AI基础设施继续重塑大中华区半导体投资主线

概览

本报告是一份大中华区半导体投资者演示，主题为未来AI基础设施建设以及GPU、XPU和本土AI加速器的受益格局。报告核心判断是AI需求仍是半导体周期中最强的结构性驱动力，云端资本开支、先进封装、AI ASIC、Agentic AI CPU、存储短缺、测试复杂度提升和中国AI推理需求共同形成多条可投资产业链。

核心观点

Morgan Stanley认为半导体行业整体观点为Attractive，但增长分化明显：AI和存储显著强于非AI半导体，非AI半导体在剔除存储和NVIDIA AI GPU收入后2026年可能下滑。报告偏好AI、存储、中国AI半导体/WFE、测试设备与耗材，并提示芯片通胀和AI对非AI需求的挤压。中国市场方面，DeepSeek推动低成本推理需求，本土晶圆代工和基础设施能力提升，有望带动国产AI加速器份额和自给率上升。

分析框架

报告采用供应链数据、云资本开支跟踪、TAM情景测算、先进封装产能推演、存储供需模型、AI加速器TCO/性能成本比较以及跨子行业估值比较来识别受益环节和重点公司。

方法论与常识提炼

• 需求与TAM建模AI Semi TAM与Agentic CPU TAM

  通过云AI、推理、训练、CPU编排和中国AI加速器需求估算未来市场规模。

  报告给出全球AI半导体到2030年约US$753bn、CPU编排牛市情景US$238bn、中国AI芯片到2030e约US$91bn等测算，用于判断长期增长空间。

• 供应链与资本开支跟踪Morgan Stanley cloud capex tracker

  用主要CSP资本开支、capex-to-EBITDA和TSMC资本开支关系观察AI基础设施需求。

  Top 4 CSP 1Q26资本开支同比增长95%，Top 11上市全球CSP 2026云资本开支约US$811bn，支撑云AI半导体需求乐观判断。

• 供需模型先进封装、存储与测试设备供需分析

  比较CoWoS、SoIC、NAND、NOR、DDR4以及测试设备产能与需求。

  报告强调TSMC可能将CoWoS产能扩至200kwpm，AI存储带来NAND短缺，NOR短缺延续至2026，DDR4短缺延续至2H26，测试时间和高针数需求提升设备耗材弹性。

• 成本与性能比较TCO、cost per token与TPS分析

  用总拥有成本、单token成本和tokens per second比较中国本土AI加速器与NVIDIA处理器。

  报告认为在中国场景下，国产芯片因价格显著更低，可实现更低TCO和相近的单token成本，从而提升性能价格比。

• 评级与估值比较Foundry、Back-end、Memory、IDM、Semi Cap、Fabless等估值比较

  跨半导体子行业比较估值、增长和评级。

  报告将AI、存储、测试设备、中国AI半导体和成熟节点等方向进行相对排序，并给出Top Pick、OW、EW和UW分组。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• MediaTek

  AI方向Top Pick

  优势

  受益于AI、边缘设备替换和XPU相关机会。

  劣势

  报告正文未在输入片段中展开详细弱点。

  对比

  位于AI首选组合，与TSMC、SMIC、Aspeed、Alchip等同属AI半导体主线。

  风险

  AI终端需求不及预期、芯片通胀压缩设计公司利润率。

• TSMC

  AI先进制程与先进封装核心受益者

  优势

  受益于CoWoS、SoIC、2nm/3nm/4-5nm先进节点、NVIDIA与云端AI晶圆需求，2026e AI半导体收入占比可能超过30%。

  劣势

  产能扩张需要持续资本开支，先进封装交付和客户需求节奏可能影响收入确认。

  对比

  相较Intel EMIB，TSMC CoWoS已形成更成熟供应链；报告同时讨论更大封装尺寸趋势。

  风险

  CoWoS/SoIC扩产不及预期、客户资本开支放缓、先进制程良率或地缘政治风险。

• Macronix

  存储方向Top Pick

  优势

  受益于NAND、NOR和传统存储供需紧张。

  劣势

  DDR4现货价格受限、存储价格周期波动可能影响利润。

  对比

  与AP Memory、Nanya Tech、Winbond、GigaDevice同属存储受益组合。

  风险

  供给恢复快于预期、下游非AI需求疲软。

• Hon Precision

  测试设备与handler受益者，OW

  优势

  AI测试时间拉长推动handler市场扩大，报告预计其市场份额从2024年28%升至2027e 42%，2025-28收入CAGR为67%。

  劣势

  增长依赖AI/HPC测试设备扩张和客户扩产节奏。

  对比

  与MPI、WinWay同属测试设备与耗材高弹性环节。

  风险

  测试设备订单延迟、客户资本开支收缩、执行和产能扩张风险。

• MPI

  探针卡技术领导者，具备CPO可选性，OW

  优势

  报告预计其探针卡市场份额从2024年8%升至2028e 20%，EPS在2025-28e CAGR为94%。

  劣势

  对先进测试需求和CPO设备商业化节奏敏感。

  对比

  相较传统测试耗材，MPI更聚焦探针卡和CPO设备驱动。

  风险

  CPO导入慢于预期、探针卡竞争加剧、AI测试需求不及预期。

• WinWay

  AI封装复杂度下的socket领导者，OW

  优势

  垂直整合探针卡和socket方案，报告预计份额从2024年8.6%升至2028年20%，月pin产能从2025年3.5mn扩至2026年9mn。

  劣势

  产能扩张和高针数socket需求兑现是关键。

  对比

  与Hon Precision和MPI共同受益于测试时间延长和AI/HPC高针数趋势。

  风险

  产能爬坡、客户认证、AI封装路线变化。

• Cambricon

  中国AI加速器重点标的，OW

  优势

  报告称其在推理性能和客户锚定方面领先，预计2025-28e收入CAGR为90%。

  劣势

  仍受先进制程、供应链和客户订单兑现约束。

  对比

  报告重点比较Cambricon、MetaX和Iluvatar，Cambricon更突出推理性能。

  风险

  国产AI需求不及预期、先进节点产能不足、出口管制和监管限制。

• Iluvatar

  中国AI加速器重点标的，OW

  优势

  报告强调其供应链韧性和订单可见度，预计2025-28e收入CAGR为122%。

  劣势

  毛利率被描述为温和，盈利质量可能受价格和规模影响。

  对比

  与Cambricon同为报告重点看好的中国AI GPGPU厂商，MetaX为EW。

  风险

  订单兑现、供应链执行、价格竞争和监管风险。

• SICC

  SiC方向偏好标的，OW

  优势

  报告偏好SiC over GaN，并预计SiC渗透率到2030超过50%。

  劣势

  大规模扩产可能带来折旧压力。

  对比

  相较InnoScience的GaN敞口，报告更偏好SiC。

  风险

  新能源车和工业需求弱于预期、产能过剩、盈利受折旧拖累。

• InnoScience

  GaN标的，EW

  优势

  报告称其在GaN市场具备主导地位，2025年TAM约US$584mn。

  劣势

  相对SiC，报告偏好程度较低。

  对比

  与SICC相比，报告明确表示prefer SiC over GaN。

  风险

  GaN渗透不及预期、竞争和产能扩张压力。

关键数据

• 全球AI半导体TAM约US$753bn by 2030报告预计AI半导体市场到2030年显著扩张。
• 云AI半导体TAM牛市情景US$485bn in 2026e基于供应链数据驱动的牛市情景。
• Top 4 CSP资本开支+95% YoY in 1Q26包括Amazon、Google、Microsoft和Meta。
• Top 11上市全球CSP云资本开支US$811bn in 2026不含主权AI。
• TSMC AI半导体收入占比>30% of 2026e revenueAI先进制程与先进封装需求驱动。
• AI计算晶圆消耗US$27bn in 2026NVIDIA占多数。
• CPU编排TAMbase case US$79bn；bull case US$238bnAgentic AI带来CPU机会。
• Agentic CPU TAM CAGR251% over 2026-30来自Morgan Stanley自上而下模型。
• 测试设备市场CAGR35% during 2024-27AI/HPC测试时间和复杂度提升。
• 中国AI芯片TAMUS$91bn by 2030e本土AI推理和国产供应链扩张驱动。
• 中国AI芯片自给率70% in 2030e报告给出US$60bn / US$85bn的测算口径。
• Cambricon收入CAGR90% during 2025-28e受益于推理性能和客户锚定。

影响与含义

投资含义是AI产业链的收益不只集中在GPU，还扩散到先进制程代工、CoWoS/SoIC、ASIC、CPU、存储、测试设备、功率半导体和中国本土AI加速器。相比广义半导体周期，报告更强调结构性选股：优先选择受AI资本开支、封装复杂度、存储供需紧张和中国国产化需求拉动的环节，同时回避受芯片通胀、非AI需求疲软或竞争压力影响较大的标的。

风险

• 芯片通胀：晶圆、OSAT和存储成本上升可能给芯片设计公司带来利润率压力。
• AI挤出效应：AI可能替代部分人力需求，同时供应链优先配置AI半导体，压缩非AI半导体资源。
• 非AI半导体增长疲软：剔除存储和NVIDIA AI GPU收入后，非AI半导体2026年增长可能下滑。
• 云资本开支放缓：CSP预算、capex-to-EBITDA约束或ROI不确定性可能压低AI基础设施需求。
• 能源和基础设施限制：报告提到美国能源、中国芯片产能和监管是AI增长限制。
• 先进封装与制程产能风险：CoWoS、SoIC、先进节点和中国本土产能若扩张不及预期，将限制AI芯片交付。
• 出口管制和法律合规风险：报告涉及美国行政令、出口管制和受限实体，相关交易可能受法律限制。
• 存储和关键材料短缺：NAND、NOR、DDR4、T-Glass等短缺可能推高成本或限制出货。
• 中国国产AI加速器订单兑现风险：本土芯片性能、供应链、客户采用和价格竞争会影响收入增长。

后续跟踪

• Top 4和Top 11 CSP云资本开支增速及capex-to-EBITDA是否维持稳定。
• TSMC CoWoS是否能按预期扩至200kwpm，以及SoIC和先进节点客户需求。
• NVIDIA GB200/300机柜供需和AI晶圆消耗结构变化。
• AWS Trainium、Google TPU和其他CSP自研ASIC项目进展。
• Agentic AI是否继续推升CPU编排需求和Vera等新CPU平台采用。
• NAND、NOR、DDR4价格与供需缺口是否延续至2026下半年。
• 中国AI推理需求、DeepSeek生态、ByteDance/Volcano Engine/Doubao token量和本土云资本开支。
• Cambricon、Iluvatar、MetaX等国产AI加速器订单、TPS、TCO和客户采用情况。
• 测试设备市场订单、测试时间、pin count和CPO设备导入节奏。
• 美国行政令、出口管制和中国半导体供应链监管变化。