AI算力扩张继续重塑全球半导体，定制ASIC、中国算力和量子安全成为新增量

概览

这是一份覆盖全球AI半导体、云端定制ASIC、中国AI算力和量子安全的行业展望。报告认为云资本开支、推理需求、先进封装和国产算力基础设施将支撑长期增长，但AI与非AI半导体的景气分化会扩大，成本、能源、产能和监管构成主要限制。

核心观点

报告对亚太半导体行业给出Attractive观点，配置重点明显偏向AI供应链、利基存储器和中国本土算力。AI方向将联发科列为首选，并看好台积电、中芯国际、Aspeed、Alchip、KYEC、ASE、FOCI、ASMPT、AllRing和GUC；存储器方向将AP Memory列为首选，同时看好Macronix、Nanya Tech、Winbond和兆易创新。中国AI/半导体/晶圆厂设备方向偏好Iluvatar、寒武纪、海光信息、北方华创和中微公司，测试设备与耗材方向包括WinWay、MPI、鸿海和Gudeng，成熟制程方向偏好UMC。报告对豪威集团、Phison、MetaX、Realtek和GlobalWafers持EW，对WIN Semi、Silergy和ASMedia持UW。 整体周期呈现AI强、非AI弱的分化。报告预计全球半导体产业规模到2030年可能达到1.5万亿美元，其中AI半导体贡献约一半；AI半导体TAM到2030年约为7530亿美元，供应链数据驱动的牛市情景则显示2026年云AI半导体TAM可达4850亿美元。与此同时，剔除存储器和NVIDIA AI GPU收入后，非AI半导体增长预计在2026年下降。逻辑半导体晶圆代工利用率可能在2026年下半年达到80%，而历史上库存天数下降通常伴随半导体股票指数上涨，但本轮复苏并非各细分市场同步发生。 云服务商支出仍是AI芯片需求的核心起点。Amazon、Google、Microsoft和Meta四大云服务商2026年第二季度资本开支同比增长87%，资本开支与EBITDA之比已超过70%。Morgan Stanley的追踪模型估计，全球前14家上市云服务商2027年资本开支接近1.4万亿美元，且该数字尚未计入主权AI。报告由资本开支进一步推导机架、电力、GPU/ASIC、先进制程晶圆、CoWoS和HBM需求，认为预算规模依然强劲，但资本开支强度、美国电力供给及项目落地速度将决定预测能否兑现。 台积电是这一传导链的主要承接者。报告估计台积电2025年生产了510万颗相关芯片，全年GB200 NVL72机架出货可达3万套；预计2027年AI计算晶圆消耗金额超过460亿美元，NVIDIA仍贡献多数需求。HBM在2027年的消耗量最高可达480亿Gb，NVIDIA同样占据大部分。CoWoS总需求预计从2026年的139.4万片升至2027年的269.4万片，报告据此提出台积电到2027年可能将CoWoS产能扩至每月20万片。客户结构会趋于多元：NVIDIA的CoWoS需求为2026年78万片、2027年122.2万片，占比分别约56%和45%；Broadcom占比约22%和18%，AMD约9%和20%，联发科在2027年需求约18万片、占约7%。 先进制程需求同样强劲。台积电给出的信息表明，N2产能在2026至2028年可能实现70%的复合增长率；2027年N5产能将下降，而N3继续增加，与报告的客户需求预测一致。成熟及特色制程产能预计在2024至2029年以7%的复合增速扩张。AI半导体收入在台积电2026年收入中的占比可能超过30%，并推动报告所展示的利润率扩张逻辑。 AI服务器CPU和存储器构成另外两条增长及约束链。NVIDIA Vera CPU采用不跨芯粒拆分核心的设计，以缩短核心之间的连接路径；报告称其性能可能达到最高性能x86 CPU的1.8倍。牛市情景对应2380亿美元的CPU编排TAM，自上而下模型预计Agentic CPU TAM从F26到F30的复合增速为251%。存储器方面，AI存储需求导致NAND短缺，NOR Flash供不应求预计延续至2026年，DDR4短缺则可能持续到2026年下半年。与此同时，晶圆、封测和存储器成本上升会在2026年给芯片设计公司带来利润率压力，价格弹性可能抑制终端科技产品需求。 定制ASIC不会因NVIDIA GPU性能增强而失去必要性。报告认为大型云服务商仍需要针对自有负载优化的芯片，并预计更多ASIC项目将按各家云服务商路线图推进。Alchip模型显示，Trainium4在2028年的确认量为80万颗，对应80亿美元收入；Alchip当年总收入预计98亿美元，其中Trainium收入占82%。Google TPU预测显示总量由2026年的370万颗升至2027年的735万颗，2028年仍超过650万颗，但上行空间可能受到ABF载板供应限制。 联发科是报告最突出的定制ASIC受益者。其TPU收入预计从2027年的135亿美元增至2028年的435亿美元，并在2029年达到700亿美元。即使项目采用客户自有工具模式，报告仍认为联发科至少会负责TPU v10的封装和I/O die。KYEC则被认为同时受益于AI GPU、TPU和CPU增长。先进封装竞争方面，台积电CoWoS可支持最高约9.5倍光罩尺寸，或每片晶圆四颗芯片；Intel EMIB若供应链执行顺利，可较容易支持超过12倍光罩尺寸的更大芯片，因此最终竞争不仅取决于设计能力，也取决于供应链交付。 中国AI算力是独立的长期增长主线。DeepSeek展示了更低成本的推理方式，报告认为这会刺激推理需求；本土晶圆代工供应链在AI GPU生产方面也日益成熟。中国AI芯片/GPU TAM预计到2030年达到910亿美元，国产加速器的市场规模和份额继续扩大。需求侧证据包括中国市场NVIDIA 5090价格持续上升、字节跳动火山引擎/豆包Token用量激增，以及中国云资本开支趋势。报告的推理经济性比较显示，国产芯片相较中国市场可用的NVIDIA处理器具有更低TCO、相近的单Token成本，并凭借明显较低的价格提供更高的单位成本性能。 中国基础设施能力也在缩小市场感知的技术差距。2026年世界人工智能大会展示了多种SuperPod方案：华为Atlas 950配置1,024颗Ascend 950DT NPU、16个计算柜和4个UnifiedBus柜，采用铜光混合互连并提供最高256TB池化内存；Moore Threads方案覆盖128至256颗S系列GPGPU，Enflame与ZTE、MetaX与ZTE的方案各配置64颗加速器，并采用无中板正交架构。海光信息的CPU与GPU一体化平台获OW观点；报告预计中国CPU TAM到2030年升至420亿美元，海光在中国服务器CPU市场的份额到2028年达到18%。 量子安全部分把硬件安全视为全球量子供应链的基础。报告指出，现代电子系统主要依赖非对称密码，而量子计算推动各国制定后量子密码迁移路线图；不同地区的时间表并不一致，但2030年是关键拐点，主要经济体大体向NIST的PQC标准靠拢。报告分析了不同连接层的量子安全需求，并预计物理不可克隆函数PUF的TAM到2030年约为3.10亿美元，同时以相关半导体/PUF IP公司和eMemory的市盈率区间观察市场定价。

分析框架

报告先用全球半导体周期、库存和云资本开支判断总需求，再把云支出沿电力、服务器机架、GPU/ASIC、先进制程晶圆、CoWoS和HBM逐层拆解。对于Trainium和TPU项目，报告以芯片数量乘以确认单价推算供应商收入；对于中国AI算力，则结合市场规模、Token需求、TCO、单Token成本和SuperPod架构进行比较。量子安全部分从密码迁移时间表、连接层和硬件安全环节推导PUF市场空间，并辅以市盈率区间比较。

方法论与常识提炼

• 行业/产业分析框架供需框架

  AI芯片、CoWoS、HBM及存储器供需模型

  报告分别估计芯片、晶圆、先进封装和存储器的需求量与供应能力，用于判断产能扩张、短缺持续时间和客户份额。

• 行业/产业分析框架产业链上中下游传导

  云资本开支向半导体需求传导

  研究从云服务商资本开支和电力部署出发，依次推导机架、GPU/ASIC、先进制程晶圆、CoWoS、HBM及测试需求。

• 行业/产业分析框架量价拆分

  ASIC项目数量与单价收入模型

  Alchip Trainium和联发科TPU预测以各代芯片数量乘以供应商确认的单颗价值，从而得到年度项目收入及其收入占比。

• 周期与景气框架库存周期（基钦）

  半导体库存天数与景气判断

  报告观察供应链库存天数及其历史变化，并指出库存天数下降时期通常伴随半导体股票指数上升。

• 估值方法PE/PEG 估值

  市盈率及历史市盈率区间比较

  报告对不同半导体子行业进行估值比较，并使用PUF/IP相关公司及eMemory的市盈率区间观察市场定价。

• 行业/产业分析框架

  推理TCO、单Token成本与单位成本性能比较

  报告把硬件采购及运行成本与模型推理产出结合，比较国产芯片和NVIDIA处理器在中国市场的总体拥有成本、单Token成本和性能价格比。

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）。

• 联发科（2454.TW）

  报告将其列为AI方向首选，预计承接Google TPU项目的封装、I/O die及相关芯片价值。

  优势

  TPU收入预计由2027年的135亿美元升至2029年的700亿美元；即使采用客户自有工具模式，仍至少处理TPU v10的封装和I/O die。

  对比

  报告将联发科置于全球云端定制ASIC供应链的核心位置。

  风险

  Google TPU放量上行可能受ABF载板供应限制。

• 台积电

  受益于AI先进制程晶圆、CoWoS和多家GPU/ASIC客户需求增长。

  优势

  N2产能预计在2026至2028年实现70%复合增长，AI半导体收入占2026年收入可能超过30%。

  劣势

  2027年N5产能预计下降。

  对比

  CoWoS可支持最高约9.5倍光罩尺寸；Intel EMIB在供应链执行顺利时可支持超过12倍光罩尺寸。

  风险

  云资本开支、项目电力部署和客户需求兑现速度影响扩产利用率。

• Alchip

  受益于AWS Trainium定制AI训练芯片增长。

  优势

  2028年Trainium收入预计达80亿美元，总收入预计98亿美元。

  劣势

  Trainium收入预计占2028年总收入的82%。

  对比

  报告将其作为主要云服务商定制ASIC项目的直接受益者。

• KYEC

  报告认为其受益于AI GPU、TPU和CPU测试需求同步增长。

  优势

  需求来源横跨通用GPU、云端定制ASIC和AI服务器CPU。

• NVIDIA（NVDA.US）

  仍是AI晶圆、CoWoS和HBM需求的最大贡献者，并通过Vera CPU扩展至Agentic CPU。

  优势

  Vera性能可能达到最高性能x86 CPU的1.8倍；2027年CoWoS需求预计为122.2万片。

  对比

  国产芯片在中国市场凭借较低价格实现更低TCO和更强的单位成本性能。

  风险

  美国能源约束、云客户预算及监管是AI扩张的限制因素。

• 中芯国际（00981.HK）

  列入中国AI/半导体方向的OW名单，受益于中国本土AI GPU生产能力提升。

  优势

  报告认为中国本土晶圆代工供应链在AI GPU生产方面正变得更有能力。

  对比

  与其他中国本土算力和晶圆厂设备公司共同构成国产AI供应链。

  风险

  中国芯片产能是报告明确列出的增长限制。

• 寒武纪（688256.SH）

  列入中国AI/半导体方向的OW名单，并参与国产AI加速器横向比较。

  优势

  受益于中国AI芯片/GPU TAM扩张和国产加速器份额上升。

  对比

  报告将其与MetaX和Iluvatar进行比较。

  风险

  芯片产能和监管可能限制中国AI市场增长。

• 海光信息

  CPU与GPU一体化计算平台获得OW观点。

  优势

  报告预计其中国服务器CPU份额到2028年达到18%。

  对比

  对应中国CPU TAM到2030年升至420亿美元的增长路径。

  风险

  中国芯片产能限制可能影响市场扩张。

• AP Memory

  被列为存储器方向首选，并参与Intel EMIB相关先进封装技术链。

  优势

  处于报告看好的利基存储器和先进封装交叉环节。

  对比

  在存储器推荐组合中的优先级高于其他列名公司。

关键数据

• 全球半导体市场规模US$1.5tn by 2030e报告预计AI半导体届时贡献约一半
• AI半导体TAM~US$753bn by 2030e全球AI半导体长期市场预测
• 云AI半导体TAM牛市情景US$485bn in 2026e供应链数据驱动的牛市情景假设
• 四大云服务商资本开支增速87% Y/Y in 2Q26CYAmazon、Google、Microsoft和Meta合计
• 云服务商资本开支强度over 70%资本开支与EBITDA之比
• 全球云资本开支nearly US$1.4tn in 2027前14家上市全球云服务商，不含主权AI
• CoWoS总需求1,394k wafers in 2026e; 2,694k wafers in 2027e全球客户需求预测
• 台积电CoWoS潜在产能200kwpm by 2027基于持续强劲AI需求的扩产判断
• 2027年AI计算晶圆消耗>US$46bnNVIDIA预计贡献多数需求
• 2027年HBM消耗up to 48bn GbNVIDIA预计仍消耗大部分供应
• 台积电N2产能增速70% CAGR from 2026-2028e台积电所示产能增长路径
• 台积电AI半导体收入占比>30% of 2026e revenueAI相关收入占台积电总收入的预测比例
• Vera CPU性能1.8x相对于最高性能x86 CPU
• Agentic CPU TAM增速251% CAGR from F26 to F30Morgan Stanley自上而下模型
• Alchip Trainium收入US$8bn in 2028e预计占Alchip当年98亿美元总收入的82%
• 联发科TPU收入US$70bn in 2029e2027年和2028年预测分别为135亿美元和435亿美元
• 中国AI芯片/GPU TAMUS$91bn by 2030e中国AI加速器市场长期预测
• 中国CPU TAMUS$42bn in 2030海光在中国服务器CPU市场的份额预计于2028年达到18%
• PUF TAMUS$310mn by 2030量子硬件安全相关市场预测

影响与含义

报告认为半导体增长将进一步向AI芯片、先进制程、CoWoS、HBM、测试和定制ASIC集中，台积电、联发科、Alchip及相关封测企业因此承接更高价值量。非AI芯片设计公司则可能同时面对需求放缓和晶圆、封测、存储器成本上涨。中国本土芯片以较低价格、较低TCO和SuperPod基础设施弥补部分单芯片差距；后量子密码迁移又为PUF等硬件安全环节带来新的长期市场。

风险

• AI增长可能受云服务商预算和资本开支强度约束。
• 美国电力供应是AI基础设施扩张的明确限制因素。
• 中国芯片产能可能限制本土AI算力需求的兑现。
• 监管变化可能影响AI半导体项目和市场扩张。
• 晶圆、封测和存储器成本上涨会在2026年给芯片设计公司带来利润率压力，并可能通过价格弹性削弱终端需求。
• 供应链优先保障AI半导体可能挤压非AI半导体，并造成T-Glass和存储器短缺。
• Google TPU等定制芯片的放量上行可能受到ABF载板供应限制。
• Intel EMIB能否发挥大尺寸芯片优势取决于其供应链执行。

后续跟踪

• 跟踪主要云服务商资本开支增速及资本开支与EBITDA之比能否维持高位。
• 观察电力部署、GB200/300机架出货及其向CoWoS、先进制程晶圆和HBM需求的转化。
• 关注台积电CoWoS扩产、N2爬坡以及2027年N5下降、N3上升的进度。
• 跟踪中国NVIDIA 5090价格、主流大模型Token价格与豆包Token用量等近期AI需求指标。
• 观察NAND、NOR Flash和DDR4短缺是否分别按报告所述延续至2026年及2026年下半年。
• 关注各地区后量子密码迁移路线图及2030年前后的实施节点。