帕特爾提到，AI算力長期擴張的核心限制仍在半導體供應鏈，而非電力或資料中心。資料中心建設可在短時間完成，但相形之下，晶圓廠投資、設備導入與產能擴充通常需要更長時間週期。因此在AI需求快速成長時，晶片供給往往難以及時跟上。

     目前，影響AI算力擴張的主要因素包括邏輯晶片製造產能、記憶體供應，以及晶圓廠建設與設備導入週期等三大面向。其中晶圓廠無塵室與產能建置，在未來一至兩年仍可能是主要限制因素，相關壓力甚至延續到2028年至2030年前後。不過就更長期角度觀察，他認為AI算力最終將受到半導體設備產能限制，尤其是EUV微影設備。

     目前全球EUV機台幾乎由ASML供應，產能擴張速度有限。他說，目前全球EUV設備年產約70台，未來幾年可能增至約80台。但即使產量持續擴張，2030年前仍難以突破每年100台規模。

     帕特爾以AI資料中心為例，表示若建置一座1GW規模的AI運算中心，並採用輝達Rubin架構晶片，整個半導體供應鏈需要約5.5萬片3奈米晶圓、6,000片5奈米晶圓，以及17萬片DRAM晶圓，總計約需要200萬次EUV曝光量。換算下來，大約需要3.5台EUV設備才能支撐這樣產能需求。(新聞來源：工商時報)