從 DRAM 到銅箔全部缺貨：AI 供應鏈的四重瓶頸

本文整理自 Invest Like The Best 2026 年 4 月播出的單集。

{{< youtube LF3aUIM57uw >}}

{{< spotify "episode/3Eu3mpOcpEjrg3SYtrglBk" >}}

{{< apple-podcast "tw/podcast/dylan-patel-the-infinite-demand-for-tokens-claude/id1154105909?i=1000763216172" >}}

---

GPU 不只沒過剩，還在漲價

華爾街有一派論述認為 GPU 的使用壽命只有五年，言下之意是目前的大量採購終將變成折舊壓力。Dylan Patel 在 Invest Like The Best 節目上直接駁斥了這個說法。他指出，已經有三四年歷史的 Hopper 叢集正在續約三到四年，A100 叢集也在續約，而且續約價格還在上漲。GPU 的實際使用壽命可能是七到八年，不是五年。這意味著雲端服務商的毛利率其實比帳面數字更高，因為原本假設五年折舊攤完的資產，現在還在持續產生收入。

背後的原因很簡單：需求太強，供給跟不上。當 token 的經濟價值持續成長，跑在這些 GPU 上的推論工作就持續有利可圖，沒有人願意讓能賺錢的硬體提前退役。Dylan Patel 觀察到，整個 AI 基礎設施堆疊的每一層都出現了類似的動態。Nvidia 維持著 75% 左右的毛利率，記憶體廠商的利潤率飆升，就連光通訊模組和邏輯晶片代工也在享受不斷擴大的利潤空間。那些沒有直接漲價的環節，也透過收取大額預付款來提高資本報酬率。從最上游的原物料到最下游的雲端服務，每一環都在收割 AI 需求爆炸帶來的紅利。

---

記憶體瓶頸：DRAM 價格還要翻兩三倍

在所有供應鏈瓶頸中，Dylan Patel 認為記憶體是最嚴峻的。DRAM 的產能每年只能成長低雙位數百分比，大約 20% 到 30%。即使記憶體廠商在 2025 年底就收到了極強的需求信號，立刻開始反應，真正的增量產能最快也要到 2027 年底、更現實的預估是 2028 年才能上線。建一座記憶體工廠不是加班就能解決的事，從動工到量產有固定的物理時程，想跳過就是跳不過。

這意味著在未來兩年，DRAM 的供需缺口只會越來越大。Dylan Patel 的判斷是，DRAM 價格從現在的水準還要再翻兩到三倍。他解釋背後的經濟邏輯：在資本主義經濟體中，當供給無法快速增加時，唯一能平衡市場的機制就是透過漲價來消滅需求。沒有人在配給 DRAM，所以價格就是配給機制。那些付不起更高價格的應用場景會被擠出市場，把產能讓給出價最高的買家，而目前出價最高的毫無疑問就是 AI。

他特別提醒那些認為「記憶體題材已經被市場充分定價」的投資人：你們搞錯了。市場看到了記憶體需求的增長，但嚴重低估了價格上漲的幅度和持續時間。當供給在物理上無法加速、需求在經濟上不斷膨脹時，價格的天花板比多數人想像的還要高得多。

---

邏輯晶片：台積電 CapEx 衝向千億美元

如果記憶體的問題是「產能擴充太慢」，邏輯晶片的問題是「規模正在超出所有人的想像」。台積電今年的資本支出目標是 560 億美元，但 Dylan Patel 認為實際數字會達到 574 億，而且可能還會再往上修。真正讓人瞠目的是他對未來的預測：到 2028 年，台積電的年度資本支出可能達到 1,000 億美元。

這個數字的意義不只是台積電自己的財務問題，而是整條半導體設備供應鏈的壓力測試。Dylan Patel 用了「tailwhip」（尾鞭效應）這個詞來形容：當台積電的支出從 570 億跳到 1,000 億，下游設備商承受的需求放大倍數更加誇張。Lam Research、Applied Materials、ASML 這些公司已經接近產能極限，而他們各自還有更上游的供應商。ASML 需要蔡司（Carl Zeiss）加速擴產，設備組裝需要的特殊零件、光學元件、精密機械，每一個環節都有自己的產能天花板。

台積電目前的策略是克制地只做個位數百分比的漲價，而不是像記憶體廠商那樣大幅調漲。Dylan Patel 觀察，這似乎是因為台積電「是好人」，但這也意味著台積電沒有把自己創造的全部價值都擷取走。問題在於，當千億美元級別的 CapEx 成為常態，設備供應鏈的緊繃程度會達到前所未有的水準，屆時瓶頸可能不在台積電的晶圓廠裡，而是在製造設備的工廠裡。

---

CPU：被忽略的隱藏瓶頸

GPU 和 ASIC 佔據了所有媒體版面，但 Dylan Patel 指出了一個幾乎沒人在討論的瓶頸：CPU。他認為 CPU 的需求正在因為兩個原因而爆炸性成長，而且這兩個原因都直接來自 AI。

第一個原因是強化學習。訓練 AI 模型已經不只是「把資料餵進去」這麼簡單。現代的訓練流程需要讓模型在環境中嘗試不同的解題路徑，然後由環境來評分哪些路徑是成功的。這些環境可以很簡單，比如檢查輸出格式是否正確；也可以極其複雜，比如要求模型打開 Siemens 的物理模擬軟體、修改一個 CAD 模型、然後提交到某個網站。不管複雜度如何，這些環境都跑在 CPU 上，不是 GPU，不是 ASIC。GPU 負責執行模型本身的推論，但模型產出的各種軌跡要在 CPU 環境中被測試、評分、迭代，這個過程消耗大量的 CPU 運算。

第二個原因更直觀：AI 產生的所有程式碼和應用，最終都要部署在 CPU 上執行。模型的輸出不會直接傳進人腦，它會進入一個應用程式，而那個應用程式跑在 Vercel、AWS 或某個雲端實例上，全都是 CPU。Dylan Patel 用了一個生動的詞：「slop code」（大量 AI 生成的程式碼）。當每個人都在用 Claude Code 產出程式碼，這些程式碼被部署後就需要 CPU 來運行。AI 生成的程式碼越多，CPU 的需求就越大。兩股力量同時推動，CPU 目前已經全面缺貨。

---

銅箔、玻璃纖維、和一切有脈搏的東西

供應鏈的緊繃不只發生在晶片層。Dylan Patel 把視野拉得更寬：PCB（印刷電路板）的製造需要銅箔，銅箔缺貨了；光通訊需要玻璃纖維，玻璃纖維缺貨了；下一代機架需要 120 顆 FPGA，FPGA 缺貨了。他的原話是：「任何有脈搏的東西，都被搶光了，人們在搶未來好幾年的供給。」

這種全面性的缺貨創造了一個有趣的投資邏輯：在整條供應鏈上，不管你是賣晶片的、賣設備的、賣材料的，還是賣雲端服務的，你的利潤率都在擴張。有些是透過直接漲價，有些是透過收取預付款來降低自己的資本投入，等於變相提高了投入資本報酬率。Dylan Patel 追蹤的每一個環節都出現了同樣的模式：賣方市場，供不應求，利潤率上升。

歷史經驗告訴我們，每一次短缺最終都會被過剩取代。但 Dylan Patel 認為這次的供應鏈反應速度會比以往更慢，原因是製造流程比以往更複雜、前置時間更長。蓋一座先進製程晶圓廠要三到四年，擴建記憶體產能要兩到三年，就連半導體設備本身的生產也有很長的交期。在需求以指數級增長、供給以線性速度追趕的結構下，這個缺貨週期可能持續到 2028 年甚至更久。

---

機器人與下一波需求

Dylan Patel 用了一個詞來形容現在的 AI 革命：「軟體限定奇異點」（Software-Only Singularity）。意思是，目前所有翻天覆地的改變都發生在軟體世界，物理世界幾乎還沒被碰到。但他認為這不會持續太久。一旦軟體開發變得極度容易，機器人控制中最棘手的環節，微控制器和致動器的程式設計，也會跟著變得可行。

目前的機器人 AI 模型主要是 VLA（Vision Language Action）架構，問題在於它們的資料效率太低，無法像大型語言模型那樣透過海量資料暴力學習。但 Dylan Patel 預期在六到十八個月內，會出現大規模預訓練的機器人基礎模型，讓機器人具備少樣本學習（few-shot learning）的能力。屆時你不需要給機器人看幾千個範例，只要示範幾次，它就能學會。這會催生一波極度垂直的機器人應用，不是通用型人形機器人，而是「只會清黑板的機器人」「只會摺衣服的機器人」這種按任務付費的租賃服務。

這對 token 需求意味著什麼？Dylan Patel 的答案是：又一波巨浪。當數十億個物理任務也開始消耗 token，目前已經爆炸的需求曲線只會更陡。他個人不認為 token 需求會在任何可見的未來放緩。

---

三個月內會有大規模反 AI 抗議

Dylan Patel 在訪談最後做了一個大膽預測：三個月內，會出現針對 AI 公司的大規模抗議活動。他的依據不是臆測，而是觀察。根據 Pew 的調查，AI 的公眾好感度比政治人物還低，甚至比美國移民和海關執法局（ICE）還低。奧特曼（Sam Altman）的住宅在兩週內被丟了兩次汽油彈，新聞留言區的反應是一片叫好。

他認為 AI 產業的公關策略徹底失敗。奧特曼上 Tucker Carlson 的節目，結果是讓所有共和黨人更討厭 OpenAI。Dario Amodei 的公開訪談也沒有好到哪裡去，缺乏親和力，讓普通人覺得距離更遠。一般人不認識任何 Anthropic 或 OpenAI 的員工，不知道這些人的目標是什麼，只看到一小群人在建造會搶走所有人工作的技術，同時還在全國各地蓋耗電的資料中心。

Dylan Patel 的處方是：AI 公司必須停止談論「未來的能力」，開始展示「現在的好處」。每次這些公司的執行長上媒體談「我們的模型將改變世界」，普通人聽到的是「你的工作要被取代了」。產業需要一次大規模的品牌重塑，把敘事從「恐懼未來」轉向「改善現在」，否則抗議只是開始，政治壓力會接踵而來。

---

我的觀察：供應鏈的權力正在重新分配

Dylan Patel 描繪的這幅圖景，對臺灣讀者來說有一層特別的意義。台積電站在這條供應鏈的核心位置，它的 CapEx 從 570 億走向 1,000 億美元，意味著臺灣的半導體生態系會承受前所未有的擴張壓力。但 Dylan Patel 點出了一個微妙的觀察：台積電漲價很克制，個位數百分比，而記憶體廠商已經翻了好幾倍。在一個所有人都在搶著擷取價值的供應鏈中，台積電的克制到底是美德，還是把利潤留給了別人？

另一個讓我在意的訊號是 CPU 瓶頸。我們花了太多注意力在 GPU 上，以至於忘了 AI 的產出最終要在 CPU 上運行。每一行 Claude Code 生成的程式碼部署到伺服器上，就是 CPU 的負擔。當 AI 寫的程式碼量以倍數成長，CPU 的需求也會同步放大。這可能是目前最被低估的基礎設施需求。