行业核心观点转变 - AI硬件投资逻辑正发生深刻转变，瓶颈从上游芯片制造与封装环节转移至下游数据中心基础设施[3][4] - 芯片制造和封装环节通过大规模扩产已不再是制约AI发展的核心矛盾，真正瓶颈在于数据中心电力、液冷、HBM内存、机架和光模块等[1][4] - 投资机会从晶圆代工扩散至下游供应链，拥有电力和空间资源的数据中心将在AI算力竞赛中占据优势[1][4] 上游产能扩张现状 - 台积电扩充CoWoS产能的前置时间仅需6个月，供应端灵活性极大增强[5] - 英伟达CEO明确表示半导体产能已不再是过去那样的限制因素，供应链制造和封装环节已实现大幅扩张[6] - 2026年全球CoWoS总需求预计达115.4万片晶圆，同比增长70%，但供应端快速响应能力显著增强[7] - AI半导体在台积电4nm和3nm等先进节点产能分配中拥有比加密货币ASIC或安卓智能手机SoC更高的优先级[6] 下游基础设施瓶颈 - 当前更大制约来自数据中心空间、电力和配套基础设施可用性，这些领域建设周期远长于芯片制造[9] - 随着AI集群规模迈向十万级GPU，整个数据中心设计理念被重塑，液冷已成为新AI机架默认配置[10][18] - 高压直流（HVDC 800V）等供电方案需求日益增长，电力与散热成为关键挑战[10][18] - 超大规模部署推动OCP推出标准化蓝图，涵盖机架、液冷、电源接口等[18] 关键组件需求预测 - 2026年全球云服务资本支出预计同比增长31%至5820亿美元，远高于市场普遍预期的16%[14] - 2026年AI服务器资本支出可能实现约70%的同比增长[15] - 2026年全球HBM消耗量预计达260亿GB，英伟达一家将消耗54%份额[18] - 英伟达预计占据59%的CoWoS产能份额和55%的AI计算晶圆消耗份额[16][17] 细分领域投资机会 - AI工作负载推动存储变革，Meta数据中心优先采用QLC NAND闪存，HDD仍将保持95%容量在线[18] - 可插拔光模块因总拥有成本和灵活性依然是首选，LPO技术正获得关注[18] - CPO/NPO（共封装/近封装光学）预计在2028年随制造工艺成熟而实现[18] - 像Aspeed这样的公司受益，其BMC（基板管理控制器）扩展到了包括冷却在内的多种设备上[18]