影片來源：YouTube《Dylan Patel —The single biggest bottleneck to scaling AI compute》
https://www.youtube.com/watch?v=mDG_Hx3BSUE (@Dwarkesh Patel)
這段影片是科技Podcast主持人 Dwarkesh Patel 與半導體研究機構 SemiAnalysis 執行長 Dylan Patel 的深度對談。影片的核心探討了一個關鍵問題：在各大科技巨頭瘋狂投入人工智慧（AI）的當下，到底是什麼因素會限制 AI 算力的無上限發展？沒有對錯，而是提供產業發展觀點供讀者參考。我將內容歸納為以下四個重點：
1. AI 算力的瘋狂軍備競賽
目前全球科技巨頭（如 Google、微軟、亞馬遜、Meta）和頂尖 AI 實驗室（如 OpenAI、Anthropic）正在進行一場空前的軍備競賽。他們預計在今年投入高達數千億美元購買晶片與建設資料中心。
- 晶片比以前更保值： 過去電腦晶片兩三年就會因為效能落後而大幅跌價，但現在因為頂尖 AI 模型的商業價值極高，且運算需求龐大，導致現在的 AI 晶片（如 Nvidia 的 GPU）即使用了幾年，依然具有極高的經濟價值。
2. 限制 AI 發展的「終極瓶頸」是什麼？
許多人以為限制 AI 發展的是「電力不足」或「資料中心蓋太慢」，但 Dylan Patel 指出，這些問題只要花錢都能解決。真正的瓶頸在於半導體製造的物理與供應鏈極限：
- 短中期瓶頸：記憶體排擠效應。 AI 晶片需要一種極度高速的特殊記憶體（HBM）。但製造這種 AI 記憶體非常消耗產能（大約是一般記憶體的 3 到 4 倍空間）。這會直接排擠到原本用來製造智慧型手機和個人電腦記憶體的產能。因此，未來一兩年內，iPhone 或一般電腦可能會因為記憶體成本大增而變貴，或者手機廠商必須自行吸收成本。
- 長期與終極瓶頸：ASML 的 EUV 曝光機。 晶片不是憑空變出來的，必須用一種名為「EUV 曝光機」的設備把電路「印」在矽晶圓上。這台由荷蘭 ASML 公司製造的機器，被稱為人類史上製造過最複雜的設備（一台要價高達 3 到 4 億美元）。因為其內部光學與精密機械結構極度複雜（供應鏈包含上萬家廠商），ASML 每年只能生產幾十台，到 2030 年最多也只能年產約 100 台。這個死穴直接鎖死了全球能製造多少最高階 AI 晶片的上限。
3. 破解迷思：把 AI 資料中心搬到太空可行嗎？
針對伊隆·馬斯克（Elon Musk）提出「為了取得無限太陽能，要把資料中心建在太空」的構想，Dylan 給出了否定的看法：
- 地球不缺電： 地球上的電力是可以用各種方式擴充的（例如天然氣渦輪發電機、各種商用引擎、大型電池儲能等），這比在太空建基礎設施簡單太多。
- 晶片上太空太浪費時間： 全球真正的短缺是「AI晶片本身」。如果把晶片射上太空，光是測試、拆解、運送、重新組裝上線，就會浪費好幾個月。在晶片產能極度稀缺的時代，讓晶片留在地球上立刻開始運作、訓練模型，才是創造最高價值的方式。
4. 台灣與中國的地緣政治風險
- 失去台灣的代價： 如果台灣發生戰爭或遭到封鎖，全球 AI 發展將面臨毀滅性打擊。即使西方國家能把台灣的頂尖工程師全部撤離也無濟於事，因為重建像台積電那樣龐大且複雜的實體工廠需要極漫長的時間，屆時全球每年新增 AI 算力的能力將會幾乎歸零。
- 中國的潛力： 目前中國在製造最先進晶片的設備上（如 EUV）仍落後西方。但如果 AI 真正達到「通用人工智慧（AGI）」的發展時間線拉得很長（例如到 2035 年），中國就有可能憑藉傾國之力的投資，慢慢打造出完全本土化的半導體設備與供應鏈，進而在運算規模上追上甚至超越依賴分散式跨國供應鏈的西方國家。
總結：這篇文章的核心觀點是：人類對 AI 算力的需求幾乎是無底洞，但受限於極度精密複雜的「晶片製造設備（如曝光機）」與「記憶體產能」，AI 硬體的發展速度將面臨一個無法輕易打破的物理與製造天花板。
📚 投資警語
本專欄內容僅供參考與研究使用，不構成任何投資建議，文中若有關績效描述不代表未來表現。投資有風險，投資前請評估自身財務狀況與風險承受能力，並於充分了解投資標的特性後再行投資，入市請謹慎評估。
