AI半导体景气延续，TSMC先进制程与CoWoS仍是核心瓶颈资产

概览

本报告是Morgan Stanley对大中华区半导体行业的AI半导体展望、TSMC业绩预览和CoWoS供需更新。报告主线包括TSMC 2Q26业绩与3Q26指引、先进制程价格与产能、CoWoS和SoIC扩产、云端AI资本开支、AI GPU与ASIC需求、HBM和存储供需、中国AI GPU市场以及CPO和测试设备机会。整体结论偏积极：AI相关需求仍是半导体周期最强驱动，TSMC处于先进制程和先进封装供给瓶颈中心。

核心观点

报告核心观点包括：第一，TSMC仍是先进逻辑制程和先进封装的关键受益者，受益于技术领先、EUV供应紧张、N2/N3需求强劲和CoWoS扩产；第二，云端AI资本开支仍然强劲，AI半导体市场空间有望在2030年达到约US$753bn；第三，NVIDIA仍将消耗大部分AI晶圆、CoWoS和HBM资源，但CSP自研ASIC如Google TPU、AWS Trainium/Inferentia、Meta MTIA等也会继续放量；第四，中国AI计算需求受DeepSeek等推理应用、云厂商和电信运营商需求推动，国产AI加速器凭借成本优势提升竞争力；第五，存储、测试设备、CPO、ABF基板和先进封装是AI半导体扩张中的关键配套瓶颈。

分析框架

报告采用自上而下TAM测算与自下而上供应链跟踪相结合的方法：从全球云资本开支、AI训练和推理需求、机柜功耗与部署规模推导AI芯片需求，再结合TSMC制程、CoWoS、SoIC、HBM、ASIC项目、CSP芯片路线图和中国AI加速器订单进行交叉验证。

方法论与常识提炼

• 行业景气分析TAM与供应链自下而上测算

  通过云资本开支、芯片出货、机柜功耗、晶圆和封装需求估算AI半导体市场规模。

  报告将全球CSP资本开支、NVIDIA与CSP自研芯片规划、CoWoS/SoIC/HBM消耗和TSMC产能计划结合，用于判断AI半导体长期收入空间和供应瓶颈。

• 公司竞争力分析先进制程与封装技术路线图比较

  比较TSMC、Intel和Samsung在逻辑密度、制程节点、CoWoS与EMIB等封装方案上的竞争位置。

  报告认为TSMC在技术路线图、逻辑密度和生态执行力上仍领先，Intel EMIB具备大封装潜力但依赖供应链执行。

• 需求分解AI GPU、ASIC与CPU orchestration分层需求

  将AI半导体需求拆分为通用AI GPU、自研ASIC、AI服务器CPU、HBM、CoWoS和测试等环节。

  报告强调AI从推理走向行动和多工具调用后，CPU orchestration、AI GPU和自研ASIC需求均可能上修。

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

  核心受益者

  优势

  先进制程、逻辑密度、EUV资源和CoWoS/SoIC先进封装能力领先，AI半导体收入占比有望提升。

  劣势

  资本开支强度高，扩产执行和客户需求节奏对利润率有影响。

  对比

  相对Intel和Samsung，报告认为TSMC在技术路线图和逻辑密度上仍保持领先。

  风险

  AI需求低于预期、EUV或先进封装扩产不及预期、价格上调影响客户需求弹性。

• AI GPU供应链

  强需求驱动

  优势

  NVIDIA相关GPU、GB200/300、Rubin等平台继续拉动晶圆、CoWoS、HBM和测试需求。

  劣势

  供应链高度集中，依赖少数客户和平台周期。

  对比

  相对自研ASIC，通用AI GPU仍是主要算力供给，但CSP定制芯片需求持续增加。

  风险

  云资本开支放缓、功耗和电力限制、出口管制与供应瓶颈。

• AI ASIC与CSP自研芯片

  增量机会

  优势

  Google TPU、AWS Trainium/Inferentia、Meta MTIA等项目扩张，CSP仍需要定制芯片以优化成本和特定工作负载。

  劣势

  量产节奏受ABF基板、先进封装和客户项目进度影响。

  对比

  相对NVIDIA GPU，自研ASIC在特定推理或云内工作负载中可能具备成本优势。

  风险

  设计迭代失败、生态不成熟、供应链交付低于预期。

• HBM与存储

  AI算力配套瓶颈

  优势

  报告预计NVIDIA在2027e仍消耗大部分HBM供给，AI存储需求也可能导致NAND和NOR紧张。

  劣势

  存储价格和供需周期波动明显。

  对比

  HBM相对传统DRAM更直接受益于AI加速器需求。

  风险

  新增供给释放快于需求、客户规格变化、DDR4现货价格受限。

• 中国AI加速器

  国产替代与推理需求受益

  优势

  中国AI芯片TAM预计增长至US$91bn，国产芯片在中国推理场景中具备较低TCO和较强每美元性能。

  劣势

  先进制程和高端供应链仍受限制。

  对比

  相对NVIDIA处理器，国产芯片在中国市场可能以价格和本地化供应取胜，但高端性能和生态仍有差距。

  风险

  监管限制、产能瓶颈、客户订单兑现不确定、技术迭代速度不足。

关键数据

• TSMC 2026e资本开支US$56bn报告对TSMC 2026e资本开支的估计。
• TSMC 2027e资本开支US$75bn报告认为TSMC 2027年资本开支跟踪至US$75bn。
• TSMC领先制程涨价潜力5%-10% in 2027报告认为TSMC可通过涨价体现其对客户的价值。
• TSMC 2nm产能增长70% CAGR from 2026-2028eTSMC指引N2产能在2026-2028e实现高增长。
• AI半导体TAM~US$753bn by 2030报告预计AI半导体TAM到2030年达到约US$753bn。
• 全球半导体市场规模US$1.5tn by 2030报告认为全球半导体行业市场到2030年可能达到US$1.5tn，其中AI半导体贡献约一半。
• Top 4 CSP资本开支增速+95% Y/Y in 1Q26CYAmazon、Google、Microsoft和Meta资本开支同比大幅增长。
• Top 14上市全球CSP云资本开支nearly US$1.3tn in 2027Morgan Stanley云资本开支追踪估计，不包括主权AI。
• Orchestration CPU TAM基础情景US$79bn by 2030报告将基础情景从US$60bn上调至US$79bn。
• Orchestration CPU TAM牛市情景US$238bn by 2030自上而下牛市情景估计。
• 中国AI芯片TAMUS$91bn by 2030报告预计中国AI芯片市场规模到2030年增长至US$91bn。
• 测试设备市场增速35% CAGR during 2024-27eAI/HPC测试需求带动测试设备和组件扩张。

影响与含义

投资含义上，报告强化了AI半导体链条的结构性景气：TSMC、先进封装、HBM、测试、ASIC设计服务、CPO和中国国产AI加速器均可能受益。与此同时，非AI半导体需求在2026年可能疲弱，晶圆、OSAT和存储成本上升也可能压缩芯片设计公司的利润率，因此配置应更偏向具备瓶颈供给、技术领先或明确AI订单弹性的环节。

风险

• 云资本开支或AI训练/推理需求低于预期。
• TSMC先进制程、CoWoS或SoIC扩产不及预期。
• AI半导体供应链因EUV、HBM、ABF基板、T-Glass、测试设备或电力限制出现瓶颈。
• 非AI半导体需求疲弱和芯片成本上升压缩设计公司利润率。
• 中国AI芯片受出口管制、先进制程产能和监管环境影响。
• CSP自研ASIC项目量产节奏或性能不达预期。

后续跟踪

• TSMC 2Q26实际业绩、3Q26指引和2026/2027资本开支更新。
• TSMC N2、N3、A16、A14等先进制程产能扩张和客户需求结构。
• CoWoS扩产是否接近2027年200kwpm目标，以及SoIC产能规划。
• NVIDIA GB200/300、Rubin、Vera CPU和AI PC RTX Spark/N1X的供应与需求节奏。
• Google TPU、AWS Trainium/Inferentia、Meta MTIA等CSP自研ASIC出货预测变化。
• HBM、NAND、NOR、DDR4供需和价格趋势。
• 中国AI GPU/加速器订单、TCO、TPS性能和云厂商推理需求。
• CPO、PIC、测试设备、测试socket和FOCI等光通信/测试链条订单。