芯片行业，还好吗？

半导体制造业规模庞大。为了更直观地了解这些数字，2024年，芯片制造商的收入约为美国国防预算的四分之三，约为国会拨款社会服务预算的三分之二。随着容量更大的设备最终应用于更多产品，以及新的工作负载（尤其是人工智能）推动全新领域的增量支出和巨额支出，芯片制造支出也在不断增长。

Gartner 最近发布了其年度芯片业务报告，每次报告发布时，我们都会留意一下，但我们还没有真正收集长期的公开数据集并进行分析，而现在似乎正是最佳时机，因此我们回顾了 Gartner 过去十年的报告，并按供应商汇总了芯片销售数据集，填补了公开报告中某些数据的空白。值得庆幸的是，所有主要的芯片制造商——我们指的是芯片设计商，而不是制造芯片的代工厂——都参与其中，而人们通常都这样称呼这些公司。

除了英特尔和三星电子运营着拥有先进工艺的代工厂外，其他所有“制造”芯片但真正从事设计的公司都没有自己的代工厂。当然，台积电是全球最大的代工厂，它无意成为通过渠道或直接向个人设备或数据中心系统制造商销售产品的“芯片设计者”。而苹果公司在2021年首次跻身年度半导体制造商排行榜，该公司自行设计芯片，并为其设备生产芯片，然后直接向消费者和企业销售。

这是一个有趣的区别，我们想知道，鉴于亚马逊网络服务、谷歌、微软、Azure、阿里巴巴、百度和腾讯在数据中心领域对 CPU 和 AI 加速器的大量投资，它们还要多久才能以“芯片制造商”的身份跻身榜单。如果苹果能上榜，那应该很快就会出现。尤其考虑到一半的计算引擎都基于自制的 Graviton Arm 服务器芯片，并且对 Nitro DPU、Trainium 和 Inferentia AI 加速器（用于训练和推理）以及可能还有一些自制的网络交换机 ASIC 进行了巨额投资，AWS 应该很快就会进入前十二名，成为第一个上榜的超大规模计算和云服务提供商。谷歌和微软正在争夺第二个上榜的数据中心提供商。（据我们所知，他们应该已经取代了一些排名垫底的公司。）

让我们为您提供所有数据，以便您掌握：

2024 年的半导体收入比 2014 年高出 2.1 倍，即使将人工智能巨头 Nvidia 排除在外，所有芯片制造商的收入在这 11 年间也增长了 1.85 倍。

2024年，芯片收入增长21%，达到6559亿美元。我们希望知道去年和十年前有多少芯片出货量不足，但这很难估算。上市公司会谈论他们的财务和利润，但通常不会非常具体地说明他们的单位出货量。

首先要注意的是，要改变如此庞大的市场非常困难。即使在 GenAI 热潮期间，英伟达的芯片销售额实现了 120.1% 的爆炸式增长，也未能带来预期的显著增长。这更清楚地表明了这一点：

英伟达是全球最大的半导体公司，这可谓一项了不起的成就。除非全球经济飞速发展，否则英伟达的增长势头不会停止。坦白说，鉴于人工智能工作量本身就具有取代人类并削减成本的性质，全球经济衰退可能会加速人工智能的普及，而不是阻碍其发展。（我们一直认为，经济衰退会加速转型，而不是阻碍转型。）

可以肯定的是，英伟达占据了芯片制造利润的最大份额，这得益于其作为GenAI工作负载计算和网络供应商的独特地位。我们无法证实这一点，但这是我们基于经验得出的结论。事实上，我们认为台积电和英伟达占据了迄今为止GenAI繁荣所创造利润的绝大部分。

上图还有一个你不会注意到的地方，那就是内存制造商的兴衰周期，其中三星、SK海力士和美光科技是最大的三家公司。此外，与这些兴衰周期和计算引擎周期相关的支出高峰也经常同步出现，从而推动了我们在上图中看到的年度芯片销售额的锯齿状波动。

下面是另一张图表，总结了过去十一年全球顶级芯片制造商的芯片收入：

CPU 和 AI 加速器制造商用虚线表示，内存制造商则用实线标记。博通用橙色实线表示，因为它本身就是一家巨头。如果 Marvell 的规模足够大，能够进入前十二强，我们就能在那里看到它。

鉴于目前的趋势以及我们对2029年营收的预测，英伟达（2024年取代三星成为全球最大芯片制造商）将在很长一段时间内保持全球最大芯片制造商的地位。英特尔能否实现增长尚不明确，但我们认为AMD可以发展成为英特尔在CPU领域的替代者，以及英伟达在GPU领域的替代者。

高通在数据中心设备方面供应不多，虽然也做过一些尝试，但在真正投入使用之前，我们对其并不感兴趣。苹果也是如此，它为自己的手机、平板电脑和个人电脑生产自己的处理器，但尚未生产用于自身工作负载的服务器CPU和AI加速器。当然，有传言称苹果正在研发这两款处理器。

有趣的是，如果能将自主研发的数据中心XPU单独列出，将所有数据中心芯片归为一类，就像Gartner在其季度服务器收入报告中将所有原始设计制造商（ODM，即超大规模数据中心和云构建商安装系统的真正制造商）归为一类一样。（IDC也采取了同样的做法。）此外，看看哪些芯片用于最终用户设备，哪些芯片位于边缘，哪些芯片用于数据中心，也同样有趣。