研究機構 SemiAnalysis 創辦人 Dylan Patel 近日深入分析了 AI 基礎架構棧的最新動態。他指出，當前 AI 發展受制於記憶體供應瓶頸、CPU 需求調整、以及共封裝光學 (CPO) 部署時程的推遲，這些因素正共同重塑晶片市場的投資邏輯。
記憶體從周期轉向長期結構性短缺
Patel 認為記憶體正處於一場「超級循環」，且這不僅是短期的周期性波動，而是數年的結構性短缺。主要動能來自於推論模型 (如 OpenAI o1) 的崛起，這類模型在處理複雜任務時需要龐大的 KV 快取 (KV Cache)，導致記憶體需求呈倍數成長。他預測記憶體價格仍有 2 至 3 倍的上修空間。
由於供應增長跟不上 AI 需求，這將迫使價格敏感度較低的消費性電子產品 (如 iPhone 與 MacBook) 明年面臨漲價壓力，以與 AI 應用搶奪產能。
CPU 定位為「綠葉」的補帳行情
儘管強化學習 (Reinforcement Learning) 與 AI 代理 (Agents) 歷史性的「補帳」行為，主要是為了填補過去幾年 AI 伺服器中 CPU 配比不足的缺口，而非長期的成長轉折點。在絕對價值上，單顆 Blackwell 晶片約 5 萬美元，而配套 CPU 僅約 5,000 美元，CPU 在 AI 伺服器中的價值佔比仍遠低於 GPU。
Patel 強調，「記憶體和 AI 加速晶片才是大頭，CPU 是被低估後的重估，現在已經更合理定價了，但不會無限期地以超過 AI 晶片的速度增長。」
CPO 延後、銅纜紅利期延長
原本備受期待的共封裝光學 (CPO) 技術，由於生產良率、晶片設計與供應鏈成熟度未達標，大規模部署預計將延遲至 2029 年。
Patel 指出，NVIDIA 下一代的 Rubin 與 Feynman 架構初期仍將大量採用銅纜方案。這項延遲意外延長了銅纜連接器 (如 Amphenol) 與傳統光學模組廠商的獲利窗口。
他總結稱，「CPO 長期會發生，銅纜長期會被取代，但時間線被推遲了，短中期銅纜仍有很大機會。」
能源挑戰：邁向自備電廠時代
電力供應已成為 AI 成長的最大物理限制。由於電網傳輸升級面臨法規與成本分配的僵局，資料中心正轉向「表後發電」(Behind-the-meter)，即在廠區自建電源。Patel 預測，未來幾年一半的新增電力需求將來自自備電源，包括燃氣渦輪機、甚至是由卡車引擎改裝的發電機組。
此外，太陽能結合儲能的成本預計在兩年內低於天然氣，長期甚至可能出現「太空資料中心」以極大化能源效率。
最後，Patel 透過數據駁斥了 AI 投資報酬率 (ROI) 的質疑。他透露 AI 新創 Anthropic 已實現獲利，年化營收 (ARR) 突破 500 億美元，毛利超過 70%，證明 AI 應用的變現能力正逐步顯現。
