AI的下一轮竞争，已经不只是模型之间的较量，而是算力、芯片、服务器和内存的全面扩张。

市场目前预计，2027年全球AI基础设施支出可能达到1.2万亿美元。但摩根士丹利分析师Erik Woodring认为，这个数字可能还是低了，最终甚至有机会冲到1.4万亿美元。

原因很直接。

亚马逊、微软、Alphabet和Meta都在谈同一件事：算力不够用。

云厂商的需求仍然超过现有容量，未来一年资本开支可能继续增加。谁能吃到这轮AI基建扩张的红利，也就成了市场关注的重点。

1、英伟达：AI训练市场的核心玩家

英伟达最大的优势，还是GPU和CUDA。

目前大量基础AI模型都围绕CUDA生态开发，这让英伟达在训练市场拥有很强的护城河。

同时，它也在往推理端延伸。通过Groq等布局降低推理延迟，再加上高端CPU产品，英伟达正在把触角从GPU扩展到整套AI数据中心。

如果全球AI算力继续扩容，英伟达依然是最直接的观察窗口之一。

2、AMD：真正值得看的可能是AI推理

AMD在训练市场的存在感不如英伟达，但它押注的是另一个增长更快的方向——推理。

AI真正大规模落地后，每一次聊天、搜索、生成图片、运行Agent，都需要推理算力。

AMD的Chiplet设计可以搭载更多内存，同时又通过收购和合作不断强化推理性能。

更重要的是，AMD本身还是数据中心CPU的重要玩家。

随着Agent AI普及，数据中心对CPU的需求可能同步增加。AMD预计，这块市场未来几年有机会达到2200亿美元。

3、美光：AI越火，内存越紧张

如果说GPU是AI的“大脑”，那么高速内存就是它身边不能缺少的“高速公路”。

现在AI行业最大的瓶颈之一，就是HBM高带宽内存。

需求增长太快，而产能短期又跟不上。

这不仅推高HBM需求，也让普通DRAM供应变得更加紧张，美光因此成为这轮AI基础设施扩张中很容易被忽略的一环。

当市场都在盯着GPU时，内存价格、产能和利润率的变化，可能同样值得关注。

英伟达看算力统治力，AMD看推理和CPU，美光看内存缺口。

如果2027年的AI基础设施支出真的冲向1.4万亿美元，这场竞争很可能远远不只是“谁的模型更强”，而是谁能拿走更多数据中心预算。