英特尔博通CEO同日预警：AI的最大瓶颈不是芯片而是钱

英特尔CEO陈立武和博通CEO陈福阳在10月12日同一天公开场合发出了一个不同寻常的信号：对算力基础设施的需求远超供应，但“资本”可能成为制约AI发展的最大障碍——其影响甚至超过半导体短缺或电力不足。

过去两年，整个行业讨论的焦点是芯片够不够、存储缺不缺、电网撑不撑得住。而现在，两位芯片巨头的一号人物把矛头指向了更底层的问题：钱从哪来、成本有多高、投进去的钱能不能赚回来。

当“拼产能”变成“拼融资”

博通CEO陈福阳在新加坡的一场活动上直言：“最大的制约因素可能是资本。”

他的判断基于过去两年的亲身经历——“我们不断遇到各种供应瓶颈，但随后又一一克服了。今天的存储芯片短缺，一年后可能就不再是问题。”按照他的预期，晶圆短缺可能在2028年或2029年得到缓解，电力供应也会随着新基建投入运营逐步改善。

但物理层面的瓶颈逐个消解后，更大的不确定性浮出水面：债券收益率走高正在推高数据中心建设和芯片采购的融资成本。

这不是抽象的理论推演。一座大型AI数据中心的建设周期通常长达三到五年，从拿地、搭建、电力改造到服务器设备进场调试，前期需要投入巨额资本开支。当借贷成本攀升，每一座新建数据中心的内部收益率都会被压缩——也就是说，同样一座机房，两年前能盈利的项目，现在可能刚好踩在盈亏线上。

英特尔CEO陈立武的表达更为直接。他指出，市场正在质疑那些大举投资AI的企业最终能否获得足够的回报，“如果说眼下存在什么挑战，那就是资本以及资金成本。另一方面，从长远来看，人们希望看到投资回报率。”

这两位来自美国半导体产业核心企业的掌门人同时发声，释放出的是同一个清晰信号：这个行业已经跨过了可以“先建再说”的阶段。

值得注意的一个反差是：两位高管都给出了明确的近期乐观预期，同时又都划清了长期的边界。

陈福阳表示，对算力基础设施的需求超过了供应能力，这种供需失衡可能持续到2029年，甚至延续至2030年。陈立武则说，未来两到三年，整个行业不太可能出现明显放缓，AI应用正得到越来越广泛的采用，市场对算力的需求也在持续增长。

短期内不会出现断崖式下滑——但前提是，这些花大价钱建起来的算力中心，在未来几年里确实能运转起来并为投资者创造收益。如果先进AI模型的普及速度不及预期，或者模型能力的提升开始趋于停滞，计算基础设施的需求就可能放缓。

这背后是一个产业尚未真正回答的问题：企业到底从AI投资中获得了多少实质性的效率提升或商业变现？

陈立武说得很清楚——“企业将越来越需要证明AI投资能够带来切实回报，例如能否提高运营效率，以及是否能催生新的商业模式。”这句话的分量在于，它把AI投资的评判权交回了市场和客户手中，而不是继续由供应商单方面定义价值。

这个转变对不同环节的影响并不均匀。

对于已经建成并稳定运营的数据中心来说，存量资产的压力相对有限——它们已经完成资本开支，进入收入回收阶段。但对正准备扩产或新建项目的云厂商而言，高融资环境意味着每个决策都要更加审慎。

芯片设计公司和代工企业的订单节奏也可能受到影响。当终端用户因为成本压力调整资本开支计划时，上游的芯片产能扩张步伐自然会随之变化。陈福阳此前预测的“2028－2029年晶圆短缺缓解”，本身就隐含了对投资节奏调整的预判——如果企业开始缩减新项目，供应端的压力也会相应减轻。

英特尔自身也面临双重考验。一边是AI时代的市场机会，另一边则是传统PC和服务器业务的转型压力——在资金成本上升的环境中，如何在两者之间分配有限的资源，是管理层必须面对的战略选择题。

而更值得关注的是，当前市场环境中，英伟达作为AI芯片的绝对领导者，其对融资成本的公开表态仍然缺位。这本身就是一个值得观察的信号：当产业链上的其他玩家开始发出风险警告时，处于风口最中心的巨头保持沉默，或许说明情况还不足以构成系统性威胁，又或者他们有更复杂的考量没有对外表达。

如果你关注AI产业链的投资价值，以下几个指标值得跟踪：

第一，主要云厂商的季度资本开支变动趋势。亚马逊AWS、微软Azure、谷歌云的CapEx计划是判断AI基础设施投资热度最直接的先行指标，一旦连续两个季度出现增速放缓或绝对值下调，就值得关注。

第二，美国10年期国债收益率与科技股估值的关系变化。当无风险利率持续走高时，长周期项目的现值会被明显折损，这对成长型科技的估值体系会构成压制。

第三，AI相关上市公司财报中的“客户ROI问答”。分析师电话会上，客户方是否开始减少对AI应用的预算承诺？供应商方的营收确认是否出现延迟？这是检验“AI投资是否转化为真实商业价值”的关键信号。

第四，AI模型更新频率与应用落地的对比。如果头部公司的模型迭代速度放缓，而下游应用层的采用率增长也减速，那意味着需求端可能已经进入平台期。

第五，半导体代工厂的产能利用率与新增订单结构。台积电、三星等代厂的产能分配变化可以提前反映芯片需求的冷热转换。