说说未来六个月个人对AI供应链的判断

最近和客户、供应链伙伴交流得比较多，也参与了一些项目交付。相比GPU，我发现大家现在讨论更多的是另外几类器件。 分享几个个人观察，仅代表自己的判断。 第一，HBM仍然会是整个产业链最紧张的资源。 过去一年大家都在抢GPU，但真正决定很多高端AI服务器交付节奏的，其实是HBM。训练集群越大，对HBM容量和带宽的依赖越强。未来几个月，我认为HBM依然会是AI供应链里最重要的”节拍器”——谁拿到HBM，谁就更有机会按时交付。 第二，DDR正在进入一个”DDR4收缩、DDR5扩容”的新阶段。 很多人觉得HBM热度过去之后，普通内存市场会恢复平静，但我更关注的是供应结构的变化。 越来越多原厂把资源投入HBM和DDR5，DDR4新增产能越来越少。中国市场仍有大量服务器、运营商设备、工业控制和存储系统继续使用DDR4，因此未来DDR4未必是需求暴涨，而更可能因为供给持续收缩，出现阶段性的紧张。 与此同时，DDR5已经成为新一代服务器平台的标准配置。无论是AI推理、数据库还是云计算，对高容量DDR5的需求都在持续增长。从128GB到256GB，再到512GB，越来越多客户开始把大内存当成默认配置，而不是高端选项。 我的判断是： DDR4的风险来自供给，DDR5的压力来自需求。 第三，企业级SSD的重要性正在被重新认识。 以前客户最关心的是GPU够不够，现在越来越多人开始问另一个问题：数据放在哪里？ 向量数据库、Checkpoint、推理缓存、训练数据集，都在快速消耗高性能存储资源。GPU负责计算，但真正决定模型能否高效运行的，还有数据能不能及时送到GPU面前。 很多项目里，企业级SSD已经从配角变成了影响整体性能的重要组成部分。 第四，光互联会成为下一阶段最大的关注点之一。 AI集群从万卡走向十万卡，网络已经不是简单的配套设备，而是决定整体效率的重要因素。 400G、800G，再到1.6T，越来越多项目开始关注的不只是GPU数量，而是GPU之间能不能高速、稳定地协同工作。很多时候，限制集群效率的不是算力，而是连接算力的能力。 如果让我给未来几个月AI服务器供应链排一个关注顺序，我的答案会是： HBM ＞ 光互联 ＞ 企业级SSD ＞ DDR。