摩根士丹利：AI驱动半导体长牛，TSMC与中国算力链受益

概览

本篇研报系统梳理了全球及大中华区AI云半导体产业链的最新趋势。核心结论是AI需求将持续推动半导体行业结构性增长，台积电（TSMC）作为核心制造环节拥有极强议价权；同时，中国AI算力基础设施正在加速国产化替代，形成独立于美国的算力生态。报告给出了详细的云资本开支、先进封装产能、存储供需及中国AI芯片市场规模预测，并更新了重点公司的评级与投资主线。

核心观点

全球AI半导体市场进入长期扩张周期。研报预测全球AI半导体总可寻址市场（TAM）将在2030年达到约7530亿美元，占届时全球1.5万亿美元半导体市场的半壁江山。这一增长的核心驱动力来自云服务商（CSP）持续激进的资本开支：前四大CSP（亚马逊、谷歌、微软、Meta）在2026年二季度的资本开支同比增长87%，资本开支占EBITDA比率超过70%。基于供应链数据驱动的乐观假设，2026年云AI半导体TAM可达4850亿美元。逻辑芯片预计将占全球云资本开支的20%左右，且功耗增长依然强劲。 台积电（TSMC）在先进制程与封装领域的垄断地位使其具备显著定价权。由于技术路线图领先且EUV设备供应紧张，TSMC是高端AI芯片制造的“唯一选择”。研报预计TSMC在2027年能够将先进制程价格上调5-10%，以反映其对客户的价值。产能方面，鉴于AI需求持续强劲，TSMC可能在2027年将CoWoS产能扩充至20万片/月（kwpm）。2nm制程需求非常强劲，预计2026-2028年产能复合增长率达70%。财务影响上，AI半导体收入占TSMC总收入的比例有望从2024年的水平提升至2029年的60%，2026年该比例预计已超过30%。此外，TSMC 2027年资本开支预计达到750亿美元，毛利率60%应被视为底线。 中国AI算力生态正在加速成熟，形成独特的“脱钩”发展路径。研报预计到2030年，中国AI GPU市场规模将达到910亿美元，CPU市场规模达420亿美元。尽管存在技术差距，但国产芯片凭借更低的价格实现了更优的“每美元性能”和推理经济性（TCO及每Token成本优于NVIDIA对华销售产品）。DeepSeek等低成本推理模型的出现进一步刺激了国内推理侧AI需求。在具体标的上，海光信息（Hygon）因提供集成CPU+GPU计算平台被给予超配（OW）评级，预计其在中国服务器CPU市场的份额将在2028年达到18%。华为Atlas 950 SuperPod等国产集群方案也在WAIC 2026上展示了千卡级扩展能力。 存储与先进封装成为AI产业链的关键瓶颈与增长点。AI对存储的巨大消耗导致NAND出现短缺，NOR Flash预计在2026年前也将供不应求，DDR4缺货状态或延续至2026年下半年。HBM消耗量在2027年预计高达480亿Gb，其中NVIDIA仍占据绝大部分供应。在封装端，除了TSMC主导CoWoS外，Intel的EMIB技术若能顺利执行供应链，也可支持更大尺寸芯片。后端设备商ASMPT受益于先进封装扩产，预计2028年在TCB设备市场份额约44%；而中国大陆OSAT厂商中，KYEC（京元电子）因AI GPU/TPU/CPU测试业务增长强劲被看好，ASE（日月光）预计2027年LEAP（AI）收入翻倍。 定制ASIC与Agentic CPU构成新的增量来源。即便NVIDIA GPU性能强大，CSP仍需定制芯片以优化成本与效率。Google TPU已进入第六代，AWS Trainium和Meta MTIA等项目持续推进，MS亚洲团队预测TPU出货量将快速增长，但其放量可能受限于ABF载板供应。此外，NVIDIA最新的Vera CPU专为Agentic AI设计，核心间连接更快，乐观情形下可支撑2380亿美元的CPU编排TAM，预计2026-2030年Agentic CPU TAM复合增长率达251%。

分析框架

研报采用了典型的“自上而下TAM建模 + 自下而上供应链验证”的分析框架。首先通过跟踪全球主要云服务商（CSP）的资本开支指引和财报数据，建立云AI半导体总需求模型；然后将其拆解为晶圆消耗量、CoWoS/HBM需求量等物理指标，并与TSMC等供应商的产能规划进行交叉验证，从而判断供需缺口与价格走势。 对于中国市场，研报引入了“推理经济学”对比分析法，不单纯比较芯片峰值算力，而是结合价格、功耗、集群互联效率计算TCO和每Token推理成本，以此评估国产芯片的真实竞争力。同时，通过对WAIC等行业展会的实地调研，验证国产SuperPod的工程化落地进度，弥补了公开财务数据的滞后性。

方法论与常识提炼

• 行业/产业分析框架供需框架

  云资本开支与半导体TAM联动分析

  将下游云厂商的资本开支（Capex）作为上游半导体需求的先行指标，通过Capex-to-EBITDA比率和历史弹性系数推导AI芯片TAM。这种方法假设云厂商的投入会直接转化为芯片采购订单，是预判半导体景气度的核心逻辑。

• 竞争与战略框架护城河/竞争优势

  先进制程与封装的技术垄断溢价

  研报强调TSMC因EUV设备限制和技术密度领先成为'Only Game in Town'，这种供给侧的刚性约束赋予了龙头企业在需求旺盛时的提价能力（5-10%），是判断其盈利韧性的关键护城河指标。

• 行业/产业分析框架量价拆分

  AI存储与封装的物理消耗量测算

  不只看金额，而是将AI需求拆解为具体的物理单位（如CoWoS千片/月、HBM十亿Gb、NVL72机架数）。这种实物量分析能剔除价格波动干扰，更精准地识别产业链的真实瓶颈（如ABF载板、CoWoS产能）和投资机会。

• 公司基本面与财务框架盈利质量分析

  推理经济学（TCO与每Token成本）

  在评估中国AI芯片竞争力时，研报未采用单纯的理论算力对比，而是使用全生命周期成本（TCO）和单位推理产出成本作为衡量标准。这反映了AI商业化阶段客户更关注实际部署效益而非纸面参数的行业常识。

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）。

• TSMC (台积电)

  AI半导体制造与封装的核心垄断者，直接受益于全球AI Capex扩张

  优势

  技术路线图领先，EUV产能紧缺下具唯一性；2nm需求强劲；AI收入占比快速提升

  劣势

  地缘政治风险；海外建厂成本高企

  对比

  相比Intel/Samsung，逻辑密度与良率保持代际领先

  风险

  全球宏观经济放缓导致云Capex不及预期；电力供应限制产能释放

• MediaTek (联发科)

  AI ASIC与边缘AI芯片核心设计商，被列为Top Pick

  优势

  参与Google TPU v8t/v9/v10设计；定制ASIC项目储备丰富

  劣势

  对大客户依赖度高

  对比

  在AI ASIC设计服务领域与Alchip/GUC竞争，但规模效应更强

  风险

  ABF载板供应瓶颈限制出货；客户自研比例提升

• Hygon (海光信息)

  中国国产x86 CPU+GPU平台龙头，获OW评级

  优势

  集成计算平台契合国内信创与AI需求；服务器CPU份额预计2028年达18%

  劣势

  先进制程获取受限；生态成熟度弱于国际巨头

  对比

  相比Cambricon/MetaX，商业化落地与营收规模领先

  风险

  实体清单制裁升级；国内竞争加剧

• KYEC (京元电子)

  AI芯片测试核心受益者，覆盖GPU/TPU/CPU

  优势

  AI测试收入高速增长；与NVIDIA/AMD等深度绑定

  劣势

  资本开支压力大

  对比

  AI暴露度高于中国大陆OSAT同行

  风险

  AI芯片需求波动；测试技术迭代风险

• ASMPT

  先进封装设备龙头，受益于CoWoS/TCB扩产

  优势

  TCB设备市占率预计2028年达44%；CPO组装设备布局领先

  劣势

  传统封装业务周期性拖累

  对比

  在AI封装设备领域优于中国OSAT设备商

  风险

  TSMC自研设备替代风险；下游扩产节奏放缓

关键数据

• 2030年全球AI半导体TAM~7530亿美元预计贡献全球1.5万亿半导体市场的一半
• 2027年全球云资本开支近1.4万亿美元覆盖全球前14家上市CSP，不含主权AI
• 四大CSP 2Q26 Capex增速+87% YoYCapex/EBITDA比率超70%
• TSMC 2027年CoWoS产能目标200 kwpm应对持续强劲的AI需求
• TSMC 2027年先进制程提价幅度5-10%反映技术价值与客户依赖度
• 2030年中国AI GPU TAM910亿美元国产份额持续提升
• 2027年HBM消耗量480亿 GbNVIDIA占据大部分供应
• Agentic CPU TAM CAGR (2026-2030)251%由NVIDIA Vera等新架构驱动

影响与含义

对于半导体产业链而言，AI不仅是短期热点，更是重塑行业格局的长期结构性力量。台积电及其先进封装供应链（如ASMPT、KYEC、ASE）将是确定性最高的受益者，其业绩能见度已延伸至2027-2029年。存储板块因AI挤占产能而出现结构性短缺，相关厂商有望迎来量价齐升。 对于中国市场，AI算力的“脱钩”反而催生了庞大的内循环市场。国产芯片在推理侧的性价比优势使其在互联网大厂和运营商招标中获得实质性份额，海光信息、寒武纪等头部企业正从“可用”迈向“好用”。投资者应关注国产SuperPod集群的实际部署进度以及先进制程/封装环节的自主化突破，这些是验证中国AI产业链价值重估的关键信号。

风险

• 全球云服务商资本开支因预算或能源限制不及预期
• AI应用商业化变现缓慢导致需求证伪
• 地缘政治与出口管制升级冲击中国AI供应链
• 先进制程与封装产能扩张受阻（如电力、设备交付延迟）
• 存储与基板供应瓶颈制约AI芯片出货量
• 非AI半导体需求疲软拖累整体行业复苏

后续跟踪

• 全球主要CSP季度资本开支指引与实际执行情况
• TSMC月度营收及CoWoS/2nm产能爬坡进度
• 中国AI大模型Token调用量与国产芯片中标情况
• NVIDIA GB200/300 NVL72机架出货节奏
• 存储现货价格与合约价走势
• WAIC等行业展会国产SuperPod技术方案迭代
• Google TPU/AWS Trainium等定制ASIC量产进度