摩根大通：芯片替换周期支撑英伟达需求至2030
0xBroomberg
摩根大通预测GPU及AI芯片占AI总资本开支比例将从50%升至2030年的60%，芯片替换周期是核心驱动力；英伟达直接受益，但AI投资回报率仍是整条逻辑链上最大的未验证环节。
为什么摩根大通认为芯片支出会越花越多？
核心逻辑：数据中心的厂房、电力等基础设施寿命长、建一次管很多年，支出曲线预计2028年前后趋于平稳。
但GPU和AI芯片的使用寿命只有基础设施的约十分之一——用大白话说＝盖房子是一次性的，但房子里的芯片每隔几年就得换一轮，形成持续采购周期。
这意味着→ 芯片支出占比将从目前约50%升至2030年的60%，摩根大通预测未来五年AI芯片及核心硬件融资总额将超过3万亿美元。
钱的规模到底有多大？
摩根大通将2030年前AI总资本开支预测从去年11月的5.1万亿美元上调至5.5万亿美元。
其中硅片支出将从2026年的3400亿美元增长至四年后的约8000亿美元——翻了一倍多。
英伟达2026财年Q1营收达816亿美元，同比增长85%；CEO黄仁勋将公司定位为AI转型的"核心枢纽"，CFO Colette Kress预测AI支出到本十年末将达每年3万亿至4万亿美元。
英伟达领先多少？竞争对手追得有多快？
摩根大通预计英伟达今年出货890万块GPU，远超谷歌450万块TPU和亚马逊190万块Inferentia/Trainium芯片。
但差距正在迅速缩小：明年谷歌TPU预计升至800万块，英伟达GPU为990万块——这意味着→ 谷歌从不到英伟达一半，追到了接近持平。
股价也在反映这种分流：英伟达2026年累计涨幅超12%，而AMD同期涨幅已超过一倍，部分原因是市场对CPU需求增长预期升温。
最大的悬念是什么？
AI花出去的钱能不能赚回来——这是整条投资逻辑中尚未被验证的关键环节。
美国劳工部数据显示，2026年Q1劳动生产率增速仅0.3%；MIT经济学家Daron Acemoglu估计AI未来十年对全要素生产率的提升不超过0.71%。
用大白话说＝ 钱花得越来越多，但"AI到底让人干活快了多少"这个问题，数据还没给出令人信服的答案。
过度建设的风险有多大？
前德勤首席云战略官David Linthicum向CNBC表示，实际建设容量可能仅为原计划的约一半，并将建设开工数据列为关键观察指标。
这意味着→ 如果企业端AI利用率撑不起当前支出规模，过度建设的风险将逐步显现。
摩根大通看多英伟达的底层逻辑是芯片替换周期带来的结构性需求，但这一逻辑最终能否兑现，取决于AI应用层能否产生足够的商业回报来支撑持续投入。
Content is for reference only, not financial advice.