Анализ Morgan Stanley: бум чипов для ИИ, сможет ли электроэнергия угнаться за ним? Предполагаемый спрос в 2027 году составляет приблизительно 38 ГВт.

Последний анализ азиатских цепочек поставок, проведенный Morgan Stanley, переводит расширение использования ИИ в более наглядный показатель энергопотребления: исходя из предполагаемого количества в 19 миллионов неявных графических процессоров и специализированных интегральных схем CoWoS в 2027 году со средним TDP 2 кВт на чип, соответствующая энергетическая мощность этой партии чипов составляет приблизительно 38 ГВт.

Из них на долю Nvidia приходится приблизительно 16 ГВт, Google — приблизительно 9 ГВт, AMD — приблизительно 7 ГВт, AWS — приблизительно 2 ГВт, а Microsoft, Meta и другие поставщики — приблизительно по 1 ГВт каждый.

Важно подчеркнуть, что 38 ГВт — это не общее потребление электроэнергии глобальными центрами обработки данных для ИИ на тот момент и не уже обеспеченная мощность электроснабжения. Эта цифра не в полной мере учитывает потребление электроэнергии процессорами, сетями, системами хранения данных, системами охлаждения и другим вспомогательным оборудованием. Это скорее стресс-тест, основанный на данных о поставках чипов: если к 2027 году ускорители ИИ нарастят производство в соответствии с моделью цепочки поставок, сможет ли энергетическая инфраструктура одновременно справиться с объемом этих чипов?

Это означает, что ограничения на расширение вычислительной мощности ИИ распространяются не только на вопрос «возможно ли производство графических процессоров» и на вопрос о возможности одновременного обеспечения HBM, CoWoS, тестирования, доставки в стойку и доступа к электропитанию.

Стресс-тест мощностью 38 ГВт выявляет узкие места в работе ИИ в энергетическом секторе.

Расчеты Morgan Stanley основаны на двух основных предположениях: количество чипов GPU и ASIC, соответствующих CoWoS в 2027 году, составит приблизительно 19 миллионов, при среднем TDP 2 кВт на чип, что приведет к предполагаемой потребности в электроэнергии примерно в 38 ГВт для этих чипов.

Показатель в 2 кВт — это среднее значение, используемое для оценки общего энергопотребления, и он не означает, что все графические процессоры и специализированные интегральные схемы потребляют одинаковое количество энергии. Показатель в 38 ГВт также не отражает фактическую рабочую нагрузку центра обработки данных, поскольку чипы не всегда работают на полную мощность, а процессоры, сети, системы хранения данных и охлаждения в серверах будут генерировать дополнительную энергию.

Однако эта цифра по-прежнему имеет справочное значение. В течение последних двух лет дискуссии о цепочке поставок ИИ в основном были сосредоточены на планировании производства графических процессоров, поставках HBM и мощностях CoWoS. Поскольку объемы поставок чипов продолжают расти, подключение к сети, строительство подстанций, выбор площадки для центров обработки данных и долгосрочные соглашения о закупке электроэнергии могут напрямую повлиять на то, смогут ли чипы превратиться в реальную полезную вычислительную мощность.

Поставка чипов — это только первый шаг. После того, как графические процессоры или специализированные интегральные схемы (ASIC) попадают в центры обработки данных, им также требуются поддерживающие серверы, стойки, сети, системы охлаждения, электропитания, а также системы эксплуатации и технического обслуживания. Если строительство инфраструктуры отстает от поставок чипов, на рынке может возникнуть дисбаланс, когда «чипы уже поступили, но центры обработки данных и электроснабжение еще не созданы».

Предполагаемая потребность в электроэнергии для чипов GPU/ASIC в 2027 году составляет приблизительно 38 ГВт, включая 16 ГВт от Nvidia, 9 ГВт от Google и 7 ГВт от AMD.

Для Nvidia неявный спрос в 16 ГВт также объясняет, почему компания продолжает увеличивать плотность размещения графических процессоров на стойку. В отчете говорится, что Nvidia давно надеялась улучшить вычислительную мощность и производительность на уровне стойки за счет подключения большего количества графических процессоров посредством масштабируемой архитектуры.

Однако решение Kyber для стоек Rubin Ultra первого поколения по-прежнему сталкивается с проблемами, связанными с печатными платами и тепловым режимом, и, возможно, продолжит использовать конструкцию Oberon NVL72, а затем расширится до масштаба NVL576 за счет межсоединений CPO или NPO. Увеличение плотности размещения оборудования в стойках не приведет к снижению энергопотребления; вместо этого оно сосредоточит нагрузку на электропитание, охлаждение и межсоединения в проектах центров обработки данных с более высокими техническими характеристиками.

Технологии HBM и CoWoS развиваются параллельно, в то время как технические характеристики Rubin Ultra пока не определены.

Помимо энергопотребления, основными ограничениями для расширения производства чипов для искусственного интеллекта в период до 2027 года остаются HBM и передовые технологии упаковки.

Согласно модели цепочки поставок Morgan Stanley, спрос на чипы HBM для ИИ в 2027 году составит приблизительно 48,618 миллиардов Гб. На диаграмме 3 указан объем конфигурации CoWoS, составляющий приблизительно 2,664 миллиона пластин, а на диаграмме 5 — глобальный спрос на CoWoS, равный приблизительно 2,694 миллиона пластин. Эти две цифры немного отличаются из-за разных статистических методов.

В отчете также прогнозируется, что объем рынка кремниевых пластин для чипов искусственного интеллекта достигнет как минимум 58,8 миллиардов долларов в 2027 году. Nvidia остается крупнейшим потребителем CoWoS, владея примерно 1,222 миллионами пластин; ожидается, что на долю AMD и Broadcom придется приблизительно 530 000 и 484 000 пластин соответственно.

По оценкам, в 2027 году спрос на память AI HBM составит 48,6 миллиарда Гб, с учетом конфигураций CoWoS и требований к памяти HBM для различных графических процессоров и специализированных интегральных схем.

В прогнозировании спроса по-прежнему остается важная переменная: конфигурация HBM для Rubin Ultra еще не окончательно определена.

Проверки цепочки поставок показывают, что Rubin Ultra может использовать многоуровневую спецификацию: высокопроизводительная версия будет использовать HBM4e 8Hi, а низкопроизводительная — HBM4 12Hi или 8Hi. Morgan Stanley прогнозирует, что Nvidia может принять окончательное решение к концу третьего квартала 2026 года.

Эта корректировка в первую очередь отражает три фактора: нехватку емкости HBM, рост стоимости памяти и различные требования к емкости и пропускной способности для разных рабочих нагрузок ИИ. В отчете предполагается, что уменьшение конфигурации HBM может оказать большее влияние на рабочие нагрузки декодирования, чем предварительное заполнение, особенно в больших моделях с длинным контекстом.

Важно отметить, что на рисунке 3 расчеты по-прежнему основаны на конфигурации Rubin Ultra с HBM4e 12Hi и общей емкостью 384 ГБ на чип. Следовательно, требование к объему HBM в 48,6 млрд ГБ не в полной мере отражает потенциальную схему поэтапного уменьшения размеров. Если окончательная конфигурация будет уменьшена, использование HBM на чипе может снизиться, но снижение стоимости памяти также может привести к увеличению поставок чипов, частично компенсируя влияние уменьшения использования на чипе.

Согласно общедоступной информации Micron, производство HBM4 началось, а массовое производство HBM44E, как ожидается, стартует в 2027 году. Хотя предложение новых продуктов активно развивается, окончательная конфигурация Rubin Ultra по-прежнему зависит от комплексных компромиссов Nvidia в отношении производительности, стоимости и гарантий поставок.

Серия Rubin продолжает демонстрировать агрессивные темпы поставок. В отчете прогнозируется, что в 2027 году совокупные поставки Rubin и Rubin Ultra приблизятся к 7 миллионам единиц, при этом примерно 5,92 миллиона единиц Rubin и 1,04 миллиона единиц Rubin Ultra составят 7 миллионов единиц; поставки стоечных модулей Rubin NVL72 могут достичь примерно 90 000 единиц.

Компания Rubin рассчитывает начать наращивать производство с третьего квартала 2026 года, а отгрузки стеллажей начнутся в четвертом квартале. В отчете также указывается, что предыдущие опасения рынка по поводу «запасов» Blackwell были в основном связаны с буферными запасами в цепочке поставок, которые, как ожидается, будут полностью поглощены к 2026 году.

Прогнозы поставок микросхем Rubin и Rubin Ultra, а также стоек Rubin NVL72.

Это означает, что со второй половины 2026 года по 2027 год цепочка поставок Nvidia должна одновременно завершить распродажу запасов Blackwell, наращивание производства Rubin, переход на спецификацию HBM и поставку в стойки. Замедление на любом из этих этапов может повлиять на конечную вычислительную мощность.

Производство TPU компанией Google увеличилось до 7,35 миллионов единиц, и заказы поступают на тестовую цепочку.

Помимо Nvidia, еще одним важным фактором роста, упомянутым в отчете, является показатель TPU компании Google.

Аналитики Morgan Stanley прогнозируют, что поставки TPU от Google увеличатся с 3,7 млн единиц в 2026 году до 7,35 млн единиц в 2027 году. Из них, как ожидается, 4 млн единиц будут поставлены на процессор Broadcom v8i, 3 млн — на MediaTek v8t, около 150 000 — на v9, а оставшиеся примерно 200 000 единиц — на v7.

Прогнозы Google по поставкам TPU для каждого поколения и их потенциальный вклад в выручку KYEC.

Увеличение объемов производства ТПУ приведет к росту заказов на проектирование микросхем, производство кремниевых пластин, передовую упаковку и тестирование. В отчете прогнозируется, что на бизнес, связанный с ТПУ, может приходиться от 7% до 8% выручки KYEC в 2026 году и чуть более 10% в 2027 году, включая выручку от окончательного тестирования и части выручки от анализа кремниевых пластин.

Если учесть все направления деятельности Google, связанные с процессорами, термоэлектрическими процессорами, окончательным тестированием и некоторыми видами зондирования кремниевых пластин, то ожидается, что спрос, связанный с Google, составит от 10% до 15% выручки KYEC в 2027 году, по сравнению с 8%-10% в 2026 году.

Требования к тестированию также становятся все более сложными. В отчете говорится, что в 3-нм TPU от MediaTek ожидается использование тестирования на выгорание для повышения стабильности и надежности работы чипов ИИ; проект процессора Google также требует тестирования на выгорание и тестирования на системном уровне.

Более сложные процессы тестирования и более длительные циклы тестирования приведут к увеличению заказов на испытательные установки, однако вопрос о том, станет ли пропускная способность испытательного центра узким местом, зависит от совокупных изменений времени тестирования каждого чипа и общего объема поставок. В отчете также отмечается, что сокращение времени тестирования в некоторых областях может смягчить недавнее давление на мощности; следовательно, увеличение спроса на тестирование не следует просто приравнивать к неизбежному дефициту мощностей.

38 ГВт — это не конечная точка спроса, а проверка пропускной способности энергоснабжения.

Наиболее примечательным аспектом этого обзора цепочки поставок является не только предоставление дополнительных данных об отгрузках чипов для ИИ, но и включение в ту же модель основных ограничений расширения на 2027 год: Nvidia продолжает увеличивать плотность графических процессоров, Google быстро наращивает производство TPU, одновременно растет спрос на HBM и CoWoS, а предполагаемая потребность в энергии для чипов увеличивается до 38 ГВт.

Эти показатели по-прежнему зависят от ряда предварительных условий. Многоуровневое решение HBM для Rubin Ultra еще не доработано, и влияние уменьшения объема памяти на производительность декодирования в длительном контексте еще предстоит проверить; необходимо расширить производственные мощности CoWoS и HBM в соответствии с планом; а строительство серверной, стоечной, энергетической и охлаждающей инфраструктуры должно идти в ногу с поставками микросхем.

Различия могут быть и в решениях для межсоединений. В отчете говорится, что из-за ограничений в локальных технологических процессах производства скорость SerDes у китайских производителей графических процессоров для ИИ может по-прежнему ограничиваться 100 Гбит/с на канал. Поэтому в их архитектурах супернодов все чаще используются межсоединения NPO, в то время как NVIDIA давно отдает приоритет CPO. Эти различные подходы повлияют на проектирование супернодов, стоимость развертывания и эффективность системы.

Таким образом, 38 ГВт — это не точный прогноз фактического потребления электроэнергии в 2027 году, а скорее стресс-тест, основанный на данных о поставках чипов. Это показывает, что спрос на чипы для ИИ остается высоким, а также напоминает рынку, что возможность реализации вычислительной мощности ИИ может зависеть не только от графиков производства графических процессоров, но и от того, будут ли одновременно обеспечены HBM, CoWoS, тестирование, стойки и электропитание.