云资本开支强劲，AI半导体景气展望维持积极

概览

本报告围绕全球及中国云计算资本开支、AI半导体需求和大中华区半导体供应链展开展望。核心判断是：云服务商持续加大算力投入，带动GPU、ASIC、先进制程、先进封装、HBM、存储及测试设备需求扩张；行业增长将明显向AI相关环节集中。

核心观点

报告认为AI半导体中期增长前景强劲，全球云资本开支的高增速为需求基础。TSMC凭借领先制程、逻辑密度和受限的EUV供给，仍是高端AI芯片与CoWoS供应链的关键受益者。定制芯片将继续在云服务商体系中扩张，但NVIDIA仍是HBM和高端AI计算需求的主要驱动者。中国市场则受推理需求、本土供应链能力提升及国产芯片成本优势支持。

分析框架

报告结合云服务商资本开支追踪、供应链产能与出货量、晶圆及先进封装消耗、功耗部署、芯片路线图、存储供需模型和估值比较进行自上而下与供应链交叉验证。

方法论与常识提炼

• 市场规模预测自上而下TAM预测

  AI半导体可服务市场

  根据云资本开支、算力部署和供应链数据推演AI半导体及细分芯片市场规模。

• 供应链分析产能与需求平衡

  先进封装与存储供需

  跟踪CoWoS、HBM、晶圆和存储供给扩张与客户需求，以判断瓶颈和受益环节。

• 情景分析乐观情景预测

  云端AI半导体需求

  基于供应链数据构建乐观情景，评估云端AI半导体市场的上行空间。

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

  先进制程与先进封装核心供应商

  优势

  技术路线与逻辑密度领先，先进制程、CoWoS和SoIC受AI需求驱动，具备领先制程定价能力。

  劣势

  高资本开支和产能扩张执行要求高，客户集中度较高。

  对比

  报告认为其在技术领导力和EUV供给约束下仍具显著优势；Intel EMIB具潜在大芯片支持能力，但供应链执行仍是关键。

  风险

  AI需求不及预期、先进封装扩产延迟、地缘政治及客户资本开支放缓。

• NVIDIA

  AI GPU与HBM需求核心驱动

  优势

  在AI计算与HBM消耗中占主导地位，GB200/300机柜放量带动上游晶圆及先进封装需求。

  劣势

  对高端封装、HBM和系统供应链的依赖较高。

  对比

  定制ASIC持续扩张，但报告仍将NVIDIA视为主要AI芯片需求来源。

  风险

  云服务商转向自研ASIC、供应链受限、出口管制和客户资本开支变化。

• 中国本土AI芯片供应链

  中国AI算力本土化受益方向

  优势

  推理场景中具备较低总拥有成本和单位Token成本，本土产能与系统集成能力持续提升。

  劣势

  先进制程、关键设备和高端存储供应仍可能受限制。

  对比

  与海外高端处理器相比，国产芯片在中国本地部署的性价比更具竞争力，但生态与技术成熟度仍需持续验证。

  风险

  芯片产能约束、监管与出口限制、软件生态适配及市场竞争加剧。

• 存储芯片

  AI基础设施扩张的配套受益环节

  优势

  AI存储需求支撑NAND、NOR Flash及DDR4供需改善。

  劣势

  产品价格波动大，周期属性显著。

  对比

  AI相关存储需求较传统终端需求更具韧性，但不同存储品类受益程度存在差异。

  风险

  供给扩张快于需求、现货与合约价格波动、终端需求疲弱。

关键数据

• 2026年云端AI半导体TAM乐观情景4,850亿美元基于供应链数据的乐观情景假设。
• 2030年AI半导体TAM约7,530亿美元报告预测。
• 前四大云服务商2026年第二季度资本开支同比增速87%覆盖Amazon、Google、Microsoft和Meta。
• 2027年全球云资本开支接近1.4万亿美元覆盖14家上市全球云服务商，不含主权AI。
• TSMC 2026年/2027年资本开支预测620亿美元/750亿美元报告预测。
• TSMC AI半导体收入占2026年收入比例超过30%报告预测。
• 2030年中国AI芯片TAM910亿美元报告预测。
• 2030年中国CPU TAM420亿美元报告预测。
• Agentic CPU TAM在2026至2030年的复合增速251%Morgan Stanley自上而下模型估计。

影响与含义

投资含义在于，AI资本开支上行将优先利好先进制程、CoWoS/SoIC、HBM、定制ASIC、测试设备与关键材料环节。相对而言，若剔除存储和NVIDIA AI GPU收入，非AI半导体2026年增长可能走弱，行业配置需强调AI敞口、技术壁垒和供应链议价能力。

风险

• 云服务商资本开支低于预期，或因预算、能源和监管限制而放缓。
• AI芯片、CoWoS、HBM及关键材料的产能扩张不及预期，导致交付受限。
• 非AI半导体需求走弱，可能拖累行业整体景气和供应链利用率。
• 晶圆、封测和存储成本上涨可能压缩芯片设计公司的利润率。
• 中美科技竞争、出口管制和地缘政治风险可能影响中国AI芯片供应与需求。
• 定制ASIC发展速度或竞争格局变化可能影响GPU及相关供应链的需求分配。

后续跟踪

• 主要云服务商季度资本开支、资本开支占EBITDA比例及AI基础设施部署进度。
• NVIDIA GB200/300及后续平台的机柜出货、供需与客户结构。
• TSMC先进制程、CoWoS和SoIC的月产能扩张、价格与利用率。
• HBM、NAND、NOR Flash和DDR4的供需、现货价格与合约价格变化。
• Google TPU、AWS Trainium/Inferentia、Meta等定制ASIC项目的放量节奏。
• 中国本土AI加速器的市场份额、推理Token需求、云资本开支及国产化进展。