AI资本开支、定制ASIC与中国本土算力共同支撑强劲半导体展望

概览

报告从全球云端资本开支和AI芯片总需求出发，依次分析GPU与定制ASIC、TSMC先进制程和CoWoS、HBM及传统存储、中国本土AI算力，以及后量子密码迁移。核心结论是AI仍是半导体行业最强增长引擎，但非AI芯片、成本通胀和算力基础设施瓶颈使行业内部表现明显分化。

核心观点

报告首先以云端资本开支验证AI半导体需求的持续性。全球半导体市场到2030年预计可达US$1.5tn，其中AI半导体贡献约一半；AI半导体TAM预计到2030年约为US$753bn，而供应链数据驱动的2026年云端AI半导体牛市情景为US$485bn。Amazon、Google、Microsoft和Meta四大CSP在2026年第二季度的资本开支同比增长87%，资本开支与EBITDA之比已超过70%；对全球前14家上市CSP的追踪显示，2027年云端资本开支接近US$1.4tn，且尚未计入主权AI。报告认为，这一投入规模继续拉动GPU、ASIC、服务器CPU、先进封装、HBM和测试需求，但预算约束也正在变得更重要。 在AI基础设施供应链中，报告预计2027年AI计算晶圆消耗金额可超过US$46bn，NVIDIA仍占大多数；同期HBM消耗量最高可达48bn Gb，且NVIDIA仍是最主要的需求方。TSMC在2025年估计生产了5.1mn颗相关芯片，全年GB200 NVL72机架出货预计达到30k。基于各厂商已宣布的电力部署、单机架功耗和芯片数量，报告推导CoWoS及2/3nm晶圆需求，并认为持续强劲的AI需求可能推动TSMC在2027年将CoWoS产能扩至200kwpm。供需传导意味着先进制程、先进封装、HBM、I/O和测试环节将共同受益，而ABF载板等配套供应可能限制部分AI芯片的放量。 TSMC是这一增长逻辑的主要承载者。报告指出，TSMC的N2客户需求仍然强劲，公司给出的产能路径意味着2026—2028年N2产能复合增长率约70%；N5产能预计在2027年下降，N3则继续增加，与报告的需求预测一致。成熟及特殊制程产能预计在2024—2029年保持7%的复合增长。AI半导体收入预计在2026年占TSMC收入超过30%，并带来收入结构与利润率改善。先进封装方面，TSMC CoWoS最多可支持约9.5倍光罩面积或每片晶圆四颗芯片；Intel EMIB若供应链执行顺利，可较容易支持超过12倍光罩面积的大型芯片，因此两种技术在超大型封装上的可扩展性和量产执行是竞争关键。 除通用GPU外，报告强调CSP仍需要定制芯片。原因是不同云平台需要围绕训练、推理、成本、功耗和自身软件栈优化，即使NVIDIA GPU性能强大，也不会消除ASIC需求。AWS Trainium的预测显示，Alchip确认的Trainium收入可能从2026年的US$1.8bn升至2027年的US$2.8bn，并在Trainium4推动下于2028年达到US$8bn；届时Trainium收入约占Alchip预计US$9.8bn总收入的82%。Google TPU方面，报告预测总出货量由2026年的3.7mn颗增至2027年的7.35mn颗，2028年仍超过6.5mn颗。即使采用客户自有工具模式，报告仍认为MediaTek至少可负责TPU v10的封装和I/O die，其TPU收入预计为2027年US$13.5bn、2028年US$43.5bn及2029年US$70bn。KYEC则受益于AI GPU、TPU和CPU测试量共同增长。 CPU也是新的增长分支。NVIDIA Vera采用未拆分至多个chiplet的CPU核心设计，有利于更快的核心间连接，报告估计其性能可达到最高性能x86 CPU的1.8倍。在摩根士丹利自上而下模型中，Agentic CPU TAM预计从F26到F30以251%的复合增长率扩张，牛市情景对应US$238bn的CPU编排市场。该判断建立在智能体工作负载需要更强CPU调度、数据准备和系统编排能力之上，而非仅增加GPU数量。 传统半导体周期与AI景气并不同步。报告预计逻辑晶圆代工利用率可在2026年下半年达到80%，且历史上库存天数下降通常伴随半导体股票指数上升；但剔除存储和NVIDIA AI GPU收入后，非AI半导体在2026年的增长预计下降。晶圆、封测和存储成本上涨形成“芯片通胀”，价格弹性可能压制科技产品需求，并给芯片设计公司2026年的利润率带来压力。与此同时，供应链优先满足AI半导体，使T-Glass和存储等资源对非AI产品形成挤占。 存储方面，AI存储需求预计造成NAND短缺，NOR Flash供不应求可能延续至2026年；DDR4短缺预计持续到2026年下半年，但现货价格的上涨空间受到限制。报告通过晶圆现货价、模组价格及季度供需拆分判断缺口，并将AI服务器带来的容量需求与供应退出或产能转移结合起来分析。其含义是存储景气改善并非全面一致：不同品类的缺口持续时间、现货与合约价差，以及供应商新增供给速度仍决定盈利兑现程度。 中国AI算力构成另一条独立增长主线。DeepSeek展示了更低成本的推理能力，报告认为这将激发推理需求；字节跳动火山引擎/豆包token用量激增也被视为需求旺盛的证据。本土晶圆代工和AI GPU供应链的能力正在提高，报告预计中国AI芯片TAM到2030年增至US$91bn。对大模型推理经济性的比较显示，中国本土芯片拥有更低总体拥有成本，并能实现与NVIDIA处理器相近的单token成本；由于售价显著较低，其单位成本性能更强。基础设施层面的集群化也缩小了市场感知的技术差距：华为在2026年WAIC展示的Atlas 950 SuperPod可扩展至1,024颗Ascend 950DT NPU，并采用混合铜缆与光互连及最高256TB池化内存。报告还预计中国CPU TAM到2030年达到US$42bn，Hygon在中国服务器CPU市场的份额到2028年可达18%。 量子安全部分关注从现有非对称密码向后量子密码迁移。报告指出，各国政府已建立PQC迁移路线图，主要经济体大体向NIST标准靠拢，不同地区进度存在差异，2030年是关键拐点。由于非对称加密广泛用于现代电子系统，迁移影响从芯片、设备到不同连接层；硬件安全是量子供应链的基础，PUF可为设备提供硬件根信任。报告估计PUF TAM到2030年约为US$310mn，并以全球半导体及PUF IP相关公司的2027年市盈率和eMemory的历史市盈率区间观察相关资产估值。 报告的行业定位总体积极，但内部选择分化明显。MediaTek被列为AI方向Top Pick，AI方向重点公司还包括TSMC、SMIC、Aspeed、Alchip、KYEC、ASE、FOCI、ASMPT、AllRing和GUC；存储方向将AP Memory列为Top Pick，并关注Macronix、Nanya Tech、Winbond和GigaDevice。中国AI/半导体/设备方向列出Iluvatar、Cambricon、Hygon、NAURA Tech和AMEC，测试设备与耗材方向列出WinWay、MPI、Hon Hai Precision和Gudeng，成熟制程方向列出UMC。Hygon另被明确标为OW；OmniVision、Phison、MetaX、Realtek和GlobalWafers被列为EW，WIN Semi、Silergy和ASMedia被列为UW。

分析框架

报告先用CSP资本开支、电力部署和机架数量估算AI算力需求，再把需求拆解为GPU/ASIC数量、晶圆、先进制程、CoWoS、HBM及测试用量；随后以公司项目和客户世代路线预测Alchip、MediaTek、TSMC等公司的收入暴露。对中国市场则结合token需求、芯片价格、总体拥有成本、单token成本和SuperPod系统能力评估本土替代。量子安全部分依据各地区PQC迁移时间表、连接层级及硬件根信任需求估算PUF市场，并用市盈率比较相关资产。

方法论与常识提炼

• 行业/产业分析框架供需框架

  AI芯片、CoWoS、HBM、NAND、NOR及DDR4供需模型

  报告将终端算力需求转换为芯片、晶圆、封装和存储消耗，再与各环节产能及供应增长比较，以判断短缺、利用率和价格方向。

• 行业/产业分析框架产业链上中下游传导

  云端资本开支向半导体供应链传导

  报告从CSP资本开支和数据中心电力部署出发，依次推导机架、GPU与ASIC、先进制程晶圆、CoWoS、HBM、I/O及测试需求。

• 行业/产业分析框架量价拆分

  ASIC项目出货量与单颗ASP收入拆分

  Alchip和MediaTek的收入预测由各代Trainium或TPU的出货量乘以可确认的单颗ASP形成，从而展示客户项目对公司收入的贡献。

• 估值方法PE/PEG 估值

  市盈率横向比较与历史区间

  报告比较晶圆代工、封测、存储、IDM、设备、无晶圆设计等公司的估值，并用2027年市盈率及eMemory历史市盈率区间观察量子安全相关资产。

• 周期与景气框架库存周期（基钦）

  库存天数与行业景气关系

  报告跟踪2026年第一季度供应链库存天数，并指出历史上库存天数下降通常与半导体股票指数上升同时出现。

• 竞争与战略框架价值链分析

  GPU、ASIC、晶圆代工、封装、存储、测试与系统集成价值链

  报告识别各公司在AI芯片设计、I/O die、晶圆制造、先进封装、HBM、测试和SuperPod系统中的职责，以判断收入归属和受益环节。

• （词表外方法）

  总体拥有成本与单token成本比较

  报告把芯片价格、系统投入和推理产出结合起来，比较中国本土芯片与NVIDIA处理器的推理经济性，而不只比较峰值性能。

• （词表外方法）

  电力部署反推芯片与晶圆需求

  报告利用已宣布的电力规模、机架功耗、项目生命周期和每机架芯片数量，推导GPU/ASIC数量以及CoWoS和2/3nm晶圆需求。

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）。

• MediaTek

  被列为AI方向Top Pick，报告预计其TPU收入在2029年可达US$70bn。

  优势

  预计至少承担TPU v10的封装和I/O die，并参与多个后续TPU世代。

  劣势

  收入兑现依赖Google TPU项目规模及其在客户自有工具模式下可确认的价值份额。

  对比

  与纯GPU路线不同，MediaTek的机会来自CSP定制ASIC及先进封装价值。

  风险

  项目出货、量产执行或可确认ASP低于报告假设。

• TSMC

  AI GPU、ASIC、先进制程和CoWoS需求的核心制造承载者，列入AI方向重点公司。

  优势

  N2需求强劲，N3产能继续增加；AI半导体预计占2026年收入超过30%。

  劣势

  N5产能预计在2027年下降，扩产需要与快速增长的AI需求匹配。

  对比

  CoWoS最多支持约9.5倍光罩面积，而Intel EMIB在执行顺利时可支持超过12倍光罩面积。

  风险

  CoWoS、先进制程及配套材料扩产不及需求，或客户资本开支放缓。

• Alchip

  受益于AWS Trainium定制AI芯片，列入AI方向重点公司。

  优势

  Trainium收入预计由2026年US$1.8bn升至2028年US$8bn。

  劣势

  2028年Trainium收入预计占总收入82%，客户和项目集中度较高。

  对比

  其增长主要来自AWS Trainium，而MediaTek的主要增量来自Google TPU。

  风险

  Trainium4出货、ASP确认或客户部署进度低于假设。

• KYEC

  受益于AI GPU、TPU和CPU增长带来的芯片测试需求，列入AI方向重点公司。

  优势

  需求来源覆盖通用GPU、定制ASIC与服务器CPU。

  对比

  相较单一芯片设计公司，其收入关联位于多类AI芯片共同需要的测试环节。

  风险

  AI芯片出货放缓或测试需求释放晚于预期。

• AP Memory

  被列为存储方向Top Pick，并出现在Intel EMIB相关先进封装技术讨论中。

  优势

  同时具备存储与先进封装相关技术暴露。

  对比

  报告将其与Macronix、Nanya Tech、Winbond及GigaDevice共同纳入存储重点名单。

  风险

  存储供需改善或先进封装项目兑现不及预期。

• Hygon

  被明确评为OW，受益于中国CPU及一体化CPU+GPU算力平台扩张。

  优势

  报告预计其中国服务器CPU市场份额在2028年达到18%。

  劣势

  增长依赖中国服务器和本土算力建设。

  对比

  报告将Hygon定位为CPU+GPU一体化平台，而其他本土厂商更多聚焦AI加速器。

  风险

  中国芯片产能、监管及算力建设进度约束。

• Cambricon、MetaX、Iluvatar

  均处于中国AI加速器与本土算力扩张主题，Cambricon和Iluvatar列入中国AI/半导体/WFE重点名单。

  优势

  本土芯片价格较低，报告认为其总体拥有成本及单位成本性能具有竞争力。

  劣势

  先进芯片产能仍是中国AI增长限制之一。

  对比

  报告对Cambricon、MetaX和Iluvatar进行横向比较；MetaX被列为EW。

  风险

  芯片产能、生态成熟度、监管及项目执行风险。

• OmniVision、Phison、MetaX、Realtek、GlobalWafers

  报告将这些公司列为EW。

  劣势

  相较报告的Top Pick及重点受益公司，方向性评级更中性。

  对比

  统一为EW定位。

  风险

  各公司具体风险未在所提供研究正文中完整展开。

• WIN Semi、Silergy、ASMedia

  报告将这些公司列为UW。

  劣势

  报告给予低于权重的方向性定位。

  对比

  相较行业Attractive观点及AI方向重点公司，其评级更谨慎。

  风险

  各公司具体风险未在所提供研究正文中完整展开。

关键数据

• 2030年全球半导体市场规模US$1.5tn报告预计AI半导体贡献约一半。
• 2030年全球AI半导体TAM约US$753bn报告的长期市场规模预测。
• 2026年云端AI半导体TAM牛市情景US$485bn基于供应链数据推导。
• 前四大CSP资本开支增速2026年第二季度同比增长87%涵盖Amazon、Google、Microsoft和Meta。
• CSP资本开支与EBITDA之比超过70%显示AI基础设施投入强度处于高位。
• 2027年全球云端资本开支接近US$1.4tn覆盖前14家上市全球CSP，不含主权AI。
• 2027年AI计算晶圆消耗超过US$46bnNVIDIA预计占大多数。
• 2027年HBM消耗量最高48bn GbNVIDIA仍消耗大部分供应。
• TSMC N2产能增速2026—2028年复合增长70%基于TSMC给出的产能路径。
• TSMC AI半导体收入占比2026年超过30%占公司预计收入的比例。
• Alchip Trainium收入2028年US$8bn约占其预计US$9.8bn总收入的82%。
• MediaTek TPU收入2027年US$13.5bn；2028年US$43.5bn；2029年US$70bn即使采用客户自有工具模式，报告仍预计MediaTek承担部分封装与I/O die工作。
• Agentic CPU TAM增速F26—F30复合增长251%摩根士丹利自上而下模型；牛市情景为US$238bn。
• 中国AI芯片TAM2030年US$91bn由云服务商、电信运营商、主权及国企等需求推动。
• 中国CPU TAM2030年US$42bnHygon在中国服务器CPU市场的份额预计于2028年达到18%。
• Atlas 950 SuperPod规模1,024颗Ascend 950DT NPU2026年WAIC展示，支持最高256TB池化内存。
• PUF TAM2030年约US$310mn量子硬件安全市场中的硬件根信任机会。

影响与含义

报告认为AI资本开支将继续把收入和产能向先进制程、CoWoS、HBM、定制ASIC、服务器CPU及测试环节集中，TSMC、MediaTek、Alchip和KYEC等具有明确项目或产能暴露的公司受益更直接。与此同时，非AI芯片可能受到资源挤占和成本通胀影响。中国市场的低成本推理、本土芯片供给改善和SuperPod集群化扩大了本土算力机会；PQC迁移则为PUF及硬件安全IP形成面向2030年的新增需求。

风险

• AI基础设施预算可能限制资本开支继续高速增长。
• 美国的数据中心能源供应可能制约AI算力部署。
• 中国的先进芯片产能可能限制本土AI需求兑现。
• 监管变化可能影响AI芯片投资、交易或供应链部署。
• 晶圆、封测和存储成本上涨可能通过价格弹性压制科技产品需求，并挤压芯片设计公司2026年利润率。
• 供应链优先配置给AI半导体，可能造成T-Glass、存储等资源短缺并挤压非AI产品。
• ABF载板供应可能限制Google TPU等AI芯片的放量。
• 剔除存储和NVIDIA AI GPU后，非AI半导体收入增长预计在2026年下降。

后续跟踪

• 跟踪全球CSP资本开支增速、资本开支与EBITDA之比及已宣布电力部署的实际落地。
• 观察TSMC CoWoS扩产至2027年200kwpm的进度，以及N2、N3和N5产能结构变化。
• 跟踪GB200/300 NVL72机架出货、AI计算晶圆消耗和2027年HBM供需。
• 观察Trainium4、Google后续TPU世代以及MediaTek和Alchip项目收入的兑现节奏。
• 跟踪NAND、NOR Flash和DDR4短缺持续时间，以及现货价与合约价变化。
• 关注中国AI GPU需求、token使用量、本土芯片产能和SuperPod部署进展。
• 观察各地区PQC迁移路线图能否在2030年前按计划推进。