在AI基础设施建设的叙事里，有一个正在被越来越多投资者采用的框架：短期缺芯片，长期缺能源，永远缺存储。这个框架足够简洁，也足够有道理，但它遗漏了一个重要的维度，那就是这条供应链上永远存在的、会在每一个意想不到的地方冒出来的材料和组件瓶颈。

高盛最近的研究报告，提供了这个遗漏维度最新、也最具说服力的一个案例。

被忽视的第三大成本项

多层陶瓷电容器，英文缩写MLCC，是一个大多数投资者在半导体和AI投资讨论中从未提及的零件。它的功能，是在电路中稳定电压、过滤噪声、储存和释放电荷，是几乎所有电子设备都必须使用的基础被动元件。在传统电子消费品中，MLCC是一个利润率低、竞争激烈、价格透明的大宗零件市场。

但高盛的研究报告指出，MLCC已经跃升为AI服务器物料清单中继GPU和内存之后的第三大成本项。

这不是一个渐进式的变化，它是一个结构性的跨越。AI服务器与传统服务器相比，在电源管理和信号完整性方面的要求有本质的不同。高密度GPU集群需要在极短时间内响应负载变化，需要在纳秒级别内提供稳定的供电，这对MLCC的容量、尺寸和响应速度提出了远超传统服务器的规格要求。

结果是供需失衡。村田制作所已于4月起将AI服务器相关MLCC价格上调15%至35%，太阳诱电也从5月起对部分产品线实施提价。高盛估算，若平均价格上涨5%，将分别带动村田和太阳诱电2027财年营业利润提升约13%和37%。

这个故事，在过去两年里以不同的主角反复上演：HBM内存、先进封装基板、液冷设备、数据中心电源管理芯片，每一次都是同样的逻辑，某个在传统电子行业里默默无闻的零件，因为AI服务器对其性能规格的极端要求，突然从大宗商品变成了紧缺的关键物料。

高盛将MLCC的价格上行路径，类比于此前内存板块的走势。这个类比的含义，是供给的重建需要时间，需求的增长不会等待供给的响应，价格的上行将在这个时间差里持续。

存储：为什么是"永远缺"？

TrendForce对全球存储市场的预测大幅上调，从此前预测的2026年5516亿美元跳升至8893亿美元，2027年预测更是从8427亿美元上修至逾1.28万亿美元，单年增速约44%。这个数字的调整幅度，足以说明市场对AI驱动的存储需求在短时间内发生了多大的认知修正。

存储之所以是永远缺，有其深层的技术和经济逻辑。

从技术层面，AI模型的参数规模和上下文长度在以指数级速度增长，每一代模型的推理和训练对内存带宽和容量的需求都远超前一代。高带宽内存HBM是其中需求增长最急剧的类别，因为它直接决定了GPU能以多快的速度获取训练和推理所需的数据。但HBM的制造工艺复杂，良率提升缓慢，产能扩张的速度远落后于需求增长的速度。

从经济层面，存储产业的投资周期天然滞后于需求周期。建设一座新的存储晶圆厂，从决策到投产通常需要两年以上的时间，而AI需求的增长节奏是季度级别的。这种时间尺度的根本不匹配，使得存储的供给缺口在可预见的未来内几乎不可能被完全弥合。

更深层的原因，是AI工作负载对存储的需求具有一种非线性的放大效应。当AI智能体开始执行多步骤复杂任务，当推理的上下文长度从数千个token扩展到数百万个token，当AI系统需要在本地持久化大量的中间状态和工作记忆，存储需求的增长就不再是算力增长的线性函数，而是以更快的速度在扩张。

这就是为什么存储永远缺：不只是因为供给扩张慢，更因为需求增长的速度本身在加速。

能源：长期最难解的约束

在三道瓶颈中，能源是时间尺度最长、解决难度最高的一个。

一座大规模AI数据中心的用电量，可以相当于一座中等规模城市的用电量。美国主要科技公司已经明确表示，电力供应是其数据中心扩张的首要瓶颈，部分新数据中心的选址甚至开始绕过传统的科技集中区域，转向电力更充裕的地区。

传统电网的扩容速度，与AI数据中心建设的速度之间，存在一个结构性的时间差。输电线路的审批和建设周期长达数年，发电厂的建设周期更长。这使得能源约束不只是一个当下的问题，而是一个在未来五到十年内都将持续存在的系统性制约。

英伟达三个月内密集投入65亿美元押注光子技术，是对这个约束最直接的战略回应。光子技术以光信号替代电信号在芯片间传输数据，理论上可以大幅降低数据中心内部互联的能耗，并提升数据传输带宽。如果光子技术能够实现大规模商业化，它将从根本上改变AI数据中心的能耗结构，是目前最有可能系统性缓解能源约束的技术路径之一。

但分析师的警告同样值得认真对待：量产良率是光子技术商业化的核心瓶颈，大规模落地预计要等到2028年。在那之前，能源约束将继续以其他方式寻找解决方案，从可再生能源的大规模接入，到小型核电站的数据中心专属供电，到更高效的液冷和浸没冷却技术。

芯片：短期最激烈的战场

芯片瓶颈是三道墙中媒体报道最充分、市场定价最充分、也最有可能在几年内出现边际缓解的一个。

台积电的产能约束，美国出口管制对中国市场的影响，英伟达相对于市场需求持续短缺的供给状态，这些已经成为全球金融市场讨论最频繁的话题之一。

但芯片约束有一个被低估的持续性来源：先进封装。即便晶圆制造产能逐步扩张，CoWoS等先进封装工艺的产能瓶颈依然严峻。HBM内存与GPU的封装整合，需要专用的封装设备和工艺，而这些设备的制造商数量有限，扩产速度同样滞后于需求。

换言之，即便某一天先进晶圆制程的产能不再是瓶颈，先进封装依然可能成为下一个限速环节。

真正的投资含义

把这三道墙放在一起，一个关于AI基础设施投资的更完整框架开始浮现。

最容易被市场识别、也因此最可能已经被充分定价的机会，是那些直接位于供应瓶颈中心的标的。英伟达、台积电、HBM内存厂商，这些已经是全球最被追捧的科技投资主题。

真正可能存在认知差的机会，往往在供应链的更深层，在那些因为AI服务器规格升级而从大宗商品变成关键物料的零件供应商，在那些为数据中心提供电力基础设施的企业，在那些掌握先进封装工艺的公司。

高盛对MLCC的关注，是一个提醒：在AI基础设施建设的每一个物理层面，都可能存在还没有被市场充分定价的供需失衡。寻找这些失衡，是在英伟达已经涨了数倍之后，AI基础设施投资主题依然可能产生超额回报的方式。

短期缺芯片，长期缺能源，永远缺存储，加上随时可能在意想不到的地方冒出来的材料瓶颈。

这不只是AI产业的挑战，这是每一个想要在这个主题上找到下一个机会的投资者，需要持续追踪的投资地图。