Bernstein明星分析師Stacy Rasgon認為，在AI基礎設施投資逼近美國GDP 4.4%的狂飆突進下，半導體行業正迎來史無前例的真實“超級周期”。

6月21日，聚焦新興科技前沿的播客Tech Surge Deep Tech Podcast發布最新訪談實錄，Celesta Capital創始管理合伙人Michael Marks與伯恩斯坦（Bernstein）知名芯片分析師Stacy Rasgon進行了一場深度對談。

在長達近一小時的對話中，雙方深入探討了AI驅動下的半導體營收增速、AI從訓練到推理的跨越、供應鏈各環節的產能瓶頸，以及行業未來增長的可持續性空間。

（左：Michael Marks；右：Stacy Rasgon）

與大多數華爾街分析師不同，Rasgon擁有麻省理工學院博士學位，是純正的工程師出身，這使得他更看重成熟的物理定律和資本流動。

Rasgon明確指出，當前半導體行業正在經歷一場他從業以來見過的最大規模的需求大爆發。去年，半導體行業總營收突破了8000億美元，而今年正在向1.3萬億美元的規模狂奔。

Rasgon在訪談中感嘆：

在我的整個職業生涯中，我一直聽到‘超級周期’這個詞。而這可能是我真正見過的第一個。我們現在聽到的唯一聲音就是，沒有人的算力是夠用的。

Rasgon強調，當前市場焦點正從“模型訓練”向“AI推理”轉移，這是實現商業化變現的核心。同時，產能瓶頸正從GPU向HBM存儲、半導體設備乃至電力供應全面蔓延。

未來，博通代表的定制芯片（ASIC）與英偉達的GPU將在日益擴大的增量市場中長期共存，共同消化這波深不見底的算力需求。

供應鏈的“打地鼠”游戲，全行業正被AI強行拉動

隨著AI算力需求的無底洞被打開，市場正呈現出一種奇特的“打地鼠”效應——產能瓶頸正在產業鏈上逐個爆發。

Rasgon詳細拆解了這一現象：

一切都在被這種對AI算力貪得無厭的需求所拖動。在我的職業生涯中，從未見過如此規模的景象，情況從加速器蔓延到存儲，再到半導體制造設備、網絡和光學器件、功率半導體，現在甚至連CPU也供不應求。

以存儲器為例，行業正在經歷有史以來最強勁的上升周期，價格每季度都在翻倍。這背后的核心推手是HBM（高帶寬存儲）。Rasgon透露了一個關鍵的數據細節：

在一個AI芯片的硅片面積中，可能有85%以上都是HBM。

更關鍵的是“折算率（trade ratio）”問題。他說：

由于堆疊技術的良率損耗和邏輯裸片空間的占用，制造1GB的高帶寬存儲，大約需要4倍于標準DRAM的硅片面積。

這意味著即便晶圓廠瘋狂擴產，實際產出的存儲容量（比特數）增量依然十分受限。

這種極端的需求甚至讓處于弱勢的企業也意外獲益。談及英特爾的服務器CPU業務時，Rasgon直言不諱地指出，當前的服務器需求異常強勁，以至于英特爾甚至因此獲得了利潤率的上行：

需求太強勁了，以至于他們甚至把以前注銷過、像垃圾一樣扔在倉庫角落里的庫存都賣掉了。客戶現在的態度是：‘我們不在乎，我們要了，請賣給我們吧。’

拐點來臨：“你無法靠訓練模型賺到任何錢”

盡管千億美元級別的資金正在涌入，但市場最大的擔憂在于：這種增長可持續嗎？想象空間到底在哪？

Rasgon將破局點直指“推理（Inference）”。他強調，大量的資金此前用于大模型訓練，但這并非商業化的終局。Rasgon表示：

你無法靠訓練模型賺到任何錢……你必須能把模型用起來，這就是推理。

這種轉變已經開始體現在初創公司的驚人數據上。Rasgon在訪談中援引數據稱，類似Anthropic這樣的公司，其年化收入運行速率呈現出垂直上升的態勢，

去年12月是90億美元，今年1月達到140億美元，而在近期（4月）已經達到了300億美元。

此外，隨著英偉達近期收購Groq，推理市場的細分需求正在凸顯。Rasgon指出，并非所有的數據“詞元”都具備相同的價值。

對于需要極低延遲、極快響應的特定推理任務，定制化的芯片或專用的推理架構往往比通用GPU具有更好的經濟性。

定制ASIC與GPU不是零和游戲

在推理需求爆發的背景下，定制化芯片（ASIC）的勢頭正在沖擊GPU的絕對壟斷。博通成為了這一趨勢的最大受益者。

Rasgon在提及博通時表示：

在這一切開始之前，博通曾說半導體是一個成熟行業，只有中等個位數的增長。但現在一切都爆炸了。（博通）他們說，明年他們認為能在AI收入上做到1000億美元。

各大云服務商為何執著于自研ASIC？Rasgon認為這不僅是出于性能優化，更是為了在英偉達高達75%的毛利率面前擁有談判籌碼。Rasgon說：

至少當你坐在談判桌前和黃仁勛談判明年的合同時，你會希望口袋里有點底牌。

但Rasgon強調，這并非誰取代誰的游戲。如果ASIC占據更大的份額，那是因為整個蛋糕變大了。

對于龐大、穩定且內部開發的工作負載，ASIC能提供更低的總擁有成本；但如果模型結構改變，GPU的可編程性優勢則不可替代。Rasgon認為：

正確的痛點在于：擺在我們面前的機會是不是還在變大？如果足夠大，他們兩者都會蓬勃發展；如果不大了，那大家都要完蛋。

當被問及市場可能忽視的風險時，Rasgon將焦點從代碼和硅片拉回到了現實世界的物理基礎設施——電力。

目前，云巨頭們今年的資本支出已達6000億美元，如果未來基礎設施支出按照英偉達預期的每年3萬億到4萬億美元規模發展，人類現有的能源系統將面臨崩盤。

Rasgon分享了他此前建立的一個測算模型：

我們到底有沒有足夠的電力來做這件事？電網可能承受不了。美國的電力容量需要在未來十年內每年增長5%左右。而在電力設備分析師的眼里，5%的年增長率是根本無法實現的。

這意味著，下一波AI的創新和瓶頸突破口，將不可避免地落在能源生成、冷卻和核電等領域。正如他一直堅信的：

永遠不要低估人類的聰明才智，如果有利可圖，工程師們總會找到出路。

總體而言，只要AI的需求不發生斷崖式崩盤，整個半導體產業鏈的“超級周期”仍將持續，而資本市場的關注點，必須緊跟這些不斷在各個環節中游走的“產能瓶頸”。

以下為播客全文（AI輔助翻譯）：

Michael Marks： 有一個詞在芯片行業每隔幾年就會被拋出來——超級周期。大多數時候，它都被過度渲染。偶爾，它是真實的。眼下，這些數字難以反駁：四大云計算巨頭今年的支出預計將達到約6000億美元，其中大部分用于AI基礎設施。半導體行業去年營收突破8000億美元，正向1.3萬億美元邁進。
今天我的嘉賓是Stacy Rasgon，他是伯恩斯坦（Bernstein）知名的芯片行業分析師。與華爾街大多數分析師不同，他是工程師出身——麻省理工學院博士，在寫第一篇分析報告之前，曾實際參與過芯片制造設備的研發。這一背景深刻影響了他解讀行業的方式：少一些投機，多一些對已被驗證的物理規律和資本流向的關注。
今天我們將深入探討：AI周期是否真的有所不同？瓶頸在哪里？塵埃落定后，誰能攫取利潤？
Michael Marks： AI正在驅動如此巨大的數字體量，而且始終是新聞焦點，這在以前從未有過。這是真正的變化，還是只是另一個更大版本的周期而已？
Stacy Rasgon： 這確實是關鍵問題。說來有趣，在我整個職業生涯中，"超級周期"這個詞我已經聽了無數遍了，但也許這是我真正親眼見證的第一次。
半導體周期有幾種不同類型：
供給周期： 在內存領域最為常見。供應趨緊，價格上漲，于是大量產能上馬。但隨后產能落地，需求卻已下滑——因為客戶在拿不到想要的零部件時，往往會超量下單，導致供需嚴重錯位。這類周期通常持續4年左右，從峰值到谷底。
庫存周期： 半導體處于供應鏈末端，需求的微小波動會沿供應鏈逐級放大。需求一旦下滑，客戶就減少采購，消化自身庫存，半導體出貨量隨之低于實際需求；而當客戶開始補庫存時，出貨量又會超過實際需求。這類周期往往體現為季度性的起伏，大約持續幾個季度。
產品周期： 比如我是一家移動端半導體供應商，能否贏得下一代iPhone的供貨資格，直接決定了收入的大幅波動。
而我們眼下正在經歷的，似乎是一個需求周期，而且我從未見過規模如此之大的。無論是量級還是速度，都是前所未有的。
更值得關注的是，AI半導體的爆發已經開始拉動整個行業。幾乎所有半導體細分領域，無論是股價還是盈利，都在向好發展。這波需求的傳導路徑清晰可見：從加速器，到內存，到半導體設備，到網絡和光通信，再到電源半導體，直至現在的CPU——一切都被對AI算力那種近乎貪婪的需求拖著走。
目前我們聽到的唯一共識就是：沒有人擁有足夠的算力。
Michael Marks： 內存一直是典型的周期性半導體產品。現在內存廠商需求旺盛、長期售罄——這種局面能持續多年嗎？況且市場上幾乎沒有新進入者，產能就這么多。
Stacy Rasgon： 我們來聊聊內存——這可能是歷史上最強勁的內存周期。要知道，僅僅18個月前，我們還深陷可能是自互聯網泡沫以來最糟糕的內存寒冬。
你提到入局者減少，確實如此。回溯20到30年前，內存廠商多達30家；而如今，根據內存類型的不同，只剩下3到6家。上一個寒冬里，這些廠商雖然虧損，但尚能支撐；回到互聯網泡沫時代，卻出現了大規模破產。如今的行業格局比那時更為健康穩固。
目前，內存價格已經出現每季度翻倍的情況，需求火爆，根本原因正是AI。
這里有必要區分兩大主要內存類型——DRAM（動態隨機存取內存）和NAND（閃存）：

• DRAM 類似PC里的內存條，負責運行系統；
• NAND 類似手機里的存儲芯片，用于保存照片等數據。

在DRAM領域，有一些格外值得關注的動態。AI芯片大量使用一種特殊的DRAM——HBM（高帶寬內存）。它將多顆DRAM芯片垂直堆疊封裝在一起，每顆AI芯片都需要配置大量這類內存封裝。
如果統計一顆AI芯片所有部件的硅片面積，HBM占比可能高達85%以上。
更重要的是，制造HBM存在所謂的**"轉換比率"問題：由于堆疊工藝導致良率下降，加上需要預留連接器空間，制造同等容量的HBM所需的硅片面積，大約是普通DRAM的四倍**。這意味著，即便大量擴充晶圓產能，實際能新增的存儲容量也相當有限。
只要AI需求持續增長，這一局面應該不會改變。而如果AI需求真的崩了，那大家都完了，所以這個場景不在我的擔憂范圍內——目前也沒有任何跡象顯示會走到那一步。
Michael Marks： 你關注這個行業已經很長時間了，技術創新能隨著時間推移緩解供應壓力嗎？還是說需求實在太強勁，任何創新都無濟于事？
Stacy Rasgon： 創新永遠都在發生。過去60年里，半導體行業有一條主線叫做摩爾定律——每兩年，在相同面積的硅片上可以塞入約兩倍數量的晶體管，而成本卻基本不變。換句話說，你每隔兩年就能用同樣的價格獲得兩倍的算力，或者以一半的成本獲得同等算力，同時性能提升、功耗降低——堪稱美妙。
然而，摩爾定律在十多年前開始瓦解。這并不意味著技術進步的終結，但它意味著成本優勢這條腿從原本的"三腿凳"上抽走了。我們仍然能獲得性能和功耗方面的提升，但現在你必須為此買單。每個晶體管的成本不再下降，而是開始上升——這是全新的局面。
當時，很多人擔心這將是行業的終結。但事實恰恰相反，它開啟了行業的文藝復興。因為它意味著：如果你想要更好的性能，你需要付錢，而不是等著行業免費奉送。
我記得博通的前聯合創始人、時任CTO Henry Samueli，大約在2012年就談到這個問題。他展示了臺積電每晶體管成本的走勢，指出成本在28納米節點觸底。他的核心觀點是：這不是壞事，這是整個行業40年來頭一次走向理性。
摩爾定律終結之后，創新并未停止，只是轉移了方向：

• 新型晶體管結構： 全新的器件架構持續演進；
• Chiplet架構： 將芯片拆分成多個小芯片，分別針對不同功能采用最優化的工藝，再通過先進封裝技術整合在一起，突破單塊芯片約830平方毫米的"掩膜極限"；
• 先進封裝： 比如英偉達的Blackwell GPU，實際上是兩顆GPU芯片疊加，再搭配大量HBM通過硅中介層（silicon interposer）集成在一起，可以堆疊出更大的硅片面積和更強的算力。

這些方案當然不便宜，但只要客戶有足夠的理由為此買單，他們就會愿意付費——這也是英偉達能維持75%毛利率的根本原因。
Michael Marks： 如果這一切開始以某種方式放緩，我們會看到什么信號？
Stacy Rasgon： 我們重點關注幾個指標：
一是超大規模云廠商（hyperscaler）的資本支出數字。 各家最近集中發布財報，資本支出仍在上升。不過說實話，等到這個數字開始下滑時，大概已經來不及做什么了。
二是AI應用公司的收入增長。 這里涉及一個更大的議題：訓練模型和使用模型之間的區別。以Anthropic為例，他們偶爾會披露收入進展。我記得今年4月，他們年化收入約為300億美元；1月還是140億美元；12月大約90億美元；再往前一年，可能還是個位數十億。這條曲線幾乎是垂直拉升的，說明人們正在真正使用、并且愿意為之付費。
三是超大規模云廠商的云業務收入及其增速是否持續加速。
四是來自亞洲的各類數據點： 晶圓訂單量，CoWoS（臺積電的先進封裝技術）產能預訂情況，以及供應鏈各環節的產能飽和程度。
目前，所有這些指標都呈現出積極信號。整個市場的普遍共識是：算力依然嚴重不足。
Michael Marks： 我更感興趣的是這一切帶來的長期結構性變化，而不是短期股價波動。你提到了供應鏈，我想深入聊聊，因為這次有一個非常不同的地方——超大規模云廠商的垂直整合程度之深，前所未有。他們自己設計芯片、建設數據中心、搭建融資架構，掌控云端接入。而過去幾十年，整個世界一直深度垂直整合，現在似乎正在走向反向——這是什么影響？
Stacy Rasgon： 說實話，超大規模云廠商做自研芯片已經不是新鮮事了。

• 谷歌的TPU（張量處理單元） 已經迭代了14年，目前是第八代，第九代正在研發中；
• 亞馬遜的自研訓練芯片Trainium 和推理芯片Inferentia已經做了五六年；
• 亞馬遜的自研服務器CPU Graviton 也有六七八年的歷史。

所以超大規模云廠商垂直整合到半導體這件事本身并不新鮮，只是他們如今面對的需求體量遠比以前大得多。
再往上游看，蘋果更是自研芯片的典范：他們將整個PC產品線從英特爾x86架構遷移到了自研ARM芯片，正在努力將手機基帶調制解調器也納入內部研發，藍牙、Wi-Fi等連接模塊同樣如此。蘋果做這件事已經超過十年了。
即便是數據中心業務，谷歌也不是直接從戴爾買服務器，而是采用"白牌"模式——明確定義所需規格，然后交給ODM廠商按需制造，使用博通等公司的標準化芯片。他們的硬件功底相當深厚。
Michael Marks： 垂直整合背后的驅動力是什么？是為了解決瓶頸、提升利潤，還是防范競爭？
Stacy Rasgon： 三者都有。解決瓶頸是一方面，但他們并不自己生產，所以瓶頸問題其實并沒有根本消除。更重要的是性能優化——這些超大規模云廠商擁有體量龐大、內部自研的穩定工作負載，對于需要什么、能優化到什么程度，心里非常清楚，定制芯片可以實現最優匹配。當然也有競爭考量——在與英偉達談判下一年合同時，能在口袋里揣著一個備選方案，總歸是多一份籌碼。
Michael Marks： 現在行業正在向推理（inference）轉型，這相當于重新洗牌。能談談這件事嗎？
Stacy Rasgon： 目前大部分支出都在訓練上——確定這些大模型中可能數以萬億計的參數，計算量極其龐大，需要投入大量資金，購買海量GPU和其他計算設備。
我經常被問到：你覺得支出什么時候會從訓練主導轉向推理主導？我的回答一直是：最好趕快轉，因為問題就在這里——**訓練模型本身是不賺錢的。**英偉達靠賣芯片賺錢，但你訓練了一個模型，并不代表你賺到錢了。你必須能夠使用這個模型，才能產生收益。那才是推理。
我們開始看到這種轉變了。現在讓人興奮的不只是聊天機器人或生成視頻，而是所謂的**"智能體推理"（agentic inference）**——模型能夠真正執行現實世界中的任務。目前落地最顯著的應用是代碼編寫：Anthropic的大部分收入增長，正是來自智能體編程場景，也就是AI智能體輔助或代勞編寫代碼。他們顯然做出了人們愿意付費的東西。
目前CPU供應也開始趨緊，這正是推理轉型的另一個佐證——推理不僅大量消耗GPU，也需要大量其他計算資源。
當然，關于回報和經濟模型的爭論還在持續。現在還處于快速投入期，資本支出高居不下，賬面上看起來是在燒錢。但隨著收入基數的快速增長，我對這個問題越來越樂觀。
Michael Marks： 我確實聽說，很多人看到賬單后大吃一驚。
Stacy Rasgon： 是的，有點諷刺——一邊裁員，一邊把錢花在AI上，結果發現花在AI token上的錢，比被AI替代的那些員工的工資還要多。當然，如果AI的產出確實更高效，那也許還說得過去。
Michael Marks： 說到新進入者，推理賽道出現了一批專注于此的創業公司，比如Groq、Cerebras、Sambanova、Tenstorrent。這些公司與英偉達、博通這樣的老牌巨頭并存，你怎么看它們的走向？我個人覺得它們最終都會被巨頭收購。
Stacy Rasgon： 有意思，比如英偉達剛收購了Groq。他們在GTC（GPU技術大會）上談到這次收購，讓我對此有了更清晰的認識。
以前我有一個簡單粗糙的看法：token就是token，沒什么區別。所謂token，是這些模型處理信息的基本單元——你可以把它想象成一個詞或一段信息，是模型的輸入或輸出。購買算力時，很多情況下是按每百萬token計價的。
但Jensen Huang說了一句話，乍聽很普通，細想卻很有道理：不是所有token都一樣，有些token可以賣出遠高于其他token的價格。 尤其是那些需要極低延遲、響應極快的token。Jensen認為，如果你是一家新興云服務商，能夠提供這類低延遲算力服務，就能獲得好得多的經濟回報。這正是Groq所聚焦的場景。
GPU并不是處理所有任務的最優選擇。對于那些需要超快響應、超低延遲的特定任務子集，專用推理芯片可以表現得更好。這就是收購Groq的邏輯。
有意思的是，Jensen坦承GPU并非萬能，但他也足夠大氣，不會為了維護面子而否認自己需要彌補某塊短板。
Michael Marks： PC時代從50家公司走向了三家，手機時代同樣如此。AI革命也在經歷同樣的演變——這也是我所說的垂直整合浪潮的由來。
Michael Marks： 半導體設備這條賽道不怎么被人提及。從股價來看，它們都有所上漲，但漲幅遠不及那些明星公司。這里發生了什么？
Stacy Rasgon： 其實漲了不少。就拿泛林（Lam Research）來說，他們做刻蝕設備，去年年初股價70美元，現在已經翻了三四倍。應用材料（Applied Materials）今年翻倍，阿斯麥（ASML）也大約翻倍。
只是漲幅沒有像內存或云計算股那樣達到十倍級別。要知道，內存的ASP（平均銷售價格）可能漲了十倍，但半導體設備的ASP不可能也漲十倍。
更重要的是，設備行業今年其實處于一個有約束的強勁年份：設備做出來了，但沒有工廠放。你需要先建晶圓廠（fab），有了潔凈室，才能接受設備進場。這些廠房正在建設，預計明年才能陸續建成并開始接收設備。所以今年的WFE（晶圓制造設備）支出雖然強勁，卻因廠房產能受限而無法充分釋放。
從另一個角度看，這其實是一個內置的緩沖機制——在物理層面對行業擴張速度形成了硬性約束。如果潔凈室產能無限，今年的設備出貨量會高得多。這種自然約束，在某種程度上降低了行業過度擴張的風險。
Michael Marks： 你認為半導體設備公司會迎來一個長期上升周期嗎？因為他們要填補多年積壓的需求缺口。
Stacy Rasgon： 只要AI需求不崩盤，就會是的。當然，如果AI需求崩了，大家都完了，這個假設就沒有意義了。
Michael Marks： 博通做了什么事情，能讓它在這波AI浪潮中如此受益？很多人聽過博通的名字，但未必真正了解它。
Stacy Rasgon： 博通的管理團隊出色，執行力一流。
在AI浪潮開始之前，博通已經是一家通過多年收購積累而成的多元化公司。背景稍作介紹：今天的博通其實是當年的Avago收購了"經典博通"，并沿用了博通的名字，但股票代碼仍是AVGO。
經典博通的業務涵蓋：iPhone里的射頻濾波器、藍牙和Wi-Fi芯片；有線電視機頂盒和電纜調制解調器芯片；存儲芯片；以及最核心的網絡芯片——包括自研的定制網絡芯片和收購而來的交換路由"商用硅片"業務。
Avago合并經典博通后，持續向軟件延伸：收購了做大型機軟件的CA Technologies，收購了賽門鐵克（Symantec）的企業安全業務，以及最近收購的虛擬化巨頭VMware。
在AI大潮開始之前，博通大約是60%半導體、40%軟件的業務結構，毛利率極高。CEO Hock Tan常說半導體是個成熟行業，增速大概是中單位數，但現金流充沛，只是市場給的估值倍數偏低。
博通一直在做定制網絡芯片和計算加速芯片（即ASIC）。谷歌的TPU正是與博通合作、歷經14年打造的。但在AI爆發之前，這塊業務體量不大，可能只有十幾億美元。
然后，ChatGPT在2022年11月橫空出世，英偉達隨即開始了那次"震驚世界的財報"，收入急劇攀升。谷歌和其他巨頭也開始加速布局。
2023年下半年，Hock Tan開始談論博通的AI機遇。老實說，當時他說著說著，感覺自己也不完全確定這究竟會有多大——但他如實匯報了正在發生的事情，包括網絡和計算兩端的上行勢頭。
然后，它就爆發了。
在他們最近一次財報電話會議上，Hock Tan表示，明年博通僅AI相關業務的收入預計就將達到1000億美元。 而這家公司的總營收直到不久前才是幾百億美元——現在僅AI一塊就要超過1000億，這個體量的躍升令人瞠目。
這一切發生的背景是：在AI領域，英偉達占據主導，但眾多大型用戶——往往本已在開發自研芯片——希望針對自身特定AI工作負載進行更深度的定制化，以提高效率，降低總體擁有成本（TCO）。與此同時，坐在談判桌對面，面對著擁有75%毛利率的英偉達，如果能在口袋里揣著一個備選方案，也總歸是多了一份議價籌碼。
關于GPU與ASIC之爭，我的看法是：這是個假命題。ASIC（專用集成電路）更適合大規模、穩定、內部自研的工作負載——規模要大，因為需要攤薄設計成本；工作負載要穩定，因為一旦模型架構或任務類型改變，就需要重新設計芯片，而GPU則通用可編程，靈活性更強。
目前，ASIC在AI芯片市場的收入占比大約在十幾個百分點；未來能否提升到25%甚至30%？在一個更大的盤子里，這是可能的，但我不認為它會全面取代GPU。
真正的關鍵問題不是GPU和ASIC誰贏誰輸，而是：前方的機會是否足夠大？ 如果足夠大，兩者都會蓬勃發展；如果不夠大，兩者都會遭殃。
Michael Marks： 我想聊聊英特爾——尤其是代工（Foundry）業務。全球代工產能供不應求的現實、地緣政治因素、臺積電的戰略地位，都讓外界對代工產能的布局格外敏感。你怎么看英特爾的代工業務？
Stacy Rasgon： 讓我先退一步來看。代工業務是Pat Gelsinger主導的戰略，我認為方向本身沒有問題——無論是國家安全層面，還是行業發展需要，我們確實需要英特爾重新回到代工賽道。但Pat的執行確實不理想。
他一上任就大舉招兵買馬，招了21000人，結果又不得不全部裁掉。更糟的是，他以一種"歌舞升平"的姿態進來，把什么都說得完美無缺。
反觀陳立武現在的做法，才是正確的轉型劇本：進來就著力壓低市場預期，而不是拔高；先把成本結構理順；然后告訴大家，我很高興回來，但你們要有耐心，這是一場硬仗，我們會慢慢打——這才是該有的姿態。
我認識陳立武很多年了，非常尊重他。他做的都是正確的事。他不是魔術師，但他非常優秀，正是英特爾此刻需要的人。他技術背景深厚，懂得如何運營代工廠——本質上，他是Cadence的創始人之一，在其董事會服務了20年；他也深度參與了大量創業公司，這些公司大多是臺積電的客戶，所以他清楚客戶需要什么。而且他在行業內人脈極廣，隨時可以拿起電話打給臺積電董事長CC魏或者Jensen Huang。
這仍然是一場艱難的戰役，但陳立武從不掩飾這一點。
Michael Marks： 英特爾現在的股東群體很有意思——美國政府是股東，英偉達是股東，軟銀也是。這對英特爾作為公眾公司究竟意味著什么？
Stacy Rasgon： 說實話，過去很長一段時間，英特爾的資產負債表是一個真實的隱患——市場在擔心他們能不能撐下去，甚至有聲音認為他們可能不得不拆分出售。現在這個擔憂基本可以打消了，這就是這些投資的價值所在。
政府持股這件事我個人并不是特別喜歡，但這對其他投資者起到了一定的背書效果——尤其是特朗普還時不時發帖夸獎這筆投資，這在某種程度上給市場增加了信心。
如果英特爾真的要堅定推進代工戰略，他們需要大量資金，這一點毋庸置疑。從這個角度來看，來自政府和其他投資方的資金注入，對英特爾是實實在在的正面作用。
Michael Marks： 你說到了我很關心的一點——資產負債表健康的問題，市場上鮮有人關注這個。英特爾當時債務壓力極大，債務到期時間逼近，但沒有多少人真正討論這件事。現在，有了這些戰略投資者撐腰，他們的資產負債表大為改善，這無疑降低了一大塊風險。
Stacy Rasgon： 說到英特爾值得肯定的地方，他們的新產品也相當不錯。18A制程和基于其上的Panther Lake，從目前來看是很有競爭力的產品——良率比預期要好，產品性能本身也很強。如果制程工藝能穩定上量，這就是一個正面的信號。
服務器端的產品競爭力確實還有欠缺，陳立武也坦承這一點，他說要到Coral Rapids量產才會真正具備競爭力，那大約是2028年前后。
但好在外部環境幫了他們一把。服務器CPU的需求目前極為旺盛，旺盛到什么程度？上個季度，英特爾在銷售一些此前已經完全減值、躺在倉庫角落的庫存——這些東西賬面價值已經歸零，但客戶管不了那么多，只要有貨就要。如果服務器需求維持這個勢頭，英特爾可能受益匪淺。是靠運氣也好，是靠實力也罷，結果是一樣的。
Michael Marks： 大家都在看漲。有什么是市場沒有充分關注到的風險嗎？
Stacy Rasgon： 關于投資回報的問題，我認為依然是一個有意義的開放辯題。需求確實爆棚，但這些資本支出最終如何變現，我覺得還沒有定論。
我很鼓勵看到那些收入基數在快速增長，但具體的商業化路徑，我認為行業整體仍在摸索。現在仍處于快速投入階段，正常化之后的利潤圖景還有待厘清。
另外，大模型基礎公司的整合也是個值得關注的問題。目前有那么多基礎模型公司，不可能全部存活，其中一些倒閉后，剩余的算力是否能被順利吸收？這也是一個有爭議的問題。
但我認為最根本的約束是能源。Jensen Huang曾說過，未來每年我們可能要在基礎設施上投入三四萬億美元——當時聽起來匪夷所思，但現在我們已經快到一萬億了，所以三萬億也許并非遙不可及。但問題是：電從哪里來？
我大約一年半到兩年前做過一項研究，和一位負責電力設備行業的同事合作，我們測算了：如果英偉達的預測成真，美國的電網需要以多大的速度增長來支撐它？結論是，美國的發電容量需要在接下來十年里每年增長約5%。
我把這個數字告訴我同事的時候，他看我的眼神像是我有兩個腦袋——因為在電力行業，5%的年增長率幾乎是不可能完成的任務。這意味著本地化、就地發電將變得不可或缺。三哩島核電站重啟的討論也已經浮出水面。
當然，我從不低估人類的創造力——工程師很聰明，只要有足夠的商業驅動力，就能找到解決方案。
Michael Marks： 作為一家風險投資機構，你看到市場上有哪些缺口，需要更多創業者去填補？
Stacy Rasgon： 能源效率方向應該很重要，因為所有人都在面臨能耗的壓力。
但我最感到高興的一件事，是看到半導體創業公司越來越多。十年前我曾試圖做一篇關于半導體領域VC投資的研究，最后不了了之，因為根本沒什么內容可寫。當時半導體投資幾乎只有企業戰略投資（CVC），比如英特爾資本——私人VC幾乎銷聲匿跡。原因很簡單：設計一顆芯片成本高、周期長，遠不如搭建一個SaaS產品來得容易。
所以，無論這些芯片創業公司最終命運如何，我都真心為半導體創業生態的重新活躍感到高興。硬科技再次變酷，時機恰好。
Michael Marks： 如果我們一年后再請你來，屆時世界大致按你的預期發展，行業會是什么樣子？誰贏了？誰跌了？你說對了什么，說錯了什么？
Stacy Rasgon： 我希望到時候行業更大、更好。
但我最想看清楚的，是推理需求的增長態勢和收入的真實落地——不只是工程師群體，而是你我這樣的普通人，是否開始以更廣泛、更真實的方式使用AI，并從中獲得切實的價值。如果到時候能看到這一點，那將是一個非常令人振奮的答案。
Michael Marks： 非常期待能再請你回來！
Stacy Rasgon： 我做這行18年了，我的原則一直是：只要每天還覺得有意思，我就繼續做。如果哪天不好玩了，我就去找別的事做。事實是，每一天我都熱愛這個行業。
Michael Marks： 太好了，非常感謝你的到來！