安全倡议遇冷：推理爆发让芯片需求停不下来

据 Woofun AI 消息，半导体市场近期出现显著的情绪修复，从 7 月低点反弹约 13%，年初至今累计涨幅已达 67%。这一强劲表现的核心驱动力，在于市场重新确认了大型科技公司对 AI 支出的持续承诺。

然而，Anthropic CEO Dario Amodei 提出的"为前沿定速"倡议，将 AI 安全议题重新推至前台，引发投资者对头部实验室主动降速是否会导致芯片需求萎缩的担忧。伯恩斯坦在 9 月 14 日发布的报告中明确指出，模型迭代速度的放缓并不等同于算力需求的终结，AI 基础设施的投资周期并未因此逆转。

值得注意的是，随着 AI 计算重心从训练向推理转移，尤其是 Agent 应用的落地，半导体需求已不再单纯依赖下一代前沿模型的发布，而是由更广泛的实际应用规模所驱动。

这种结构性变化意味着，即便模型能力提升有所减速，底层的算力消耗依然保持强劲增长态势。更深层的原因在于，当前 AI 产业的扩张逻辑已经从单纯的参数竞赛转向了应用层的规模化部署，这使得芯片需求具备了更强的韧性。

从市场背景来看，安全倡议的具体内容及其引发的行业反响构成了当前的主要变量。Amodei 提出了一套三阶段"定速框架"，旨在通过制度化的方式约束 AI 发展速度。第一步是在 AI 实验室内部引入独立第三方评估机构，核查企业是否遵守已作出的安全承诺；第二步是推动美国监管，为所有美国 AI 公司建立统一规则；第三步则是全球协调，包括尝试与中国建立某种合作或约束机制。这项倡议的出现，正值 AI 安全争议重新升温之际。近期，多名大型基础模型实验室的安全与对齐人员公开离职，批评行业在竞逐能够自我改进的超级智能时，缺乏足够可靠的约束机制。

Amodei 的表态随后获得了 Sam Altman、Elon Musk 和 Satya Nadella 等科技行业领军人物的回应，这表明"是否应该放慢前沿模型研发"已经从实验室内部的学术争论，升级为公共政策与监管议程的核心议题。对于半导体投资者而言，真正敏感的并非安全讨论本身，而是"定速"可能直接触及算力投入。Amodei 提到，监管可以围绕训练算力、训练运行方式，以及利用 AI 改进 AI 等关键环节设置限制。一旦约束落到集群规模和训练资源上，市场自然会担心 AI 芯片与数据中心支出受到影响。

然而，伯恩斯坦认为，这种担忧可能在短期内压制半导体板块情绪，但还不足以改变实际需求。首先，Amodei 并不是主张停止训练，而是希望将前沿模型的能力提升速度从"极快"降至"稍快"。考虑到当前 AI 产业的扩张速度，即便模型迭代有所放缓，背后对应的训练投入依然可能十分可观。更重要的是，AI 芯片需求的驱动力已经发生了根本性变化。过去，AI 芯片需求主要由大模型训练推动，模型参数增加、训练数据扩张和训练周期延长，直接带动 GPU 集群规模不断上升。但当模型进入大规模应用阶段后，推理正在成为新的算力消耗中心。尤其是在 Agent 场景中，模型不再只是针对一次提问生成一次回答，而是需要持续规划任务、调用工具、读取结果、修正路径并验证输出。一项用户请求可能触发多轮甚至数十轮模型调用，其推理消耗显著高于传统聊天机器人。

这意味着，即使前沿模型暂时停止快速升级，现有模型的大规模部署依然会持续增加算力需求。伯恩斯坦指出，目前已经投入使用的计算资源甚至难以充分满足当前模型的需求，更不用说未来可能推出的新模型以及更复杂的 Agent 应用。

与此同时，大型科技公司的 AI 资本开支已经进入实际执行阶段。芯片采购、数据中心、电力系统和网络基础设施的建设周期较长，不太可能因为一次行业倡议立即调整。伯恩斯坦因此判断，当前 AI 公司的近期收入目标基本已经反映了客户的支出计划，相关计划出现重大变化的可能性较低。换言之，"AI 减速"首先冲击的可能是估值和市场情绪，而非芯片订单。只要推理调用量、企业部署和 Agent 应用仍在增长，AI 基础设施投资就很难真正停下来。

Woofun AI 整理数据显示，地缘政治视角下的中美 AI 竞争，也是理解这一倡议动机的关键维度。伯恩斯坦认为，Amodei 的倡议可能并不完全是安全问题，也涉及中美 AI 竞争。Amodei 强调，美国对 AI 发展的限制不能以让中国获得领先地位为代价。他主张继续限制先进 AI 芯片和半导体设备对华出口，同时打击未经授权的模型蒸馏，并加强模型权重保护。伯恩斯坦据此推测，中国 AI 实验室通过蒸馏快速缩小模型差距，可能是推动这项倡议的重要原因之一。

这里需要注意的是，这是伯恩斯坦的判断，而非 Amodei 直接承认的政策动机。对于美国头部实验室而言，单方面减速存在明显风险：如果自身受到更严格的安全审查和算力限制，而开源模型或海外竞争者不受相同规则约束，减速反而可能削弱其领先地位。因此，Amodei 提出美国统一监管和全球协调，本质上也是希望把规则覆盖至整个竞争环境。由此来看，所谓"AI 安全"正在与技术竞争发生交叉。训练算力、模型权重和蒸馏方式不仅是安全问题，也可能成为新的产业壁垒。

相关政策可能改变全球芯片销售的地区结构，但不一定会削弱美国科技公司的整体投入。伯恩斯坦认为，更严格的安全评估虽然会增加短期监管压力，却可能有利于 AI 行业的长期发展。可审计、受约束的 AI 系统更容易获得政府、企业和公众接受，也有助于降低数据中心建设和商业化部署面临的政治阻力。因此，报告并未因为"前沿定速"下调对 AI 基础设施的判断，反而继续将英伟达、博通和半导体设备公司列为首选方向。英伟达获"跑赢大盘"评级，目标价 400 美元。

伯恩斯坦认为，其数据中心市场空间仍然巨大，训练和推理需求将共同支撑 GPU 增长。博通同样获"跑赢大盘"评级，目标价 575 美元。报告预计，公司 2026 年的 AI 增长轨迹将在 2027 年至 2028 年进一步加速，定制 AI 芯片和网络业务仍是主要驱动力。设备端，应用材料、泛林集团和科磊均获"跑赢大盘"评级，目标价分别为 700 美元、385 美元和 250 美元。伯恩斯坦看好 GAA、先进封装、HBM 和 NAND 升级带来的设备需求。

其中，科磊凭借结构性增长动力、稳固的竞争地位、相对较低的中国替代风险和严格的资本配置，具备获得溢价估值的基础。伯恩斯坦的最终判断是，"AI 减速"会成为半导体板块新的情绪变量，却暂时不足以逆转 AI 基础设施周期。前沿模型研发可能放慢，但训练并未停止，推理需求正在加速，Agent 又进一步抬高单次任务的计算消耗。AI 实验室或许开始讨论踩下刹车，但对算力产业而言，真正决定需求的已经不只是模型迭代速度，而是 AI 被使用的规模和频率。只要这一变量仍在增长，AI 芯片的需求逻辑就尚未结束。