EUV年产量有限 全球算力成长被掐住

半导体研究机构SemiAnalysis创办人帕特尔（Dylan Patel）近日受访时表示，人工智能（AI）算力瓶颈不断变动，到了2028年或2029年，可能是艾司摩尔（ASML）年产量有限的极紫外光微影机台（EUV），掐住全球AI算力成长。

过去几年，限制因素先后出现在CoWoS先进封装、电力供应与数据中心建设，但接下来压力将再回到半导体供应链本身，尤其是逻辑芯片、内存、晶圆厂建设，及更上游的EUV设备。

帕特尔认为，目前AI算力长期内核瓶颈仍是芯片供应，而非电力。数据中心兴建再快，若芯片、内存与设备无法同步扩产，算力终究无法落地。他指出，到了2028年或2029年前后，最终瓶颈恐是ASML的EUV。以辉达Rubin架构为例，若要支撑1百万瓩（GW）容量的AI数据中心，约需5.5万片3纳米晶圆、6,000片5纳米晶圆及17万片DRAM晶圆，总计约需200万次EUV曝光，相当约3.5台EUV机台的产能。换句话说，一座投资规模高达500亿美元的AI数据中心，背后真正的局限，恐落在几台EUV。

在内存方面，他预估到2026年，全球科技巨擘资本支出中约三成将流向内存。原因在于AI推理与长上下文需求推高键值缓存（KV Cache）消耗，带动高带宽内存（HBM）与DRAM需求暴增。

至于电力，帕特尔为它虽然是重要限制，但不会是最终天花板。数据中心可通过燃气涡轮、飞机发动机改装发电、船用引擎、燃料电池与太阳能加储能等方式分散供电压力，因此电力问题终究有工程解法。他也对太空数据中心持保留态度，认为至少在十年内，芯片故障率、维修困难与通信成本都使其缺乏经济效益。

谈到台湾风险，他直言，若台海出现冲击，即使把台积电工程师撤出，也无法立刻拷贝台湾多年累积的制造能力。更麻烦的是，EUV设备本身也使用不少台湾生产的半导体：若无台湾芯片，工具供应也会受影响；没有这些工具，又无法快速重建先进产能。一旦台湾出事，全球添加算力能力恐几乎归零，原本预期未来每年添加数十甚至上百GW算力的情境，可能瞬间缩水到只剩英特尔与三星能勉强支撑的10至20GW。