财联社5月15日讯（编辑 夏军雄）在最新发布的半导体行业报告中，美银大幅上调了对未来人工智能（AI）数据中心市场规模的预测。

该行预计，到2030年，全球AI数据中心系统市场规模将达到约1.7万亿美元，较此前预测的1.4万亿美元进一步提高，2025年至2030年的复合年增长率（CAGR）高达45%。

AI数据中心TAM大幅上调

报告指出，目前全球IT支出规模约为6.3万亿美元，其中数据中心系统市场约7720亿美元。到2030年，整体数据中心系统市场有望增长至约2万亿美元。

其中，AI数据中心将成为绝对核心。

（美银对数据中心市场规模的预测）

美银预计，AI数据中心系统市场规模将从2025年的2640亿美元增长至2030年的1.7万亿美元；AI支出占全球IT支出的比例将从2025年的4.7%升至2030年的19.5%；AI占数据中心系统支出的比例则将从52%提升至83.6%。

GPU、CPU以及ASIC全面开花

在AI服务器内部，美银预计，AI加速器（覆盖GPU、ASIC和XPU）市场规模将在2030年达到约1.17万亿美元，占整个AI服务器支出的绝大部分,此前的预测为1万亿美元，而2024年仅为1202亿美元.

尽管市场不断讨论GPU是否会被替代，但美银认为，AI基础设施未来将进入多元协同扩张阶段。

报告指出，未来AI工作负载正在拉长，GPU、CPU、ASIC以及不同类型内存将共同扩张，而不是相互替代。

具体而言，GPU仍将主导训练与高性能推理。而CPU则将在推理、Agent orchestration（智能体任务编排）等环节重新扮演关键角色；

与此同时，谷歌TPU以及亚马逊Trainium等定制ASIC需求也在快速增长。

英伟达仍将长期主导AI算力

美银认为，尽管竞争加剧，但英伟达仍将在未来几年维持AI芯片领域的绝对主导地位。

报告预计，英伟达2030年AI加速器收入可能达到约8000亿美元（市场份额为68%），长期市场份额仍将维持在65%-70%以上。

美银指出，英伟达的优势不仅在GPU本身，更在于其覆盖了AI工作负载几乎所有细分场景。

与此同时，博通和AMD也被视为重要受益者。

美银预计，博通2030年AI芯片收入有望达到1819亿美元（市场份额为16%），而AMD AI加速器收入则可能增长至801亿美元（市场份额为7%）。

报告还称，AI正在为CPU打开新的增长周期。

据美银预计，数据中心CPU市场规模将在2030年达到1100亿美元；AI CPU市场则将从2025年的90亿美元增长至2030年的876亿美元，CAGR高达57%。

AI网络需求被严重低估

除了计算之外，美银还大幅上调了AI网络市场预期。

报告预计，到2030年，AI网络市场规模将达到3160亿美元，高于此前预测的2400亿美元。

其中，800G高速光模块、6T光模块和2T下一代互联都将快速放量。

随着AI集群规模越来越大，网络带宽开始成为新的瓶颈。

AI正在改变存储行业周期

美银认为，AI带来的另一个重大变化，是存储行业开始从传统周期股转向“结构性成长”。

过去存储行业最大的特点是供给弹性过高，容易出现供给过剩和价格暴跌。

但AI时代不同。由于HBM封装能力受限、资本开支门槛提高以及电力与先进工艺限制增加，内存供给弹性正在明显下降。同时，AI需求却持续爆发。

美银预计，高带宽内存（HBM）市场规模将在2030年达到1683亿美元，未来几年内存供需充足率不会超过110%。

这意味着，行业可能不会再出现过去那种严重供给过剩局面。

AI资本开支仍在持续上修

市场最担忧的问题之一，是AI资本开支是否已经过热。但美银认为，目前并未看到周期结束迹象。

报告显示，过去12个月中，全球云厂商2026年资本开支预测被上调约93%-97%，2027年预测则被上调123%-131%。

美银预计，全球主要云厂商资本开支2026年合计为约8066亿美元，并且将在2027年突破1万亿美元。

其中，谷歌母公司Alphabet、微软、亚马逊和Meta仍是AI基建投资主力。

至于为什么AI资本开支仍然可持续，美银主要给出了两个原因。

第一，两大明星AI公司OpenAI和Anthropic未来收入将呈爆炸式增长。

美银援引预测指出，OpenAI今年有望实现300亿美元的营收，到2030年则将大幅增长至2830亿美元。其中，Agentic AI到2030年贡献约560亿美元收入。

（对OpenAI收入的预测）

至于Anthropic，该公司的ARR（年化收入）去年年底还仅为90亿美元，但到今年4月已飙升至300亿美元。

美银认为，这些AI公司收入的快速增长，意味着AI算力是真需求，不是单纯资本泡沫。

第二，AI智能体（Agentic AI）会引爆Token需求。

一个智能体工作流消耗的Token数量，可能比普通聊天高出10倍至1000倍。

因此，未来真正驱动算力需求的，将不再只是模型训练，而是推理、Agent orchestration、Synthetic data（合成数据）以及企业工作流自动化。

报告强调，Token经济正在取代传统“按席位收费”的软件模式，并逐渐成为AI云平台新的商业模式基础。

与此同时，效率提升也不会削弱AI需求。相反，美银认为，随着单Token成本下降，使用量反而会进一步爆发，类似于过去云计算、存储和带宽行业的发展路径。