AI 数据中心 TAM 大幅上调
报告指出，目前全球 IT 支出规模约为 6.3 万亿美元，其中数据中心系统市场约 7720 亿美元。到 2030 年，整体数据中心系统市场有望增长至约 2 万亿美元。
其中，AI 数据中心将成为绝对核心。
美银预计，AI 数据中心系统市场规模将从 2025 年的 2640 亿美元增长至 2030 年的 1.7 万亿美元；AI 支出占全球 IT 支出的比例将从 2025 年的 4.7% 升至 2030 年的 19.5%；AI 占数据中心系统支出的比例则将从 52% 提升至 83.6%。
GPU、CPU 以及 ASIC 全面开花
在 AI 服务器内部，美银预计，AI 加速器（覆盖 GPU、ASIC 和 XPU）市场规模将在 2030 年达到约 1.17 万亿美元，占整个 AI 服务器支出的绝大部分 , 此前的预测为 1 万亿美元，而 2024 年仅为 1202 亿美元 .
尽管市场不断讨论 GPU 是否会被替代，但美银认为，AI 基础设施未来将进入多元协同扩张阶段。
报告指出，未来 AI 工作负载正在拉长，GPU、CPU、ASIC 以及不同类型内存将共同扩张，而不是相互替代。
具体而言，GPU 仍将主导训练与高性能推理。而 CPU 则将在推理、Agent orchestration（智能体任务编排）等环节重新扮演关键角色；
与此同时，谷歌 TPU 以及亚马逊 Trainium 等定制 ASIC 需求也在快速增长。
英伟达仍将长期主导 AI 算力
美银认为，尽管竞争加剧，但英伟达仍将在未来几年维持 AI 芯片领域的绝对主导地位。
报告预计，英伟达 2030 年 AI 加速器收入可能达到约 8000 亿美元（市场份额为 68%），长期市场份额仍将维持在 65%-70% 以上。
美银指出，英伟达的优势不仅在 GPU 本身，更在于其覆盖了 AI 工作负载几乎所有细分场景。
与此同时，博通和 AMD 也被视为重要受益者。
美银预计，博通 2030 年 AI 芯片收入有望达到 1819 亿美元（市场份额为 16%），而 AMD AI 加速器收入则可能增长至 801 亿美元（市场份额为 7%）。
报告还称，AI 正在为 CPU 打开新的增长周期。
据美银预计，数据中心 CPU 市场规模将在 2030 年达到 1100 亿美元；AI CPU 市场则将从 2025 年的 90 亿美元增长至 2030 年的 876 亿美元，CAGR 高达 57%。
AI 网络需求被严重低估
除了计算之外，美银还大幅上调了 AI 网络市场预期。
报告预计，到 2030 年，AI 网络市场规模将达到 3160 亿美元，高于此前预测的 2400 亿美元。
其中，800G 高速光模块、6T 光模块和 2T 下一代互联都将快速放量。
随着 AI 集群规模越来越大，网络带宽开始成为新的瓶颈。
AI 正在改变存储行业周期
美银认为，AI 带来的另一个重大变化，是存储行业开始从传统周期股转向 " 结构性成长 "。
过去存储行业最大的特点是供给弹性过高，容易出现供给过剩和价格暴跌。
但 AI 时代不同。由于 HBM 封装能力受限、资本开支门槛提高以及电力与先进工艺限制增加，内存供给弹性正在明显下降。同时，AI 需求却持续爆发。
美银预计，高带宽内存（HBM）市场规模将在 2030 年达到 1683 亿美元，未来几年内存供需充足率不会超过 110%。
这意味着，行业可能不会再出现过去那种严重供给过剩局面。
AI 资本开支仍在持续上修
市场最担忧的问题之一，是 AI 资本开支是否已经过热。但美银认为，目前并未看到周期结束迹象。
报告显示，过去 12 个月中，全球云厂商 2026 年资本开支预测被上调约 93%-97%，2027 年预测则被上调 123%-131%。
美银预计，全球主要云厂商资本开支 2026 年合计为约 8066 亿美元，并且将在 2027 年突破 1 万亿美元。
其中，谷歌母公司 Alphabet、微软、亚马逊和 Meta 仍是 AI 基建投资主力。
至于为什么 AI 资本开支仍然可持续，美银主要给出了两个原因。
第一，两大明星 AI 公司 OpenAI 和 Anthropic 未来收入将呈爆炸式增长。
美银援引预测指出，OpenAI 今年有望实现 300 亿美元的营收，到 2030 年则将大幅增长至 2830 亿美元。其中，Agentic AI 到 2030 年贡献约 560 亿美元收入。
至于 Anthropic，该公司的 ARR（年化收入）去年年底还仅为 90 亿美元，但到今年 4 月已飙升至 300 亿美元。
美银认为，这些 AI 公司收入的快速增长，意味着 AI 算力是真需求，不是单纯资本泡沫。
第二，AI 智能体（Agentic AI）会引爆 Token 需求。
一个智能体工作流消耗的 Token 数量，可能比普通聊天高出 10 倍至 1000 倍。
因此，未来真正驱动算力需求的，将不再只是模型训练，而是推理、Agent orchestration、Synthetic data（合成数据）以及企业工作流自动化。
报告强调，Token 经济正在取代传统 " 按席位收费 " 的软件模式，并逐渐成为 AI 云平台新的商业模式基础。
与此同时，效率提升也不会削弱 AI 需求。相反，美银认为，随着单 Token 成本下降，使用量反而会进一步爆发，类似于过去云计算、存储和带宽行业的发展路径。
