一句话看懂：高盛预测，到2027年，全球AI基础设施年支出将从今年的超7000亿美元飙升至9200亿至1.4万亿美元。这意味着，除了英伟达，那些在芯片制造、定制芯片和关键设备领域拥有独特优势的公司，同样可能成为这一轮投资周期的受益者。
事件核心：发生了什么
高盛近期发布预测，认为AI基础设施支出将在2027年达到万亿级别。基于此，投资分析师指出，有三家“不太显眼”的公司值得关注。首先是Alphabet，它计划今年投入1800亿至1900亿美元用于基础设施，其核心优势在于自研的张量处理单元（TPU）——相比依赖英伟达GPU的对手，Alphabet在训练Gemini模型和提供Cloud推理服务时成本大幅降低，甚至已允许Anthropic等客户通过其合作方博通直接采购TPU，这为其开辟了新的高利润收入。其次是台积电（TSMC），随着AI芯片支出从GPU扩展到定制ASIC和CPU，台积电凭借其在先进逻辑芯片制造领域近乎垄断的产能和良率，成为所有芯片设计者必须依赖的制造方。第三个是ASML，这家荷兰公司是全球唯一能生产极紫外（EUV）光刻机的企业，没有EUV机器就无法制造英伟达GPU和高带宽内存（HBM），单台设备售价超过2亿美元，且需求强劲。
为什么重要
当前市场大部分关注度集中在英伟达这类直接销售GPU的龙头，但这轮万亿级支出的受益链条远不止于此。Alphabet的案例说明，拥有自研AI芯片能力的云厂商正在通过降低训练和推理成本来构建护城河，这可能倒逼其他云厂商加速芯片自研。台积电的垄断地位意味着，即便芯片设计厂商（如AMD、谷歌、亚马逊）试图分散代工来源，短期内仍无法绕过台积电，这给了后者极强的议价权（近期已宣布3nm芯片涨价15%）。ASML则是整个半导体制造的“瓶颈”——没有EUV，先进制程和HBM都无法量产。这三家公司分别代表了“AI基建支出”中的成本效率优势方、产能稀缺方以及技术垄断方，三者共同构成了投资叙事中更分散、更抗风险的选择。
对用户/开发者/创作者的影响
对AI应用开发者而言，Alphabet的TPU成本优势意味着，通过Google Cloud使用Gemini或第三方模型进行推理的API价格可能比竞争对手更稳定甚至更低，直接影响到开发者的成本核算和技术选型。对于投身大模型训练的企业或个人，台积电的产能排期和涨价动态会直接影响GPU和定制芯片的供货周期与价格，从而影响算力资源的获取难度。ASML设备的供需情况则是整个AI算力扩张的“早期指标”——若EUV订单放缓，可能意味着未来2-3年的芯片产能扩张预期降温。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
1. Alphabet是否会将TPU开放为第三方云服务，以及其向客户直接销售的模式是否会扩大，将直接影响其营收结构的透明度和市场对云业务利润率的评估；2. 台积电3nm涨价15%是否会被下游芯片厂商转嫁给服务器和云服务客户，进而影响终端AI产品价格；3. ASML的EUV设备订单量在2027年能否维持增长，若记忆体厂商开始大量采购其DUV设备用于HBM生产，将是需求二次确认的信号。
