英特尔 $INTC CEO陈立武警告 AI算力短缺持续到2029年 但真正决定万亿美元产业命运的可能是资金
10月12日，在新加坡举行的星展亚洲前瞻峰会上，两位半导体行业重量级人物同台亮相。
英特尔 $INTC CEO陈立武与博通 $AVGO CEO陈福阳。
陈立武的发言释放了一个值得华尔街认真思考的信号：
AI算力需求可能至少持续强劲到2029年，但决定这轮超级投资周期能走多远的，已经不只是芯片供应，而是资本成本与投资回报。
他谈到了五个关键趋势，每一个都可能影响未来几年的AI投资方向。
第一，AI算力短缺可能持续到2029年。
陈立武预计，AI计算资源供不应求的局面至少延续到2029年，未来两三年行业不太可能出现明显放缓。
为什么？
因为AI基础设施面临的瓶颈正在不断转移。
最初是 $NVDA 的GPU供应不足。
随后是 $MU、三星等厂商提供的HBM（高带宽内存）产能紧张。
再后来，数据中心开始受到电力供应、散热系统和电网建设周期的限制。
现在，融资能力与资本成本又成为新的制约因素。
这说明AI产业的增长，并不是简单地增加芯片产量就能够解决所有问题。
第二，资金可能取代芯片，成为AI最大的瓶颈。
陈立武指出，资本成本正在上升，而市场越来越关注AI巨额投资究竟能否产生足够回报。
这可能是整场讨论中最重要的投资信号。
$MSFT、 $AMZN、 $GOOGL、 $META 等科技巨头正在投入巨额资金建设AI基础设施。
但AI数据中心并不是建成之后就能永久使用的传统资产。
GPU会更新换代，服务器需要维护，电力需要持续供应，模型训练和推理还会不断消耗计算资源。
如果AI应用收入增长无法匹配资本支出，企业的自由现金流就可能受到压力。
更重要的是，部分AI基础设施建设依赖债务融资。
当融资成本上升时，原本看起来回报可观的项目，可能突然变得不再划算。
因此，未来投资者不能只看AI资本支出增长多少，还需要观察这些投资最终能够创造多少现金流。
第三，AI产业不能永远只靠卖铲子的人赚钱。
陈立武提出一个非常关键的判断：
目前AI产业链最直接的受益者，主要是芯片、内存、服务器和其他基础设施供应商。
但如果整个产业只有基础设施提供商持续赚钱，而下游应用公司无法获得足够回报，这种增长模式就难以长期维持。
真正决定AI产业未来规模的，是OpenAI、Anthropic以及其他AI应用企业，能否把算力转化为实际生产力和商业收入。
他认为，如果企业能够广泛采用AI并获得投资回报，半导体产业就有机会从1万亿美元规模，进一步迈向2万亿甚至3万亿美元。
这背后的逻辑非常重要。
AI芯片需求的长期上限，不只取决于科技巨头愿意投入多少钱，而是取决于整个社会最终能够通过AI创造多少经济价值。
第四，中国开源AI模型可能正在改变全球AI定价体系。
陈立武特别提到DeepSeek、Kimi和GLM等中国AI模型。
他的评价是，这些模型的性能已经足够好，而且Token（模型处理文本的计量单位）成本较低，普及速度很快。
他同时强调自己是开源技术的坚定支持者。
这背后存在一个值得关注的趋势。
未来企业部署AI，未必都需要购买最昂贵的闭源模型服务。
如果开源模型能够以更低成本完成大部分商业任务，那么企业就可能转向更经济的解决方案。
这会带来两种不同影响。
对于高价闭源模型供应商，低成本开源模型可能形成定价压力。
但对于整个AI基础设施产业，模型使用成本下降，也可能刺激更多企业部署AI，从而增加推理计算需求。
换句话说，模型越来越便宜，未必意味着芯片需求减少。
相反，如果AI使用量增长足够快，整体算力消耗仍可能持续扩大。
第五，量子计算可能成为下一阶段的重要变量。
陈立武还提出，量子计算有可能在未来三到五年逐渐进入主流应用。
虽然这一时间判断仍存在很大技术和商业化不确定性，但它反映出半导体产业正在同时探索传统计算架构之外的新方向。
未来AI基础设施的竞争，可能不仅涉及GPU、ASIC（专用集成电路）和CPU（中央处理器），还包括新的计算技术以及提高硬件使用效率的软件系统。
从投资角度看，我认为陈立武这次发言最重要的地方，在于揭示了AI产业正在经历的结构性转变。
过去几年，市场主要关注谁能生产最多芯片。
接下来，市场可能越来越关注谁能以最低的资金成本建设基础设施，以及谁能把AI算力真正转化为利润。
这意味着AI投资逻辑正在从单纯的算力扩张，逐渐走向资本效率与商业回报。
对于 $NVDA、 $AVGO、 $MU 等上游供应商，未来两三年仍可能拥有强劲需求支撑。
但对于整个AI产业，真正决定下一轮估值扩张的，可能是应用端收入能否追上基础设施投资。
AI革命最大的风险，未必是算力需求突然消失，而是算力需求仍然旺盛，但资本市场已经不愿意继续无限制地提供资金。
你认为2027年至2029年，AI产业最大的投资机会仍然集中在 $NVDA、 $AVGO 等基础设施公司，还是会逐渐转移到真正能够创造利润的AI应用企业？
