自GPT 3.5发布以来的三年多时间里，人工智能（AI）已成为全球科技领域无可争议的焦点。从谷歌、OpenAI到微软、亚马逊等全球科技巨头，都在以前所未有的力度投入AI的研发与应用，仅今年，这些公司的AI相关投资总额就已超过6000亿美元。
当前，AI领域的需求之旺盛，远超初期预期的“不够”。英伟达（NVIDIA）更是直言，全球AI基础设施的建设至少需要数万亿美元的投入。在AI算力供应的早期，作为关键瓶颈的AI芯片，尤其是以GPU显卡为代表的产品，为英伟达带来了巨额利润，并助其成为了首家市值达到5万亿美元的公司。
然而，随着AI算力需求的爆发式增长，去年至今，AI算力的“卡脖子”问题逐渐转移到存储芯片领域，特别是高性能高带宽内存（HBM）。HBM作为AI训练和推理的关键组件，其制造对DDR内存的产能要求是其2-2.5倍，这使得HBM成为了新的焦点。
市场对HBM的需求激增，直接带动了三星、SK海力士以及美光等存储芯片制造商业绩的飙升。这些公司市值在短时间内实现了5-10倍的增长，预计今年利润将暴涨5倍，其中三星更有望创造高达1.1万亿的利润纪录。
但AI算力的瓶颈似乎并未到此为止。半导体研究机构SemiAnalysis的创始人Dylan Patel在近期的一次采访中提出了一个新的观点：未来的AI算力瓶颈将转向制造设备，尤其是极紫外光刻（EUV）设备，而阿斯麦（ASML）正是这一领域的绝对垄断者。
根据Dylan Patel的估算，要实现1GW（吉瓦）的AI算力，大约需要投入500亿美元。这包括生产5.5万片3nm晶圆、6000片5nm晶圆以及17万片内存晶圆，总计需要约200万次EUV曝光。换算下来，这相当于3.5台EUV光刻机的生产能力，其设备价值高达约12亿美元。这意味着，在AI算力领域，EUV光刻机正成为下一个关键的制约因素。
然而，ASML的EUV光刻机产能提升存在显著的局限性。目前，其年出货量约为70台，预计明年将提升至80台。即便乐观估计，到2030年，其产能也仅能达到100台。这种有限的产能增长，无疑将限制全球AI算力的整体扩张速度。
总而言之，从Dylan Patel的分析来看，ASML的EUV光刻机产能的限制，就如同一个“天花板”，直接锁定了全球AI算力新增的上限，从而成为了制约全球AI发展的新“卡脖子”环节。这预示着，在经历了GPU和存储芯片之后，AI产业的下一场技术博弈，将围绕高端半导体制造设备展开，而ASML在这场博弈中将扮演至关重要的角色。
