AI 扩张最紧缺的东西，可能不再是芯片，而是钱。2026 年 10 月 12 日，在新加坡举行的 DBS 亚洲未来前瞻会议上，博通 CEO 陈福阳表示，随着 AI 开发继续推进，资金将是公司面对的最大约束，路透社同日报道了这场对谈。陈福阳同时提到，公司正在克服晶圆与存储芯片的短缺；而前沿实验室 Anthropic 与 OpenAI 已经证明，它们部署在 AI 个人助手上的最新模型能够带来可观收入。
缺的不是产能，是钱和回报证明
同一场新加坡活动上，英特尔 CEO 陈立武的判断方向一致。在他看来，眼前的挑战是资金与资金成本，长期看，行业必须证明回报对得起投入。这不等于需求转弱：陈立武预计未来两到三年行业势头不会明显放缓，理由是应用持续铺开、算力需求不减。换句话说，排队的人还在，只是融资节奏和赚钱压力被推到了台面中央。
陈立武同日还提到，DeepSeek、Kimi、GLM 等中国前沿模型的 token 成本低得多，普及速度非常快，性能已经够用，并明确表示坚定支持开源。这句话点出了回报一侧的另一半：当更便宜的模型持续追赶能力，高价路线为昂贵投入辩护的难度只会越来越大。
瓶颈迁移，为什么值得在意
过去两年，AI 的瓶颈清单大体指向实物：谁先抢到 GPU，谁手里有电力和数据中心选址，谁就定节奏。新加坡这场对谈把清单里的一项挪向了资产负债表：当晶圆和存储的供给约束缓解，借钱的成本与回报纪律将决定谁还能继续扩。
影响会落在三类人身上。对大平台，资本开支继续攀升，投资者会更在意每新增一美元产能换来多少真实收入，而不是吉瓦级的宣布数字。对创业公司和中小实验室，融资能力本身变成竞争变量，窗口一旦关闭，技术再扎实也可能先断粮。对客户，回报侧的压力通常意味着产品化和定价动作加快。博通一边称赞前沿实验室的收入能力，一边把资金列为最大约束，并不矛盾：对供应商而言，这些客户既是花钱的理由，也是花钱能回本的证据。
当然，这些表态仍属于高管判断。若需求真能强劲两三年，融资成本的消化难度会远低于增速下滑的行业。这轮预判真正的检验点，是接下来的财报季会不会开始用收入而不是规划来衡量产能投入。如果钱真的成为瓶颈，行业叙事也会跟着变：从「能建多少」，变成「建得起多少」。
