三个关键变量与 2027—2028 展望
模型、端侧、能源，决定这轮景气还能走多远
这一章不猜短期波动，只回答三个问题：模型会不会把算力“省”下来？端侧 AI 会不会接棒？能源会不会卡住 AI 的脖子？最后给出 2027—2028 年的五个判断和一张时间表。
- 三个变量：模型架构、端侧算力、能源供给，同时影响算力需求。
- 端侧 AI 市场 2025—2029 年复合增速约 40%，2029 年约 1.22 万亿元。
- 2026 年全球数据中心用电量约 565 太瓦时，同比增长 26%。
前两章讲的是“现在有多大”。这一章往前看：哪些变量会让需求继续向上，哪些变量会让增速慢下来。
先给结论：这三个变量不会让 AI 突然停下，但会改变增长的节奏和结构。模型决定“每次算得多贵”，端侧决定“算力往哪里走”，能源决定“能不能建得起来”。
MoE 让单次推理更便宜，但“用得起”可能带来更多调用。
手机、PC、眼镜、汽车都能跑模型，带来量的增量。
电、变压器和电网，决定数据中心能建多快。
增速可能放缓，但需求不会消失；结构从“拼规模”转向“拼效率”。
示意图：三个变量不是按顺序发生，而是同时起作用；图中不表示时间先后。
17.1变量一：模型架构会不会让算力需求“省下来”
先打个比方：一家大医院有几十个科室，但一次看病只需要挂相关的几个科。MoE（混合专家，把模型拆成很多“专家”模块，每次只叫醒其中一部分）就是这个思路。
过去的“稠密模型”，每次调用都要让所有参数参与计算；MoE 则只激活一部分。比如一个总参数 6710 亿的模型，每次只激活 370 亿。总盘子还是很大，但单次推理用到的算力少了很多。
| 类型 | 怎么工作 | 算力特点 |
|---|---|---|
| 稠密模型 | 每次调用，所有参数都参与 | 单次成本高；调用越多，算力需求越大 |
| MoE（混合专家） | 每次只激活一部分“专家” | 单次成本下降；总调用量可能上升 |
影响分两层看：一层是单位推理成本下降，AI 应用更便宜，用的人更多；另一层是总算力需求不一定下降，反而可能因为“用得起”而暴涨。训练侧的增速可能放缓，推理侧的增速会加快。
判断：算力需求的增速会放缓，但不会停止。就像汽车省油了，大家开车反而更多。
17.2变量二：端侧 AI 会不会成为第二增长曲线
云端 AI 像去餐厅吃饭，什么都在后厨做；端侧 AI（把模型直接跑在手机、电脑、眼镜、汽车上，不用每次都传到云端）像家里有台微波炉，热一下就能吃，不用每次都出门。
它为什么重要？数据不出本地，更安全；不用按调用量付费，成本更低；响应更快，不用等网络。
先看一组数：
| 指标 | 数值 | 口径 |
|---|---|---|
| 全球端侧 AI 市场 | 2025 年 3219 亿元 → 2029 年 1.22 万亿元，年复合增长率约 40% | 预测值 |
| 中国 AI 手机 | 2026 年预计 1.47 亿台，渗透率 53% | 预测值 |
| 全球 AI PC | 2026 年预计 1.43 亿台，渗透率 55% | 预测值 |
| 全球 AI 眼镜 | 2026 年预计 2368.7 万台 | 预测值 |
这些数字说明，端侧 AI 不是“概念”，而是已经有明确的出货规模。但它对半导体产业的利润贡献，和云端不在一个量级。
需求会向上游传导：端侧芯片、存储、被动元器件、先进封装（把多颗芯片叠起来或拼起来）、散热，都会迎来更多订单。但端侧芯片的单价和毛利率低于云端 GPU，所以端侧 AI 是“量的逻辑”，不是“价的逻辑”。
判断：端侧 AI 是未来 3—5 年最确定的增量之一，但短期对半导体产业的利润贡献，远小于云端。
17.3变量三：能源会不会卡住 AI 的脖子
先看两组数。第一组是 Gartner 的口径：2026 年全球数据中心用电量约 565 太瓦时（1 太瓦时等于 10 亿千瓦时），同比 +26%；AI 优化服务器（专门为 AI 负载设计的服务器）的耗电占比，从 2025 年的 20% 升到 31%。
第二组是 IEA 的口径：全球数据中心用电量将从 2024 年的 415 太瓦时，增至 2030 年的 945 太瓦时，增长逾一倍（2.28 倍）。
565 太瓦时是 Gartner 的 2026 年预测，415 太瓦时是 IEA 的 2024 年基期。两条数不能拼成一条时间线，也不能直接算出“2026 到 2030 年增长了多少”。
除了电，还有设备：全球大型变压器交期 2.5 年，供应缺口约 30%。中国 2030 年算力用电量预计达到 8000 亿千瓦时，是 2025 年的 4.7 倍。
影响很直接：数据中心的建设速度，取决于电网和变压器，而不是芯片。电力设备成为新的瓶颈，也成为扩产和建设的重点；拥有绿电资源的地区，会获得算力产业转移的机会。
判断：未来 3 年，“电力”会比“芯片”更卡脖子。谁能解决电，谁就能建算力。
17.42027—2028 年五个关键判断
把三条线放在一起，下面五个判断，都是“预计/判断”，不是已经发生的事实。
判断一（预计）：AI 资本开支 2027 年仍将增长，但增速放缓。2026 年全球九大云厂商资本开支约 9570 亿美元，2027 年预计超过 1.5 万亿美元，同比 +60%（报告口径）。增速从 106% 降到 60%，仍然是高增长，但最快的阶段可能过去了。
判断二（预计）：存储的紧缺在 2027 年下半年缓解，但价格不会大幅下跌。HBM、DRAM（内存条）的新产能 2027 年逐步释放，缺口收窄；但 AI 需求仍在增长，价格会从“暴涨”转向“高位波动”。
判断三（预计）：先进封装在 2027 年下半年达到供需平衡。台积电 CoWoS（把 GPU 和 HBM 封在一起的先进封装技术）产能 2027 年达到 19—20 万片/月，加上日月光、安靠的扩产，缺口从 20%—30% 收窄到 10% 以内。
判断四（预计）：国产替代从“有没有”转向“好不好用”。2026 年国产设备国产化率约 26%（按金额口径；按台数约 35%），2028 年有望达到 43%；国产 AI 芯片在中国市场的份额已超过一半。下一步的竞争，不是“能不能造”，而是“良率、成本、生态”。
判断五（判断）：行业分化加剧，份额向头部集中。景气上行时，大家都能赚钱；景气放缓时，只有技术、客户、产能最强的公司能活下来。
17.5一张时间表 + 三句话
把上面的判断压缩成一张表，时间线会更清楚：
| 时间 | 关键事件 | 对产业的影响 |
|---|---|---|
| 2026 年 | 2nm 量产、HBM4 量产、昇腾 950 发布、MATCH 法案推进、1.6T 光模块放量 | 先进制程和国产替代双线加速 |
| 2027 年 | CoWoS 供需平衡、HBM 产能释放、3.2T 光模块起量、液冷渗透率过半 | 缺口收窄，价格高位回落 |
| 2028 年 | 设备国产化率 43%、AI 服务器市场 1.24 万亿美元（报告时间表口径） | 国产链成型，行业进入“拼效率”阶段 |
| 2029—2030 | 端侧 AI 规模化、AI 相关产业 10 万亿元 | 从“基建驱动”转向“应用驱动” |
表中的 2028 年 AI 服务器市场 1.24 万亿美元沿用报告时间表口径；第 15 章引用的高盛预测对应 2030 年，年份口径不同，阅读时以机构原件为准。设备国产化率 43% 为报告汇总的预测值；法案状态以官方发布为准，不把“推进”写成“已生效”。
最后用三句话记住这一章：
- 模型架构会把单位推理成本打下来，但“用得起”会带来更多调用，算力总需求增速放缓、不会消失。
- 端侧 AI 是量的增量，短期利润贡献小于云端；能源是未来三年更硬的约束，电和变压器决定建设速度。
- 2027—2028 年的关键词是缺口收窄、国产链成型、行业分化：增速下台阶，但产业仍在扩张。
本章数据与出处
含机构预测本章把三条线分开看：端侧 AI 用 IDC 等机构的预测，数据中心用电分别引用 Gartner 和 IEA 两套口径，国内算力用电和 2027 年资本开支为报告汇总的预测值。两套电耗数据不能拼成一条时间线。
| 数据 | 数值 | 来源（发布日） | 口径 |
|---|---|---|---|
| 全球端侧 AI 市场规模 | 2025 年 3219 亿元 → 2029 年 1.22 万亿元，年复合增长率约 40% | IDC（口径见附录）2026年 | 预测值；全球口径 |
| 2026 年端侧终端出货 | AI 手机 1.47 亿台、渗透率 53%；AI PC 1.43 亿台、渗透率 55%；AI 眼镜 2368.7 万台 | 本报告汇总2026年 | 预测值；AI 手机为中国口径，AI PC 与 AI 眼镜为全球口径 |
| 2026 年全球数据中心用电量 | 约 565 太瓦时，同比 +26% | Gartner2026年 | 预测值；全球数据中心口径 |
| 全球数据中心用电量（IEA 口径） | 2024 年 415 太瓦时 → 2030 年 945 太瓦时，增长逾一倍 | IEA报告未标注 | 2024 年为基期，2030 年为预测；不可与 Gartner 的 2026 年数值拼成一条时间线 |
| 中国 2030 年算力用电量 | 预计 8000 亿千瓦时，是 2025 年的 4.7 倍 | 本报告根据公开资料整理2026年 | 预测值；以 2025 年为基期 |
| 2027 年九大云厂商资本开支 | 预计超过 1.5 万亿美元，同比 +60% | 本报告根据公开资料整理2026年 | 预测值；九大含北美四云 |
- 端侧 AI 市场规模、终端出货量和 2027 年资本开支均为预测值，不是最终统计值。
- Gartner 的 565 太瓦时是 2026 年预测，IEA 的 415 太瓦时是 2024 年基期，两条数不能拼成一条时间线；IEA 报告的发布日未在底稿中标注。
- AI 手机为中国口径，AI PC 和 AI 眼镜为全球口径；CoWoS 产能、国产化率为报告汇总口径，具体以机构原件为准。
- 公司名称只用于说明这个环节有哪些类型的玩家，不代表市场份额排名，也不构成任何推荐。
相关问答
每页只回答一个问题。下面是这一章最容易被追问的几条。