这些芯片，卖疯了

公众号记得加星标⭐️，第一时间看推送不会错过。

第二季度虽然已经结束四个星期了，但世界各地的市场研究人员和分析师——包括在座各位——仍在对第一季度的数据进行细致分析和反复推敲，并对全球经济中 IT 行业的各个方面做出预测。

我们仔细分析并润色了AMD首席执行官苏姿丰在近期硅谷举行的“Advancing AI 2026”大会上发布的AI加速器和CPU预测，并在IDC网站上找到了这份报告，其中对当前的AI市场进行了评估，并预测了到2030年的发展趋势。通过一些简单的电子表格操作，我构建了一个模型，将AMD对未来发展的预测与IDC的预测进行了对比。

IDC最新发布的这份关于人工智能加速服务器和存储支出增长的报告之所以引人关注，原因有二。首先，由于价格上涨和需求增长都在推高支出水平，这份报告提供了新的预测。事实上，IDC已经上调了对2026年及以后的预测。

IDC 估计，全球在人工智能基础设施上的支出为 897 亿美元，其中包括配备 GPU 和其他类型 XPU 的机器，较 2025 年第一季度增长 33.1%。为了更清晰地呈现数据，IDC 将基于英特尔和 AMD x86 处理器的 AI 服务器主机与基于 Arm CPU 芯片的 AI 服务器主机区分开来。在 2026 年第一季度的 AI 加速市场细分领域，x86 AI 服务器主机的收入为 346 亿美元，但由于英伟达在其机架式 NVL72 平台上广泛采用“Grace” CG100 服务器处理器及其“Hopper”和“Blackwell”GPU，基于 Arm 的系统在 AI 领域的收入超过了基于 x86 的系统，带来了更大的收益。

需要注意的是，这是服务器节点或机架级系统（包含所有GPU）的价值，而处理器在系统总成本中所占比例相对较小。尤其是在高速网络和更复杂、更密集的机架占据机架级机器总成本更高比例的情况下，即使GPU价格不断上涨，这一点也更加明显。

Arm架构在AI主机中的份额为60.5%，而X86架构仅占39.5%。谷歌也终于在其TPU集群中使用了Axion Arm处理器，而亚马逊网络服务（AWS）多年来一直使用其Graviton处理器作为AI主机CPU。

为了好玩，我整理了IDC提供的2026年第一季度服务器总支出数据，并尽力从IDC追踪的非x86市场中提取出使用IBM Power和z处理器的系统收入。正如你所看到的，我估计IBM自研的Power和z处理器的销售额约为23亿美元，占2026年第一季度服务器总销售额1226亿美元的1.9%。x86处理器的销售额为639亿美元，占52.1%；Arm处理器的销售额为564亿美元，占46%。无论英特尔和AMD采取什么行动，Arm超越x86指日可待。超大规模数据中心运营商、云服务提供商以及一些人工智能模型开发商正在转向更便宜的自研CPU，而Arm正是他们实现这一目标的关键。 （总有一天，他们会转向 RISC-V，以进一步降低成本。）算下来，2026 年第一季度，用于非 AI 主机的 Arm 服务器的支出约为 34 亿美元，而用于非 AI X86 系统的支出则高达 293 亿美元。

顺便一提，如果你能拿到IDC的服务器出货量数据，一定要小心。IDC统计的是装有特定类型CPU的机箱数量，但它并没有像应该的那样统计不同的NUMA域。换句话说，一个装有八个Arm服务器单元的机箱（即使它们共享用于网络访问的DPU，但每个单元本身都是独立的服务器），只算作一次出货，而不是八次。这很荒谬。所以，当你看到IDC数据显示Arm的出货量份额只有13%时，他们统计的是服务器机箱或机架，而不是那些碰巧使用相同外壳的独立处理机器。据我们所知，如果只考虑独立的计算NUMA域，Arm在全球数据中心的出货量略高于x86，这要归功于超大规模数据中心和云服务商的大量采购。

总之，这里有一张图表，展示了IDC提供的2026年第一季度数据以及2025年至2030年的预测。为了完善数据集，我提取了2023年和2024年的数据：

表格右侧列出了2025年和2026年第一季度的数据，包括按购买国家/地区划分的2025年和2026年第一季度人工智能基础设施销售额分布及其增长率。美国占据主导地位，但仅增长了30.3%，达到679亿美元。中国规模较小，为78亿美元，增速也较慢，为9.3%。亚太/日本地区的人工智能基础设施支出增长速度是美国的两倍，达到62%，但收入仅为58亿美元。西欧的人工智能基础设施支出增长较为温和，销售额增长20.4%，达到51亿美元。中东和非洲的增幅为3.3倍，但基数很小，而且人工智能基础设施销售额刚刚突破10亿美元大关。

正如我们之前所说，我们最感兴趣的是趋势数据。2023年至2030年间，基础设施支出的复合年增长率将达到49.2%，这与英伟达和AMD此前分别向我们透露的预期相近。所有增长率都有其极限，因为全球经济的交易能力是有限的，即便人工智能基础设施的年支出在2029年将超过10亿美元，并在2030年以更为合理的速度增长，但这丝毫不会冒犯我的智商。

IDC 的 AI 基础设施支出数据（包括服务器、交换机以及少量存储设备）实际上较为保守。将其与 AMD 近期的预测进行比较便可证明这一点。

下图显示了IDC人工智能基础设施支出随时间的变化情况，并与苏姿丰上周提出的AMD人工智能加速器支出预测（计算引擎加HBM内存）进行了比较：

它们之间的趋势仍然很好，即使在 2029 年和 2030 年开始出现分歧。但是，要进行恰当的比较，你必须弄清楚这些加速器会带来多少服务器和交换机支出。所以我在下面的表格中计算了这一点，这条线在上面的图表中以橙色虚线表示。请看：

为了好玩，我猜测了一下支持这些隐含的 AI 系统收入所需的数据中心总支出是多少，然后估算了一下这些机器加起来可能会消耗多少电量。

我们可以看到，AMD 的预测比 IDC 从 2027 年开始的预测要乐观得多。首先，我用来计算 AI 系统支出与 AI 加速器支出之比的乘数正在随着时间的推移而增长，因为网络、存储和机架在系统总成本中所占的比例越来越大。CPU 主机及其 DRAM 和闪存也是如此。因此，即使 GPU 和 XPU 的成本上升，AI 系统其他组件的成本增长速度也更快。

因此，IDC 预计 2030 年人工智能基础设施支出将达到 1.21 万亿美元，而我使用 AMD 的人工智能加速器 TAM 数据计算出的支出为 2.11 万亿美元，两者之间存在巨大差距。

随你便吧。预测未来的唯一准确方法就是亲身经历。

（来源：编译自nextplatform ）

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

今天是《半导体行业观察》为您分享的第4484内容，欢迎关注。

加星标⭐️第一时间看推送

求推荐