财联社 5 月 13 日电，美银全球研究部将 2030 年全球人工智能数据中心系统总可触达市场（TAM）预测从先前的约 1.4 万亿美元上调至约 1.7 万亿美元。
一句话看懂：美国银行大幅上调了2030年全球AI数据中心市场的规模预期，认为这个领域的硬件、软件和基础设施总需求将从1.4万亿美元增至1.7万亿美元。这意味着AI对算力的依赖仍在加速，企业和云厂商的投入可能比预期更激进。
事件核心：发生了什么
据财联社5月13日报道，美银全球研究部（BofA Global Research）发布最新预测，将2030年全球人工智能数据中心系统总可触达市场（TAM）从先前的约1.4万亿美元上调至约1.7万亿美元，上调幅度约21%。这一数字涵盖了AI数据中心相关的服务器、网络设备、冷却系统、电力基础设施以及配套软件在内的整体支出。
调整的背景是：AI大模型训练和推理需求持续增长，企业加速部署生成式AI应用，同时像微软、英伟达等公司的财报数据显示，数据中心资本开支并未放缓。此前，微软在130亿美元投资后，仅2023-2025年就从与OpenAI的合作中获得了约300亿美元收入，这进一步强化了市场对AI算力投资的信心。
为什么重要
美银的上调是对AI基础设施建设周期的强有力确认。1.7万亿美元的可触达市场意味着，未来数年内，从云端GPU、专用AI芯片到液冷散热、高压供电等全产业链都将受益。更重要的是，这提示行业竞争可能从“模型能力”转向“基础设施规模”——谁拥有更高效、更低成本的数据中心，谁就能在推理和训练成本上占据优势。
当前，国内百度等厂商已宣布AI超节点产品将于2025-2026年放量，OEM代工环节被机构视为新受益方向。国际市场的投入叠加国内追赶，AI数据中心的供应链紧张状况短期内难以缓解。
对用户/开发者/创作者的影响
对普通用户和AI工具使用者而言，更庞大的数据中心意味着推理能力的持续增长，但短期不会显著降低API调用价格——因为成本投入仍在大幅增加。开发者需要关注：大模型推理成本可能维持高位，但高端GPU租赁的长期合约价格将更透明；企业采购决策则应侧重评估数据中心的电力与散热方案是否具备升级弹性。
对于创作者和AI应用开发者，算力扩容的直接利好是“训练能力瓶颈”将逐步缓解，更多开源模型和闭源模型有可能在同一算力平台上并行运行。但要注意，1.7万亿美元并非立即释放，而是一个持续到2030年的累积空间，短期供应紧张仍会影响新项目启动。
值得关注的后续
- 超节点产品是否如期量产：百度、华勤技术等国内玩家能否在2025-2026年实现AI超节点的小批量发货，将成为验证国产算力对美银预测贡献度的关键观测点。
- 硬件供应链价格变化：美银上调预期后，英伟达H100、B200等GPU的供给合同价格是否会调整，或引发新一轮数据中心采购谈判。
- 云厂商资本开支指引：微软、亚马逊、谷歌在下一季财报中的数据中心支出指引，将直接检验市场预期是否合理。若实际投入低于预期，1.7万亿美元的落地节奏可能被修正。
来源：Readhub · AI
