Yole：AI重塑數(shù)據(jù)中心 2030年半導(dǎo)體價(jià)值或達(dá)5000億美元

  ICC訊  人工智能（AI）正強(qiáng)勁驅(qū)動(dòng)數(shù)據(jù)中心服務(wù)器內(nèi)半導(dǎo)體價(jià)值的增長(zhǎng)，預(yù)計(jì)到2030年，這一價(jià)值將達(dá)到約5000億美元。服務(wù)器半導(dǎo)體含量的增加，主要源于存儲(chǔ)、處理和互連對(duì)更多硅芯片的需求激增，而這在很大程度上是由AI、機(jī)器學(xué)習(xí)（ML）和前沿模型（Frontier Models）所推動(dòng)。

  采用AI的服務(wù)器數(shù)量正在快速增長(zhǎng)，從2020年僅占全部計(jì)算服務(wù)器的幾個(gè)百分點(diǎn)，上升到2024年的10%以上。這一增長(zhǎng)遵循S型曲線模式：初期增長(zhǎng)緩慢，隨后快速攀升，預(yù)計(jì)在2026年后趨于穩(wěn)定，并持續(xù)到2030年。數(shù)據(jù)中心半導(dǎo)體加速器市場(chǎng)預(yù)計(jì)將在2024年開(kāi)始規(guī)模化發(fā)展，到2030年估計(jì)達(dá)到4930億美元。屆時(shí)，數(shù)據(jù)中心半導(dǎo)體預(yù)計(jì)將占整個(gè)半導(dǎo)體市場(chǎng)的50%以上，這反映了在AI、云計(jì)算和超大規(guī)模基礎(chǔ)設(shè)施需求的推動(dòng)下，市場(chǎng)格局發(fā)生了巨大轉(zhuǎn)變。該細(xì)分市場(chǎng)（2025-2030）的年復(fù)合增長(zhǎng)率（CAGR）幾乎是整個(gè)半導(dǎo)體行業(yè)的兩倍。

  在構(gòu)成上，邏輯半導(dǎo)體將繼續(xù)占據(jù)主導(dǎo)地位，并且由于AI密集型工作負(fù)載日益增加的復(fù)雜性和處理需求，其增長(zhǎng)最為迅速。內(nèi)存，尤其是高帶寬內(nèi)存（HBM），是第二大細(xì)分市場(chǎng)，正經(jīng)歷快速增長(zhǎng)，以滿足AI和高效能運(yùn)算（HPC）的高吞吐量需求。光子學(xué)和共封裝光學(xué)（CPO）的擴(kuò)展——由Nvidia和Broadcom等公司推動(dòng)——也正在改變服務(wù)器架構(gòu)。僅光子學(xué)領(lǐng)域，預(yù)計(jì)到2030年收入將達(dá)到數(shù)十億美元。

  在電源方面，數(shù)據(jù)中心設(shè)計(jì)的未來(lái)正被重新構(gòu)想以實(shí)現(xiàn)最高效率。此前長(zhǎng)期目標(biāo)如直流（DC）配電，如今已成為積極優(yōu)先事項(xiàng)。對(duì)能效要求極高的顛覆性AI數(shù)據(jù)中心，正在加速向液冷技術(shù)的轉(zhuǎn)變，使其從可選變?yōu)楸匦?。該市?chǎng)預(yù)計(jì)到2030年將超過(guò)10億美元。同時(shí)，AI和GPU密集型操作正推動(dòng)整個(gè)服務(wù)器基礎(chǔ)設(shè)施對(duì)嵌入式傳感器智能的需求。隨著熱力和環(huán)境約束的增加，片上溫度傳感器正成為標(biāo)準(zhǔn)配置。此外，液冷系統(tǒng)將需要先進(jìn)的傳感器來(lái)有效監(jiān)測(cè)壓力、流速和冷卻劑質(zhì)量。

  最后，預(yù)計(jì)到2030年，用于服務(wù)器的半導(dǎo)體晶圓數(shù)量將超過(guò)2000萬(wàn)片，其中大部分將在28納米以下節(jié)點(diǎn)制造，以滿足先進(jìn)AI芯片的需求。

  云巨頭自研AI芯片挑戰(zhàn)Nvidia主導(dǎo)地位

  數(shù)據(jù)中心日益被視為關(guān)鍵基礎(chǔ)設(shè)施，因?yàn)樗鼈兺瑫r(shí)支持民用和軍用系統(tǒng)，并存儲(chǔ)高度敏感的數(shù)據(jù)。這促使各國(guó)政府更加關(guān)注國(guó)家安全，并通過(guò)支持本土技術(shù)供應(yīng)商、收緊出口規(guī)則以及推廣“主權(quán)云”系統(tǒng)（如歐洲的GAIA-X）來(lái)確保數(shù)據(jù)保留在本國(guó)或本地區(qū)域內(nèi)。數(shù)據(jù)中心運(yùn)營(yíng)商現(xiàn)在需要強(qiáng)大且靈活的供應(yīng)鏈，以應(yīng)對(duì)制裁、短缺或政治沖突等問(wèn)題。但在許多地方，所需的基礎(chǔ)設(shè)施尚未完全本地化可用。與此同時(shí)，企業(yè)IT系統(tǒng)正朝著更具成本效益的托管（colocation）和混合云架構(gòu)發(fā)展。托管有助于降低投資成本，同時(shí)仍讓公司保持控制權(quán)；混合云則融合了私有云、公有云和本地資源，以實(shí)現(xiàn)更好的性能、擴(kuò)展性和控制力。

  AI是一個(gè)巨大的變革者。2024年，AI資本支出（CapEx）已超過(guò)非AI資本支出，AI如今占據(jù)了數(shù)據(jù)中心投資的近75%——這主要受基礎(chǔ)模型訓(xùn)練、推理和定制硅芯片創(chuàng)新的驅(qū)動(dòng)（2025年投資額將超過(guò)4500億美元）。隨著Microsoft、Google和Meta等科技巨頭引領(lǐng)每年500億美元的算力競(jìng)賽，規(guī)模較小的參與者也在快速擴(kuò)張，這表明競(jìng)爭(zhēng)優(yōu)勢(shì)將取決于基礎(chǔ)設(shè)施規(guī)模和芯片級(jí)別的差異化。各公司也在適應(yīng)不斷變化的世界調(diào)整其業(yè)務(wù)。Nvidia正從傳統(tǒng)的無(wú)晶圓廠（fabless）芯片制造商演變?yōu)橐粋€(gè)全棧AI和數(shù)據(jù)中心平臺(tái)提供商。雖然它繼續(xù)設(shè)計(jì)GPU，但Nvidia現(xiàn)在也提供集成的系統(tǒng)，如DGX超級(jí)計(jì)算機(jī)、網(wǎng)絡(luò)硬件（通過(guò)Mellanox）和數(shù)據(jù)處理單元（DPU），所有這些都通過(guò)其專有的CUDA軟件和AI框架進(jìn)行了優(yōu)化。通過(guò)DGX Cloud和AI Enterprise等產(chǎn)品，Nvidia正在向云服務(wù)、開(kāi)發(fā)者工具和垂直行業(yè)AI解決方案領(lǐng)域擴(kuò)展。

  因此，為了應(yīng)對(duì)Nvidia的主導(dǎo)地位，大型云服務(wù)提供商正在創(chuàng)建自己的芯片（如AWS Graviton）、定制存儲(chǔ)和網(wǎng)絡(luò)硬件——并通過(guò)將服務(wù)器部署在更靠近用戶的位置來(lái)支持低延遲需求。在中國(guó)，阿里巴巴、百度、騰訊和字節(jié)跳動(dòng)等大型科技公司正在快速擴(kuò)展其AI計(jì)算能力。

  AI驅(qū)動(dòng)數(shù)據(jù)中心成為創(chuàng)新引擎，多元技術(shù)重塑性能、效率與架構(gòu)

  自2024年以來(lái)，AI——尤其是生成式AI——重塑了數(shù)據(jù)中心計(jì)算，影響了處理器設(shè)計(jì)，并加速了Google、AWS和Meta等主要云公司采用AI專用集成電路（ASIC）。Nvidia憑借其在臺(tái)積電（TSMC）4納米工藝上基于小芯片（chiplet）的Blackwell GPU保持主導(dǎo)地位，但用于推理的AI ASIC正日益受到關(guān)注。網(wǎng)絡(luò)架構(gòu)也在發(fā)展，數(shù)據(jù)處理單元（DPU）和網(wǎng)絡(luò)ASIC被用于改進(jìn)流量管理。快速、寫入密集型的固態(tài)硬盤（SSD）對(duì)于AI訓(xùn)練至關(guān)重要，以避免GPU停機(jī)；而高帶寬內(nèi)存（HBM）正快速增長(zhǎng)以滿足不斷上升的內(nèi)存帶寬需求。

  基于絕緣體上硅（SOI）的硅光子學(xué)提供了光學(xué)組件的靈活集成，但缺乏原生光源。鈮酸鋰薄膜（TFLN）和石墨烯等新材料正被探索用于增強(qiáng)調(diào)制器。共封裝光學(xué)（CPO）正在改變數(shù)據(jù)中心設(shè)計(jì)，由Nvidia和Intel等公司推動(dòng)，它們的目標(biāo)是將光子學(xué)與交換機(jī)ASIC共同集成。數(shù)據(jù)中心正轉(zhuǎn)向直流（DC）電源、液冷和機(jī)架級(jí)電源配置（例如，到2026年實(shí)現(xiàn)600千瓦的“Ultra-Rubin”機(jī)架）。使用氮化鎵（GaN）和碳化硅（SiC）的混合電源方案滿足效率需求。具有片上智能的傳感器激增，以管理熱力和環(huán)境負(fù)載。先進(jìn)封裝（3D/2.5D）對(duì)于集成高性能和AI系統(tǒng)的組件至關(guān)重要。未來(lái)的方向包括用于超高效設(shè)備端學(xué)習(xí)的神經(jīng)形態(tài)系統(tǒng)、用于帶寬密集型處理的光子計(jì)算，以及量子計(jì)算——盡管仍處于早期階段——提供潛在的性能和能源收益。