當馬斯克也開始焦慮“缺芯”，一場比想象中更瘋狂的算力戰爭

馬斯克剛剛宣布自己下場造芯片。不是做設計，不是做定制，而是真的建工廠、投產線。

這位曾經預言“芯片短缺很快會變成電力短缺”的科技狂人，為什么突然調轉槍口？

答案背后，是一場正在撕裂整個半導體行業的算力大爆炸。

“如果不自己造芯片，就會遇到瓶頸”

北京時間4月23日，特斯拉財報電話會。

馬斯克說了一句話，讓整個科技圈炸了鍋。

他宣布特斯拉啟動Terafab芯片工廠項目。原因很直接：公司預計未來AI芯片將嚴重不足。

“就行業增長速度而言，邏輯芯片，甚至更多的是存儲芯片——我們預計如果我們不自己制造芯片，就會遇到瓶頸。這就是Terafab的誕生原因。”

你可能覺得，馬斯克喊“缺芯”不是第一次了。

確實。2025年他就說過，制約AI發展的瓶頸會從芯片轉向“電力設備”短缺，最早2026年年中就會出現“根本性的發電量不足”。

那為什么現在反而自己跳進芯片制造這個燒錢的無底洞？

因為形勢變了。

過去，特斯拉和xAI是英偉達GPU的大客戶。xAI已經在田納西州孟菲斯的Colossus計算中心部署了20萬塊GPU，還計劃在旁邊新建一個配備100萬塊GPU的超算中心。

100萬塊是什么概念？英偉達上一代Hopper架構芯片整個生命周期才出貨400萬塊。

但“買買買”模式走到了盡頭。一方面是英偉達供不應求，另一方面是成本壓得喘不過氣。

于是，xAI被曝正在自研推理芯片，代號X1，用臺積電3納米工藝，計劃2026年第三季度量產，首批訂單30萬塊。

特斯拉也在推進自研芯片AI5和AI6，馬斯克甚至親自參與了芯片設計評審。

當一個以“買遍全球”著稱的公司，都被逼得自己蓋芯片廠，這已經不是“缺芯”兩個字能概括的了。

數字不會騙人：AI芯片市場正在瘋狂到什么程度？

先看一組數據。

全球AI芯片市場，2025年價值約582億美元（全球市場洞察數據）。預計2026年跳到791億美元，到2035年達到1.1萬億美元，年復合增長率33.9%。

另一家機構（360iResearch）給出的數字更嚇人：2025年1353.8億美元，2026年1635.1億美元，2032年5346.5億美元。

不管你怎么算，都是一個每年增長30%以上的瘋狂賽道。

再看整個半導體大盤。SIA數據顯示，2025年全球芯片銷售額7917億美元，同比增長25.6%。2026年有望突破萬億美元——比行業之前預測的2030年提前了整整3年。

AI芯片的平均售價：12000美元/顆。行業毛利率：54%。

這個利潤率，在整個半導體歷史上都排得上號。

那英偉達呢？它預計自己的Blackwell和Rubin AI芯片在2025-2026年將帶來5000億美元的收入。到2026年底前，這兩代GPU總出貨量預計達到2000萬顆——是上一代Hopper的5倍。

但即便如此，缺口依然巨大。

巴克萊銀行預測，2026年AI推理計算需求將達到訓練需求的4.5倍，占通用AI總計算需求的70%以上，催生近3000億美元的芯片資本支出缺口。

貝恩報告更震撼：全球AI算力需求以每年4.5倍的速度增長，遠超摩爾定律每兩年翻一番的效率提升。為滿足這一需求，到2030年全球需要新增200吉瓦的算力容量，每年需要約5000億美元的資本支出。

需求在以指數級狂奔，供給卻只能線性爬坡。這個剪刀差，就是馬斯克焦慮的根源。

誰在燒錢？三大引擎同時點火

這波需求不是憑空產生的。背后有三個巨大的引擎，正在同時全速運轉。

引擎一：大模型競賽，從訓練轉向推理

2026年，AI產業的重心正在發生根本性轉移——從“訓練模型”轉向“推理應用”。

中國日均詞元（Token）調用量，2026年3月已突破140萬億，三個多月增長了40%以上。

每一次聊天、每一張AI生圖、每一個智能體調用，背后都是海量詞元的生成與消耗。訓練是“建模型”，推理是“用模型”。而當應用真正鋪開，推理側的需求會以遠超訓練側的速度膨脹。

引擎二：科技巨頭的資本開支，沒有最瘋狂只有更瘋狂

亞馬遜、谷歌、Meta、微軟四大云廠商，2025年資本支出年增幅超過30%。2026年合計資本支出預計將推升至6000億美元以上，年增40%。

Gartner預測，2026年全球AI總支出將達到2.52萬億美元，同比增長44%。

美銀與瑞銀預測，2025年AI基礎建設投資4230億美元，2026年5710億美元。

這不是在花錢，這是在往火堆里扔錢。

引擎三：主權AI，國家層面的算力軍備競賽

各國政府開始把AI算力視為國家戰略資源。從歐洲到中東，從東南亞到拉美，主權AI需求正在成為新的增量市場。

這不再只是商業競爭，而是地緣政治的一部分。

芯片突圍，有幾條路？

巨頭們的“硅基叛逆”

面對英偉達的“芯片稅”，巨頭們選擇了同一個答案：自己造。

谷歌在2026年4月22日發布了第八代TPU處理器：TPU 8t（訓練）和TPU 8i（推理）。采用臺積電2納米制程，TPU 8t訓練速度較上代提升2.8倍。

Meta、OpenAI也紛紛加入自研芯片行列。

為什么？

因為英偉達的定價策略就像成衣店的西裝——性能強大，但不是為你量身定做的。自研芯片則是“高定禮服”，可以根據自己的模型算法深度定制，砍掉冗余功能，把每一顆晶體管的效能壓到極限。

更重要的是：它將永無止境的運營成本，轉化為可控的資本開支。

這不是省錢，這是構筑護城河。

GPU不再是唯一答案

過去幾年，AI芯片幾乎等于GPU。但2026年，這個等式正在被打破。

當推理需求爆發，GPU在某些場景下的效率劣勢開始顯現。

Intel與SambaNova在2026年4月聯合發布了一個針對代理式AI（Agentic AI）的異構推理架構：GPU負責預填充，SambaNova的可重構數據流單元（RDU）負責解碼，Intel Xeon 6處理器負責編排。

結果是：峰值吞吐量是競品的5倍，總擁有成本比GPU低3倍。

與此同時，LPU（Language Processing Unit）架構正在快速崛起。2025年下半年，英偉達豪擲200億美元整合了Groq的推理技術資產。今年3月，Groq的LPU架構已被深度集成到英偉達的Vera Rubin平臺中。

還有華為老兵楊濱創立的LPU初創企業元川微，近期宣布完成數億元天使輪融資。

近存計算技術成為突破性能瓶頸的關鍵方向，行業正在逐步擺脫傳統的“計算-存儲分離”模式。

一句話：2026年的AI芯片，不再只有GPU這一個選項。

中國，從“替代可用”到“自主好用”

在美國出口管制持續升級的背景下，中國AI芯片產業正在加速跑。

2026年，中系高階云端AI加速器出貨預計將達212.3萬顆，年增136%。其中華為憑借系統整合優勢，在中國市占率將超過5成。

IDC數據顯示，2025年國內AI加速卡市場出貨約400萬張，國產占比已達41%。預計2026年出貨量實現翻倍，頭部企業收入增速普遍達120%以上。

DeepSeek、千問等國產大模型的出圈，背后正是國產AI芯片在利用效率上做了很大提升。

當然，國產芯片仍面臨三大瓶頸：先進制程良率不高、HBM供應不穩、CUDA生態掣肘。

但一個值得關注的觀點是：包括很多國際權威機構都預測，中國在AI芯片領域最有望在2026年迎來“DeepSeek時刻”——從“能用上”向“用得好”轉變。

比芯片更可怕的瓶頸，正在浮出水面

你以為缺芯就是最大的問題？

馬斯克告訴你：不是。

他在2025年就預警過：當前制約AI發展的芯片瓶頸，將很快轉變為“電力設備”短缺。最早到2026年年中，AI企業就可能面臨“根本性的發電量不足”。

國際能源署（IEA）最新報告印證了這個判斷。2023年至2026年間，全球數據中心電力消費年均增長率達18%，其中AI計算占比從2023年的15%激增至2026年的35%。

預計到2026年底，全球數據中心總用電量將達到1050太瓦時——相當于德國全年用電量的總和。

摩根士丹利測算，到2028年美國數據中心電力需求或升至80GW，潛在供電缺口約55GW。

貝萊德估算，到2030年需要約148吉瓦的額外電力容量來滿足數據中心需求。

芯片可以加班造，電廠可沒法一夜建成。

馬斯克給出的答案相當激進：太空。

他說：“在未來30到36個月內，在太空部署AI將成為成本最低的選擇。”

理由？太空沒有晝夜循環與大氣衰減，太陽能板有效效率約為地面的5倍，散熱可通過真空輻射完成。SpaceX正在為每年1萬次發射做準備，目標是構建圍繞低地球軌道的“軌道數據中心”。

聽起來像科幻？但仔細想想：當芯片短缺變成電力短缺，當電力短缺變成空間短缺——太空，似乎成了唯一的出路。

芯片競賽的終局，不是芯片本身

回看馬斯克啟動Terafab的舉動，以及整個AI芯片市場的全景，我們可以得出一個超越“缺芯”本身的結論。

第一，AI芯片產業正在從“單點競爭”轉向“系統競爭”。

衡量AI芯片的硬指標，正在從“算力單點”轉向“算力×內存×互聯×功耗密度”的綜合效率。上游是先進制程與HBM供應，中游從芯片延伸到板卡、整機、機柜與軟件平臺，下游由云廠、車廠把需求反向固化為規格。

AMD已經完成了對ZT Systems的收購，明確將CPU+GPU+網絡+機柜級系統交付能力合并到同一條端到端方案里。

“從硅到機柜”的整合，正在成為行業新標準。

第二，半導體產業正呈現殘酷的“K型”分化。

一端是借著AI推理和高性能計算東風扶搖直上的“超級贏家”——邏輯芯片和存儲芯片，構成了AI計算系統的“大腦”與“記憶”。另一端則是被困在消費電子低迷與成本通脹中的“受困者”，利潤率一度被壓至10%以下。

AI芯片正從“周期性產業”邁向“基礎性戰略物資”。

第三，也是最重要的一點：算力短缺的本質，不是芯片不夠多，而是整個計算基礎設施的系統性不匹配。

芯片性能的提升速度（即便按照英偉達每年翻番的節奏）仍然追不上算法進步和數據增長的速度。真正限制AI發展的，不是單一芯片的算力，而是從電力供應、芯片制造、封裝測試、軟件生態到數據中心運營的整個系統工程能力。

當馬斯克一邊說要造Terafab工廠，一邊說要發射數萬顆衛星去太空建數據中心，他其實在傳遞一個信號：

AI芯片的終局，不是誰能造出最強的單顆芯片，而是誰能構建最完整的算力基礎設施體系。

從這個角度看，AI芯片的“短缺”，與其說是危機，不如說是一場產業重構的催化劑。

在這場重構中，芯片廠商、云服務商、能源企業和航天公司，都在爭奪同一張入場券。

而一個更值得關注的問題正在浮現：當GPU不再是AI算力的唯一答案，當電力取代芯片成為新的瓶頸，當太空數據中心從科幻走向規劃——我們或許正在見證一個比“缺芯”本身更宏大、更根本的變革。

這場變革的核心問題不是“誰擁有最多的芯片”，而是“誰能構建最可持續的算力體系”。

答案，還在書寫之中。