loading...
新竹的股东大会更像一场对未来产能瓶颈的提前复述，只是这次语气比以往更直白。魏哲家在会上抛出的判断没有太多修饰：未来数年，全球芯片供应仍然赶不上AI需求的增长速度。
这句话放在今天的半导体周期里，其实已经不算预测，更像一种行业内部共识的公开版本。生成式AI带来的算力扩张不是线性需求，而是阶梯式跃迁——模型规模、推理频次、训练集群三条线同时上移，直接压在晶圆代工这一最底层产能上。
TSMC的处境有点典型。它既是扩产最激进的一方，也是被需求推着走的一方。美国新建产线在推进，但魏哲家并没有给出任何“供需接近平衡”的时间表，话里隐含的意思其实很工业化：产能不是简单复制，而是良率、设备、供应链协同叠加后的结果。
很多外部视角容易把“在美国建厂”理解为产能迁移，但现实更接近一种分布式补位。高端制程的复杂度决定了任何一条新产线都需要时间去磨合，尤其是涉及3nm及更先进节点时，设备调试周期往往比市场想象更长。产能不是盖楼，是持续校准。
在需求侧，数字同样不轻。全球超大规模云服务商在AI上的资本开支预计将达到7250亿美元，这个数字本身已经超出了传统云计算周期的逻辑边界。它更像一轮“基础设施前置投资”，买的不是当下算力，而是未来几年模型迭代的通行证。
问题也就自然浮现：需求在加速，供给在扩张，但两者之间的间隙并没有缩小，反而在结构上被拉长。AI芯片不只是GPU或CPU的故事，它还牵扯到HBM存储、先进封装、光刻设备、甚至上游EDA软件的协同瓶颈。任何一个环节掉链子，都会回传到晶圆厂排期。
资本市场往往喜欢把这种紧张关系简化成“超级周期”，但在工厂内部，这更像持续的排产压力。扩产意味着长期资本开支锁定。TSMC今年预计资本支出接近560亿美元上限，这种数字已经接近工业企业的极限运营状态——不是保守，而是被订单反向推高。
有意思的是利润分配的部分。魏哲家提到员工平均奖金将增长30%以上，这种信息在半导体行业并不罕见，但放在当前AI驱动的周期里，信号略微复杂。它既是对产能紧张的内部反馈，也是对人才竞争的直接回应。工程师、制程、设备维护这些岗位的流动性，正在变成产能约束的一部分。
过去的芯片周期更多由消费电子驱动，节奏相对可预测。但AI带来的变化是“需求不等产能成熟”，订单提前锁定，客户预付产能，甚至直接参与产线规划。这种模式下，晶圆厂不再只是供给方，更像基础设施运营商。
如果把这轮周期拆开看，它并不是单点爆发，而是一个由云厂商资本开支、芯片制造扩张、设备供应链延迟共同构成的张力系统。每一个环节都在加速，但系统整体却始终无法收敛到平衡点。
产能缺口是否会在未来几年缓解，魏哲家并没有给出乐观预期。他的表达更接近一种行业现实：在AI需求还没有进入稳定形态之前，供需错配可能会长期存在。也就是说，这一轮半导体扩张周期，还远没有进入传统意义上的中后段。
102
103
103
