本文来自微信公众号： 数字经济发展评论 ，作者：数字经济发展评论，原文标题：《AI「芯片荒」蔓延，或成中美科技角力“最大变量”》
AI芯片是人工智能发展的核心硬件，当下美国AI企业普遍面临芯片短缺的问题。自2022年底ChatGPT发布以来，全球AI芯片和数据中心领域的投入迅速上升，微软（Microsoft）、Alphabet、亚马逊（Amazon）、Meta和Oracle计划在2026年支出近7000亿美元，主要投入AI基础设施。截至本文发布，多家AI企业均表示，算力扩容速度受限于芯片供应链。当下，AI芯片产能已然成为全球算力建设的主要瓶颈。
然而，新建芯片产线耗时数年，供应链难以同步实现快速扩产。由此，芯片供应已不只是产业链问题，而是直接影响人工智能发展速度和国家技术竞争格局的战略性约束。
情况并非一直如此。建设人工智能算力需要芯片、数据中心和电力等多种条件。2024年和2025年，人工智能规模化过程中的主要限制因素更多是数据中心电力；但进入2026年后，人工智能公司获取新增算力时面临的最紧约束，正在转向芯片本身的生产。OpenAI首席执行官山姆·奥尔特曼（Sam Altman）也指出，算力瓶颈会在不同环节之间转移，而当前再次集中到芯片问题上。
由于芯片供给速度远远跟不上爆发式增长的市场需求，而全新制造能力又难以在短期内形成，芯片产能短缺很可能在未来一段时间内继续限制人工智能算力扩张步伐。
芯片短缺也深刻影响着美国人工智能相关政策制定，稀缺性让AI芯片成为极具战略价值的资源。每一枚出口到竞争国家的芯片，都意味着美国企业及其民主盟友少获得一枚可用于训练模型、服务客户或推进研发的芯片。即使是英伟达（NVIDIA）H200这类相对较旧的人工智能芯片，也会占用制造更先进芯片所需的有限产能。芯片供给不足同样会制约美国AI出口计划的推进——该计划依托充足的芯片供给，帮助美国在重点海外市场巩固技术优势。此外，这一现状也凸显出“硅基联盟”等合作框架的价值：这类机制不仅能解决关键矿产等上游供应链难题，更能携手盟友打造长期稳定、抗风险的AI芯片供给体系。
与此同时，芯片短缺还会推高算力成本，使研究人员、学术机构和中小企业更难获得基础研究和公共创新所需的计算资源。因此，美国国会需要增加对国家人工智能研究资源计划的资助，避免公共研究领域在算力竞争中被大型科技公司进一步边缘化。不过，限制向竞争国家出口芯片，并不意味着美国应当收缩对外技术布局。相反，美国更需要有选择地配置芯片资源。
人工智能芯片短缺不仅是产业供需问题，更是美国人工智能政策、出口管制和盟友协同战略中的核心议题。在芯片供给难以迅速扩张的条件下，美国既拥有更大的政策杠杆，也有更充分理由确保每一枚芯片都被用于最高价值的用途。
需求侧的狂飙
算力激增与成本倒挂
随着新型AI模型训练迭代、技术研发以及规模化落地推进，AI系统的算力需求连年暴涨。即便AI模型本身的算力利用率不断提升，也未能扭转整体算力需求激增的态势，产业规模化带来的需求增量，完全抵消了技术优化带来的算力节约。
算力短缺正在迫使AI企业作出艰难取舍，包括收紧用户使用配额、提高价格以抑制需求、削减研发投入、训练较小规模模型，或降低服务质量。无论哪种选择，都会导致企业营收下滑、技术迭代放缓和竞争优势削弱等。类似压力已经在行业中显现。近期，人工智能公司Anthropic为平衡负载，在高峰时段收紧了克劳德（Claude）模型的调用限制；谷歌首席执行官桑达尔・皮查伊（Sundar Pichai）也坦言，即便公司持续扩充算力，依旧面临供给不足的问题。各大头部AI企业及芯片供应商高管，均表达了相同观点。
芯片短缺也直观体现在租赁价格上。过去，随着硬件技术迭代，算力租赁成本会持续走低；但Silicon Data和SemiAnalysis的分析显示，英伟达2023年推出的H100芯片，其租赁价格反而高于数年前。这足以证明，芯片需求增长已经抵消甚至超过了效率提升带来的降价趋势。
▲图源：CNAS
不同企业面临的核心制约，取决于自身现有合作协议与硬件储备。但放眼全行业，所有规划算力扩容的企业都指向同一个痛点：AI芯片制造产能不足。为谷歌设计人工智能芯片的博通公司高管表示，台积电正在触及产能上限，虽然其计划在2027年前继续扩产，但产能本身已经成为瓶颈。台积电首席执行官魏哲家（C.C.Wei）也认同这一判断：“目前真正的短板是晶圆供给，而非电力消耗。”
供给侧的谨慎
半导体的周期性困境
各大芯片制造商不愿贸然大幅扩产，主要受行业特性与历史经验制约。半导体行业本身就存在高资本投入、长建设周期和强周期性特征。全球公共卫生危机进一步强化了这种谨慎，汽车和消费电子制造商因预期经济下行而取消芯片订单。经济反弹后，相关产能已被重新分配，导致大量价值数万美元的汽车因缺少几美元的芯片而无法完工，汽车行业在2021年估计损失2100亿美元。此后，制造商为应对短缺扩大产能，却又因为下游企业为保障拱火重复下单，而高估真实需求，最终出现产能过剩和重大亏损。这一经历使芯片企业对人工智能需求是否可持续保持警惕。
存储芯片行业更是周期性波动的重灾区。存储芯片需求变化极快，但新建产线需要数十亿美元投入，且耗时数年。供需错配导致行业大起大落：需求高涨时价格飙升、资本扎堆入局，可等到新产能落地，市场往往已陷入供过于求。数十年间，行业不断洗牌，上世纪90年代全球主流存储芯片厂商超20家，如今仅剩三星、SK Hynix、Micron三家。正因如此，面对人工智能公司带来的需求激增，这些企业虽然看到了增长机会，却不愿过于激进地扩产，以免重蹈覆辙。
台积电也面临类似压力。作为总部位于中国台湾，制造全球约90%最先进芯片的企业，台积电必须判断人工智能需求究竟是长期趋势还是阶段性热潮。该公司首席执行官曾表示，自己也担心人工智能需求是否真实，如果处理不慎，过度扩产将给台积电带来重大风险。为对冲需求回落的可能，台积电还会为稳定的长期客户保留产能，即使这意味着接受较低价格。
这种谨慎直接加剧了AI芯片瓶颈的形成。虽然ChatGPT发布后人工智能芯片投资支出激增，但台积电和主要存储制造商在2023年、2024年的资本开支仍低于2022年。即便它们现在开始更积极地投资，但新制造能力也需要数年才能形成。由于半导体产业高度集中，一旦需求突然上升，市场缺少可行的替代方案。因此，近两年头部厂商保守的投资规模，直接锁定了当前AI芯片的产能上限。
▲图源：CNAS
与此同时，AI算力需求仍在快速增长。截至2026年4月，Anthropic公司的年化收入已从四个月前的90亿美元升至300亿美元，使芯片制造商进一步承压。据报道，英伟达和Broadcom曾要求台积电提供更多制造能力，但遭到拒绝；谷歌也因未能锁定足够产能，难以实现其2026年人工智能芯片生产目标。
目前各大厂商虽已着手扩产，但产能释放尚需时日。虽然台积电在亚利桑那州的第一座晶圆厂已开始生产4纳米芯片，并计划通过1650亿美元投资再建设五座晶圆厂，xAI公司首席执行官埃隆·马斯克（Elon Musk）等企业家也提出自建晶圆厂设想，但这些新增供给都需要多年才能真正释放。
因而至少到2026年底，芯片供应链仍将保持紧张，人工智能芯片可得性也可能继续成为人工智能规模化的最主要约束。
产能告急
晶圆厂建设周期与供给滞后
AI芯片由逻辑裸片和存储器等关键部件构成，其制造环节与智能手机等消费硬件高度重叠。其中，逻辑裸片负责核心计算，存储器则与其共同封装在同一芯片中。当前，逻辑裸片和存储器的生产都十分紧张，因为二者都依赖高度复杂的半导体晶圆厂、洁净室和超高精度光刻设备。洁净室必须保持极高洁净度，一粒灰尘就可能破坏芯片生产，而新建洁净室通常需要多年时间，这使相关产能难以迅速响应人工智能需求激增的状况。
▲图源：CNAS
在人工智能芯片供应中，成品逻辑晶圆已成为最紧约束之一。逻辑晶圆不仅用于切割人工智能芯片的核心逻辑裸片，也被用于网络芯片、中央处理器和部分存储芯片。
英伟达、超威半导体（AMD）等人工智能芯片设计公司，高度依赖台积电的先进制程。但短期内，台积电产能已达到饱和，且在人工智能算力需求快速增长下已经被严重超额预订，即使是其最大客户也面临供应不足。
2025年11月，台积电首席执行官曾表示，台积电先进制程产能“严重不足”，需求大约是其产能的三倍。2025年初，台积电3纳米产能利用率约为70%，进入下半年后，企业通过延后设备维保、超负荷运转产线，已将利用率拉至100%甚至更高。该公司3纳米节点尤其紧张，因为它用于生产英伟达Vera Rubin和谷歌TPUv7等当前最先进的人工智能芯片；而台积电2纳米制程产能也已被预订至2028年。由于新建先进晶圆厂通常需要两到四年甚至更久，台积电难以在短期内显著扩张产能。即便是计划中的亚利桑那第四座晶圆厂，也在尚未建成前就已被全部预订。
▲图源：CNAS
以往，AI公司还能通过抬高报价，从智能手机等行业争取先进逻辑晶圆产能。但随着AI算力生产以每年三倍以上速度增长，这一需求已开始触及台积电特定生产线的总产能上限。苹果和博通等重要客户也明确表示受到台积电芯片供应限制。台积电首席执行官在2026年4月财报会议上坦言，产能供需失衡的局面可能要到2027年才能缓解。
HBM挤占产能
存储器成AI算力新瓶颈
存储器是人工智能芯片生产中的另一重要瓶颈。智能手机和个人电脑通常使用动态随机存取存储器（DRAM）作为工作内存；而AI数据中心除使用传统DRAM外，还高度依赖高带宽内存（HBM）。HBM通过垂直堆叠多个DRAM裸片，为AI芯片提供大规模数据传输带宽。随着AI模型部署规模扩大，芯片通过存储器快速移动数据的能力越来越影响模型运行性能，因此HBM变得愈发关键，也愈发稀缺。
▲图源：CNAS
AI产业兴起前，DRAM市场体量庞大，芯片厂商只需分流部分现有产能，就能满足AI行业的存储需求。但如今AI对存储芯片的需求呈爆炸式增长，这一缓冲空间已不复存在。全球HBM总带宽每年增长四倍以上，AI产业现已成为DRAM的最大消费市场。
HBM需求扩张进一步挤压整个存储行业产能，导致部分DRAM价格在2025年上涨超过600%。用于服务器长期存储的闪存（NAND Flash）价格涨幅也突破300%。由于DRAM和NAND同样是智能手机、笔记本电脑等消费电子产品的关键部件，电子行业也受到明显冲击。
行业分析师预计，存储器短缺和价格上涨将使2026年全球个人电脑和智能手机市场分别萎缩11%和13%。Meta近期也表示，将延长部分旧数据中心的计划使用周期，因为短期内新服务器采购无法跟上需求增长。
即便企业愿意高价采购，存储芯片整体产能也存在硬性上限。同时，内存、逻辑晶圆的产能大多签订了长期供货协议，面对快速扩张的AI产业，即便出价更高，也难以临时追加产能。
当前短缺还受多重因素叠加影响。第一，制造HBM时，每GB容量所需存储晶圆数量是标准DRAM的3到4倍，因此扩大HBM生产会明显挤压传统DRAM产能。第二，每一代人工智能芯片搭载的HBM容量都在呈指数级增加，需求进一步放大。第三，第四，存储器制造商在2023年和2024年因行业亏损削减了新晶圆厂投资，虽然2026年开始增加投资，但新产能仍需数年才能释放。第五，过去十年存储密度提升趋缓，行业已难以单纯依靠效率改进扩大产出。
这些因素共同造成了严重的供需失衡。Micron高管称，当前供需失衡的规模与持续时间，是其从业25年来从未遇到的困境。Micron首席执行官桑杰·梅赫罗特拉（Sanjay Mehrotra）也表示，未来很长一段时间，行业总供应仍将明显低于需求；SK Hynix首席执行官郭鲁正（Kwak Noh-jung）则认为，当前短缺可能持续到2030年。
综上，AI芯片需求同时透支了先进逻辑晶圆与存储芯片产能，直接拖累美国AI产业扩张。受供应链短期难以调整的特性影响，产能紧张问题在2026年将持续存在。此外，芯片供应链还存在其他潜在隐患，随着智能体任务等新场景对CPU的需求增加、先进封装产能虽有缓解但局部仍拖累生产，加上企业因电力预期而抑制芯片采购所传递的错误信号，各类供应链瓶颈相互叠加，使得芯片短缺取代电力成为2026年及以后AI产业的核心制约。
芯片地缘战略
资源重配与出口权衡
在整体供给不足的大背景下，美国拥有更强的话语权，也更有必要优化芯片分配，让稀缺资源实现价值最大化。
因此，美国及其盟友将人工智能芯片视为战略资源，并试图在出口管制、产业合作和技术扩散之间寻求平衡。对美国而言，问题并不只是是否出口芯片，而是如何在保障本国和盟友算力需求的同时，避免有限芯片资源被转移到不符合其战略目标的用途上。由于部分出口芯片缺乏位置验证和后续监测机制，政策制定者担心其最终流向和实际用途难以确认。
对中国市场的芯片出口尤其体现出这种政策取舍。美国工业与安全局要求对华出售H200的企业作出承诺，保证相关产能不会冲击美国本土供给。但在人工智能芯片普遍依赖同一有限上游产能池的情况下，这一证明在实践中并不容易。
不过，限制对竞争性市场的芯片出口，并不意味着美国应当减少对外技术布局。相反，向盟友和民主伙伴出口人工智能芯片，仍是美国维持人工智能领导地位的重要方式。许多芯片出口实际上服务于美国企业在海外建设数据中心，这些算力可用于部署人工智能服务、创造收入、推进内部研发，或生成训练新模型所需的合成数据。如果美国过度限制对盟友出口，反而可能削弱自身企业的全球算力布局，并使数据中心能力重新成为人工智能扩张的约束。
虽然美国在人工智能芯片领域占据显著优势，但这种优势并非永恒。当前，美国虽有机会塑造全球AI基础设施、深化盟友体系以巩固领导地位，但这一机会窗口正在关闭。为此，政府与产业界必须携手，将稀缺芯片作为战略资源进行重新定位。