（来源：瑞银全球研究）

Karl Keirstead

瑞银美国软件行业分析师

我们认为2025年AI硬件供应链瓶颈的进一步缓和或使投资者的讨论焦点转向需求。瑞银近期发布的Q-Series报告汇总瑞银全球130位分析师的观点，并利用UBS Evidence Lab数据来评估模型提供商、消费者和企业的需求能否给AI 资本支出带来有吸引力的回报。我们的回答是“能”，其中企业需求相对落后。

AI讨论焦点或从供给转向需求

在当前AI起步阶段，AI模型提供商和超大规模云厂商均公布大规模资本支出计划，以扩大其AI基础设施容量。2025年包括这些公司在内的AI资本支出总额或超过4000亿美元，点燃投资者对AI硬件和AI技术供应商的兴趣。

过去两年，瑞银就AI基础设施建设过程中的供应瓶颈撰写了多篇报告。目前AI供应链仍存在瓶颈（未来几年电力基础设施或成为堵点），但已开始边际改善。我们认为这可能使投资者的讨论焦点从供给转向需求。如果AI需求最终无法消化供应，这一轮投资浪潮将化为 “AI泡沫”。 

相较于AI供应，我们认为市场对AI需求的研究不足，主要因为估算AI需求的难度大得多。我们从以下三个角度切入：

定性分析三大AI需求来源：即模型训练、面向消费者的AI工具、企业需求。这些需求有多强劲？持久性如何？哪些方面最有可能低于预期？

定量估算：通过评估AI用例所需的算力，基于模型框架来估算需求。

自下而上地评估需求：汇总瑞银研究部分析师对AI产品如何在他们所研究的公司和行业中部署的看法。此外，我们还借助UBS Evidence Lab来跟踪AI及所有相关术语在电话会中被提及的情况，以衡量管理层的产品开发重心。

AI需求的三大支柱有多强劲？

我们认为AI 需求有三个主要来源：1）大语言模型/模型提供商的训练需求；2）面向消费者的产品的推理需求；3）企业的AI应用需求。

这三大支柱处于成熟度曲线的不同位置。初期AI需求主要来自亟需训练用GPU的模型提供商。之后随着模型提供商将其大模型“产品化”，开发出可变现的应用产品，消费者需求将接棒。希望通过部署AI来实现业务流程自动化、提高生产效率但行动缓慢的大企业则将补上AI需求的最后一环。

模型训练持续消耗大量算力，目前无确切证据显示该需求有所放缓。消费者需求也类似。“杀手级”AI产品ChatGPT的周活跃用户数已超过6亿。能从消费者互动中变现的科技巨头在加倍采购GPU，以增强其平台的差异性。因此，我们认为短期内GPU需求将主要由消费者拉动。

企业GPU需求落后于前两者，大多数财富500强公司仍处于“概念验证”或测试阶段，主要原因包括数据治理障碍、智能体性能差距、GPU成本高企等。不过，我们认为一旦这些问题得到解决，该群体或产生最强劲的增量需求。结合UBS Evidence Lab数据，我们预计企业需求的拐点可能要等到2026年中/2027年。

最新的UBS Evidence Lab美国AI商业调查显示，在生成式AI“诞生”24个月后，仅14%的受访者所在企业在生产中大规模应用生成式AI，仍处于采用率曲线早期（进展缓慢，不及预期）。此外，至少在一个职能领域上线生成式AI的受访者比例较2024年10月的前次调查小幅下降。

今年3-4月进行的UBS Evidence Lab中国企业家调查显示，中国企业对AI应用的影响普遍持乐观态度。73%的受访者表示，所在企业已在一定程度上使用AI技术（AI投入平均占IT支出的12.4%），20%的受访者计划未来使用AI技术。在已使用AI技术的受访企业中，95%认为AI为其带来效益。

定量评估：未来三年算力需求将快速增长

我们基于关键AI工作负载的算力强度来量化GPU需求。由于模型规模和复杂性增加、推理的算力要求不断提高，生成式Al模型的算力强度继续快速增长。

加总训练和推理需求后，我们预测2024-2027年算力需求将以约115%的年复合增长率增长。其中，推理需求的占比预计将持续上升，从2023年预期的20%升至2027年的57%，主要由企业普及率所拉动。

尽管AI加速器迭代后单价不断走高，但这被算力性能的代际升级完全抵消，有效降低了单位算力成本（美元/PFLOPS）。更低的算力成本推高ROI，促进生成式AI的更广泛应用。综合考虑，我们预计AI加速器的潜在市场规模有望从2024年的约1250亿美元大幅提升至2027年的约3090亿美元，年复合增长率达到35%左右。

自下而上分析AI用例

最后，我们收集了瑞银全球130位分析师对1）其覆盖范围内，哪些行业AI应用最活跃和2）迄今为止受益程度的反馈，来评估中期AI需求。

总体而言，生成式AI技术应用的影响在整个经济中较难辨别，AI应用尚处于早期阶段，但明显呈增长态势（比如非科技行业中的保险业）。互联网和IT服务业的AI普及趋势居各行业之首。

我们还利用UBS Evidence Lab对公司电话会中提及“AI”及所有相关术语的次数跟踪，来评估管理层产品开发的关注点，绘制成热力图。

下图展示了2025年1季度各行业的AI术语提及次数和市值，科技行业的AI提及次数可达到非科技行业的5倍，表明前者在采用率曲线上走得更远。

我们的主要结论

综上，我们依然乐观看待AI需求趋势。我们认为新模型的训练需求和消费类产品推理工作负载的增长（得益于ChatGPT的风靡以及新产品的不断涌现）将在未来几年支撑GPU需求，进而推动对云基础设施、硬件和其他技术的需求。因此，中期AI需求有望结构性增长并消化AI基础设施投资。

我们认为企业AI支出是主要风险来源，因为企业的AI应用进展缓慢，ROI不太明朗。若大模型/消费者需求引擎在企业AI支出增加之前就熄火，可能会引发暂时性去化过程。我们认为该情景的概率较低（约为20%），在可控范围内。

*UBS Evidence Lab 是一个卖方专家团队，工作范围覆盖众多细分研究室，致力于提供深入洞察的数据集。 每个月，专家会利用一系列工具和技术来收集、清洗和关联数十亿项数据，进而将其转化为可用于投资研究的论据。从2014年起，瑞银研究部分析师一直都得到UBS Evidence Lab的专业支持，并基于后者对公司、行业及市场热点问题富于洞见的数据集，撰写了数千篇特色鲜明的瑞银研究报告。UBS Evidence Lab本身不提供投资建议或意见，仅为瑞银研究部及其客户提供富于洞见的数据集以进行进一步分析。