炒股就看金麒麟分析师研报 ，权威，专业
，及时，全面 ，助您挖掘潜力主题机会！

　　来源：华尔街见闻

　　芯片股近期剧烈波动引发市场对AI需求放缓的担忧 ，但多位行业高管明确表示
，这一担忧言过其实。

　　前英特尔CEO 、现Playground Global普通合伙人Pat Gelsinger本周对CNBC表示 ，AI需求“几乎是无限的”
，真正制约行业发展的瓶颈是能源供应，而非算力需求本身 。多家数据中心及芯片企业高管也相继发声 ，称当前市场需求远超供给能力
，算力过剩的说法与其实际经营状况不符。

　　与此同时，企业端的AI支出模式正在悄然转变——从此前不计成本地鼓励员工大量使用AI工具 ，转向更注重投资回报的“价值最大化 ”策略
。这一趋势引发外界对企业AI支出能否持续的疑虑，但多位高管认为
，这种理性化调整恰恰有助于需求的长期延续。

　　芯片股波动背后：过剩担忧从何而来

　　推动本轮芯片股波动的因素来自多个方向 。Meta宣布将出售其闲置AI算力，消息一出 ，尽管Meta股价上涨
，却引发市场对行业整体算力过剩的联想
。马斯克旗下xAI今年同样将多余算力对外出租。

　　此外，全球最大内存芯片企业之一三星本周预告利润大幅增长 ，股价却应声下跌——在过去12个月累计涨幅逾360%之后
，市场开始质疑其上行空间是否已经有限 。

　　这些市场信号叠加在一起，令投资者对AI基础设施投资的可持续性产生疑虑 ，并在芯片及数据中心相关股票中引发了新一轮震荡
。

　　供给端：需求远超产能
，订单排至五年后

　　然而，多家直接参与AI基础设施建设的企业高管给出了截然不同的判断。

　　“我们所经历的需求是非同寻常的 。需求远超我们的履约能力 ，这已经是我们一段时间以来的常态
，”正在使用英伟达GPU建设数据中心的Nebius首席营收官Marc Boroditsky对CNBC表示
。

　　Cerebras Systems CEO Andrew Feldman则将Meta和xAI出售闲置算力的案例定性为“个例
”，并强调：“就整个行业而言 ，算力需求远超现有产能，我们在数据中心方面存在缺口
，在算力所需的许多投入要素上也存在缺口。”Cerebras今年早些时候已完成上市，是一批试图挑战英伟达、进军数据中心市场的半导体初创企业之一 。

　　来自韩国
、获三星和SK海力士支持的芯片初创公司Rebellions同样反映需求旺盛
。“AI基础设施的势头依然强劲 ， ”Rebellions CEO Sungyun Park表示
，他认为Meta和xAI的动作并不意味着超大规模云厂商在基础设施上存在过度投资。

　　光子和光学互联产品供应商Lumentum的情况或许最能说明问题——该公司CEO Michael Hurlston透露，其产品订单已排满未来五年 。“我们正在尽一切可能扩大产能 ，以满足我们目前看到的长达五年的需求
，
”他说。Lumentum股价在过去12个月累计上涨约600%
。

　　需求端：从“用量最大化”转向“价值最大化 ”

　　尽管供给端信号明确，企业端的AI使用方式正在经历一次结构性转变 ，这也是市场担忧的另一个来源。

　　此前
，许多企业处于所谓“tokenmaxxing
”（用量最大化）阶段，鼓励员工不计成本地大量使用AI工具 ，主要采用OpenAI、Anthropic等前沿模型 。但随着这些前沿模型相对于DeepSeek 、阿里巴巴等开源方案的成本优势日益受到审视
，企业CFO开始更严格地评估AI投入的回报
。

　　Nebius的Boroditsky将这一新趋势称为“valuemaxxing”（价值最大化）。“CFO出手收紧支出，其实应该是在寻找价值 ， ”他说，“我们正在看到一种更理性化的转变 。每一个技术周期都经历过这个过程
，而这种理性化实际上将持续推动需求
。
”

　　Cerebras的Feldman则从模型分层使用的角度提供了另一种解读：随着企业在AI部署上日趋成熟，不同复杂程度的任务将匹配不同级别的模型和算力。“你不需要开着大巴去买菜 ，”他说
，“某些工作负载会迁移到某类算力，更简单的工作负载则迁移到其他算力 。 ”这意味着前沿模型与开源模型将形成互补 ，而非简单替代关系
，整体算力需求并不会因此萎缩
。