北京
2026年6月20日，Motley Fool撰稿人Lee Samaha在雅虎财经发布的专题分析，点破了一个被多数技术团队忽视的转变：AI产业的支出重心，正在从模型训练悄悄移向推理。过去三年，所有头条都围着“谁的GPU集群更大”“谁能训练出更强的前沿模型”打转，但Samaha用财务数据和系统逻辑论证了一个观点——推理支出很快就会压倒基础设施开支，而捕捉到这一波红利的公司，长得可能跟市场追捧的芯片巨头完全不一样。 他给出的案例是安森美半导体，一家以功率器件和传感芯片为主业的供应商，主力市场原本在电动汽车和工业领域。2025年，该公司总营收60亿美元，数据中心业务贡献约2.5亿美元；到2026年第一季度，数据中心收入同比跳涨30%。Samaha年初将安森美选为“2026年首选买入标的”时，押注的是电动汽车市场触底回升和工业终端回暖，而这两项预期在他发稿时已先后兑现。真正让结论产生张力的，是他在文章中画出的那条分界线：基础设施开支是AI的“资本预算”——云服务商一次性砸钱建数据中心、训练模型；推理开支则是“运营成本”——模型上线后持续运转、服务真实用户时所消耗的一切。 这条线一旦划出来，工程师读起来会格外敏感。训练再贵，也是一锤子买卖；推理不同，它随着用户规模和使用频率线性放大，永无止境。Samaha的原文写道：“基础设施初步建成之后，推理很可能占据支出的大头。”而推理场景“功耗高、需要热管理，且会随时间推移不断扩展”。这就把叙事焦点从“谁能造出最强算力”切换到了“谁能高效承载算力”——那不是图形处理器的事情，那是功率半导体和电源管理的事情。 安森美对自身的定位，早已嵌在这条逻辑链里。它把功率和传感产品线包装成“推理基础设施的关键构成”，覆盖超大规模数据中心和边缘侧。Samaha在文章中进而抛出一个说法：这家公司可能成为“AI推理领域的英伟达”。这句话背后的商业逻辑是，当推理每增加一个百分点的负载，制冷、供电和能效管理就得同步跟上，而手握碳化硅功率器件和智能传感方案的供应商，会像当年GPU厂商在训练阶段那样，成为不可或缺的底层支撑。 如果停留在这层故事，这篇分析只是一份给投资人的选股备忘录。但Samaha在结尾处引入一个框架概念——AI协调鸿沟，把讨论拉回了工程现实。所谓协调鸿沟，指的是训练侧的计算突飞猛进与推理侧的实际部署能力之间出现的错位：模型跑得越来越快、越来越大，但真正让它们在海量并发请求中稳定且经济地运转起来的物理层，还没有准备好。这不是芯片制程的问题，是系统层面的能效、散热和电源架构需要整体重设。谁能在推挤这个鸿沟缩小的时候先填上进位，谁就拿到了下一张船票。 一个容易被忽略的细节藏在财报数据的换算里。30%这个季度增长率，放在2.5亿美元的年营收基数上看，绝对数值并不惊人，但增速方向与整个算力支出的转向节奏咬合得过于紧密。加上该公司在电动汽车领域积累的碳化硅产能，恰好跟数据中心电源架构升级的技术路线重合，这种供给端的耦合度，使得“推理芯片供应商”这个头衔看起来不再像是一个比喻，而更像是一种市场即将验证的定位。Samaha没有把这个结论说死，但他的措辞很清楚——这不再是远景，而是已经开始发生的财务故事。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
