AI周期基本面仍强，亚洲科技股回调提供下一轮布局机会

概览

报告认为，亚洲科技股的近期调整更多反映投资者对盈利下调、AI芯片高价造成需求破坏以及超大规模云厂商资本开支可持续性的担忧，而非基本面已经见顶。AI模型能力仍在快速演进，推理需求和公共云收入持续增长，AI生态各环节的单位经济性也在改善。与此同时，关键组件库存没有异常累积，需求仍高于供应链和数据中心电力预算所能支持的供给能力。因此，报告判断AI上行周期并未结束，未来数季更可能看到盈利预测上修扩散和资本开支进一步上调。

核心观点

第一，AI扩展定律仍然有效，多家前沿模型实验室持续竞争并推动模型能力提升，开源模型加剧竞争反而有利于科技硬件和AI算力投资。第二，AI推理令牌消耗和公共云收入增长正在加速，云厂商积压订单扩大，为高水平资本开支提供需求基础。第三，AI组件尚未出现周期顶部常见的库存堆积、需求增速骤降和供给快速追赶。第四，盈利上修正从领先环节扩散至模拟芯片、二线晶圆代工、晶圆和MLCC等领域。第五，未来12个月最看好半导体生产设备和IC载板；存储基本面稳健但估值叙事受高价导致内容量削减影响；中期瓶颈可能从芯片转向互连，之后进一步转向数据中心部署和电力。

分析框架

报告结合AI模型能力与令牌需求、公共云收入及积压订单、超大规模云厂商资本开支预测、供应链库存、盈利预测修正广度、历史估值区间和关键基础设施瓶颈进行交叉验证，并据此开展亚洲科技子行业排序和重点公司筛选。

方法论与常识提炼

• 技术进步分析AI扩展定律

  投入约10倍训练算力通常可带来约2倍智能水平提升。

  报告以模型能力能否持续随算力扩展作为AI周期延续性的核心判断，并认为多家前沿实验室竞争及递归式自我改进探索尚未显示模型演进放缓。

• 需求验证公共云收入代理指标

  以大型云平台收入增速近似衡量AI算力消费强度。

  由于AI实验室及其他厂商的大量算力通过超大规模云平台消耗，公共云收入加速和订单积压扩大可用于验证推理需求与资本开支的持续性。

• 周期分析科技周期顶部信号检查

  检查瓶颈组件库存、需求增速和供给追赶速度。

  报告未观察到GPU、ASIC或存储等关键AI组件库存异常累积，也未看到需求明显放缓或供给快速赶上的典型周期顶部信号。

• 盈利与估值分析盈利预测修正与历史估值比较

  结合盈利预测方向、上修广度及相对长期均值的估值水平评估风险回报。

  亚洲科技盈利预测上修正向更多产业环节扩散；剔除存储后，估值约处于十年平均市盈率上方一个标准差，报告认为并不过度。

• 产业链分析基础设施瓶颈迁移

  识别算力扩张过程中由芯片、互连、部署进度和电力形成的约束变化。

  报告预计2026年至2027年大部分时间芯片仍是主要瓶颈，随后互连效率的重要性提升；未来18至24个月，数据中心建设延误及电力可用性可能取代芯片成为主要约束。

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）。

• 亚洲科技股组合

  AI上行周期的核心多头配置

  优势

  AI需求增长、盈利预测持续上修、估值较回调前更合理，且产业链盈利能力和资本回报率高于以往周期。

  劣势

  持仓拥挤度较高，对资本开支、盈利预测及供应瓶颈叙事变化较敏感。

  对比

  相较近期价格表现，报告认为基本面更强，市场已过度计入短期盈利下调风险。

  风险

  云厂商削减资本开支、AI采用放缓、组件供给快速追赶或数据中心建设受阻。

• 半导体生产设备

  未来12个月最受看好的亚洲科技子行业

  优势

  晶圆厂设备支出预期可能上调，领先厂商、挑战者及中国本土半导体企业均有扩产和国产化投资动力。

  劣势

  设备订单具有周期性，并受晶圆厂建设进度、出口限制和客户资本纪律影响。

  对比

  相较其他亚洲科技子行业，资本开支上修的可见度和受益范围更强。

  风险

  晶圆厂扩产延迟、政策限制、设备和洁净室产能瓶颈以及资本开支不及预期。

• IC载板

  元器件板块中基本面最具吸引力的方向

  优势

  受益于AI加速器封装面积扩大、服务器CPU需求、EMIB-T封装渗透及CPO相关增量需求，且供给集中、未来两年新增产能有限。

  劣势

  需求较依赖高端计算和先进封装扩张，利润率恢复仍需时间。

  对比

  相较其他元器件，供需格局更紧，利润率仍低于历史峰值，盈利上修空间更大。

  风险

  先进封装渗透慢于预期、客户扩产调整或新增供给超预期。

• 存储芯片

  基本面稳健但估值叙事受损的交易性机会

  优势

  未来2至3年供给仍明显低于需求，经历超过40%的调整后具备未来六个月反弹潜力。

  劣势

  高价格正在促使部分AI加速器和CPU降低HBM或DRAM配置，削弱需求价格无弹性的市场假设。

  对比

  供需基本面不弱，但相较半导体设备和IC载板，估值上限更容易受到需求破坏担忧压制。

  风险

  客户进一步削减存储内容量、价格上涨抑制需求、供给扩张或股票无法重返前期高点。

• 高速互连、光学与先进封装

  AI集群效率提升的下一阶段受益方向

  优势

  集群利用率偏低且大量指令周期用于数据传输，推动CPO、光学连接、网络设备、3D SoIC及片上高带宽存储方案采用。

  劣势

  部分技术仍处导入阶段，商业化时间和技术路线存在不确定性。

  对比

  随着纯算力扩张受到电力和芯片供应约束，互连优化相较继续堆叠芯片可能具有更高的边际效率。

  风险

  技术导入延迟、标准路线变化、资本开支转向或集群效率通过软件算法改善而降低硬件增量需求。

• 数据中心电力与部署基础设施

  2027年下半年至2028年可能接替芯片成为主要瓶颈

  优势

  AI算力扩张对电网侧和表后电源、冷却、配电及数据中心建设形成长期需求。

  劣势

  项目周期长，受审批、并网、设备交付和建设进度制约。

  对比

  短期芯片仍是主要约束，但未来18至24个月电力和数据中心交付能力的重要性可能超过半导体供给。

  风险

  建设延误可能反过来压低AI芯片部署和云收入兑现速度。

关键数据

• 本轮回撤次数第三次超过20%的回撤指2022年末开始的AI上行周期内亚洲科技股和SOX指数的显著调整。
• 近期市场调整约25%至30%报告认为该幅度已反映较高概率的近期盈利下调或资本开支削减预期。
• 第二季度公共云增量收入约150亿美元较2026年第一季度接近翻倍，显示AI算力消费仍在加速。
• 2027年超大规模云厂商资本开支增速65%J.P.Morgan汇总预测；2026年增速超过100%。
• 超大规模云厂商净负债权益比约12%截至2026年第二季度，报告据此判断其资产负债表整体仍较健康。
• AI集群模型浮点利用率通常为20%至40%较低利用率意味着互连、数据传输和集群效率仍有显著改善空间。
• 亚洲科技估值较十年平均市盈率高约一个标准差口径剔除存储板块；报告认为调整后估值并不过度。
• 存储供需缺口持续期未来2至3年基本面仍紧张，但高价格可能推动客户降低存储配置量。
• 存储股近期调整超过40%报告预计未来六个月可能显著反弹，但暂不认为能够重返2026年5月高点。
• 潜在瓶颈切换窗口未来18至24个月芯片约束可能逐渐让位于数据中心部署进度和电力可用性约束。

影响与含义

当前回调为亚洲科技股提供重新配置机会，但下一阶段收益可能从单纯依赖涨价和稀缺性的硬件叙事，转向拥有资本开支上修、供给集中、先进封装扩张或效率提升驱动的环节。半导体生产设备、IC载板、先进封装测试及互连受益方向更明确；存储虽然供需紧张，但高价格造成的配置削减使其估值弹性弱于其他受益板块。中长期还需提前评估电力和数据中心交付能力对芯片需求兑现节奏的约束。

风险

• 超大规模云厂商自由现金流在2026年下半年及2027年转负，债务和股权融资需求可能加大市场波动。
• AI资本开支或推理需求若低于预期，将削弱盈利预测上修和供应链订单。
• 高价AI芯片及存储可能引发客户降低配置、延后采购或采用成本更低的替代方案。
• 半导体供给快速扩张可能使芯片短缺提前缓解，压低价格和利润率。
• 数据中心建设延误、电网接入和电力供应不足可能在2027年下半年以后限制算力部署。
• 模型能力提升、递归式自我改进或生成式AI在金融、医疗等行业的采用速度可能低于预期。
• 亚洲科技股持仓拥挤，宏观环境、融资成本或市场风险偏好变化可能放大估值波动。
• 半导体设备及中国本土化供应链可能受到政策、贸易和出口管制变化影响。

后续跟踪

• 软件和互联网公司披露的生成式AI、LLM及智能体工作流采用率与变现进展。
• 生成式AI是否从软件和编程自动化进一步扩展至金融、医疗等行业。
• 前沿模型实验室在模型能力、推理效率及递归式自我改进方面的进展。
• 2027年超大规模云厂商资本开支指引、融资安排及自由现金流变化。
• 公共云收入增速、增量收入和订单积压是否继续扩大。
• 亚洲科技盈利预测上修的幅度及其向模拟芯片、二线晶圆代工、晶圆和MLCC扩散的广度。
• GPU、ASIC、HBM及其他关键AI组件库存是否开始异常累积。
• TSMC、主要存储厂商及中国半导体企业的资本开支和设备订单上修情况。
• AI加速器和CPU的HBM、DRAM配置是否因成本上升继续下调。
• AI集群利用率、CPO和先进封装渗透率，以及电力和数据中心交付瓶颈的变化。