美股Q1财报深度复盘 · 3/8

五一档酒店、存储二阶冲击与一场决定未来的ASIC暗战

第三篇 · GPU、存储、ASIC的供给侧深度

讲完需求侧的”三波CAPEX上调浪潮”,我们要回到供给侧的细节。需求只是故事的一面,产能侧的瓶颈和议价权变化,才是CAPEX真正”涨价”的供给侧逻辑。这一篇我们深入到三个细节:GPU合约价格的反转、存储长约的一次性冲击、四家公司的ASIC暗战。

五、GPU合约价格的”温度计”:长约挤压短约

访谈里提到了一个非常微观但极具产业意义的现象——GPU合约价格在2024年12月开始出现历史性反转。这个反转的核心特征是:长期合约、短期合约、现货价格三者同时上涨。在过去的GPU市场上,这是没有发生过的事情。

要理解这个反转的奇异之处,先来看正常的GPU价格机制。在历史上的多数时间段,GPU市场是这样运作的:

正常状态下,长约价格低于短约,短约低于现货——这是健康的市场结构,因为长期合约让出了流动性,所以应该享受价格优惠。

但当前的GPU市场,呈现的是“全线上涨”——长约价格在涨、短约价格在涨、现货价格也在涨。同时,长约的”占比”也在升:从历史的60%上升到85%以上。

访谈里给的类比非常形象:

这种”长约挤短约”的格局,有几个深远的影响:

第一,小型企业和初创公司被推向更贵的市场。有钱有规模的大公司可以签3-5年长约,锁定相对便宜的价格;但中小公司只能在短约和现货市场上抢——也就是”五一档”市场。这会让AI算力的获取门槛变得更高,加剧”大公司垄断算力”的趋势。

第二,定价权进一步向英伟达集中。当长约比例从60%走到85%,意味着英伟达可以锁定未来3-5年85%的产能——它的产能利用率被提前确定,没有”产能空置”的风险。这是英伟达毛利率能维持在70%+的根本原因。

第三,云厂商的CAPEX节奏被英伟达”绑定”。访谈里提到的另一个细节是,GPU的leading time(交付周期)在拉长——从过去的6个月,延长到现在的12-15个月。也就是说,云厂商今天下的订单,要等一年多才能交付;而它们必须在订单发出之前就预付定金、锁定产能。这意味着云厂商的CAPEX节奏不再是”按需扩张”,而是”被供应链节奏推着走”。

除了GPU合约价格之外,访谈里还有一个相对小但非常关键的观察:存储长约谈判,在2026年Q1-Q2之间出现了一次性涨价。

六、存储长约的”一次性冲击”:被忽视的CAPEX涨价二阶推动

市场对GPU涨价已经price-in得很充分了,但存储涨价这件事在我看来是”被严重低估的二阶推动”。

访谈里提到,2026年3-4月之间,云厂商和存储厂商(三星、海力士、美光、铠侠等)进行了新一轮的长约谈判。这次谈判的特点是,不是按”年度框架”谈,而是按”3-5年长合约+一次性大宗采购”模式谈——这导致存储采购成本出现了10-15%的额外上调。

这个上调,在Q1财报季中开始显现。但它的”全部影响”还没有完全展开——预计未来3个季度的CAPEX指引中,会持续出现”存储成本上调”的累积。

为什么这件事重要?有三个层次。

第一层:它会让CAPEX指引继续上调,但本质上不是需求的进一步放大。未来2-3个季度的CAPEX指引里,会有相当一部分是”存储涨价的累积释放”。这部分如果被市场误解为”需求又上来了”,可能会引发新一轮的乐观预期;但实际上是供给侧的成本上涨在transmit。

第二层:它意味着内存厂商(尤其是HBM相关的)的盈利会持续受益。SK Hynix、Samsung、美光在过去6个月已经因为HBM3E、HBM4的价格上行而股价大涨;但DDR5、SSD的长约涨价,是另一个”二阶受益”——这是被相对低估的alpha。

第三层:它会强化”存储是AI产业链下一波瓶颈”的判断。过去市场关注的瓶颈是GPU、HBM、CoWoS;但下一波瓶颈很可能是高端NAND、企业级SSD、HDD等”存储类”基础设施——因为AI模型训练需要海量的I/O吞吐。

把GPU合约和存储合约的涨价叠加起来看,我们就能理解为什么2026年的CAPEX指引会从年初的5500亿美元,一路被上调到6300亿美元——这是”需求拉动+供给挤压”的双重叠加。但这部分还不是CAPEX故事的全貌。CAPEX的真正分配,还要看每家公司在自研芯片(ASIC)上的策略——这是接下来这一章要讲的。

七、ASIC暗战:四家自研芯片背后的”非通缩护城河”逻辑

这是访谈里最有产业纵深的一段,也是我个人觉得对未来3-5年AI产业格局影响最深远的一个判断。

四家Hyperscaler都有自己的ASIC芯片项目:

访谈里把这四家的ASIC策略做了非常精妙的对比。从最成熟到最早期,排序是 TPU > Trainium > Maya > MTIA。

但有意思的是,亚马逊CEO Andy Jassy在Q1财报会上有一段非常关键的话(原文是英文,我转译过来):

这段话被市场严重低估了。它表达的核心信息是:Trainium从”成本中心”切换到了”利润中心”——这个切换的拐点,正好在2026年Q1。一旦发生,意味着亚马逊的云业务会出现两个变化:第一,GPU采购的边际依赖度降低;第二,云业务的整体毛利率可以上行——因为自研芯片的TCO优势,会有一部分回流到亚马逊的margin里。

要理解这个”自研芯片的经济学”,最好的参照系是亚马逊自己的Graviton历史。

Graviton这个产品,从2018年首发到现在,已经服役7年。它的故事是访谈里给出的最重要的产业类比。我把这个故事完整讲一遍,因为它就是接下来Trainium、TPU、Maya经济学的”母本”。

2018年,亚马逊推出第一代Graviton,基于ARM架构。当时业内的反应是”这玩意没人用”——因为ARM架构和x86有兼容性问题,客户从英特尔/AMD的x86实例迁移到Graviton,需要重新编译、重新测试。

2019-2020年,亚马逊用了一个”非通缩商业模型”的策略:推出Graviton2,主打”比英特尔/AMD的同等性能实例,客户的TCO低20%”。注意,客户便宜的是20%,但Graviton2本身的实际成本,比英特尔/AMD便宜30%。也就是说,Graviton的30% TCO优势里,亚马逊把20个百分点返还给客户,自己留下10个百分点拉升毛利。

2021-2024年,Graviton3、Graviton4陆续推出,占AWS新增计算实例的比例,从2019年的不到5%,上升到2024年的50%以上——意味着每两台新增的服务器里,就有一台跑Graviton。这个”非通缩商业模型”的成功,让亚马逊的云业务在2022-2024年的毛利率持续上行。

访谈里特别强调:这不是为了打败英特尔/AMD,而是在”云的通缩商业模型”里,建立一个”非通缩”的护城河。

这个逻辑要套在Trainium上,关键在于:Trainium的”30% TCO优势”什么时候能稳定形成?

访谈里给出的判断是,2026 Q1是Trainium的”商业拐点”——之前它是促销品,现在开始它是利润源。具体表现在三个数据上:第一,Trainium的可披露增长率达到40%(亚马逊在财报会上提到的”high triple-digit growth”);第二,Anthropic承诺消耗5GW的Trainium算力;第三,亚马逊在新建的几个数据中心里,Trainium实例的部署比例已经超过30%。

但相比TPU,Trainium还有距离。TPU的关键优势是软件生态最完整——XLA和JAX经过Google内部多年打磨,已经能让TPU和GPU在Frontier Lab级别训练上跑出可比的TCO。Anthropic在Trainium和TPU上都有大规模部署,这背后的对比也很微妙——Anthropic的最新一代模型,大部分依然在TPU上训练,Trainium主要承担推理负载。

Maya和MTIA则更早期。Maya目前主要服务微软自身的小模型推理(Copilot、Azure AI Search等);MTIA主要服务Meta的推荐系统训练和推理(Avocado、Latte模型)。两者距离Frontier Lab级别的训练还有相当大的距离。

所以四家ASIC的成熟度,目前的格局大致是:

• TPU(谷歌):成熟,2-3个Frontier Lab在用,商业化最深入,TCO最有优势。

• Trainium(亚马逊):今年Q1见到拐点,Anthropic是关键客户,2027年大概率全面盈利。

• Maya(微软):小模型阶段,主要服务自家产品,距离Frontier Lab级别训练还有3-5年。

• MTIA(Meta):仅服务内部,主要在推荐系统和推理。

这个排序,基本就是我们后面几章会看到的”四家公司在AI变革中的相对位置”。

— 第3篇 完 —