行业与公司 * 行业：AI计算互连技术，特别是硅光子和光学互连领域[3] * 涉及公司：台积电 (TSMC)、英伟达 (NVIDIA)、Lightmatter、Celestial AI (Marvell)、Ayar Labs、Ranovus[14][54][63][65][69][75] 核心观点与论据：技术趋势与驱动力 * 在AI计算时代，传统铜互连在功耗、延迟和布线拥堵方面面临挑战，行业正转向光学互连[3] * 光学信号通过光纤传输损耗极低，可实现数太比特每秒的带宽，同时显著降低每比特能量 (pJ/bit) 和延迟 (ns)[4] * 台积电在其CoWoS平台路线图中指出，光学互连技术将创新推向电信号极限之外，为大型AI系统实现超低延迟和高可扩展架构[5] 核心观点与论据：封装架构演进 * 台积电CoWoS平台进入异构集成新阶段，在单一封装内结合HBM内存、高性能GPU和光学引擎[14] * 光学引擎在芯片间创建高速通信通道，缓解封装基板内的布线拥堵[15] * 光学引擎产品主要分为共封装光学 (CPO) 和近封装光学 (NPO) 两种架构[17] * CPO将光学引擎与交换ASIC直接集成在同一封装内，实现最短互连距离和最高能效[17] * NPO将光学引擎作为可插拔模块实现，保持了CPO约80%的能效，同时提高了可维护性[18][21] * CPO互连距离通常小于5厘米，可降低超过50%的功耗[19] * NPO的模块化架构允许单独更换故障光学模块，降低了封装复杂性并提高了可制造性[20][24] 核心观点与论据：技术平台与组件 * 硅光子技术是光学互连发展的核心[23] * 台积电将65纳米光子集成电路与先进节点电子集成电路集成，形成统一的光学引擎架构[23] * 该集成使用SoIC混合键合，实现极高精度的晶圆级封装[25] * COUPE平台通过使用微透镜增强光耦合效率，未来目标为超表面透镜[25] * 光纤阵列单元正从1D结构向2D结构演进[25] * UV固化树脂作为光学键合材料至关重要，其光学和机械性能直接影响耦合效率和长期可靠性[26] * 台积电结合SoIC-X和COUPE技术，实现±0.5 µm的光学对准精度[33] * 热管理通过石墨烯散热器、热界面材料和热电模块的协同设计解决[33][36] * 在1.6 Tb/s应用中，硅光子光学引擎功耗可降至5-9 W，相比传统约30 W的解决方案节省约30 W[37] 核心观点与论据：发展路线图与应用场景 * **2025年**：推出1.6 Tb/s可插拔光学模块，归类为NPO[39] * **2026-2027年**：在AI交换机和集群中部署CPO，结合CoWoS和COUPE技术，达到6.4 Tb/s带宽[40] * **2028年之后**：光学I/O直接集成到GPU/CPU封装中，利用CoWoS、SoIC和光学芯粒等3D封装技术，实现超过12.8 Tb/s的互连带宽[41] * 能效目标：从>10 pJ/b (2025可插拔) 提升至5~10 pJ/b (2026-2027 CPO)，再到~5 pJ/b (2028+ 光学I/O)[42] 核心观点与论据：新兴参与者与技术创新 * **英伟达 (NVIDIA)**：在ISSCC 2026上展示“中介层上的光学”架构，通过3D集成和混合键合将7纳米电子IC与65纳米硅光子芯片堆叠，缩短光学引擎与计算核心距离[54] * **英伟达 (NVIDIA)**：使用微环谐振器作为调制器、复用器和滤波器，在1310纳米波段配置九个环（八个数据通道，一个时钟），通道间隔约200 GHz以减少串扰[55][56] * **英伟达 (NVIDIA)**：提出专用前向时钟通道，通过带通滤波和注入锁定技术实现信号稳定，实现更低延迟和更高能效[57] * **英伟达 (NVIDIA)**：强调使用多个稳定光学通道，而非在单一通道上追求极高速度，有助于控制功耗并降低制造复杂性[58] * **Lightmatter**：其Passage 3D光学互连平台在单一封装内集成密集波分复用与CPO，单根光纤可承载多达16个波长，提供极高带宽密度和低功耗数据传输[63] * **Celestial AI (Marvell)**：其光子结构平台使用锗硅电吸收调制器，避免了马赫-曾德尔调制器和微环调制器的热调谐限制，可在不同温度条件下实现更稳定的光学互连性能[65][66] * **Ayar Labs**：专注于将光学I/O直接集成到先进封装和ASIC架构中，其TeraPHY光学I/O引擎使用CPO技术替代传统铜互连[69] * **Ayar Labs**：在2026年3月完成5亿美元E轮融资，以扩大高产量制造和测试能力[70] * **Ranovus**：其Odin系列共封装光学模块可将功耗降至传统光学模块的三分之一，同时将尺寸和成本缩小至传统解决方案的约十分之一[75] * **Ranovus**：其Odin平台使用多波长DWDM光学引擎，允许单个光学接口承载多个高速通道，显著提高带宽密度[76] 核心观点与论据：测试与量产挑战 * 光学互连技术的测试在行业内仍缺乏完全标准化的流程[47] * 大多数测试设置依赖于多轴主动对准或被动对准技术来连接光纤与光子器件[47] * 光纤连接的处理和光学测量仪器的校准在很大程度上仍未标准化，许多工作流程依赖于定制设置和手动干预，限制了可扩展性和吞吐量[48] * 要实现真正的高产量制造，必须开发和集成多项关键能力，包括光学探针与现有电测试平台的深度集成、支持自动化和高通量的测试基础设施、保持亚微米光学耦合精度的先进对准技术，以及支持光子器件晶圆级和封装级验证的新测试方法[48] * 需要开发已知良好光学引擎测试流程，在光学引擎与SoC器件集成前，对其功能、性能和可靠性进行全面验证[49] * 测试策略需要向协同优化的电光测试框架发展，结合半导体测试方法和精密光学测量技术[50] 核心观点与论据：材料与可靠性要求 * FAU-光学引擎键合需要高粘合强度和低应力，以确保长期对准稳定性[84] * 光学性能要求高透明度、低吸收率和折射率匹配，以实现低插入损耗[84] * 热机械性能要求低热膨胀系数、低收缩率 (<1%) 和适中的弹性模量，以吸收热应力并防止光学轴偏移或端面开裂[84] * 可靠性要求包括耐热性 (-40 ~ 125 °C)、耐湿性 (85 °C / 85% RH) 和抗黄变[84] * 新兴材料平台，包括III-V族异质集成、2D材料和薄膜铌酸锂，正在为下一代光子器件开辟新的可能性[91] 结论与展望 * 光学互连正从实验室研究逐步转向大规模商业部署，成为未来AI和高性能计算系统的重要基础[88] * 通过CoWoS、SoIC和COUPE等先进封装技术，以及通过混合键合将PIC和EIC集成为统一的光学引擎，台积电为封装级光学互连奠定了关键基础[88] * 从NPO到CPO，最终到将光学I/O直接集成到处理器核心，这一技术轨迹代表了后摩尔时代的新计算基础[93] * 随着行业合作深化和资本投资加速，光学互连有望成为未来几年扩展AI训练和推理基础设施的关键使能技术[94]

中国AI行业月度研究报告（2026年3月）关键要点总结 一、 涉及的行业与公司 * **行业**：全球人工智能行业，重点对比中国（China AI）与美国（Global ex-China AI，报告中常与“美国”互换使用）的AI产业[1][10] * **公司**：研究覆盖了中美AI产业链的上市公司及重要非上市公司 * **中国公司**：智谱（Zhipu， GLM）、MiniMax、阿里巴巴（BABA， Qwen）、百度、腾讯、字节跳动（Doubao）、华为、小米（MiMo）、月之暗面（Moonshot AI， Kimi）、深度求索（DeepSeek）、第四范式、商汤、中芯国际（SMIC）、北方华创（NAURA）、寒武纪（Cambricon）等[4][67][72] * **美国/全球公司**：谷歌（GOOG， Gemini）、OpenAI（GPT）、Anthropic（Claude）、微软（MSFT）、英伟达（NVDA）、特斯拉、Salesforce、Meta、苹果、亚马逊（AWS）、台积电（TSMC）、三星、SK海力士、ASML、应用材料（AMAT）等[57][61] 二、 核心观点与论据 1. 估值比较：中国AI相对美国存在大幅折价，预计将收窄 * **市值与资本支出比例失衡**：中国AI股市值仅为美国AI股的8%，但2023A-2026E期间的资本支出（Capex）达到美国的14%[1][3][17][54] 中国AI股总市值（含未上市企业估值）为2,1630亿美元，美国为25,8430亿美元，比例8%[78][149] * **相对于经济规模的市值潜力**：中国AI股市值仅占中国GDP的11.1%，而美国AI股市值占美国（全球除中国）GDP的27.4%，表明中国AI市值相对于经济规模有更大上升空间[1][19][52][54] * **估值折价不可持续**：基于资本支出比例和GDP占比，中国AI股相对于美国的巨大折价难以持续，预计将收窄[3][16][54] 折价收窄可能部分源于美国AI股的进一步估值下调（de-rating）[3][54] * **近期表现与估值调整**：年初至今（YTD， 2025/12/31至2026/3/20），中国AI股投资组合市值下降1310亿美元（-8%），美国AI股组合下降9450亿美元（-4%）[2][12] 以市盈率（PE）计，中国AI股估值仅下调约1%（2026E共识PE从23.2x降至23.0x），而美国AI股估值下调了20%，主因美国2026年盈利预期上调20%，而中国下调7%[2][14][67][136] 2. 子行业表现分化显著 * **美国AI子行业YTD表现**： * **涨幅最大**：内存（Memory）市值增长63%（+8690亿美元）；半导体设备（SPE）增长27%（+3330亿美元）[4][56][59][61] * **跌幅最大**：AI应用（AI application）市值下降19%（-4520亿美元），主因市场担忧AI对软件/SaaS的颠覆；云服务提供商（CSPs）下降12%（-1.377万亿美元），主因市场担忧AI对微软Office套件等核心软件的颠覆[4][59][61] * **中国AI子行业YTD表现**： * **涨幅最大**：AI应用（AI application）市值增长52.2%（+480亿美元），主要由智谱（上市后市值增长4.9倍）和MiniMax（上市后增长3.0倍）驱动；互联网数据中心（IDC）增长20.6%（+18亿美元）[4][66][69][72] * **跌幅最大**：云服务提供商（CSPs）市值下降14.4%（-1550亿美元），主要由腾讯（-15%）和阿里巴巴（-13%）下跌驱动；晶圆代工（Foundries）下降13.0%（-120亿美元）[4][66][69][72] 3. 模型性能：中国紧追美国，开源领域领先 * **顶尖模型仍有差距**：性能最佳的中国模型（智谱GLM 5）落后于最佳美国模型（谷歌Gemini 3.1 pro preview）13%，差距与上月（12%）基本稳定[5][24][94] * **开源模型领先扩大**：在开源模型（OSS）领域，中国模型的领先优势从上月的42%扩大至51%[5][24] * **头部玩家数量占优**：全球前10大AI实验室模型中，有6个是中国模型，与上月持平[5][27] 美国三大实验室（谷歌、OpenAI、Anthropic）仍占据前三[5][25][85][92] * **中国模型进步更快**：从2025年11月到2026年3月，中国旗舰模型（智谱GLM、MiniMax、阿里Qwen）的智能评分提升速度快于大多数美国同行[89][90] 4. 智能体（Agentic AI）与OpenClaw热潮 * **OpenClaw可能只是炒作**：报告认为面向消费者的智能体（OpenClaw）是炒作，因其token成本可能令消费者望而却步，且根据微信指数，消费者对OpenClaw的兴趣已降温[6][30][98][100][179] * **企业级智能体是增长关键**：面向企业应用的定制化智能体（Agentic AI for enterprises）将是关键的结构性增长驱动力[6][30] * **热潮推动生态与需求**：中国在春节后经历“OpenClaw时刻”，推动了智能体产品的快速采用，并丰富了开发者、科技公司、模型供应商、云服务商和地方政府构成的生态系统[100][183] 互联网巨头（阿里、腾讯、百度、字节、智谱、MiniMax等）迅速推出类似产品及云服务以捕捉需求[101][200] * **热潮面临挑战**：热潮迅速降温，因用户发现OpenClaw存在token消耗量大导致推理成本高、以及系统级控制带来的安全与合规问题[100][183][197] 5. 成本上升推动API及云服务涨价 * **云服务商提价**：受推理需求激增（智能体采用加速）和供应端成本上升（内存价格上涨3-5倍、先进GPU短缺）驱动，阿里云和百度云于3月18日宣布对AI计算服务（如阿里T-head 810E加速器提价5%-34%）和并行文件存储（提价约30%）进行提价，4月18日生效[36][102][103][201][202] * **模型供应商提价**：由于计算/内存/电力成本高昂，以及智能体AI需求推动token消耗快速增长，许多AI模型供应商（中美皆有）已提高API价格[6][36][109][214] 例如，腾讯混元2.0 Think提价430%，Anthropic Claude 4.6 Opus提价67%，谷歌Gemini 3.1 Pro提价32%，智谱GLM 5 Turbo提价20%[110][215] 报告估计美国模型的平均API定价仍比中国模型高约6倍[109][214] * **中国模型仍具性价比**：尽管API价格上涨，中国模型在性能价值比上仍优于美国同行，主要得益于创新的架构（如MoE）带来的更高效率[37][113][116][218][221] 6. 用户应用竞争白热化 * **LLM应用是重要入口**：LLM应用是模型供应商的关键用户接入点，并能实现执行复杂任务和工作流的智能体助手[118][225] * **月度活跃用户（MAU）竞争激烈**：2026年2月，字节跳动“豆包”（Doubao）以3.153亿MAU保持中国最大LLM应用地位；阿里“通义千问”（Qwen）MAU环比增长552.8%至2.027亿，迅速缩小与豆包的差距，主要得益于春节红包活动[42][117][118][224][225] 腾讯“元宝”（Yuanbao）和百度“文心一言”（WenXin）MAU环比增长分别为24%和10%，增速显著慢于豆包和通义千问[118][225] 三、 其他重要内容 * **长期视角**：过去一年（2025年3月至2026年3月），全球（除中国）AI股总市值增长约8.1万亿美元（+50%），其中光通信（Optical）和内存（Memory）子行业涨幅最大[63][64][131][133] 中国AI股总市值增长约720亿美元（+6%），其中半导体设备（SPE）和IC设计子行业涨幅最大[74][76][142][145] * **潜在IPO影响**：短期（2026年下半年），若OpenAI、Anthropic等美国公司以高于预期的估值进行IPO并在零售投资者推动下二级市场上涨，可能拉大美中AI股市值差距[3][77][146] * **数据代表性提示**：OpenRouter的token消耗市场份额数据可能无法准确反映整体市场情况，因其无法追踪私有云和本地部署的开源模型消耗，且估计其全球token消耗份额小于1%[30][97][106][205] * **投资风险提示**：不断上升的API定价（由于昂贵的计算/内存/电力成本）可能抑制AI的采用[6][36] 中国尽管难以获取最先进的GPU，但推理需求的增长可能快于可用计算供应，导致产能紧张[112][217]

电话会议纪要关键要点总结 涉及的行业与公司 * **行业**：全球半导体行业[1] * **主要涉及公司**：台积电、三星电子、SK海力士、英特尔、格罗方德、美光科技[9] 核心观点与论据 中东冲突对半导体行业的影响 * 中东持续冲突给半导体行业引入了不对称风险，尽管物理工厂远离中东，但行业对该地区能源和氦气等关键原材料的依赖可能造成供应链中断[2][8] * 目前半导体行业保持稳定，但并非没有风险[1] 氦气短缺的影响与后果 * **氦气的重要性**：氦气对芯片制造至关重要，主要用于冷却和热管理，以及极紫外光刻工艺，它不进入最终芯片，但对制造过程极为关键[3][10] * **热管理**：在等离子蚀刻和光刻等过程中，氦气被泵送到晶圆背面以散热，其化学惰性使其不与硅反应，且是唯一能足够快速冷却晶圆的介质[14] * **纯度与环境控制**：在化学气相沉积中，氦气用于将化学品输送到晶圆表面，其稳定的原子结构确保不干扰化学反应，并在生产设备周围形成惰性保护层，防止氧化并保持环境清洁[14] * **泄漏检测**：氦气用于晶圆厂的真空室压力测试[14] * **供应冲击**：卡塔尔是全球氦气供应的重要参与者，2025年占全球产量的33%，其拉斯拉凡工业城在3月18-19日遭到导弹袭击，关键基础设施受损，导致宣布不可抗力并暂停生产，由于卡塔尔占全球产量的三分之一，其生产损失无法被其他生产商快速弥补[11] * **全球供应格局**：2025年全球氦气产量分布为：美国42%、卡塔尔33%、俄罗斯9%、阿尔及利亚6%、其他地区10%[13] * **地区与公司影响**： * **台湾**：对卡塔尔的依赖度为中等（30%），氦气是台积电等晶圆厂的重要材料，氦气现货价格年初至今已飙升40%，台湾经济部已强制要求所有主要晶圆厂使用氦气回收系统，并优先保障台积电等顶级晶圆厂的氦气供应，同时正从美国进口替代品以确保供应稳定[16] * **韩国**：对卡塔尔的依赖度高（约65%），氦气是内存公司生产的重要材料，现货价格年初至今已飙升35-50%，政府正寻求美国和俄罗斯供应商以替代卡塔尔的供应量，并将氦气指定为政府监控的关键“标记”材料[16] * **美国**：作为净出口国，依赖度低，但国际价格上涨，国内买家与国际买家形成竞争，美国正动用联邦储备以稳定国内价格，并推动加快新开采项目以填补全球缺口[16] * **台积电**：风险敞口中等，持有3-4个月的库存；内部配给库存，优先保障先进2纳米/3纳米节点而非传统节点；鉴于其在美国的制造足迹扩张，正积极多元化供应链并从美国进口更多氦气[3][16] * **三星电子与SK海力士**：风险敞口高，已采购3-6个月的库存；三星已在特定产线部署内部氦气回收系统；两家公司都在多元化供应链至美国供应商[3][16] * **英特尔与格罗方德**：由于美国国内氦气供应链，情况好得多[3]，英特尔风险敞口中等，正在开发用于实时供应链监控的风险管理应用，并多元化采购以减少地理依赖[16]，格罗方德风险敞口低，正在积极寻找替代供应商和替代材料，并签订具有最低采购承诺的长期供应协议[16] * **美光科技**：鉴于其更高的美国供应暴露，应受到的影响最小[3]，风险敞口低，正与供应商合作提高气体使用效率，并探索回收/再利用技术[16] 液化天然气短缺与价格上涨的影响 * **供应中断原因**：1) 霍尔木兹海峡关闭，导致全球20-21%的LNG供应运输停止；2) 卡塔尔生产设施直接受损，影响约20%的全球产量[4] * **地区与公司影响**： * **台湾**：100%的天然气依赖进口；LNG发电约占台湾总发电量的50%；卡塔尔历史上提供了台湾LNG进口总量的三分之一；台湾仅拥有11天的天然气储备；台湾科技行业是主要消费驱动者，台积电估计消耗台湾总电力的7-10%[4][20][22] * **韩国**：几乎所有天然气依赖进口；LNG发电约占韩国总发电量的27%；作为世界第三大LNG进口国，现货价格年初至今飙升39-50%；三星和SK海力士消耗韩国工业用电的约25%[4][20][21] * **美国**：是LNG净出口国[4] * **台积电**：消耗台湾总电力的7-10%，高度依赖电网；已预先确保20/22批预定LNG货物；签订长期美国LNG合同；向100%可再生能源转型[4][21] * **三星电子与SK海力士**：面临韩国电力公司电网电力采购成本飙升的威胁；策略包括最大化废热回收、确保外部碳信用、增加高效RCS设施使用（三星）；以及多元化供应线、签订首个国内购电协议以获得稳定可再生能源（SK海力士）[21] 关键结论与投资观点 * 虽然所有公司都拥有未来几个月的电力供应和关键原材料库存，但近期未看到任何实质性影响，该地区的长期中断可能开始影响生产[5] * 鉴于台积电在先进节点的垄断地位以及内存对AI基础设施的关键性，相信定价上行空间可以保护盈利底线[5] * 台湾和韩国面临风险，但美国实际上免疫，台积电、SK海力士和三星没有立即中断，但风险持续存在；英特尔、格罗方德和美光则保持稳定[8] 其他重要内容 公司评级与目标价（基于2026年3月26日收盘价） * **台积电**：评级“买入”，当前价1,840.00新台币，目标价2,400.00新台币，隐含上涨空间+30.4%，市值1,492,239百万美元，2026年预期每股收益增长34%，2027年预期增长28%[9] * **三星电子**：评级“买入”，当前价180,100.00韩元，目标价300,000.00韩元，隐含上涨空间+66.6%，市值707,185百万美元，2026年预期每股收益增长383%，2027年预期增长25%[9] * **SK海力士**：评级“买入”，当前价933,000.00韩元，目标价1,500,000.00韩元，隐含上涨空间+60.8%，市值441,076百万美元，2026年预期每股收益增长234%，2027年预期增长33%[9] * **英特尔**：评级“持有”，当前价44.10美元，目标价50.00美元，隐含上涨空间+13.4%，市值221,427百万美元，2026年预期每股收益增长87%，2027年预期增长67%[9] * **格罗方德**：评级“持有”，当前价44.57美元，目标价45.93美元，隐含上涨空间+3.0%，市值24,472百万美元，2026年预期每股收益增长13%，2027年预期增长28%[9] * **美光科技**：评级“买入”，当前价355.46美元，目标价750.00美元，隐含上涨空间+111.0%，市值400,864百万美元，2026年预期每股收益增长624%，2027年预期增长87%[9] 各公司主要风险提示 * **台积电下行风险**：1) 低于预期的5纳米订单；2) 美中贸易紧张局势加剧以及对与大陆中国地区有业务往来的公司的出货限制收紧；3) 先进节点生产爬坡和良率提升较慢；4) 投资先进节点导致的折旧成本上升[23] * **三星电子下行风险**：1) 韩元进一步升值，导致盈利减弱和利润率压力；2) 全球贸易限制增加的不稳定性导致科技供应链出现生产问题；3) 主要经济体潜在收缩导致全球消费者和企业IT需求放缓[23] * **SK海力士下行风险**：1) 美国利率上升；2) 内存制造商更激进的产能扩张；3) 韩元升值导致盈利减弱和利润率压力[23] * **英特尔关键下行风险**：1) 客户端部门表现差于预期；2) 服务器CPU出货量弱于预期；3) 晶圆代工业务爬坡导致利润率稀释加剧[23] * **格罗方德下行风险**：1) 缺乏规模经济且可变成本增加；2) 定价能力受长期协议高敞口限制；3) 来自中国大陆的竞争加剧[24] * **美光科技下行风险**：1) 美国利率上升；2) PC和智能手机需求进一步下滑；3) 全球贸易限制导致需求进一步疲软；4) 内存制造商通过长期协议进行更激进的产能扩张；5) 主要经济体收缩导致全球消费者和企业IT需求放缓；6) 美国政府关于美光新产能扩张补贴政策的不确定性[24]

行业与公司 * 行业：人工智能（AI）资本支出（Capex）、半导体设备（WFE）、半导体制造、生成式AI（Gen-AI）应用[2] * 涉及公司： * **超大规模云服务商（Hyperscalers）**：Alphabet、Amazon、Meta、Microsoft[5] * **半导体制造与设计**：TSMC、Micron、Nvidia[7] * **半导体设备（WFE）**：ASML、ASMI、BESI[22] * **欧洲半导体**：Infineon[22] * **其他**：Terafab（Tesla与SpaceX合资项目）[7][21] 核心观点与论据 * **AI资本支出大幅上调**：基于2026年第一季度后的数据，超大规模云服务商的2026年资本支出共识预期被显著上调约1500亿美元[4] 图表显示主要云服务商在财报发布后，2026年资本支出共识均较发布前有大幅提升[5] * **半导体产业链资本支出积极**： * TSMC将2026年资本支出指引上调至520-560亿美元，超出市场约500亿美元的预期，并预计未来三年资本支出将显著高于过去三年的1010亿美元[7] * Micron将2026财年资本支出预期从200亿美元上调至250亿美元，主要用于洁净室产能扩张，并暗示增长势头将延续至2027年[7] * 高盛美国半导体团队因此上调了全球半导体设备（WFE）支出预测，2026年预测上调20%至1600亿美元，2027年预测上调21%至1740亿美元[9][10] * **AI加速器芯片需求强劲**：TSMC预测其AI加速器收入在2024-2029年将以中高50%的复合年增长率（CAGR）增长，高于此前的中40%预期[12][13] 这将带动TSMC整体收入CAGR提升至接近25%（以美元计），高于此前20%的指引[15][16] * **内存（Memory）是AI关键瓶颈**：高带宽内存（HBM）是AI计算的关键推动因素，但供应持续紧张，HBM供应商年内产能已售罄，部分DRAM/NAND库存低至2-4周[26] 洁净室空间不足成为产能扩张的瓶颈，预计在2028年前难以有大量新增供应上线[26] 预计2026/2027/2028年DRAM WFE支出分别为400亿/470亿/490亿美元，NAND WFE支出分别为100亿/150亿/170亿美元[26] * **生成式AI应用场景持续扩展**： * **企业应用**：Google超过30%的新代码由AI生成，Meta因AI驱动的信息流推荐使用户参与度提升7%/6%[19][28] * **智能体AI（Agentic AI）**：如OpenClaw（增长最快的开源项目）、Claude（法律/合规工作流、财务分析）等自主系统正在兴起，用于端到端工作流，这将显著增加内存使用强度[24] * **物理AI**：Nvidia视其为数万亿美元的机会，美国95%的特定癌症手术由机器人完成，Simbe机器人优化货架商品可用性与促销，在数月内实现3-4倍的投资回报率[19] * **Terafab项目对欧洲半导体供应商的积极影响**：Tesla与SpaceX的合资芯片制造项目Terafab，目标是年产1太瓦（1，000 GW）的计算能力[7][22] 高盛估计，1 GW的数据中心产能相当于50-60亿美元的资本支出，以及5亿至6亿美元的光刻设备需求[22] ASML作为极紫外（EUV）光刻机的独家供应商，将是任何增量先进逻辑/内存需求的最大受益者[22] Infineon凭借其广泛的硅（Si）、碳化硅（SiC）和氮化镓（GaN）功率半导体产品组合，也将受益于向更复杂电源解决方案的转型[22] 其他重要内容 * **Nvidia数据中心收入预期**：预计到2027年，数据中心收入将超过1万亿美元，由计算和网络需求驱动，而2025-2026年的收入为5000亿美元[7] * **AI投资风险与反驳论点**： * **风险：成本过高** - 反驳：科技巨头等未来数年将在AI资本支出上投入超过1万亿美元，且企业已看到切实的投资回报（ROI），例如Google工程师因AI工具生产力提升约10%[28] * **风险：缺乏杀手级应用** - 反驳：Meta因AI视频推荐使使用时间增加，Nvidia 40%的GPU需求由推理驱动，表明AI模型已投入生产并创造价值[28] * **风险：模型效率提升可能降低计算需求** - 反驳：效率提升导致单位成本下降，可能推动总消耗量上升（杰文斯悖论）[28] * **风险：与互联网泡沫类比** - 反驳：当前科技巨头资金雄厚、盈利能力强、拥有自由现金流，且AI需求具有生成性，单位经济效益良好，需求可见[28] * **企业AI采用规模**：微软在2026财年第一季度处理了约100万亿个令牌，同比增长5倍，表明企业应用已具规模[28] Claude Code在发布一年内达到10亿美元的年化收入运行率，表明企业采用迅速[24]

**涉及行业与公司** * **行业**：人工智能（AI）基础设施、半导体设备（WFE）、内存（HBM/DRAM/NAND）、AI芯片设计、云计算（超大规模资本支出）[5][8][9][12][26] * **公司**： * **超大规模资本支出方**：Alphabet（谷歌）、Amazon、Meta、Microsoft [6] * **半导体制造与设计**：TSMC（台积电）、Micron（美光）、Nvidia（英伟达）[8][12][15] * **半导体设备**：ASML、BESI [21] * **新项目**：Terafab（由Tesla和SpaceX合作）[8][20] * **AI应用与代理**：OpenAI（ChatGPT）、Anthropic（Claude）、OpenClaw [18][24] **核心观点与论据** **1. AI资本支出（Capex）大幅上调，驱动半导体生态链增长** * 超大规模资本支出方（Hyperscaler）在2026年第一季财报后，2026年资本支出共识预期大幅上调约1500亿美元[5] * 图表显示，四大巨头（Alphabet、Amazon、Meta、Microsoft）2026年资本支出共识从财报前的约4800亿美元上调至约6210亿美元[6] * 半导体生态链公司纷纷上调资本支出或给出积极指引： * TSMC：将2026年资本支出指引上调至520-560亿美元，超出市场约500亿美元的预期，并预计未来3年资本支出将显著高于过去3年的1010亿美元[8] * Micron：将2026财年资本支出预期从200亿美元上调至250亿美元，主要用于洁净室产能扩张，并暗示增长势头将延续至2027年[8] * Nvidia：预期到2027年数据中心收入将超过1万亿美元，而2025-2026年期间为5000亿美元[8] * Terafab项目（Tesla & SpaceX）计划每年生产1太瓦（1，000 GW）算力，高盛估计每1GW数据中心产能对应约50-60亿美元资本支出，以及0.5-0.6亿美元的光刻设备需求[8][21] **2. 半导体设备（WFE）支出预测因内存需求强劲而上调** * 高盛美国半导体团队上调了晶圆厂设备（WFE）支出预测，主要受内存厂商在供需紧张环境下的产能扩张驱动[9] * 2026年WFE预测从1600亿美元上调至1740亿美元（增长9%），2027年预测从1320亿美元上调至1600亿美元（增长21%）[10] * 内存行业正进入强劲的设备投资周期，预计2026和2027年WFE增长均约为20%[27] * 具体内存WFE预测： * DRAM：2026年400亿美元（同比增长25%），2027年470亿美元（同比增长18%），2028年490亿美元（同比增长5%）[27] * NAND：2026年100亿美元（同比增长25%），2027年150亿美元（同比增长45%），2028年170亿美元（同比增长15%）[27] **3. AI加速器芯片与TSMC收入增长前景强劲** * AI加速器芯片收入预计将以中高个位数50%的复合年增长率（CAGR）增长至2029年[12] * 受AI加速器增长推动，TSMC将集团整体收入（以美元计）的CAGR指引从之前的20%上调至接近25%[15] * 图表展示了TSMC来自AI加速器的收入增长趋势，以及整体收入从2024年至2029年的增长路径[13][16] **4. AI应用多样化，代理（Agentic）AI与垂直用例兴起** * **生成式AI采用的关键用例**：包括代码生成（谷歌>30%新代码使用AI）、内容推荐（Meta的FB/Instagram参与度提升7%/6%）、机器人手术（美国95%的特定癌症手术）、电影制作（AI用于演员减龄）等[18] * **代理（Agentic）AI的扩散**：超越单次问答的大型语言模型，能够规划、执行和迭代多步骤任务，与工具/API交互，并保持记忆/上下文[24] * OpenClaw：增长最快的开源项目，作为“数字员工”执行端到端任务，早期用例偏向开发和技术工作流[24] * Claude：在法律/合规工作流（如合同审查）和财务分析（消化财报电话会议和宏观数据）中涌现垂直用例，其Claude Code产品在发布一年内达到10亿美元收入运行率[24] * GPT Agents：拥有9亿周活跃用户，成为全球最大的AI代理生态系统之一，具有广泛的横向用例[24] * **代理AI对资本支出的影响**：代理工作流引入了迭代反馈循环和并行代理，显著增加了内存强度，并将AI从辅助性转向自主性，通过劳动力替代带来明确的投资回报率[24] **5. 内存（尤其是HBM）是AI发展的关键瓶颈** * 随着模型激增，内存带宽成为核心瓶颈，因为大语言模型需要在处理器和内存之间快速移动数据[27] * 高带宽内存（HBM）是AI计算的关键推动因素，可提供更高的带宽和电源效率，从而释放系统性能[27] * **供应持续紧张**：HBM供应商今年已售罄，部分DRAM/NAND库存低至2-4周[27] * **洁净室可用性**成为产能扩张的瓶颈，预计在2028年之前不会有大量供应上线[27] * 尽管个人电脑/智能手机需求今年预计下降约10%，但由于供应转向AI相关需求，内存价格仍在上涨[27] **6. 对欧洲AI赋能者（如ASML, Infineon）的积极影响** * **ASML**：被视为任何增量先进逻辑/内存需求的最大受益者，作为EUV工具的独家供应商，在逻辑和内存需求中均有显著敞口[21] * **Infineon**：凭借其广泛的硅（Si）、碳化硅（SiC）和氮化镓（GaN）功率半导体产品组合，有望从行业向更复杂电源解决方案的转型中受益，增加价值含量机会[21] **其他重要内容（风险与反驳）** * **风险与缓解因素**： * **成本过高风险**：科技巨头等未来几年将在AI资本支出上花费超过1万亿美元[28]。 * **反驳论据**：谷歌工程师因AI工具生产力提升约10%；微软在2026财年第一季度处理了约100万亿令牌，同比增长5倍，表明规模化企业应用并看到了切实的投资回报率[28]。 * **缺乏杀手级应用风险**：不清楚AI的杀手级应用是什么[28]。 * **反驳论据**：Meta因AI驱动的视频推荐使FB/Instagram使用时间增加7%/6%；模型正在生产环境中部署并创造价值[28]。 * **效率提升降低计算强度风险**：模型效率提升（如DeepSeek）可能导致计算需求降低，AI需求增长可能不及预期；推理优化（如TurboQuant）降低了每次推理的内存和计算需求[28]。 * **反驳论据**：更低的成本驱动更高的使用量，效率提升带来的单位成本下降可能导致总体消耗增加（杰文斯悖论），AI总计算需求仍将增长[28]。 * **幻觉/误用风险**：不正确的AI预测或滥用可能损害声誉/采用[28]。 * **反驳论据**：防护措施在进步（如RAG、微调、人类反馈、监管治理）；随着更高质量数据集的接入，AI系统的错误率有望持续降低[28]。 * **互联网泡沫类比风险**：可能与互联网泡沫有相似之处[28]。 * **反驳论据**：科技巨头资本充足、盈利且产生自由现金流，单位经济效益良好，需求可见；全球企业级采用表明AI正融入基础工作流[28]。

行业与公司 * 行业：全球半导体及半导体资本设备行业 [1] * 公司：报告涉及多家全球半导体设计、制造、设备及材料公司，包括但不限于AMD、ADI、Broadcom、Intel、NVIDIA、NXP、Qualcomm、Texas Instruments、TSMC、Samsung Electronics、SK hynix、Micron、KIOXIA、Lam Research、Applied Materials、Tokyo Electron等 [10][12][13][14][15][16][17][22][23][24][25] 核心观点与论据 **1 行业整体销售强劲增长，主要由内存驱动** * 2026年2月全球半导体销售额环比增长25.2%，远高于历史2月平均2.4%的环比增幅 [1][3][35] * 2026年2月全球半导体销售额同比增长85.9%，1月同比增长58.2% [2][28] * 内存销售额同比增长260.9%，是主要驱动力；剔除内存后，销售额仍强劲增长25.4% [2][28][33] * 以3个月滚动基准计算，销售额增长15.3%，远好于历史平均的-4.7% [28][35] **2 产品类别表现分化，内存、逻辑、分立器件等优于季节性** * 环比表现优于历史模式的产品类别：分立器件 (-0.6% vs 典型 -2.9%)、标准线性模拟 (-4.6% vs 典型 -7.8%)、逻辑 (3.2% vs 典型 -0.5%)、DRAM (86.4% vs 典型 25.7%)、NAND (53.9% vs 典型 13.4%) [4][40] * 内存类别整体环比增长75% [3][40] * 环比表现弱于历史模式的产品类别：光电器件 (-5.9% vs 典型 -4.5%)、传感器与执行器 (-6.8% vs 典型 -4.8%)、专用模拟 (-13.3% vs 典型 -5.2%)、MPU (-13.8% vs 典型 3.0%)、MCU (-15.3% vs 典型 -5.2%)、DSP (-5.5% vs 典型 1.2%) [4][40] **3 量价分析：整体ASP大幅上涨，出货量下降** * 2026年2月行业整体平均销售价格环比上涨33.4%，单位出货量环比下降6.1% [5][50] * 11个产品组中有7个ASP环比上涨，1个持平，3个下降 [51] * DRAM（基于$/Bit）ASP环比上涨37.9%，NAND（基于$/Bit）ASP环比上涨36.1% [53][74] * DRAM比特出货量环比增长35.1%，NAND比特出货量环比增长13.1% [52][74] **4 终端市场表现：有线通信优于季节性，消费、无线通信、汽车弱于季节性** * 专用集成电路销售额环比下降1.7%，略低于历史模式（-0.7%）[7][54][56] * 有线通信终端市场环比增长5.5%，优于典型的1.8% [7][56] * 消费电子 (-9.3% vs 典型 -2.5%)、无线通信 (-11.9% vs 典型 -3.7%)、汽车 (-13.5% vs 典型 -3.0%) 终端市场表现弱于典型季节性模式 [7][56] **5 地域表现：所有地区销售额同比及环比均增长** * 同比增幅：美洲99.3%、欧洲65.7%、日本12.7%、中国69.0%、亚太/其他地区111.6% [43] * 环比增幅：美洲46.5%、欧洲18.7%、日本10.2%、中国14.8%、亚太/其他地区16.9% [43] 其他重要内容 **1 具体产品类别详细表现** * 标准线性模拟：销售额环比下降4.6%（优于典型的-7.8%），出货量下降8.1%，ASP上涨4.0% [59] * 专用模拟：销售额环比下降13.3%（弱于典型的-5.2%），出货量下降12.6%，ASP基本持平 (-0.9%) [60] * MPU：销售额环比下降13.8%（弱于典型的增长3.0%），出货量下降12.5%，ASP下降1.5% [61] * MCU：销售额环比下降15.3%（弱于典型的-5.2%），出货量下降16.9%，ASP上涨1.9% [62] **2 投资建议与个股观点摘要** * **ADI**：执行良好，但股价仍然昂贵 [12] * **AMD**：AI预期高，与OpenAI的新交易可能推动进一步增长 [12] * **Broadcom**：2025年强劲的AI发展轨迹有望在2026年加速 [12] * **Intel**：问题已凸显至前沿 [13] * **NVIDIA**：数据中心机会巨大且仍处早期，仍有实质性上行空间 [14] * **NXP**：复苏步伐存疑，周期性反弹中的杠杆可能较小 [15] * **Qualcomm**：内存逆风施压智能手机制造，但基本面动态稳固，股价极便宜 [15] * **Texas Instruments**：在当前环境下股价感觉已充分估值 [16] * **Applied Materials**：看好晶圆厂设备支出的长期增长，存在多个驱动因素 [16] * **Lam Research**：受益于关键技术拐点（GAA、先进封装、HBM、NAND升级） [16] * **KLA**：在积极的WFE趋势中拥有结构性增长动力，竞争地位强且持久，中国替代风险较低 [17] * **TSMC**：评级为跑赢大盘，目标价NT$2,200 [17] * **UMC**：评级为跑输大盘，目标价NT$32 [18] * **Samsung Electronics**：评级为跑赢大盘，目标价KRW 225,000 [22] * **SK hynix**：评级为跑赢大盘，目标价KRW 1,150,000 [23] * **Micron**：评级为跑赢大盘，目标价US$510 [24] * **KIOXIA**：评级为跑输大盘，目标价JPY 17,000 [25]

AI供应链电话会议纪要关键要点 涉及的行业与公司 * **行业**: 亚太地区科技、半导体、AI供应链[1][2][9] * **核心公司**: * **芯片设计/供应商**: 英伟达 (NVIDIA)、谷歌 (Google)、博通 (Broadcom)、联发科 (MediaTek)、AMD、苹果 (Apple)、高通 (Qualcomm)、亚马逊AWS (AWS)、微软 (Microsoft)、Meta、OpenAI[1][2][4][23][33][36][43] * **晶圆代工/封装**: 台积电 (TSMC)、三星 (Samsung)、英特尔 (Intel)[1][2][3][13][25] * **封装测试**: 日月光 (ASE)、京元电子 (KYEC)[3][75] * **HBM供应商**: 海力士 (SK hynix)、美光 (Micron)、三星 (Samsung)[64] * **其他供应链**: 欣兴电子/ABF载板、创意电子 (GUC)、世芯 (Alchip)、智原 (FOCI)、奇景光电 (Himax)[4][35][43][75] 核心观点与论据 1. 先进封装技术竞争：台积电CoWoS-L vs. 英特尔EMIB-T * **核心争论**: 英伟达Rubin Ultra（2027年）和谷歌2纳米TPU (HumuFish) 等大型芯片将采用两芯粒还是四芯粒封装，关键在于台积电CoWoS-L能否经济高效地支持九光罩尺寸的芯片设计[1][2][12] * **台积电CoWoS-L优势**: * 技术路线图显示2027年可支持九光罩尺寸，一个中介层晶圆可容纳四个九光罩芯片，成本效益对谷歌2纳米TPU具有合理性[3][13] * 在性能和可靠性上优于英特尔EMIB-T[3][12] * **台积电面临的挑战**: 仍需解决中介层翘曲等相关问题[3][12] * **英特尔EMIB-T机会**: 如果台积电无法解决大型芯片的技术问题，英特尔的EMIB-T可能从台积电手中夺取谷歌2纳米TPU及其他ASIC项目的市场份额[1][13] * **对英伟达的影响**: Rubin Ultra采用两芯粒或四芯粒封装，鉴于半导体内容相似，不会显著改变其对台积电晶圆产能或日月光/京元电子封装测试的需求假设，但可能在芯片热设计和机架间扩展的CPO采用上存在细微差异[3][11] 2. 英伟达LPU的代工供应链 * **当前情况**: LP30由三星7纳米代工厂制造[25] * **未来趋势**: * **2027年**: 随着Rubin Ultra的推出，LP35（4纳米）可能由台积电和三星双重来源供货[25] * **2028年**: LP40（可能为3纳米）与Feynman GPU可能采用分立式SRAM和台积电SoIC 3D堆叠[25] 3. HBM基础芯片代工转向台积电 * **核心观点**: 由于HBM4e/HBM5基础芯片需要大量定制和IP支持，台积电3纳米将成为2028年全球HBM基础芯片的重要节点[31] * **台积电产能调整**: 供应链信息显示，台积电将在Fab 18 Phase 3将额外的10k-20k 4/5纳米产能转换为3纳米，为强劲的AI需求做准备，包括未来来自韩国HBM供应商的定制HBM4e和HBM5基础芯片[32] 4. 博通-谷歌合作对联发科TPU机会的影响 * **核心观点**: 尽管引发对联发科在TPU供应链中战略地位的质疑，但并未改变对联发科3纳米TPU (ZebraFish) 的积极看法[4][33] * **联发科TPU进展**: * **2026年**: 按计划于2026年下半年量产，预计40万颗（或16亿美元收入）的假设应可稳固实现[4][33] * **2027年**: 对联发科ABF载板供应转为乐观，重申市场最高的250万颗预期，贡献100亿美元收入[4][35] * **技术状态**: 3纳米TPU因功耗略高于预期正在进行少数金属层的工程变更，但这并未延迟量产时间，因为谷歌正在同步测试验证[34] 5. 新增算力部署对芯片需求的影响 * **新增项目**: 包括AWS-OpenAI 2GW和新宣布的谷歌/博通2.5GW交易在内的算力部署公告[36] * **对台积电需求测算**: * 这些项目在整个生命周期内隐含的CoWoS消耗量为95.3万片晶圆，前端2/3纳米晶圆消耗量为65.2万片[37] * 假设OpenAI-英伟达和OpenAI-AMD合同在三年内实现，预计2027年这些项目对台积电的年度CoWoS需求将达到25.9万片[37] * **产能与瓶颈**: 台积电计划到2027年底将其总CoWoS产能进一步扩大至每月16-17万片，因此至少到2027年，电力并非台积电芯片需求的制约因素，但ABF载板和HBM供应是主要的限制因素[37][38] 6. 台积电SoIC与CoWoS产能更新 * **SoIC产能与产量**: * **产能规划**: 2026年预计为每月1.4万片，2027年从每月2.8万片上调至每月4.5万片，2028年预计为每月7.8万片[25][41] * **产量预期**: 由于设备认证时间更长（约六个月以上），产量将低于产能，预计2026年、2027年、2028年产量分别为每月1万片、3万片、6万片[42] * **SoIC客户需求**: * **英伟达**: 预计2026年消耗6千片，2027年升至12万片，包括对CPO COUPE的需求[43] * **AMD**: 预计2026年消耗4.2万片，2027年增至6万片[43] * **苹果**: 预计2026年消耗3.6万片，2027年增至6万片[43] * **其他**: 博通、高通、AWS等多家客户正在尝试台积电SoIC产能[43] * **CoWoS产能**: * **台积电**: 预计到2027年底，总CoWoS产能将扩大至每月16-17万片[37] * **非台积电阵营** (Amkor/联电/日月光): 预计2027年产能为每月12万片[50] 7. AI芯片市场需求量化预测 (2026e) * **HBM需求**: AI芯片将消耗高达315亿Gb的HBM，其中英伟达B300 GPU是最大贡献者[64] * **晶圆收入**: AI晶圆消费市场总规模 (TAM) 预计高达270亿美元[66][67] * **CoWoS需求增长**: 2026年全球CoWoS需求同比增长112%，其中英伟达增长106%，博通增长241%[60] 8. 投资观点与股票影响 * **看好标的**: * 在亚洲半导体中，超配台积电、京元电子、日月光、三星和信骅[75] * 同时看好亚洲ASIC设计服务提供商世芯和创意电子，以及CPO供应商智原和奇景光电[75] * **台积电AI收入增长**: AI相关收入年复合增长率 (CAGR) 从2024e到2029e可能达到60%[76] 其他重要但可能被忽略的内容 * **谷歌TPU出货量预测**: * **2026e**: 总量360万颗，其中联发科ZebraFish (v8) 40万颗，博通Ironwood/Sunfish (v7) 320万颗[35] * **2027e**: 总量600万颗，其中联发科ZebraFish (v8) 250万颗，博通Ironwood/Sunfish (v7) 350万颗[35] * **AI芯片租赁价格**: 提供了截至3月底的H100 GPU每小时租赁价格跟踪数据[76][79] * **中国AI推理需求**: 英伟达5090显卡价格近期反弹，主要由于市场价格上涨预期和来自中国的强劲AI推理需求[80][82] * **风险提示**: 报告多次提及美国行政命令、出口管制等合规要求，提醒投资者注意相关风险[86][87][88]

行业与公司 * 本次电话会议纪要涉及的行业包括：AI云服务、半导体（含存储、逻辑芯片、晶圆代工）、光通讯（光模块）以及智能手机行业[1][2] * 涉及的公司包括：台积电、英伟达、谷歌、迈威尔、英特尔、三星、海力士、长鑫存储、华邦电、南亚科、赵毅、阿里巴巴、腾讯、百度、美团、智谱AI、MiniMax、华为、寒武纪、百度昆仑芯、平头哥、燧原科技等[2][4][7][12][13][17][19][20][21][22][30][32][33][34][35][43][44][46][49] 核心观点与论据 AI云服务与算力需求 * 中国AI发展的核心瓶颈在于**芯片（算力）供给不足**，而非需求端，互联网公司、云厂商和模型公司均表示若能获得更多芯片，AI相关收入可立即显著提升[13][14] * 阿里云给出五年后达到1100亿美元收入的远期目标，过去12个月收入约1000亿人民币，隐含年复合增长率约44%，公司对未来一两年实现40%以上的云增速有信心，但长期增长取决于芯片供给[15][16] * 模型公司（如智谱AI、MiniMax）收入增长迅猛，ARR已达2-3亿美元，并有望在年底达到10亿美元体量，但增长同样受限于算力，智谱AI甚至因算力不足暂停了部分Coding Claude计划的销售[16] * 各公司采取不同策略应对芯片短缺：**阿里巴巴**因旗下平头哥及较早的资本开支投入，在芯片获取上具有优势，预计云收入增长确定[17]；**腾讯**相对落后，上半年仍处缺芯阶段，下半年将依赖燧原科技的定制芯片及采购华为、寒武纪、昆仑芯等国产芯片[18][19]；模型公司如**MiniMax**和**智谱AI**已从主要使用英伟达芯片转向评估并多元化采用国产芯片[20] * 评估中国AI算力应全面看待，而非仅聚焦先进制程：在芯片层面（制程、先进封装、存储）中国落后，但在系统层级（服务器、网络、软件）与美国并驾齐驱，在基础设施（电力、数据中心、政策支持）方面甚至更强[28][29] * 国产AI芯片有能力通过集群配置满足中国推理侧的需求，相关供应链（如封测、晶圆厂）被看好[29][49] 光通讯（光模块）行业 * 对2026-2027年光模块需求展望**非常乐观**[4] * 市场对**CPO**（共封装光学）进展快于预期最初感到震惊，但分析认为CPO的快速发展不会对当前光模块行业需求产生大的颠覆性影响[4] * 光模块公司除研发传统可插拔式（如1.6T/3.2T）产品外，正积极拓展**NPO/SPO**（近封装光学/可插拔光学）等新一代技术，相关产品已在OFC展会上展示实际样品，从理念进入可试生产送样阶段[5][6] * NPO/SPO发展可能加速，预计明年上半年或出现商用案例，其发展与CPO呈“你追我赶”态势，甚至可能因CPO加速而触发NPO阵营发展[7] * 北美光通讯公司Arrest组建包含多家A股光模块公司的联盟推动SPU发展，被视为积极信号[7] 半导体行业（存储与逻辑） * **DDR4存储**：观点转为**谨慎**[30] * 过去12个月DDR4合约价上涨超过7倍，主要由供给端驱动（主流厂商为扩产AI用主流存储而减产DDR4）[31] * 供给端正发生重大变化：长鑫存储计划2027年将DDR4产能扩产至1万片/月（较当前约6000片翻倍以上），且2026年供给已有增长（赵毅2026年从长鑫采购DDR4金额预计达57亿人民币，同比增约5倍）[32][33]；三星调整策略，二季度DDR4出货量或与一季度持平甚至略升，而非原计划的完全退出[34]；利基厂商如华邦电、南亚科也计划扩产DDR4[35] * 需求端受高价抑制：手机（尤其是中低端机型）等消费端需求被摧毁，部分中小客户持观望态度；客户开始优化DRAM利用率以应对高价[36][37] * DDR4缺乏直接的强劲AI需求支撑，而主流DRAM有AI需求兜底[38] * **MLC NAND（利基型闪存）**：保持**乐观**[39] * 逻辑与DDR4类似，面临主流厂商减产，过去一年价格涨约5-6倍（以32G MLC合约价计）[39] * 但未看到类似的大规模扩产计划，且需求相对稳定[39] * **长期协议**：市场传闻有厂商与客户讨论LTA，固定价格的LTA难以达成，但若能以较高价格签署，将对利基型存储厂商形成支撑[40][41] * **台积电业绩预览**： * 预计一季度业绩与市场共识差异不大，季度营收增长个位数，毛利率超64%[43] * 智能手机需求疲软（砍单）已被网络通信和HPC（含CPO）需求弥补，预计全年指引不会下调，但上调可能性低，公司可能按兵不动[43] * 技术竞争关注点：英特尔EMIB技术可支持更大中介层尺寸是主流趋势；台积电若沿用CoWoS技术，一个晶圆仅能切出4颗芯片，会浪费约40%的面积，这可能影响其先进封装方案选择[44] * 资本开支：今年大幅上调不易，但明后年因SiC、HBM等需求强劲，台积电及其供应链仍被看好[45] * **谷歌TPU与迈威尔**： * 迈威尔与谷歌的战略合作非新鲜事[46] * 谷歌内部使用若纯粹为TPU，采用迈威尔方案更经济；若对外提供给云厂商客户并需要网络技术支持，则采用博通方案的几率高[47][48] * 目前预测未变：今年出货40万颗TPU（无延迟），明年250万颗（市场最高预测）[48] * ABF载板与迈威尔TPU的供应可能变得比较充足[49] 智能手机行业 * 现状呈现“冰火两重天”，与光模块的火热相对，手机市场寒意明显[3] * 内存价格持续上涨，已导致国内部分手机厂商官宣提价计划[8] * 手机OEM厂商的核心策略是通过提升ASP来部分抵消内存成本上涨和销量下滑的压力，目标是使收入跌幅较小（例如10%以内）甚至不跌[9] * 但大部分投资人认为该目标过于乐观，预期今年是手机市场极具挑战的一年，与上市公司观点存在**巨大预期差**[10] * 分歧焦点在于时间视角：上市公司基于当前运营数据看好，投资人则担忧未来数据变差，这一争论需要未来3-5个月的时间验证[11] * 台积电的智能手机芯片订单削减被视为利空出尽事件[12] 其他重要内容 * 阿里在AI以外，明确收缩本地生活（如外卖闪购）投资，并给出减亏指引：以2026财年为基准，未来两年每年亏损减半，目标在2029财年实现盈利[21] * 阿里本地生活业务减亏对**美团**有正面交叉影响，可能意味着外卖补贴竞争接近尾声，有助于美团盈利，预计其二季度本地商业板块、三季度外卖业务可实现盈利[22] * 模型公司收入结构差异：**智谱AI**收入90%来自国内，10%来自海外，且国内前十大互联网公司有九家接入其GLM模型[23][24]；**MiniMax**则相反，海外收入占70%，国内占30%[25] * 尽管有阿里通义千问、小米等新模型出现，但国内及海外市场的token使用量增长依然非常快速，预计模型公司ARR将在未来几个月加速增长[26]

公司及行业研究纪要总结 涉及的公司与行业 * 公司：台积电 [1] * 行业：亚洲半导体与设备行业、全球存储行业 [1] 核心观点与论据 财务表现与业绩 * 公司2026年第一季度营收为1.134万亿新台币，达到指引上限，比市场共识高出约1.1% [1][10] * 3月单月营收达4150亿新台币，环比增长31%，同比增长45% [1] * 第一季度营收环比增长8%，同比增长35% [1] * 分析表明汇率因素对上述业绩结果没有影响 [1][10] * 公司预计将于下周四公布财报 [4] 需求与市场动态 * 人工智能需求预计将继续推动公司增长，尽管非人工智能需求疲软 [2] * 年初至今，存储价格上涨速度快于预期，并日益影响智能手机和个人电脑等非人工智能应用的需求 [2] * 高通和联发科等非人工智能客户近期已降低在公司的生产 [2] * 智能手机月度跟踪数据显示，高内存价格对低端市场造成损害的证据增多 [2] * 公司业务未受影响，因为非人工智能客户释放的产能将迅速被之前无法获得足够产能的人工智能客户填补 [2] 竞争格局与技术 * 三星晶圆代工正在获得更多外部客户，其2纳米制程良率自2025年下半年以来已有显著改善 [3] * 然而，近期对基于三星2纳米制程的Exynos 2600的评测显示，其性能逊于主要基于公司N3P制程的骁龙8 Elite Gen 5 [3] * 公司凭借其规模、良率和执行力，是先进制程晶圆代工领域唯一具有竞争力的参与者 [3] 未来展望与风险 * 预计公司将在财报中下调智能手机业务展望，但会指出人工智能需求足够强劲以抵消该影响 [4] * 预计公司将确认其运营未受近期能源、天然气和原材料市场动荡的影响 [4] * 下行风险包括：市场整体估值倍数收缩、英特尔重获并保持技术优势、地缘政治不确定性 [19] 其他重要信息 估值与评级 * 公司评级为“跑赢大盘”，目标股价为2200新台币/351美元 [1][13] * 当前股价为1955新台币，潜在上涨空间为13% [5] * 目标价基于20倍目标市盈率，当前远期市盈率为20.6倍 [4] * 公司市值约为5.07万亿新台币 [5] 财务预测 * 预计2026年营收为5.018万亿新台币，2027年为6.174万亿新台币，年复合增长率为27.3% [8] * 预计2026年每股收益为92.78新台币，2027年为110.40新台币 [8] * 预计2026年毛利率为62.4%，2027年为60.4% [8] * 预计2026年资本支出为1.717万亿新台币，2027年为1.953万亿新台币 [8] 股价表现 * 年初至今绝对回报率为26.1%，过去12个月为126.5% [5] * 相对于ASIAX指数，年初至今超额回报为19.7个百分点，过去12个月为83.3个百分点 [5] * 52周价格区间为2025新台币/816新台币 [5]

关键要点总结 一、 光模块行业 * **市场情绪非常乐观**，对2026-2027年需求展望积极[2] * **CPO发展不会颠覆现有可插拔模块需求**，市场已认识到其影响有限[1][2] * **新产品进入送样阶段**：NPO/SPO产品已从概念进入可提供实际样品演示阶段，预计商业化案例可能在2027年上半年出现[1][2] * **产业联盟加速落地**：Arista将SPO作为核心理念，组建了包含多家A股光模块公司的产业联盟，加速NPO/SPO发展[1][2] * **技术路线并行发展**：CPO与NPO/SPO阵营形成相互促进、你追我赶的态势[2] * **其他增长机会**：OCS等技术被视为新的增长机会[2] 二、 智能手机行业 * **2026年行业挑战巨大**，预计将是历史上最具挑战性的一年[1][3] * **市场情绪保守谨慎**，投资者普遍持保守态度[2] * **内存涨价倒逼OEM提价**，部分国内厂商已宣布上调手机售价[1][2] * **核心策略是提升ASP**，以对冲内存成本上涨和销量下滑压力，力求将收入跌幅控制在10%以内甚至维持不跌[2][3] * **市场存在显著预期差**，多数投资者认为OEM的收入目标过于乐观，上市公司的业绩目标存在下修空间[1][3] 三、 AI算力与云服务 * **国内瓶颈在于芯片供应而非需求**，若能获得更多芯片，AI相关收入将立即显著提升[1][4] * **阿里云增长强劲且能见度高**：预计三月份季度增速为30-40%，二季度有望加速至45%[1][4]；未来一至两年增速预计可达40%以上[5] * **腾讯芯片获取相对落后**，仍处于短缺阶段，希望到2026年年底提升国产芯片采购量[4] * **AI模型公司启动芯片转型**：MiniMax和智谱AI正从依赖英伟达芯片向多元化采用国产芯片转型[1][4][5] * **阿里云设定激进长期目标**：目标在未来五年内实现1,100亿美元的对外收入，较过去12个月约1,000亿人民币收入增长约七倍，年化增长率约为44%[5] * **阿里巴巴调整投资聚焦AI**：收缩外卖和闪购业务投资，目标在2029财年实现盈利；预计2026年亏损从800多亿降至400多亿，2027年降至200多亿；AI相关投入亏损将扩大，三月份季度单季亏损预计200亿，全年亏损总额预计约700亿[5] 四、 AI模型公司业务差异 * **智谱AI收入主要来自国内**：90% ARR来自国内，10%来自海外；国内客户中互联网公司贡献40%收入[7] * **MiniMax收入主要来自海外**：海外收入占比70%，国内占30%；API业务中海外收入占比也超过一半[7] * **两家公司token使用量持续增长**，在OpenRouter等平台上位居前列，预计ARR在未来几个月至年底将继续加速增长[7] * **市场竞争加剧**：涌现出阿里通义千问3.0、小米模型和阶跃模型等新竞争者[7] 五、 国产AI芯片与算力发展 * **评估需采取系统级视角**：虽然在芯片制造、先进封装和内存等领域存在差距，但在服务器架构、网络技术等系统层面已并驾齐驱；在电力供应、数据中心空间及政策支持等基础设施层面更具优势[8] * **通过集群配置满足需求**：尽管单芯片能力不足，但通过将大量芯片集群配置并部署在更多服务器和数据中心，国产芯片有能力满足中国市场，尤其是在推理场景下的需求[8] * **生态获得认可**：MiniMax等新兴AI模型公司开始评估采用国产芯片[8] 六、 存储器市场 * **对DDR4市场转为谨慎**：过去12个月合约价格上涨超过七倍，但主要由供给端驱动[1][8] * **供给端将极大缓解**：长鑫存储计划在2027年扩产1万片DDR4产能，较现有约6,000片产能增加一倍以上[8]；2026年采购DDR4金额预计达57亿元人民币，较2025年增长约五倍[10]；三星调整供给策略，第二季度出货量预计与第一季度持平或略升[10]；华邦计划2026年将其DRAM产能提升一倍；南亚科计划2027年每月增加15,000至20,000片DDR4产能[10] * **需求端受到抑制**：存储价格上涨已对部分需求造成抑制，尤其影响中低端智能手机市场；台湾利基型厂商反馈中小客户难以承受当前价格[10] * **MLC NAND前景依然乐观**：合约价格在过去一年上涨约5到6倍，但未观察到大量扩产迹象，需求相对稳定，市场势头保持良好[1][11] * **长期供应协议影响待观察**：达成固定价格的LTA难度较大；若能以较高价格水平签署，将对DDR4厂商起到支撑作用[11] 七、 台积电报关注点 * **全年业绩指引预计持平**，上调可能性不大[1][12][13] * **季度业绩符合预期**：毛利率可能超过54%；智能手机订单削减的缺口被网络通讯及AI相关CPU需求填补[12][13] * **焦点在于应对英特尔EMIB挑战**：英特尔的EMIB技术支持更大的光罩尺寸是主流趋势；台积电现有技术可能造成约40%的面积浪费[13] * **先进封装技术演进**：市场讨论NVIDIA下一代Rubin平台是采用两个还是四个光罩封装；若技术可行，采用四个光罩方案可能性更高[13] * **资本支出大幅上调可能性不大**，但CoWoS需求持续强劲[13] * **SiC晶圆代工需求强劲**：预计2027年及2028年SiC晶圆代工需求将保持强劲[1][13] 八、 算力芯片与TPU项目 * **联发科与博通形成差异化分工**：谷歌内部自用TPU出于成本考虑可能采用联发科方案；向第三方云厂商销售且需要网络技术支持的服务，采用博通版本几率较高[14][15] * **市场曾有的乐观预期降低**：到2030年谷歌完全转向联发科而放弃博通的可能性正在降低[14] * **TPU出货预期保持高位**：2026年出货量预期40万颗，没有延迟；2027年出货量目标为250万颗，在市场预期中处于较高水平[15] * **供应链状态稳定**：未发现博通上修或联发科下修CoWoS订单；ABF载板与联发科TPU供应可能已较为充足[15] 九、 其他重要内容 * **美团盈利预期积极**：阿里巴巴收缩外卖投资意味着价格战接近尾声；美团本地商业板块有望在2026年第二季度实现盈利，核心外卖业务预计在第三季度实现盈利[1][6] * **中国AI GPU产业链看好**：包括3DIC封装以及华虹等晶圆厂值得看好[15]