2026全球科技展望：AI与内存上半场继续强势，下半场需防需求破坏

概览

这是一份Morgan Stanley关于2026年全球科技行业的展望报告，覆盖AI半导体、内存、逻辑芯片、半导体设备、foundry、硬件和AI服务器供应链。报告的核心判断是，2025年启动的AI资本开支与商品价格上涨趋势将在2026年上半年继续，但到2026年下半年可能因高成本传导、终端需求弹性下降和AI投资回报压力而面临挑战。

核心观点

报告认为2026年科技行业将呈现“两半故事”：上半年AI支出、内存价格和逻辑半导体盈利继续支撑市场；下半年则需关注价格上涨导致的需求破坏、晶圆/OSAT/内存成本对芯片设计和终端硬件利润率的挤压。投资上偏好具备定价权、AI基础设施敞口、盈利上修和端市场动能的股票，同时建议配置部分估值合理、现金流强、此前被市场冷落的模拟和消费相关科技公司作为分散化工具。

分析框架

报告采用自下而上的选股框架，重点考察合理估值下的增长、盈利预测上修动能、终端市场趋势以及收入同比变化。行业分析围绕AI资本开支周期、内存供给约束、Agentic AI扩散、China AI chip自给率、ABF基板供需和AI服务器物料内容提升展开，并结合估值、P/B、ROE、P/E、目标价和上行空间进行横向比较。

方法论与常识提炼

• 选股框架GARP与盈利修正动能

  合理估值下的增长

  报告明确称股票筛选基于三个维度：合理价格下的增长、盈利预测修正动能、终端市场动能，以及收入同比增速变化预期。

• 周期分析AI投资周期与半导体周期定位

  长AI资本开支周期中的回调买点

  报告将当前科技周期视作具有转型意义且持续时间较长的AI投资周期，认为回调可用于重新评估更有吸引力的入场点。

• 供应链瓶颈分析AI基础设施瓶颈迁移

  瓶颈从GPU扩展到CPU、内存、foundry、基板和设备

  随着Agentic AI和推理需求增长，报告认为AI系统不只需要更高算力，还需要跨全栈更智能的资源协调，因此CPU、内存、晶圆产能、基板和设备都可能成为关键瓶颈。

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）。

• NVIDIA / Broadcom / MediaTek

  AI处理器和定制计算核心受益标的

  优势

  报告维持OW，其中NVIDIA因Cloud场景ROI领先和Vera Rubin在2H26放量而被优先偏好；Broadcom和MediaTek受益于ASIC和AI计算需求。

  劣势

  ASIC热情上升可能改变竞争格局，且高投入AI周期若回报低于预期会压制估值。

  对比

  相较AMD、Marvell、Intel等EW标的，报告对NVIDIA、Broadcom和MediaTek偏好更强。

  风险

  AI资本开支放缓、客户自研替代、供应链瓶颈和估值消化。

• Samsung / SK Hynix / Micron / SNDK / KIOXIA

  内存和NAND周期受益者

  优势

  报告认为内存仍是AI重要瓶颈，订单能见度长、价格权快速转移，内存股票在保守市场中可能跑赢。

  劣势

  内存周期最终仍可能受新增产能和需求弹性影响。

  对比

  报告偏好Samsung、SK Hynix、Micron和SNDK，并在图表中将Winbond、Nanya Tech列为相对不偏好标的。

  风险

  过度扩产、AI需求放缓、价格见顶、消费者端承受内存涨价压力。

• TSMC

  先进制程foundry与HBM4/4e base die潜在受益者

  优势

  报告认为AI需求有助于TSMC未来5年维持约20%收入CAGR，中国AI GPU foundry机会也可能带来增量上行。

  劣势

  先进制程扩产需要高资本开支，且地缘政治和客户集中度是长期约束。

  对比

  相较legacy foundry，leading-edge foundry在AI需求中更具结构性优势。

  风险

  客户砍单、先进节点利用率变化、地缘政治与资本开支回报。

• ASML / ASMI / AMAT / Advantest / DISCO / Tokyo Seimitsu / Micronics

  半导体设备和测试设备受益者

  优势

  报告认为瓶颈向前道晶圆产能、DDR5 DRAM和先进逻辑迁移，SPE上行将在2H26扩散；AMAT被认为对greenfield DRAM最有杠杆。

  劣势

  设备订单受晶圆厂资本开支节奏影响，若AI或内存扩产低于预期，收入确认可能推迟。

  对比

  报告偏好DRAM敞口高、受益中国本土化和TSMC先进节点扩张的设备公司。

  风险

  EUV或其他设备瓶颈、出口管制、资本开支周期回落。

• ABF substrate / SEMCO / Unimicron / Nanya PCB / Gold Circuit / Isu Petasys

  AI服务器与定制芯片基板供应链

  优势

  报告预计ABF substrate从2027年起供给不足，高端ABF用于Trainium/TPU等AI加速器，网络PCB也受TPU扩散推动。

  劣势

  供需缺口预测依赖AI加速器出货和基板扩产纪律。

  对比

  相较传统PC和消费电子用基板，AI GPU、AI ASIC和网络应用占比提升更具成长性。

  风险

  新增产能超预期、AI服务器订单放缓、客户设计变化。

• Wiwynn / Accton / King Slide / BizLink / Delta / SEMCO / Murata

  AI服务器组装、网络、机构件、连接器、电源与MLCC链条

  优势

  AI服务器需求预计贯穿2026年保持强劲，MLCC内容量增长和服务器组装需求提升带来结构性机会。

  劣势

  硬件公司利润率可能受内存和零部件成本上涨挤压。

  对比

  报告提示对富含内存杠杆且估值较高的硬件股保持谨慎，但仍偏好具备AI服务器内容增长和供应链位置的公司。

  风险

  AI服务器出货节奏、客户集中、零部件涨价无法完全转嫁。

• China AI chip ecosystem

  中国AI芯片自给率提升和本土化机会

  优势

  报告预计中国AI芯片TAM到2030年达US$67bn，自给率从2024年33%升至2030e的76%，利好半导体制造本土化和AI基础设施支出。

  劣势

  报告也提示行业商品化可能出现，压低长期利润率。

  对比

  相较海外GPU依赖路径，中国市场更强调本土foundry、GPU和基础设施替代。

  风险

  价格竞争、技术迭代、供应链限制、政策和资本开支波动。

关键数据

• 2026e全球半导体收入约US$1.6 trillion报告称主要由memory和logic驱动，并预计带来创纪录盈利。
• 2026e全球半导体收入同比约+96% YoY该数值来自报告执行摘要，用于说明半导体周期强度。
• Edge AI semis CAGR22% CAGR，2023-2030报告将Edge AI半导体列为AI半导体增长子赛道之一。
• Inference AI semis CAGR68% CAGR，2023-2030报告认为云端AI中推理芯片增速将超过训练芯片。
• Custom AI semis CAGR65% CAGR，2023-2030报告预计定制AI芯片增速高于通用芯片。
• China AI chip TAMUS$67bn by 2030报告预计中国AI芯片总可寻址市场到2030年增长至US$67bn。
• China AI chip自给率2024年33%，2030e达到76%报告同时提示行业商品化风险可能出现。
• DRAM bit growth2026-27为25%+，高于2022-25的16%报告称DRAM供应商准备应对更高位元增长需求。
• ABF基板供需预计2027年起供给不足报告认为AI扩散时代将推动ABF substrate需求，并带来2027年以后短缺。

影响与含义

对投资组合而言，报告暗示2026年科技配置不宜只押注单一AI龙头，而应围绕AI基础设施全栈瓶颈进行扩展：GPU/ASIC、内存、foundry、SPE、ABF基板、MLCC、服务器组装和散热电源管理均可能受益。同时，高估值且过度依赖内存周期的硬件公司、消费需求敏感芯片设计公司以及成本转嫁能力较弱的终端公司需要更谨慎。

风险

• 2H26科技产品需求破坏和价格弹性恶化。
• 晶圆、OSAT和内存成本上升压缩芯片设计公司和终端硬件利润率。
• AI投资回报不清晰，可能出现第一轮过度投资和过度消费后的理性回落。
• 电力瓶颈、融资限制和部署约束可能降低AI基础设施建设速度。
• 内存扩产过快或价格见顶可能削弱内存股盈利弹性。
• 估值较高且高度依赖单一AI或内存主题的硬件公司回撤风险较大。
• 中国AI芯片本土化推进过程中可能出现商品化和价格竞争。

后续跟踪

• 2026上半年AI资本开支和云厂商订单是否继续超预期。
• 2H26终端需求是否因内存、晶圆和封测涨价出现明显需求破坏。
• Vera Rubin、AI ASIC、推理芯片和Agentic AI采用进展。
• DRAM、HBM和DDR5供需紧张程度及新增产能节奏。
• TSMC先进节点、HBM4/4e base die和中国AI GPU foundry机会。
• ABF substrate是否按报告预期在2027年后进入短缺。
• China AI chip TAM、自给率和本土半导体制造投资强度。
• AI服务器MLCC、散热、电源管理、连接器和服务器组装内容量提升。