AMD高管称AI基建全面紧张，提升能效成破局关键

在2026年新加坡SuperAI大会上，AMD全球策略与运营主管Sachin Hindupur发表主题演讲。他表示，自2022年底ChatGPT面世以来，人工智能模型的智能化水平飞速跃升。这促使推理成本每年下降至少9倍，中等负载工作成本更是锐减40倍。原本因高昂费用而对AI望而却步的企业纷纷入局，导致市场需求急剧膨胀，AI产业扩张步伐已远超现有供应能力。

Hindupur列举了AI对多个行业的重塑效应：例如外包客服岗位逐渐被AI替代；微软GitHub Copilot平台上有55%的代码由AI自动生成；HCA Healthcare的文档处理工作量骤降80%；Google DeepMind的AlphaFold将原本需要5年的蛋白质3D结构解析时间缩短至几小时。在营收方面，AI相关收入已从2024年的10亿美元（约67.69亿元人民币）攀升至2025年的100亿美元（约676.91亿元人民币），当前年化规模更是高达400亿美元（约2707.64亿元人民币）。

据国际能源署（IEA）统计，数据中心整体用电量每年增长10%，是生成式AI普及前3%基准值的四倍多；若单看生成式AI负载，年用电增长率更是高达70%。Hindupur透露，整个产业的用电需求正逼近120GW，而数据中心建设成本每GW约需300亿至500亿美元（约2030.73亿至3384.55亿元人民币），且新建电厂从开工到并网发电平均需要6年时间。此外，设备供应链也面临严峻考验。通用电气（GE）的涡轮机积压订单从2020年的80GW激增至2026年3月的125GW。包括GE、西门子在内的全球前三大涡轮机制造商占据了70%的市场份额，目前产能均已饱和。同时，在建的数据中心项目中有半数因环保争议、地方阻力或审批延迟而被迫取消或推迟。

在芯片制造端，自2022年起大型客户的芯片需求激增431%，但制造产能仅扩充了1.87倍。这种供需失衡直接拉长了交货周期并推高了价格。台积电在3纳米及以下先进制程的市场份额高达90%左右，由于新产能的建设和验证周期漫长，短期内的供应瓶颈难以消除。存储芯片市场同样承受着供需压力。SK海力士最近一个季度的平均售价暴涨245%，出货量却停滞不前；美光的HBM收入环比增长70%，AI相关需求占比从5%飙升至60%。目前，GPU的交货周期长达36周左右，CPU则需约半年。在互连技术方面，当机柜间铜缆传输速率达到1.6Tbps时，会因电阻和发热问题而失效。因此，在1.6Tbps至10Tbps的扩展网络中，必须转向硅光子光纤方案。当前数据中心总耗电量中有65%用于数据传输，硅光子技术成为兼顾性能与能效的关键选择。

面对电力和晶圆新产能需要数年才能落地的现状，Hindupur认为，优化硬件能源效率是企业在现有基建限制下最务实的应对策略。数据中心约一半的耗电量源于计算本身，而电费支出占其总运营成本的40%至60%。他提到，AMD服务器CPU的市场份额已从2.1%大幅跃升至41%，这充分证明了市场对其高能效产品的认可。据麦肯锡预测，AI工作负载目前占据全球数据中心容量的50%左右，到2030年这一比例将升至78%。这表明基础设施的紧缺并非短期现象，而是整个行业需要长期应对的常态。

注：按1美元≈6.77人民币计算