AI上行周期基本面未转弱，亚洲科技股回调提供布局机会

概览

报告认为始于2022年末的AI驱动型科技上行周期尚未结束。尽管亚洲科技股和SOX指数经历25%至30%的调整，投资者担忧盈利下调、组件涨价造成需求破坏，以及超大规模云厂商资本开支的可持续性，但AI模型能力仍在快速演进，推理令牌消费和公有云收入持续加速，AI生态各环节单位经济性亦有所改善。报告建议在当前水平买入亚洲科技股，并将配置重点转向半导体制造设备、IC载板、先进封装和互连等下一阶段受益方向。

核心观点

第一，AI Scaling Laws仍然有效，前沿模型竞争及开源模型发展会增加训练与推理算力需求，而非削弱硬件投资。第二，公有云收入和订单积压继续增长，为云服务商维持高资本开支提供信心；即使自由现金流转负，龙头仍可利用股权和债务市场融资。第三，GPU、ASIC和存储器尚未出现周期顶部常见的库存累积，未来12个月AI芯片需求预计仍高于供应链及数据中心电力预算所能承载的供给。第四，亚洲科技盈利预测上修已从核心AI受益者扩散至模拟芯片、二线晶圆代工、晶圆和MLCC。第五，未来瓶颈可能从芯片逐步转向设备、洁净室、封装、互连及电力，投资主线将随之重新排序。

分析框架

报告采用自上而下的AI算力周期分析，并结合公有云收入及订单积压、超大规模云厂商资本开支预测、亚洲科技盈利预测修正广度、供应链库存、历史估值区间和各子行业供需结构进行交叉验证；同时依据潜在瓶颈从芯片向设备、互连和电力迁移的路径筛选重点行业与个股。

方法论与常识提炼

• 技术进步与需求分析AI Scaling Laws

  以算力投入与模型能力提升之间的经验关系判断AI训练需求的持续性。

  报告采用约增加10倍训练算力可带来约2倍智能水平提升的经验法则，并结合前沿模型数月一次的性能进步及递归式自我改进方向，判断模型演进尚未显著放缓。

• 需求代理指标公有云收入晴雨表

  以大型公有云平台收入增速近似反映AI算力消费强度。

  由于AI实验室和其他厂商的大量算力通过超大规模云平台消耗，报告使用Google、Microsoft、Amazon和Oracle的公有云收入增量及订单积压来验证推理需求和资本开支持续性。

• 科技周期判断周期顶部指标框架

  通过库存累积、需求增速放缓和供给快速追赶判断科技周期是否接近顶部。

  GPU、ASIC和存储器目前未出现显著库存堆积，需求仍在加速，供给亦未快速追上，因此传统周期顶部信号尚未亮起。

• 盈利动量分析盈利预测修正广度

  同时观察盈利预测变化方向及参与上修的产业链范围。

  盈利上修已从直接AI受益环节扩散至模拟芯片、二线晶圆代工、晶圆和MLCC，表明复苏健康度与产业链覆盖面均在改善。

• 估值分析历史市盈率区间比较

  将远期市盈率与长期历史均值及标准差区间比较。

  剔除存储器后，亚洲科技股估值约为过去10年平均远期市盈率上方1个标准差；结合利润率、回报率和产业集中度的结构性改善，报告认为估值并不过度。

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

  整体买入方向

  优势

  AI需求、盈利上修与云资本开支仍强，近期回调后估值更加合理。

  劣势

  投资者持仓拥挤，市场对组件涨价及资本开支融资风险高度敏感。

  对比

  相较此前两次超过20%的回撤，本次担忧更高，但基本面领先指标并未更弱。

  风险

  盈利预测意外下调、云服务商削减资本开支、融资成本上升及数据中心部署延迟。

• 半导体制造设备：Tokyo Electron、Advantest、ASMPT、GPTC、Chroma、Hon Precision、Naura、AMEC、ACM Research

  未来12个月最具优势的子行业

  优势

  TSMC、存储器龙头及追赶者均有提高资本开支的动力，设备和洁净室可能成为2027至2028年的新瓶颈，中国半导体国产化亦提供增量需求。

  劣势

  订单高度依赖晶圆厂资本开支兑现，行业预期上修后波动可能放大。

  对比

  相较其他亚洲科技子行业，半导体制造设备对晶圆制造扩产和先进制程投资的敞口更直接。

  风险

  资本开支推迟、出口限制、项目执行延误及供给瓶颈缓解。

• IC载板：Ibiden、Unimicron

  组件领域首选

  优势

  受益于AI加速器封装面积扩大、服务器CPU需求、EMIB-T渗透和CPO增量需求，未来两年新增产能有限且利润率仍有修复空间。

  劣势

  需求与先进封装路线、服务器投资节奏及大客户产品周期密切相关。

  对比

  在各组件子行业中供需基本面最强，且相较历史峰值仍有较大的利润率和盈利上修空间。

  风险

  封装技术路线变化、客户集中、产能扩张超预期及服务器需求放缓。

• TSMC、MediaTek

  核心半导体平台型首选

  优势

  受益于AI芯片、先进制程和边缘设备需求，TSMC资本开支还有上修潜力。

  劣势

  估值和盈利对AI需求预期、先进制程利用率及客户产品节奏较敏感。

  对比

  相较单一组件供应商，平台型企业受益面更广，但也更受整体半导体周期影响。

  风险

  AI芯片需求低于预期、客户集中、竞争及地缘政治风险。

• 互连与网络：Accton、Delta、Aspeed

  下一阶段潜在瓶颈受益方向

  优势

  AI集群利用率偏低且数据传输占用大量指令周期，将推动更高速网络、CPO、光互连和系统效率升级。

  劣势

  部分技术仍处于导入期，需求释放节奏可能落后于市场预期。

  对比

  随着算力芯片供给增加，互连的重要性有望相对纯计算环节上升。

  风险

  CPO商业化延迟、网络投资不足、技术路线更替及客户资本开支波动。

• 先进封装与测试

  结构性增长方向

  优势

  2.5D封装向CPU和边缘设备扩散，TSMC的3D封装投资周期启动，CPO与NPO带来额外增长。

  劣势

  扩产周期长、技术复杂度高，短期可能受到设备和洁净室供应约束。

  对比

  相较传统封装，先进封装具有更高价值量并直接受益于AI芯片复杂度提升。

  风险

  良率提升慢、客户产品延迟、设备交付受限及替代技术出现。

• 存储器

  基本面稳健但策略上相对谨慎

  优势

  未来2至3年供给仍明显低于需求，超过40%的回调可能支持未来6个月强劲反弹。

  劣势

  高价格已促使部分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叙事。

  对比

  相较设备和IC载板，存储器的供需数据不差，但估值上限更容易受到需求破坏担忧约束。

  风险

  客户进一步削减存储器含量、价格上涨抑制需求、周期性扩产及股价无法重返前高。

关键数据

• 近期市场回调25%至30%亚洲科技股及SOX指数近期调整幅度；本轮AI周期内已第三次出现超过20%的回撤。
• 2026年第二季度公有云新增收入约150亿美元环比新增收入接近2026年第一季度的两倍。
• 2027年主要云服务商资本开支增速预测65%在2026年超过100%的强劲增速之后，预计2027年仍保持高速增长。
• 超大规模云厂商净债务权益比约12%截至2026年第二季度，资产负债表整体仍较健康，可通过债务和股权市场补充融资。
• 亚洲科技估值较10年平均远期市盈率高约1个标准差口径剔除存储器板块，报告认为当前估值并不极端。
• AI集群模型浮点运算利用率约20%至40%部分大型集群甚至低于20%，显示提升集群效率和互连能力仍有较大空间。
• AI加速器数据传输耗时占比约50%至60%大量指令周期用于数据搬运而非原始计算，强化了高速互连和先进封装的投资逻辑。
• 存储器股近期回调超过40%低位可能支持未来6个月反弹，但报告暂不预期恢复至2026年5月高点。
• 存储器供需缺口持续期未来2至3年供给预计仍明显低于需求，但高价格可能促使客户降低存储器配置。
• 芯片瓶颈潜在切换窗口未来18至24个月至2027年下半年及2028年，数据中心部署进度和电力可得性可能取代芯片成为主要约束。

影响与含义

当前回调更像是预期重置，而非AI基本面反转。若公有云收入、模型能力和资本开支继续上修，亚洲科技股盈利修正有望扩散，设备、载板、封装、测试和互连板块可能成为下一轮上涨的主要领涨方向。投资者宜降低仅依赖组件涨价叙事的集中度，转向具备产能瓶颈、技术壁垒和结构性需求的环节；同时应对资本开支融资、电力约束及存储器内容削减带来的波动保持警惕。

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，融资需求可能加大市场波动。
• 债务或股权融资条件收紧可能迫使云服务商放缓AI基础设施建设。
• AI芯片及存储器价格过高可能引发配置削减和需求破坏。
• 开源与闭源模型竞争若未转化为更高算力消费，硬件资本开支预期可能落空。
• 数据中心建设延迟及电网或表后电力不足，可能在2027年下半年至2028年成为主要瓶颈。
• 半导体供应扩张快于需求可能导致短缺缓解、库存增加和盈利预测下调。
• 先进封装、CPO和高速互连技术的商业化速度可能低于预期。
• 重点市场和半导体供应链面临地缘政治、贸易限制及监管风险。
• J.P. Morgan与部分所讨论公司存在做市、持股、客户关系或潜在投行业务补偿等利益披露。

后续跟踪

• Software和Internet厂商披露的生成式AI、LLM及智能体工作流采用情况。
• AI应用是否从软件和编程自动化进一步扩散至金融和医疗行业。
• 前沿AI实验室在递归式自我改进及模型能力突破方面的进展。
• Google、Microsoft、Amazon和Oracle的公有云收入增量及订单积压。
• 主要云服务商2027年资本开支指引、融资安排及自由现金流变化。
• 亚洲科技盈利上修是否继续扩散至模拟芯片、二线晶圆代工、晶圆和MLCC。
• GPU、ASIC、HBM及其他关键AI组件库存是否开始异常累积。
• TSMC及主要存储器厂商资本开支是否出现实质性上修。
• 设备、洁净室、先进封装及测试产能是否成为2027至2028年的新瓶颈。
• AI集群利用率、CPO渗透、光互连需求及网络设备支出变化。
• 电力可得性和数据中心部署周期是否开始限制AI芯片实际投产。
• 存储器高价格是否促使更多客户降低HBM或DRAM配置。