AI infrastructure bottlenecks across semiconductors and technology — Interpretação do relatório

Visão geral

A Morgan Stanley avalia quais gargalos de infraestrutura de AI podem criar as oportunidades mais atraentes em semicondutores. Sua preferência central é por computação de AI e componentes relacionados com capacidade restrita, seguida por redes; mantém visão construtiva, porém seletiva, para memória e favorece analógico como diversificação cíclica.

Visões principais

A Morgan Stanley argumenta que o Astra GPT-6 reforça a narrativa de gargalos de AI: capacidades mais amplas em raciocínio, engenharia, uso de computador e tarefas do mundo físico podem tornar mais workloads de inferência comercialmente viáveis. Isso desloca a questão de quanta infraestrutura atende a demanda conhecida para quantos workloads novos se tornam viáveis à medida que os modelos melhoram por dólar gasto. Assim, restrições físicas de capacidade, maior intensidade de conteúdo e complexidade de manufatura voltam ao centro; a preferência é por empresas expostas a tais restrições, não por uma aposta ampla em AI. Computação de AI é o segmento de maior convicção, por combinar forte crescimento de unidades e continuidade de alta de lucros em GPU, CPU, ASIC, fundição de ponta e componentes de suporte. A TSMC elevou a orientação de receita de 2026 para >40% Y/Y; a Morgan Stanley considera razoável um CAGR de 70-80% para o negócio de semicondutores de AI, que poderia superar 30% da receita de 2026e. O capex de US$60-64bn para 2026 também aponta para demanda de AI mais forte. A oportunidade se estende a ABF, onde servidores, GPU/ASIC e redes substituíram PCs e há expectativa de déficit a partir de 2027, e a MLCC, cujo conteúdo de maior valor aumenta em servidores de AI. As vendas mensais de MLCC em Taiwan subiram 36% Y/Y em junho, e Samsung Electro-Mechanics pode ter CAGR de lucros de 29% em 2026-28e. Redes são a segunda exposição preferida, mas o relatório não pressupõe troca imediata de cobre por óptica. A oportunidade scale-up é estimada em >US$70bn até 2030, mais de quatro vezes a estimativa de um ano antes; NVIDIA Rubin e Rubin Ultra ampliam os domínios para 144 GPU e 576 GPU. O cobre mantém vantagens de latência, energia e custo em conexões intra-rack, e SerDes, retimers, conectores e active copper prolongam sua utilidade. A transição esperada é cobre → NPO/arquiteturas híbridas → CPO, com adoção limitada de CPO scale-up em 2028 e maior a partir de 2029. Os switches CPO devem crescer de 23,000 unidades em 2026 para 59,000 em 2027 e cerca de 200,000 em 2030; switches CPO scale-out passariam de 5,000 unidades em 2025 para 200,000 em 2030, implicando CAGR de 144% em 2023-30. A memória segue estruturalmente sustentada por AI, mas a Morgan Stanley vê relação risco/retorno relativamente menos atraente conforme o ciclo amadurece. Espera transição para ciclo tardio até 4Q26, com pico no preço mensal de DRAM em termos anuais, menor alta sequencial e desaceleração de revisões de lucros. O preço contratual de DRAM em 3Q26 estava em aproximadamente +20% Q/Q, acima da estimativa anterior de +15-20% Q/Q para DRAM e NAND; 4Q26 estava em cerca de +5-10% Q/Q, com visibilidade limitada depois. O crescimento de bits de DRAM foi 36% no acumulado do ano e a previsão para 2026 foi elevada a 31% de 25%; a estimativa de WFE de DRAM para 2026 subiu 47% em nove meses. A Morgan Stanley modela crescimento de oferta de bits de 32-38% em 2026-27e e de HBM acima de 50% em 2027-28e. A complexidade de BEOL do HBM4E pode adiar o crescimento da oferta de DRAM, direcionar capex de 2026-27e à expansão de BEOL e postergar migração relevante de FEOL e aceleração de remessas de GB até 2H27; a prioridade de equipamento aos produtores de DRAM também pode atrasar a expansão de NAND. Por isso, a Morgan Stanley prefere ganho estrutural de participação, localização e exposição downstream de AI a memória genérica de commodity. Destaca CXMT pela demanda chinesa de AI/servidores, localização de HBM e DDR5 e expansão rápida, com CAGR previsto de remessas de bits de 46% em 2025-28e. Prefere beneficiários de embalagem e testes a front-end de memória, embora novos investimentos disponíveis no fim de 2027 possam pressionar preços. Fora de AI, a Morgan Stanley favorece o analógico global como hedge de ciclo inicial. Após mais de três anos em fundo em L, estoques de canal enxutos, preços estabilizados, aperto seletivo em produtos maduros/de potência, melhores pedidos industriais e recuperação de utilização sugerem alta movida por demanda, não só reposição de distribuidores. A recuperação deve seguir ao menos no segundo semestre de 2026. Em contraste, o relatório é cauteloso com consumo: espera queda de aproximadamente 13% Y/Y em smartphones globais em 2026, incluindo cerca de 15% em Android, pois custos maiores de memória elevam preços de OEM. PCs permanecem estagnados/fracos, e a troca convencional de servidores empresariais é menos importante que infraestrutura de hyperscalers e AI cloud. A Morgan Stanley enfatiza que a capacidade de entregar lucros, e não apenas valuation barato, deve conduzir o desempenho de tecnologia. Nomes de AI exigem execução quase perfeita, e a melhora no impulso relativo de revisões de lucros é necessária para o setor superar. O consenso prevê 56% de crescimento de lucros dos beneficiários de AI em 2027; a Morgan Stanley considera 53% mais provável. A análise de revisões aponta melhor impulso em computação de AI, redes e não-AI, e pior em memória. Riscos incluem surpresa positiva insuficiente, desaceleração do crescimento do capex de AI a partir de 2027 e pressão macro de petróleo, inflação, taxas do Fed e eleições dos EUA.

Estrutura de análise

O relatório organiza o ciclo de semicondutores entre computação de AI, memória, redes, analógico e mercados finais de consumo. Combina capex e demanda, restrições de oferta, amplitude de revisões de lucros, preços, intensidade de componentes, roadmaps tecnológicos e exposição por empresa.

Notas metodológicas

• Marco de análise setorialMarco de oferta e demanda

  Análise de oferta e demanda de componentes de infraestrutura de AI

  A Morgan Stanley relaciona demanda de workloads e capex de AI à capacidade limitada de ABF, MLCC, memória e embalagem avançada para avaliar poder de preços e potencial de lucros.

• Marco de análise setorialTransmissão entre elos da cadeia de valor

  Transmissão pela cadeia de suprimentos da infraestrutura de AI

  O relatório acompanha a demanda de aceleradores e workloads de inferência até fundições, substratos, capacitores, memória, embalagem, testes, energia e componentes de rede.

• Marco de ciclo e conjunturaAnálise de pontos de inflexão do ciclo

  Avaliação de estágio do ciclo e impulso de lucros

  A Morgan Stanley usa preços, estoques, utilização, pedidos e revisões de estimativas para distinguir crescimento de computação, memória de ciclo tardio e recuperação analógica de ciclo inicial.

• Finanças comportamentais e análise de eventosDiferença e gestão de expectativas

  Entrega de lucros versus expectativas elevadas

  O relatório argumenta que ações de AI exigem surpresa positiva frente a expectativas já altas; portanto, o impulso relativo de revisões de lucros importa mais do que uma tese apenas de valuation.

Mapeamento e comparação de ativos

Mapeamento estruturado da tese para ativos nomeados (pontos fortes, pontos fracos, pares e riscos).

• NVIDIA (NVDA)

  Exposição preferida a GPU de computação de AI

  Pontos fortes

  Exposição direta à demanda de computação de AI e à expansão dos domínios de aceleradores

  Pontos fracos

  Expectativas elevadas de lucros exigem execução contínua

  Comparação

  Incluída no segmento de computação de AI mais preferido

  Riscos

  Desaceleração do capex de AI e surpresa positiva insuficiente

• Keysight Technologies (KEYS)

  Beneficiário de redes e complexidade de testes independente de arquitetura

  Pontos fortes

  Exposição a redes ópticas, elétricas, scale-up e scale-out

  Comparação

  A Morgan Stanley elevou KEYS a Overweight entre os beneficiários de redes

  Riscos

  Implantação mais lenta de arquiteturas de rede

• Corning (GLW)

  Beneficiário de redes

  Pontos fortes

  Exposição óptica relativamente independente de arquitetura

  Comparação

  Preferida com LITE e Coherent em redes scale-up

  Riscos

  A implantação óptica pode ser mais gradual

• Coherent (COHR)

  Beneficiário de redes

  Pontos fortes

  Ampla exposição à pilha de componentes CPO/NPO

  Comparação

  Exposição preferida a redes scale-up com GLW e LITE

  Riscos

  A adoção de CPO deve ser limitada em 2028

• CXMT

  Exposição preferida à localização de memória chinesa

  Pontos fortes

  Demanda chinesa de AI/servidores, localização de HBM e DDR5 e expansão rápida

  Pontos fracos

  Memória continua sendo, em geral, mercado de commodity em ciclo tardio

  Comparação

  Preferida por ganho estrutural de participação e localização frente à memória genérica

  Riscos

  Adições futuras de oferta podem pressionar o ciclo de preços

• Advanced Energy Industries (AEIS)

  Exposição preferida a equipamentos de semicondutores dos EUA

  Pontos fortes

  A Morgan Stanley vê valuation refletindo pico de ciclo em CY27; há alta se WFE superar previsões

  Pontos fracos

  Depende da duração do ciclo de equipamentos de capital

  Comparação

  Preferida a Lam Research e KLA entre os Overweights dos EUA

  Riscos

  WFE pode não atingir o cenário de alta de CY27 US$230bn-plus

• MKS Inc. (MKSI)

  Exposição preferida a equipamentos de semicondutores dos EUA

  Pontos fortes

  A Morgan Stanley vê valuation refletindo pico de ciclo em CY27; há alta se WFE superar previsões

  Pontos fracos

  Depende da duração do ciclo de equipamentos de capital

  Comparação

  Preferida a Lam Research e KLA entre os Overweights dos EUA

  Riscos

  WFE pode não atingir o cenário de alta de CY27 US$230bn-plus

• ASML

  Exposição preferida a equipamentos de semicondutores europeus

  Pontos fortes

  Fornecedor dominante de ferramentas críticas e beneficiário de DRAM, lógica e EUV

  Comparação

  Top Pick da Morgan Stanley em SPE europeu

  Riscos

  Depende de melhora da demanda de DRAM e lógica em 2027

• Texas Instruments (TXN)

  Indicador e exposição ao ciclo analógico

  Pontos fortes

  Oferece a leitura mais clara da demanda ampla de analógico

  Comparação

  Parte do grupo preferido de diversificação analógica

  Riscos

  A recuperação pode refletir reposição temporária de distribuidores, não demanda sustentável

Dados principais

• Orientação de crescimento da receita da TSMC para 2026>40% Y/YOrientação elevada por demanda mais forte de AI
• Capex da TSMC para 2026US$60-64bnCitado como evidência da força da demanda de AI
• Participação da receita de semicondutores de AI da TSMC>30% of 2026e revenueEstimativa da Morgan Stanley
• Oportunidade de redes scale-up>US$70bn by 2030Mais de quatro vezes a estimativa de um ano antes
• Preço contratual de DRAM em 3Q26Approximately +20% Q/QAcima da expectativa anterior de +15-20% Q/Q para DRAM e NAND
• Preço de DRAM em 4Q26About +5-10% Q/QVisibilidade limitada além do trimestre
• Crescimento consensual de lucros dos beneficiários de AI em 202756%A Morgan Stanley considera 53% mais provável
• Remessas globais de smartphonesApproximately -13% Y/Y in 2026Espera-se queda de aproximadamente 15% em Android

Impacto e implicações

A Morgan Stanley prefere uma barra entre computação e redes de AI com restrição de capacidade e recuperação analógica de ciclo inicial. Favorece beneficiários de capacidade e complexidade, é seletiva em memória apesar de fundamentos fortes e cautelosa com hardware de consumo sob custos maiores de componentes.

Riscos

• Beneficiários de AI podem não entregar surpresa positiva suficiente frente a expectativas elevadas.
• O crescimento do capex de AI provavelmente desacelerará a partir de 2027, mesmo permanecendo positivo.
• Petróleo, inflação, taxas do Fed e eleições dos EUA são ventos contrários macro identificados.
• Oferta de memória de ciclo tardio e novos investimentos a partir do fim de 2027 podem pressionar preços.
• A recuperação analógica pode refletir reposição temporária de distribuidores, e não demanda sustentável.

Pontos a observar

• Impulso relativo de revisões de lucros e capacidade de cumprir expectativas elevadas.
• Demanda de AI da TSMC, execução de capex e demanda por ABF e MLCC.
• Momento de moderação do preço de DRAM, nova oferta de memória e restrições do HBM4E.
• Transição de cobre para NPO e CPO e ritmo de adoção de CPO após 2028.
• Reposição de estoques, preços, pedidos industriais, utilização e book-to-bill no analógico.
• Tendências de consumo após o impacto de custos maiores de memória na acessibilidade de smartphones, PCs e eletrônicos.