AI半导体长牛：云资本开支强劲，中国芯片崛起

概览

本报告深入分析了全球AI基础设施建设的现状与未来趋势，涵盖CPU、GPU、ASIC、光模块及中国芯片产业链。摩根士丹利认为，尽管面临技术通胀和AI对非AI需求的挤出效应，但云服务商强劲的资本开支将推动AI半导体市场持续高增长。报告预测到2030年全球半导体市场规模将达到1.5万亿美元，其中AI半导体将占据一半份额。同时，报告特别关注了中国在AI芯片领域的自主化进程，认为DeepSeek等模型的出现正在触发推理侧需求，且本土代工供应链正逐步具备生产AI GPU的能力。

核心观点

云资本开支与AI半导体需求强劲 研报指出，2026年全球前十大上市云服务商的资本开支预计将达到约6850亿美元，远高于此前预期。其中，AI服务器相关的资本开支占比显著上升。在这种背景下，云端AI半导体总潜在市场（TAM）预计在2025年达到2350亿美元。NVIDIA仍是最大的受益者，占据了AI计算晶圆消耗的大部分份额，但AMD、Broadcom以及各大云厂商自研的ASIC（如Google TPU、AWS Trainium）也在快速扩张。 先进封装产能瓶颈缓解与技术演进 为满足激增的需求，台积电正在大幅扩充CoWoS产能，预计到2027年将从目前的水平翻倍以上，达到16.5万片/月。此外，SoIC（系统整合芯片）将成为未来的关键增长点，预计其产能将在2028年达到7.8万片/月。报告强调，随着AI从推理向行动（Agentic AI）演进，集群层面的CPU:GPU强度将上升，这为CPU带来了新的增长机会。同时，封装尺寸变大已成为行业趋势，以容纳更多的计算核心和内存。 存储市场的结构性短缺 AI数据存储需求导致NAND闪存出现短缺，研报预计这一状况将持续到2026年。同时，NOR Flash也面临供应不足。在DRAM方面，DDR4的短缺预计将持续到2026年下半年，尽管现货价格可能受到抑制。HBM（高带宽内存）需求预计将在2026年达到320亿Gb，主要由NVIDIA、Google和AMD驱动。 中国AI芯片的崛起与供应链重构 报告特别提到，DeepSeek展示了更便宜的推理成本，从而触发了中国本土的推理AI需求。中国AI GPU市场预计将以惊人的速度增长，到2030年TAM可达670亿美元。尽管面临美国出口管制，但中国通过扩大先进节点产能、优化封装技术（如Chiplet）以及构建大规模集群来弥补单芯片性能的差距。寒武纪、海光信息（Iluvatar）、摩尔线程（MetaX）等被视为主要的国内参与者，其中寒武纪因在推理性能和客户锚定方面的优势被给予超配评级。 细分领域优选标的 在个股选择上，研报偏好具有AI敞口和技术壁垒的公司。 - 代工与设计服务：首选台积电（TSMC）、联发科（MediaTek，顶级首选）、中芯国际（SMIC）。联发科因其在边缘AI和ASIC设计服务上的潜力被看好。 - 存储：策略转向精选，首选旺宏电子（Macronix），因其估值合理且受益于NOR Flash短缺。 - 中国AI/半导体：看好寒武纪、海光信息、北方华创（NAURA Tech）、中微公司（AMEC）。 - 测试设备与耗材：受益于AI芯片测试时间延长和复杂度增加，首选WinWay、MPI、鸿海精密（Hon Precision）。 - 功率半导体：偏好碳化硅（SiC）而非氮化镓（GaN），首选天岳先进（SICC）。

分析框架

供需框架与产业链传导分析 研报采用了经典的半导体供需分析框架，首先从下游云服务商（CSP）的资本开支（Capex）入手，自上而下推导对上游服务器、芯片（GPU/ASIC/CPU）及零部件（HBM/封装/光模块）的需求。通过跟踪主要CSP的预算分配和技术路线图（如NVIDIA GB200/300机架出货计划），量化了对台积电CoWoS产能和HBM的具体需求。 技术路径与竞争格局对比 报告详细对比了不同技术路径的优劣，例如TSMC CoWoS与Intel EMIB的竞争，以及通用GPU与定制ASIC在不同应用场景下的经济性。同时，通过对比中美在AI芯片、系统和基础设施九个维度的差异，分析了中国如何通过“堆料”（更多芯片、更大集群、更多产能）来缩小单点技术差距的策略。 估值与催化剂结合 在选股逻辑上，结合了相对估值（P/E, P/B）与业务催化剂（如产能扩张进度、新产品发布、国产替代加速）。对于中国半导体公司，特别强调了地缘政治背景下的供应链安全和本土化率提升带来的额外增长动力。

方法论与常识提炼

• 行业/产业分析框架供需框架

  通过分析下游云厂商资本开支推导上游芯片需求

  研报从宏观的云资本开支数据出发，层层拆解至具体的AI服务器、GPU/ASIC芯片乃至晶圆和封装产能需求，这是典型的自上而下供需分析，帮助读者理解行业景气的源头。

• 行业/产业分析框架产业链上中下游传导

  AI基础设施价值链传导

  报告梳理了从CSP（云服务商）到服务器组装，再到芯片设计、制造、封装测试及原材料的完整价值链，明确了各环节在AI浪潮中的受益顺序和弹性大小。

• 竞争与战略框架护城河/竞争优势

  台积电先进封装的技术壁垒

  研报强调台积电在CoWoS和SoIC等先进封装领域的领先地位和产能独占性，将其视为核心竞争优势（护城河），解释了为何在AI芯片短缺时台积电拥有极强的议价能力。

• 周期与景气框架库存周期（基钦）

  半导体库存水位与价格弹性

  报告提及了半导体供应链的库存天数变化以及由此引发的价格弹性（Tech Inflation），指出在需求旺盛时，晶圆和封测成本的上升会挤压芯片设计公司的利润率，这是判断行业周期位置的重要指标。

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）。

• 台积电 (TSM)

  核心受益者：AI芯片制造与先进封装（CoWoS/SoIC）的绝对龙头

  优势

  技术领先，产能独占性强，定价权高

  劣势

  地缘政治风险，资本开支巨大

  对比

  相比三星和英特尔，在良率和客户信任度上具有显著优势

  风险

  全球宏观经济衰退导致非AI需求疲软

• 联发科 (2454.TW)

  顶级首选：受益于边缘AI及ASIC设计服务增长

  优势

  在手机SoC领域的稳固地位，积极拓展AIoT和汽车芯片

  劣势

  高端市场竞争激烈

  对比

  相比高通，在性价比和中端市场更具优势

  风险

  智能手机市场复苏不及预期

• 寒武纪 (688256.SS)

  中国AI芯片龙头：受益于本土算力需求爆发

  优势

  在推理性能上有优势，客户粘性强

  劣势

  持续亏损，依赖政府补贴和生态建设

  对比

  国内少数能提供全栈式AI芯片解决方案的公司

  风险

  美国制裁加剧，供应链断裂风险

• WinWay (6515.TW)

  测试插座龙头：受益于AI芯片测试复杂度提升

  优势

  垂直整合策略，探针卡与插座协同效应

  劣势

  客户集中度高

  对比

  在高端测试接口领域具有技术壁垒

  风险

  半导体测试资本开支周期波动

• 天岳先进 (SICC, 688234.SS)

  碳化硅衬底：受益于电动车及能源基础设施需求

  优势

  市场份额提升，产能扩张迅速

  劣势

  行业竞争加剧导致价格压力

  对比

  相比 Wolfspeed 等国际巨头，具有成本和交付优势

  风险

  技术迭代风险，下游电动车销量放缓

关键数据

• 2030年全球半导体市场规模预测1.5万亿美元其中AI半导体预计占50%
• 2026年全球前十大CSP资本开支~6850亿美元摩根士丹利预测值，高于市场共识
• 2025年云端AI半导体TAM2350亿美元牛市假设下的预测
• 台积电CoWoS产能预测 (2027年)16.5万片/月较当前水平大幅扩张
• 2026年HBM总需求320亿Gb主要由NVIDIA (58%) 和 Google (24%) 驱动
• 2030年中国AI GPU TAM670亿美元反映本土算力需求的快速增长

影响与含义

对全球半导体巨头而言，AI不仅是短期业绩驱动力，更是长期估值重塑的核心。台积电凭借先进封装的垄断地位，其AI相关收入占比有望在2029年达到60%。对于存储厂商，HBM和高端NAND的短缺将维持较高的盈利水平，但需警惕周期性波动。对中国半导体产业来说，外部限制反而加速了本土供应链的成熟，特别是在成熟制程、封装测试以及特定AI推理芯片领域，国内企业有望获得更大的市场份额和政策支持。投资者应关注那些能够进入全球AI供应链或在中国本土替代进程中占据主导地位的公司。

风险

• 技术通胀：晶圆、封测和内存成本上升可能挤压芯片设计公司的利润率。
• AI挤出效应：资源优先供给AI芯片，可能导致非AI芯片（如传统MCU、模拟芯片）供应短缺或需求被抑制。
• 地缘政治与出口管制：美国对华半导体出口限制的进一步收紧可能影响中国AI芯片的发展及全球供应链稳定。
• 能源瓶颈：AI数据中心的高能耗可能在美国等地遭遇电力供应限制，制约部署速度。
• 监管风险：全球范围内对AI技术的监管政策不确定性。

后续跟踪

• 台积电CoWoS和SoIC产能的实际扩充进度及利用率。
• 主要云服务商（Microsoft, Amazon, Google, Meta）的AI资本开支指引变化。
• NVIDIA GB200/300系列机架的出货节奏及良率情况。
• 中国本土AI大模型（如DeepSeek后续版本）的推理成本下降及对硬件需求的拉动。
• HBM3e及HBM4的供应紧缺程度及价格走势。