AI infrastructure bottlenecks across semiconductors and technology研报解读

概览

Morgan Stanley评估AI基础设施中的哪些瓶颈可能带来最具吸引力的半导体机会。其核心偏好是AI算力及相关的受限组件，其次是网络；对存储保持建设性但更具选择性，并将模拟芯片视为周期性分散配置。

核心观点

Morgan Stanley认为，Astra GPT-6强化了AI瓶颈叙事，因为其在推理、工程、计算机使用和现实世界任务方面的提升，可能使更多推理工作负载具备商业可行性。报告不再只关注为现有需求配置多少基础设施，而是转向评估模型以更低成本提供更高效用后，工作负载的数量、时长和复杂度将如何增加。其认为，这使有限产能、内容价值提升和制造复杂度等实体约束成为投资的核心问题。报告偏好受益于这些约束的企业，而非泛化的AI交易。 AI算力是报告中确信度最高的领域，因为其在GPU、CPU、ASIC、先进制程代工产能及配套组件中兼具强劲出货量增长和持续盈利上行。报告以TSMC为例：公司将2026年营收增长指引上调至同比超过40%，Morgan Stanley认为其AI半导体业务实现70-80%的CAGR是合理的，AI半导体在2026e收入中的占比可能已超过30%。TSMC的US$60-64bn 2026年资本开支计划也被视为AI需求强于预期的另一信号。机会还延伸至ABF载板，服务器、GPU/ASIC和网络需求已取代PC需求成为主导，Morgan Stanley预计从2027年起将出现供给缺口；也延伸至MLCC，AI服务器更高的功率密度会提升单机价值量。台湾MLCC月度销售额在6月同比增长36%，而Samsung Electro-Mechanics预计在2026-28e实现29%的盈利CAGR。 报告对网络保持建设性，将其列为第二佳的AI基础设施敞口，但对铜缆将立即被光学方案取代的假设提出质疑。随着加速器域扩张，其预计到2030年scale-up网络市场机会将超过US$70bn，较一年前的估计高出四倍以上；报告提及NVIDIA Rubin和Rubin Ultra分别将scale-up域扩大至144和576个GPU。铜缆在短距离机架内互连中仍具备时延、功耗和成本优势，SerDes、retimer、连接器和有源铜缆的改进将继续延长其使用周期。Morgan Stanley预计技术路径将从铜缆过渡至NPO或混合架构，最终再转向CPO；2028年scale-up CPO采用将有限，2029年及以后将更强。其预测CPO交换机出货量将从2026年的23,000台增长至2027年的59,000台，并在2030年达到约200,000台；scale-out CPO交换机将从2025年的5,000台增至2030年的200,000台，对应2023-30年144%的CAGR。 存储仍受到AI需求的结构性支持，但Morgan Stanley认为随着商品周期成熟，其相对风险回报的吸引力下降。报告预计到4Q26将进入周期后段，DRAM月度价格同比增速见顶，环比涨幅放缓，盈利预测修正动能下降。3Q26 DRAM合约价格环比约增长20%，高于此前对DRAM和NAND环比15-20%的预期；4Q26价格环比约增长5-10%，此后的能见度有限。根据6月SIA数据，DRAM bit增长年初至今达到36%，2026年增长预测为31%，高于此前的25%；2026年DRAM WFE预测在九个月内上调47%。Morgan Stanley模型预计2026-27e bit供给增长32-38%，2027-28e HBM bit供给增长超过50%。 报告也指出存储紧缺可能持续更久的原因。HBM4E的后段制程复杂性可能延缓DRAM供给增长，使DRAM资本开支在2026-27e更多转向BEOL扩产，并将实质性的前段制程迁移和DRAM GB出货增长推迟至2H27。DRAM制造商获得设备优先交付也可能延后NAND扩产。因此，Morgan Stanley偏好结构性份额提升、本土化及下游AI敞口，而非通用商品存储敞口，并强调CXMT在中国AI和服务器需求、HBM及DDR5本土化与快速扩产方面的机会，预计其2025-28e bit出货CAGR为46%。报告偏好封装和测试受益标的，而非增配通用前段存储敞口，同时指出从2027年底开始投产的新投资最终可能对价格周期构成压力。 在AI以外，Morgan Stanley偏好全球模拟芯片作为早周期对冲。经历超过三年的L型底部后，报告认为渠道库存精简、价格企稳、成熟制程和功率产品局部偏紧、工业订单改善及产能利用率回升，显示这是需求驱动的上行周期，而非仅仅是分销商补库存。其预计复苏至少将持续到2026年下半年，受益于价格改善、库存回补和更健康的book-to-bill趋势。相比之下，报告对传统消费终端仍然谨慎：预计2026年全球智能手机出货量同比下降约13%，其中Android约下降15%，因为更高的存储成本推高OEM价格。PC市场被描述为停滞至疲软，受到可负担性压力和提前备货的影响；传统企业服务器更新需求仍弱于超大规模云厂商和AI云基础设施需求。 Morgan Stanley强调，推动科技股表现的应是盈利兑现，而非估值便宜。报告认为，AI股票目前需要相对于已很高的市场预期持续超预期，且科技板块需要相对盈利预测修正动能改善才能跑赢。市场一致预期AI受益者2027年盈利增长56%，并假设在2026年收入增速放缓的情况下利润率仍会扩张；Morgan Stanley认为53%更可能实现。其盈利预测修正广度分析显示，AI算力、网络和非AI领域的前瞻盈利动能最强，存储最弱。主要逆风包括：相对于高预期而言的超预期不足、AI资本开支增速可能从2027年开始放缓，以及油价、通胀、美联储利率和美国大选带来的宏观压力。

分析框架

报告按AI算力、存储、网络、模拟芯片和消费终端市场梳理半导体周期。其结合资本开支与需求指标、供给产能约束、盈利预测修正广度、价格趋势、组件内容价值、技术路线图和公司特定敞口，以识别AI支出最可能转化为持续盈利上行的领域。

方法论与常识提炼

• 行业/产业分析框架供需框架

  AI基础设施组件的供需分析

  Morgan Stanley将AI工作负载和资本开支需求与受限的ABF、MLCC、存储及先进封装产能联系起来，以评估定价权和盈利潜力。

• 行业/产业分析框架产业链上中下游传导

  AI基础设施产业链传导

  报告追踪从加速器和推理工作负载到代工厂、载板、电容、存储、封装、测试、电源和网络组件的需求传导。

• 周期与景气框架景气拐点分析

  周期阶段与盈利动能评估

  Morgan Stanley利用价格、库存、产能利用率、订单和盈利预测修正来区分算力增长、后周期存储和早周期模拟芯片复苏。

• 事件博弈与行为金融预期差/预期管理

  盈利兑现与高市场预期之间的差异

  报告认为，AI股票需要相对于已高预期提供超预期表现，因此相对盈利预测修正动能比仅基于估值的论点更重要。

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 (NVDA)

  首选AI算力GPU敞口

  优势

  直接受益于AI算力需求和不断扩大的加速器域

  劣势

  高盈利预期要求持续兑现

  对比

  被纳入报告最偏好的AI算力领域

  风险

  AI资本开支增速放缓及超预期不足

• Keysight Technologies (KEYS)

  不依赖特定架构的网络及测试复杂度受益者

  优势

  覆盖光学、电气、scale-up及scale-out网络

  对比

  Morgan Stanley在网络受益者中将KEYS上调至Overweight

  风险

  网络架构部署慢于预期

• Corning (GLW)

  网络受益者

  优势

  相对不依赖特定架构的光学敞口

  对比

  与LITE和Coherent一同成为首选scale-up网络敞口

  风险

  光学方案部署可能较预期更为渐进

• Coherent (COHR)

  网络受益者

  优势

  广泛覆盖CPO/NPO组件产业链

  对比

  与GLW和LITE一同成为首选scale-up网络敞口

  风险

  预计2028年CPO采用仍将有限

• CXMT

  首选中国存储本土化敞口

  优势

  受益于中国AI/服务器需求、HBM和DDR5本土化以及快速扩产

  劣势

  整体存储市场仍处于周期后段的商品市场

  对比

  相比通用存储敞口，报告更偏好其结构性份额提升和本土化逻辑

  风险

  未来供给增加可能压制存储价格周期

• Advanced Energy Industries (AEIS)

  首选美国半导体设备敞口

  优势

  Morgan Stanley认为其估值反映CY27周期见顶；若WFE超预期则存在上行空间

  劣势

  取决于资本设备周期的持续时间

  对比

  在美国Overweight标的中优于Lam Research和KLA

  风险

  WFE需求可能无法达到CY27 US$230bn-plus的上行情景

• MKS Inc. (MKSI)

  首选美国半导体设备敞口

  优势

  Morgan Stanley认为其估值反映CY27周期见顶；若WFE超预期则存在上行空间

  劣势

  取决于资本设备周期的持续时间

  对比

  在美国Overweight标的中优于Lam Research和KLA

  风险

  WFE需求可能无法达到CY27 US$230bn-plus的上行情景

• ASML

  首选欧洲半导体设备敞口

  优势

  在关键半导体制造设备中占主导地位，并受益于DRAM、逻辑和EUV需求

  对比

  Morgan Stanley在欧洲SPE中的Top Pick

  风险

  依赖2027年DRAM和逻辑需求改善

• Texas Instruments (TXN)

  模拟芯片周期指标及敞口

  优势

  可最清晰反映广泛模拟芯片周期需求

  对比

  属于报告首选的模拟芯片分散配置组

  风险

  复苏可能是短暂的分销商补库存，而非可持续的终端需求

关键数据

• TSMC 2026年营收增长指引>40% Y/Y由更强的AI需求推动的上调指引
• TSMC 2026年资本开支US$60-64bn被视为AI需求强劲的证据
• TSMC AI半导体收入占比>30% of 2026e revenueMorgan Stanley的估计
• Scale-up网络市场机会>US$70bn by 2030较一年前的估计高出四倍以上
• 3Q26 DRAM合约价格Approximately +20% Q/Q高于此前对DRAM和NAND环比15-20%的预期
• 4Q26 DRAM价格About +5-10% Q/Q该季度之后的能见度有限
• AI受益者2027年一致预期盈利增长56%Morgan Stanley认为53%更可能实现
• 全球智能手机出货量Approximately -13% Y/Y in 2026Android出货量预计约下降15%

影响与含义

Morgan Stanley的首选配置是受限AI算力和网络敞口与早周期模拟芯片复苏的组合。其偏好与产能和复杂度相关的受益者，尽管存储基本面强劲仍保持选择性，并对受更高组件成本压制的消费硬件需求保持谨慎。

风险

• AI受益者可能无法相对于高企的市场预期提供足够的超预期表现。
• AI资本开支增速可能从2027年起放缓，即使其仍保持正增长。
• 油价、通胀、美联储利率和美国大选被列为宏观逆风。
• 后周期存储供给增长及从2027年底开始的新投资可能压制价格。
• 模拟芯片复苏可能反映短暂的分销商补库存，而非可持续需求。

后续跟踪

• 相对盈利预测修正动能，以及企业满足高盈利预期的能力。
• TSMC的AI需求、资本开支执行，以及ABF和MLCC等配套组件的需求。
• DRAM价格放缓的时点、存储新增供给以及HBM4E相关产能约束。
• 从铜缆向NPO和CPO架构的演进，以及2028年后CPO采用速度。
• 模拟芯片的库存回补、价格、工业订单、产能利用率和book-to-bill趋势。
• 更高存储成本对智能手机、PC和消费电子可负担性造成影响后的消费需求趋势。