导体、AI基建-存储、AI基建-电力、先进封装、AI应用、AI智能体、华为τ定律深度分析、AI光互联产业链深度分析 页面合成。需求端 Token 量化预估含作者推导（已显式标注为推断），并经 Barclays、OpenRouter/a16z 实证、Nvidia 多源外部交叉验证（见 2.4 节）。

核心结论

1. 供给侧能见度远高于需求侧。 截至 2026 年 6 月，晶圆/先进封装/HBM 的产能已通过长约和 capex 承诺锁定到 2028 年（Morgan Stanley 口径表外承诺超 1.3 万亿美元；Goldman Sachs 口径 2026-2031 累计 AI 基建 capex 约 7.6 万亿美元）。2027 年供给账本基本可推算，2028 年供给随良率/电力落地存在弹性。需求侧在"多模态生成 C 端化 + 个人 Agent 全民化"假设下，增长斜率高于供给扩张斜率，能见度低。

2. 算力卡的第一性制程约束，在 2027-2028 不是最紧环节。 台积电 N2 已量产、第一年产出较 N3 高约 45%、2026-2028 产能累计 +70%；建厂节奏从年均 4 座跃升至年均 9 座；全球 WFE 连续上修（2026 $148bn→2028 $198bn）。瓶颈在制程之后的封装与 HBM。

3. 真正卡 2027-2028 的硬约束按紧张度排序：电力 > HBM > 先进封装(CoWoS) > 晶圆制程。 电力的"电-水-金属-并网"提前期以年计（燃气轮机交期 ~4 年、电网接入 5-10 年），HBM 原厂扩产周期 18-24 个月且纪律强、长约锁定，是供应边际改善最慢的两个环节。

4. 最终不是"供给能否满足需求"的二元问题，而是用价格配给、能力配给和效率进步把无上限的潜在需求压回有限供给。 必须区分潜在需求（latent，不受限时用户想消费的 Token）与落地需求（realized，供给配给后实际算出的 Token）——二者的差额就是短缺本身。三个阀门中，单 token 算力成本年化下降 60-70% 是核心释放阀；当前已出现"能力配给"的直接证据（模型厂因算力受限主动降低智能密度）。

4b. 2028 年松紧的总开关是"效率（每 FLOP 产出的 token）"，而非芯片数量。 因为：服务能力 = 算力(capex，受电力/HBM 物理封顶，2026→2028 约 2.5×) × 效率(FP4/MoE/投机解码/Rubin，约 10×) ≈ 25×，而潜在 Token 需求在"普通用户 Agent 渗透率跃升 + 多模态生成"高情景下约 20-50×。若潜在落在 ~25× 为紧平衡，落在 ~50× 即明确短缺。难点在于多模态视频生成与长程推理是全新重负载，效率曲线几乎从零起步，恰是最吃算力、效率红利最少的部分。

5. 技术趋势是缓解供给约束的关键变量，且重心正从光刻转向封装/互联/存储。 华为 τ 定律（3D LogicFolding）、ASIC/推理专用芯片、近存计算非 HBM 路线、800VDC/液冷、CPO/分层存储五条路线共同对冲物理天花板。2027-2028 算力供给的边际增量越来越多来自"系统级集成效率"而非"单芯片制程进步"。

6. 可见度判断：2027 年紧平衡（好卡持续供不应求但不崩溃）；2028 年若多模态与个人 Agent 假设兑现，结构性短缺概率高，表现为"算力很贵、能力被限速、效率被逼着狂奔"，而非"无卡可用"。

正文

一、供给端

1.1 算力卡产出：制程产能约束与扩散信号

算力卡产出第一性受对应制程产能制约。当前证据指向制程产能正在加速扩张，而非见顶：

• N2 已量产：台积电 N2 采用 Nanosheet 架构进入量产，第一年产出较 N3 高约 45%，2026-2028 产能累计增幅看 +70%；缺陷密度提前两季达标，良率学习曲线优于 N3。（来源：台积电技术论坛新竹场 | 权重：🟡 中）
• N3 的 AI 占比快速抬升：N3 节点 AI 加速器需求占比从 2026 年初不到 10% 升至年底约 60%，反映先进制程产能被 AI 强力虹吸。（来源：J.P. Morgan 台积电供应链/旧聚合页 | 权重：🟡 中）
• 最强扩散信号——建厂节奏翻倍：台积电 2025、2026 年平均每年新增 9 座新厂，远高于 2017-2024 年平均每年 4 座。亚利桑那第二厂 2027 年量产 N3，日本熊本第二厂导入 N3，台湾新竹/高雄/台中 12 座晶圆厂与先进封装厂同步兴建。（来源：台积电技术论坛新竹场 | 权重：🟡 中）
• 设备端（WFE）连续上修：Bernstein 全球 WFE 预测 2026 $148bn（+21.4%）→ 2027 $175bn（+18.2%）→ 2028 $198bn（+13.1%），上修主要来自 Memory 扩产；中国 WFE 2026 上修至 $23.5bn（此前 $17.1bn）。（来源：Bernstein | 权重：🟢 高）
• 整机交付量：高盛预计 Nvidia/AMD 机架级 AI 服务器 2026/2027/2028 出货约 5.5 万 / 9 万 / 13.6 万台。（来源：Goldman Sachs | 权重：🟢 高）

判断：算力卡的"第一性制程约束"在 2027-2028 不是最紧环节。晶圆（尤其 N3/N2 逻辑）产能在加速扩张，设备投资连续上修。瓶颈在制程之后。

线索参考（🔴 低，仅供参考）：AI 加速器出货量从 2022 年不足 1000 万片增至 2027 年约 2370 万片（微信转述行业会议，需回源高权重研报）。

1.2 产业链各环节供需拆解：供应边际能否提升

按"越靠近可交付整机越是瓶颈"顺序拆解：

环节① 晶圆/逻辑制程 —— 供应边际能提升 ✅ N2 第一年 +45%、三年累计 +70%，叠加建厂翻倍与 WFE 连续上修。这是供应边际最能改善的环节。

环节② 先进封装（CoWoS/SoIC）—— 紧但快速扩，结构性缓解 🟡

• CoWoS 产能 2023-2028 年从 11.8 万片提升至 298.8 万片（约 25×），2026-2028 累计 capex $2000 亿；当前供给缺口仍 15-20%。（来源：J.P. Morgan/旧聚合页 | 🟡 中）
• 单封装集成度指数级提升：最大 5.5× 光罩 CoWoS 量产良率 98%；2028 年推 14× 光罩（整合 20 颗 HBM），2029 年 >14×（24 颗 HBM），SoW 未来可整合 64 颗 HBM。SoIC 互连密度较 2015 年 CoWoS 提升 56 倍，6μm 键合 2025 量产、N2 世代 2028 量产、A14 推进至 4.5μm。（来源：台积电技术论坛新竹场 | 🟡 中）
• 国产侧：CoWoS-S 三梯队（盛合晶微 ~100万/通富微电 ~50万/长电科技 ~30万 颗/年），大陆设计公司年需求 ~400万颗，2027 年供不应求、无价格战风险，2028 待观察；新进入门槛资金 ≥12亿、时间 ≥3年，CoW 固晶设备交期 18 个月是最大瓶颈而非技术。（来源：中国大陆先进封装市场深度访谈纪要 | 🟡 中）

判断：封装产能扩张快于晶圆需求增速，叠加单封装集成度跃升，到 2028 年瓶颈逐步缓解但不消失，缺口从"绝对短缺"转为"结构性偏紧"。

环节③ HBM/存储 —— 最难缓解的供给环节 🔴

• 三大原厂（SK海力士/三星/美光）2026 年 HBM 产能全部售罄，订单排至 2027-2028。（🟡 中）
• 缺口极大：Morgan Stanley 判断 HBM 供需缺口 ~50%，现货/合约价空前背离（DDR5 16G 现货 $39 vs 合约 $91；12GB PCIe 4.0 SSD 现货 $18 vs 合约 $93），紧张预计持续至 2028 年。（来源：Morgan Stanley 转述 | 🟡 中）
• 连带效应：HBM 抽走通用 DRAM 产能，DDR4 供需缺口上修至 2H26 的 19-20%、2027-28 维持 18-20%（来源：Morgan Stanley | 🟢 高）；UBS 判断 NAND 价格连涨 6 个季度至 2027Q3，AI 推理为结构性需求（NAND 进入推理系统保留 chat history）（来源：UBS | 🟢 高）。
• 供应边际为何难提升：DRAM/NAND 原厂扩产意愿低，新建/扩产周期 18-24 个月；旺宏设备交期推迟至 27H1、量产爬坡 27H2；LTA 长约覆盖率 18-30% 且条款趋苛（SK 海力士推 5 年以上超长约）。
• 存储 TAM 重估：BofA 预计 HBM 2030 TAM 约 $1683 亿，占加速器支出 14-20%；存储行业一部分正从"现货价格弹性"转向"合约化供应资产"。（来源：Bank of America | 🟡 中）

判断：HBM 是 2027-2028 供给侧最难解的环节。扩产周期长、原厂纪律强、长约锁定，供应边际改善最慢。

线索参考（🔴 低，仅供参考）：SK 集团董事长称短缺持续 4-5 年、全球晶圆供应落后需求 20%+；三星称"27 年内存缺口比 26 年更大"（自媒体转述管理层，需回源官方 IR；方向与 MS/UBS 高权重一致）。

环节④ 电力 —— 最硬的物理约束 🔴🔴

• 北美数据中心供需比 3:1，预计 2026 年 10-11 月升至 4:1（史上最紧张）；2028-2029 年新建项目将全面转向表后供电（BYOP），16GW 储备中 30% 设计为永不并网。（来源：26年经验数据中心开发CEO专家纪要 | 🟡 中）
• 交期硬约束：重型燃气轮机交期约 4 年，部分州电网接入等待 5-10 年；GE Vernova 在手订单升至 $1630 亿、承接 2031 年及以后订单。（来源：硅谷101论坛/美银/GE Vernova | 🟡 中-高）
• 总量：全球数据中心用电 2025 约 485TWh → 2030 约 950TWh；容量 100GW → 200GW；2028 年后 50%+ 新增 AI 数据中心被迫落地海外。（来源：美银二次整理/专家纪要 | 🟡 中）
• 缓解路线：800VDC 四阶段转型，端到端效率 82.0%→87.4%，1GW 负载 Phase 4 可节电约 69MW；SST 2030 TAM 约 $130 亿。（来源：SemiAnalysis | 🟢 高）

判断：电力是真正卡 2027-2028 的物理天花板。芯片可加速造，但"电-水-金属-并网"提前期以年计，是最难用钱和技术快速解决的一环。

环节⑤ 光互联 —— 结构性偏紧但多路线缓解 🟡

• 1.6T 光模块需求获四源交叉验证上修（2026-2028 出货 +38%/+99%/+88%）；光芯片 EML 缺口 >30%，2028 年产能基本锁定。（来源：Morgan Stanley/Goldman Sachs/Lumentum/中际旭创 | 🟢/🟡）
• CPO 大规模商业化是 2028 年后共识，2026-2027 靠可插拔/NPO 过渡；短距铜互连（<7米）延续。（🟢 高，四方验证）

判断：光芯片（磷化铟/EML/CW）是结构性长瓶颈，但模块/铜/CPO 多路线并存，缓解弹性大于 HBM。

二、需求端

2.1 当前消耗结构：编程主导

• 编程是 Token 消耗与商业化跑得最快的单一品类：AI Coding 2026 年 ARR 可能突破 $1000 亿，成为 AI 应用最大单一变现品类。（来源：拾象投研 | 🟡 中）
• ROI 分化决定消耗结构：编程 Agent 日成本约 $13（高 ROI，放量）vs 实时语音客服 Agent 约 $92/天（当前高于外包人工，受抑）。（来源：Goldman Sachs | 🟡 中高）
• 用户基数锚点：ChatGPT WAU ~10 亿、付费 ~5000 万。（来源：拾象投研 | 🟡 中）

含义：当前算力消耗集中在"高 ROI、文本为主、专业用户"的窄口径。多模态 C 端化与个人 Agent 全民化是把消耗从"窄而深"推向"宽而海量"的两个数量级跳变。

线索参考（🔴 低，仅供参考）：前沿实验室已将超过一半算力分配到强化学习（SV-Vector 访谈整理）。

2.2 未来假设：多模态生成 + 人手一个 Agent（2027-2028）

两个假设对 Token 需求的放大机制不同：

1. 多模态生成 C 端化 → 单位任务 Token 强度暴涨。 文本 1 次对话约数千 token；一张生成图≈数千~上万 token 当量；一段视频生成≈百万级 token 当量。 2. 人手一个 Agent 个人助理 → 并发用户数 × 常驻时长暴涨。 从"~10 亿周活、按需调用"变为"数十亿常驻、7×24 主动执行（工具调用、长上下文、长期记忆读写）"。

2.3 Token 需求预估

可锚定的量化框架：

• Goldman Sachs 量化模型：2030 年全球 Token 需求或增 24× 至月 120 quadrillion（千万亿）；企业级 Agent 为最大乘数（2040 年 55×），消费级 Agent 12×。（来源：Goldman Sachs | 🟡 中高）
• AI 推理 2025-2031 年 CAGR 34%，总需求占比超 50%。（来源：铠侠演讲/微信转述 | 🟡 中）
• Token 经济学剪刀差：LLM Token 价格年降幅从 ~40% 收窄至企稳/上涨，而底层算力成本年化仍降 60-70%。（来源：Goldman Sachs | 🟡 中高）

作者推导（⚠️ 以下为推断，非已验证结论，仅作量级参考；本节倍数指潜在 Token 量 latent，非供给配给后落地量）：

将 Goldman Sachs 2030 年 24× 简单年化（24^(1/4)≈2.2×/年）会系统性低估 2027-2028：Agent 在普通用户中的采用是 S 曲线，拐点很可能恰落在这两年；线性年化等于用几何平均去摊一条陡峭曲线。下面改用自下而上重建消费端，把"普通用户 Agent 渗透率"作为独立变量显式建模。

消费端 Token 的乘法分解（以 2026 为基，强度以"偶尔聊天 = 1×"为单位）：

• 消费段 ≈ +40~50×（渗透率 8× × 强度 30× × 多模态切片乘数，经基数稀释后）
• 编程/专业段 ≈ ~10×（3-5×/年复利）
• 企业 Agent 段 ≈ ~10-15×（高盛口径最大乘数）

按 2026 权重（编程 40% / 消费 40% / 企业 20%）加权：

说明：本表较初稿（2028 8-15×）显著上修，主因初稿低估了"渗透率 × 单用户强度"的乘法效应，并把多模态当成附加而非乘数。摆动最大的单一变量是普通用户渗透率，其次是多模态乘数（可在 5×~50× 间浮动），故给出 20-50× 的宽区间而非点估计。

但潜在 Token 量 ≠ 落地算力需求。 落地量受供给封顶：

2028 服务能力 = 算力(capex/硬件，受电力/HBM 物理封顶) × 效率(tokens/FLOP)
            ≈ 2.5×（capex/服务器，电力与 HBM 是硬约束）× ~10×（FP4/MoE/投机解码/Rubin 推理吞吐）
            ≈ 25×
2028 潜在需求 ≈ 20~50×（含普通用户 Agent 渗透）

• 若潜在落在 ~25× → 紧平衡（效率刚好接住）；
• 若潜在落在 ~50× → 明确短缺，缺口靠涨价/限速压平。

真正的题眼因此从"能不能造够芯片"转为"效率能否在两年内做到 ~10× 去接住消费端 Agent 爆发"。 而多模态视频生成与长程推理是全新重负载，效率曲线几乎从零起步，拉低混合效率——这恰是高情景里最吃算力、效率红利最少的部分。

推断结论：普通用户 Agent 渗透率的跃升使 2028 潜在需求上修至 ~20-50×，明显高于供给×效率的服务能力（~25×），结构性短缺的概率因此更高、而非更低。与 CSP capex 轨迹一致（四大 CSP 2026Q1 合计 capex 已超 $6300 亿；GS 年度 AI 基建 capex 2026 $7650亿→2031 $1.636万亿）。

2.4 外部二次源交叉验证（evidence 补强）

为校验上述自建模型，补充库外高/中权重实证与一手来源（2025-2026），对需求侧框架做交叉验证（注：各源单位不同——token 量 / 算力单位 / 单位成本——不可直接相加，仅作方向与量级印证）：

校准结论：外部实证与投行口径全方向印证框架，且多处显示本报告偏保守——

1. 结构性短缺获独立背书：Barclays 的"latent 算力需求 2027 即 14×"与本报告"可建供给 ~2.5×（受电力/HBM 封顶）"并置，二者之差正是短缺缺口，独立佐证核心结论。 2. 效率降幅实证吻合：Barclays 单位成本 −90%/18 月 ≈ 本报告 −60%/年。 3. 高盛 24× 可能偏保守：OpenRouter 全市场当前 ~1.5 quadrillion/月，对照高盛 2030 年 120 quadrillion/月目标隐含 ~80×（口径差异），对本报告 20-50× 构成上行而非下行支撑。

需求侧证据链由"高盛单源"升级为 高盛 + Barclays + OpenRouter 实证 + Nvidia 多源交叉。

三、综合判断：供应能否解决

3.1 供需缺口的本质：潜在 vs 落地，效率是总开关

必须区分两个不同的量——二者之差即短缺：

• 潜在需求（latent）：不受限时用户想消费的 Token。高情景下（含普通用户 Agent 渗透率 5%→40%）2028 约 20-50×（见 2.3 节自下而上分解）。
• 落地需求（realized）= 服务能力：供给配给后实际算出的 Token，受物理产能封顶。

三条斜率叠起来：

供给侧（capex/硬件）   : 2026→2028 约 2.5×（GS 年度 capex 5 年 ~2.1×；机架级服务器 ~2.5×）——受电力/HBM 物理封顶
效率（tokens/FLOP）   : 2026→2028 约 ~10×（单 token 成本 60-70%/年降；FP4/MoE/投机解码/Rubin 推理吞吐）
服务能力 = 供给×效率  : 2026→2028 约 25×
潜在需求（高情景）     : 2026→2028 约 20-50×

关键洞察：服务能力的 ~25× 里，效率（~10×）贡献远大于 capex（~2.5×）——因为 capex 被电力和 HBM 死死压住，弹性最低。所以 2028 松紧的总开关是效率能否兑现 ~10×，而非芯片造多少。 若潜在需求落在 ~25× 是紧平衡，落在 ~50× 即明确短缺；且多模态/长程推理这类新负载效率从零起步，最可能让混合效率不及 10×、把天平推向短缺。

两者无法在 2027-2028 自然出清，缺口靠三个阀门压平：

1. 价格配给：算力租赁从"卖卡"转向"token 分成"；国内已现 token 涨价/限购线索（🔴 低，待验证）。 2. 能力配给：模型厂因算力受限主动降低 Claude 智能密度，若算力充足不受限收入会显著更高。（来源：Gavin Baker 访谈整理 | 🟡 中）这是"需求被供给压制"的直接证据。 3. 效率进步（核心释放阀）：60-70%/年的单位成本下降，是把无限需求装进有限供给的核心机制。

3.2 技术趋势如何缓解供给（题眼）

产业用五条技术路线对冲物理约束：

τ定律的产业含义：当几何缩放（光刻）逼近物理与地缘双重天花板，产业的"下一块钱跟着 τ 走、不跟着 node 走"——用封装/互联/存储换时间。2027-2028 算力供给的边际增量越来越多来自系统级集成效率。对中国尤为关键：在无 EUV 约束下 τ 路线提供可持续 narrow the gap 的路径（Bernstein 提醒：不会立即 close the gap，热约束与良率是 adoption 障碍）。

3.3 最终裁断

• 2027 年：供给能见度高（产能/HBM/封装已锁定到 2028），需求以编程+早期 Agent 为主仍可外推。紧平衡，靠涨价+效率维持，不出现崩溃式短缺，但好卡持续供不应求。
• 2028 年：若"多模态 C 端化 + 个人 Agent 全民化"假设兑现，潜在需求系统性超过供给扩张。供给侧无法在硬约束（电力 4-5 年提前期、HBM 4-5 年短缺）内全额满足，必以价格/能力配给+效率进步压平。结构性短缺概率高，表现为"算力很贵、能力被限速、效率被逼着狂奔"，而非"无卡可用"。
• 真正决定 2028 年松紧的不是芯片，是电力和 HBM。 芯片可加速造，电网与 HBM 原厂的产能弹性最低。

四、受益环节映射（按瓶颈紧张度分层）

把核心结论（硬约束 电力>HBM>CoWoS>制程 + 效率是总开关）映射到利润池与库内标的。利润池迁移判断：在"效率是总开关"框架下，价值从"单芯片制程"向"系统级集成（封装/互联/存储/电力）"再分配，与 τ定律"下一块钱跟着 τ 走"一致——最稀缺利润池在电力与 HBM（供应弹性最低），最确定成长在先进封装与光互联（需求确定+国产替代双驱动）。

五、反方情景：2028 为何可能不短缺（证伪路径）

主线判断是"2028 结构性短缺概率高"，但必须列出可能翻转结论的反方路径：

1. 效率超预期接住需求（最强反方）：若 FP4/MoE/蒸馏/投机解码 + Rubin 推理吞吐使 tokens/FLOP 两年做到 >10×（而非 ≤10×），服务能力可逼近甚至超过潜在需求上沿，转为紧平衡。Rubin 推理吞吐较 Blackwell 宣称提升 35×是潜在上行（🟡 中，宣称值，实测待验证）。 2. 需求假设证伪：多模态 C 端生成渗透慢于预期、个人 Agent 留存/付费不及预期、高盛 24× 本身过乐观——则潜在需求回落到 ~5-10×，供给转宽松（关联 AI应用 页 TODO-20260507-AI应用-08）。 3. AI capex 消化/泡沫：MS 表外承诺 1.3 万亿、Meta 租赁+采购约未来经营现金流 1.7 倍/Oracle 超 7 倍——若收入确认持续落后估值，capex 增速可能下修，需求侧自我修正。 4. 大摩"科技通胀"路径：2H26 晶圆/封测/存储成本飙升传导至终端涨价，PC/手机需求破坏，消费电子端芯片/存储需求回落，间接释放产能。 5. ASIC+近存计算等效扩容：推理 ASIC（TPU 8i 成本 -40-50%）+近存计算（高通/字节绕 HBM）大幅降低单位推理算力成本，等效把有限晶圆/HBM 摊出更多推理算力。

反方权重判断：路径 1（效率）与路径 2（需求证伪）是真正能翻转结论的两条；路径 3/4/5 更多是缓解而非逆转。因此本报告的短缺判断对两个变量最敏感——效率兑现度 与 普通用户 Agent 渗透的真实斜率；二者任一显著偏离，结论即需重估。

六、信源冲突提示

冲突未消解，呈现分歧供判断。其中 ASIC 替代度与 GPU:CPU 配比直接影响算力卡的需求结构测算。

七、关键跟踪变量

信息来源