AI半导体景气展望强劲，云资本开支、先进封装与中国AI GPU成为主线
AI 摘要卡
AI半导体景气展望强劲，云资本开支、先进封装与中国AI GPU成为主线
Morgan Stanley预计全球半导体市场到2030年可达US$1.5万亿，其中约一半来自AI半导体，并看好AI供应链、存储、后端设备和中国本土AI芯片机会。
- 报告认为主要CSP云资本开支仍然强劲，云AI半导体TAM在2025e的乐观情景下可能已增至US$235bn。
- TSMC CoWoS产能可能在持续AI需求推动下于2027年扩至200kwpm，先进封装成为AI算力扩张的关键瓶颈与受益方向。
- 2026e AI计算晶圆消耗或达US$27bn，NVIDIA占据多数；2026e HBM消耗最高可达32bn Gb。
- 中国AI GPU TAM预计到2030e增至US$91bn，本土先进制程产能有望支撑本地AI加速器收入增长。
- 报告偏好AI、存储、后端设备与耗材、成熟制程和SiC链条，同时提示芯片通胀、AI挤出效应、能源、预算与监管约束。
研报解读
概览
这是一篇大中华区和亚太半导体行业展望报告，核心主题是未来AI基础设施建设对CPU、GPU、ASIC、光通信、先进封装、HBM和中国本土AI芯片的拉动。报告从全球云资本开支、NVIDIA平台升级、TSMC先进封装与2nm需求、中国AI GPU TAM、本土先进制程产能、后端设备和功率半导体等维度，论证AI半导体仍处于高景气扩张阶段。
核心观点
核心观点包括：第一，全球半导体市场到2030年可能达到US$1.5万亿，AI半导体贡献约一半增量；第二，主要CSP云资本开支仍然支撑AI GPU、ASIC和数据中心供应链需求；第三，CoWoS、SoIC、HBM、T-Glass和先进制程产能仍是AI算力扩张的关键约束；第四，即使NVIDIA GPU能力很强，CSP仍需要自研或定制芯片以优化成本、功耗和工作负载；第五，中国AI推理需求、DeepSeek带来的低成本推理示范和本土供应链能力提升，将推动中国AI GPU和先进制程生态扩张。
分析框架
报告采用自上而下的云资本开支和TAM测算，结合自下而上的亚洲供应链检查、NVIDIA GB200/GB300机柜产出假设、TSMC CoWoS与SoIC产能跟踪、HBM消耗量、晶圆消耗、客户需求拆分和中国先进制程产能约束，形成对AI半导体各环节的供需判断。
方法论与常识提炼
用2030e全球半导体市场、云AI半导体TAM和中国AI GPU TAM衡量行业上行空间。
报告将AI训练、推理、云端与边缘需求、CSP定制芯片、主权AI和应用扩散纳入长期需求假设，并用TAM数据表达潜在市场空间。
通过晶圆消耗、HBM消耗、机柜出货、CoWoS/SoIC产能和客户需求拆分验证AI半导体需求。
报告多处引用Morgan Stanley Research估算、公司数据、FactSet和亚洲供应链检查，将云资本开支转化为晶圆、封装、存储和服务器机柜需求。
把预算、能源、芯片产能、监管、晶圆与OSAT成本、HBM和T-Glass短缺作为增长限制因素。
报告并非单纯看多AI需求，也强调芯片通胀会压缩设计公司利润，非AI半导体可能被AI半导体挤出，且中国先进制程和美国能源约束会影响落地速度。
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）。
- AI GPU/CPU/ASIC供应链AI基础设施的核心算力资产
- 优势
- 云资本开支持续、NVIDIA平台升级、CSP定制芯片需求和推理需求共同支撑增长。
- 劣势
- 高度依赖先进制程、CoWoS/SoIC、HBM和高端封装材料供给。
- 对比
- NVIDIA GPU仍是主导方向，但CSP自研ASIC在成本、功耗和特定工作负载上仍有必要性。
- 风险
- 云资本开支放缓、应用变现不及预期、芯片成本上升和监管限制。
- TSMC与先进封装链AI芯片扩产的关键制造和封装瓶颈
- 优势
- 报告预计TSMC CoWoS产能可能到2027e扩至200kwpm，2nm客户需求和大尺寸封装趋势支撑长期需求。
- 劣势
- 扩产节奏、设备交付、材料和良率可能限制短期供给。
- 对比
- 相比普通晶圆代工，先进封装和领先制程更直接受益于AI加速器复杂度提升。
- 风险
- 客户需求波动、资本开支过热、技术切换和供应链瓶颈。
- HBM与存储链AI服务器和AI加速器的关键配套资产
- 优势
- 2026e HBM消耗最高可达32bn Gb，AI优先级提升可能支撑存储需求和价格。
- 劣势
- 供需紧张可能推高成本，压缩下游芯片设计公司利润率。
- 对比
- HBM较传统存储更受AI训练和高性能推理需求拉动。
- 风险
- 供应释放过快、AI需求放缓、非AI终端需求疲弱。
- 中国AI GPU与本土先进制程中国AI基础设施和国产替代的核心资产
- 优势
- DeepSeek展示更低成本推理后，推理需求被进一步激发；报告预计中国AI GPU TAM到2030e达US$91bn。
- 劣势
- 先进节点产能、EDA/IP、封装、良率和出口管制仍构成约束。
- 对比
- 与全球领先AI GPU相比，中国本土芯片更强调可获得性、供应安全和本地生态适配。
- 风险
- 监管升级、产能不足、性能差距、需求兑现慢于预期。
- 后端设备、测试耗材与OSAT先进封装复杂度提升的配套受益环节
- 优势
- 报告看好ASMPT、Winway等后端设备与测试耗材方向，OSAT资本开支2026e预计增长约35%。
- 劣势
- 传统OSAT竞争较激烈，部分环节可能受周期波动影响。
- 对比
- 相较普通封测，AI封装复杂度提升带来更高设备、插座和耗材价值量。
- 风险
- 封装扩产低于预期、客户集中度高、价格竞争。
- SiC/GaN功率半导体AI数据中心电力基础设施相关资产
- 优势
- 报告偏好SiC over GaN，并提及SICC为OW、InnoScience为EW。
- 劣势
- 不同材料路线的应用场景、成本曲线和客户导入节奏存在差异。
- 对比
- SiC在报告中相对GaN更受偏好，GaN HVDC 800V仍被列为半导体解决方案之一。
- 风险
- 技术路线切换、价格下降、数据中心电源架构演进不及预期。
关键数据
- 全球半导体市场规模2030e约US$1.5万亿报告称其中约一半可能来自AI半导体。
- 云AI半导体TAM乐观情景2025e约US$235bn基于供应链数据驱动的乐观情景假设。
- TSMC CoWoS产能2027e可能扩至200kwpm持续强劲AI需求推动先进封装扩产。
- AI计算晶圆消耗2026e约US$27bn报告称NVIDIA占据多数份额。
- HBM消耗2026e最高32bn GbHBM是AI算力供应链关键瓶颈之一。
- NVIDIA Vera CPU性能约为最高性能x86 CPU的1.8倍报告认为Vera CPU可能支撑agentic CPU需求。
- 中国AI GPU TAM2030e约US$91bn受推理需求、本土供应链能力和国产AI芯片生态推动。
- 中国先进制程支撑能力2030e或支持约US$58bn AI加速器收入报告将本土先进节点产能视为中国AI GPU生产的关键变量。
- OSAT资本开支2026e预计增长约35%由主流半导体和先进封装共同驱动。
影响与含义
投资含义是AI基础设施建设仍在重塑半导体产业链利润池：上游先进制程、先进封装、HBM、CPO、定制ASIC、测试耗材和中国AI GPU供应链具备更强结构性机会；但非AI半导体、利润率较弱的芯片设计公司和受成本通胀影响的环节可能承压。报告还提示中国本土供应链能力提升将缩小感知技术差距，但产能、监管和地缘限制仍决定节奏。
风险
- 主要CSP云资本开支低于预期，导致AI GPU、ASIC、服务器和封装需求下修。
- AI应用、killer apps或推理变现不及预期，削弱长期TAM假设。
- 预算、能源、监管和芯片产能成为增长限制，尤其是美国能源约束和中国先进制程产能约束。
- 晶圆、OSAT、HBM和封装材料成本上升，引发芯片设计公司利润率压力。
- AI半导体优先级提升可能挤出非AI半导体需求，造成传统半导体链条承压。
- HBM、T-Glass、CoWoS/SoIC或先进节点供应瓶颈影响出货节奏。
- 出口管制、地缘政治和本土供应链替代节奏变化可能改变中国AI GPU市场路径。
- 报告披露Morgan Stanley与多家覆盖公司存在业务关系，投资者需将该研究作为决策因素之一而非唯一依据。
后续跟踪
- 主要CSP的季度云资本开支指引和AI服务器订单变化。
- NVIDIA GB200/GB300 NVL72机柜产出、供需缺口和供应份额变化。
- TSMC CoWoS、SoIC和2nm扩产进度，以及大尺寸interposer路线。
- HBM供需、价格、容量释放和客户消耗节奏。
- CSP自研ASIC项目进展，包括AWS Trainium等云AI定制芯片。
- 中国AI GPU订单、IPO、国产替代进度和先进节点产能释放。
- OSAT、后端设备、测试插座和耗材资本开支兑现情况。
- 能源、监管和出口管制对AI基础设施建设的边际影响。