行业核心观点转变 - AI硬件投资逻辑发生深刻转变，焦点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] - 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，真正瓶颈转移至电力、液冷、HBM、机架和光模块等领域 [2][3] - 投资机会从晶圆代工扩散至更广阔的下游供应链，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 [2][4] 上游产能瓶颈缓解 - 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 [6] - 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] - 尽管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已显著增强 [6] 下游基础设施成为新瓶颈 - 当前更大制约来自数据中心空间、电力和配套基础设施的可用性，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，液冷已成为新AI机架的默认配置，高压直流等供电方案需求增长 [9] - HBM需求呈爆炸式增长，预计2026年全球HBM消耗量高达260亿GB，英伟达将消耗54%份额，HBM供应成为影响AI服务器出货的关键变量 [9] 下游组件需求预测 - 预计2026年全球云服务资本支出将同比增长31%，达到5820亿美元，远高于市场普遍预期的16% [12] - 假设AI服务器在资本支出中占比提升，2026年AI服务器资本支出可能实现约70%的同比增长 [12] - 2026年AI芯片需求中，英伟达预计占据59%的CoWoS产能消耗份额和55%的AI计算晶圆消耗份额 [13] 具体技术趋势 - 可插拔光模块因其总拥有成本和灵活性依然是首选，LPO技术正获得关注 [9] - CPO/NPO（共封装/近封装光学）预计将在2028年随着制造工艺成熟而实现 [10] - 出于成本考虑，数据中心将优先采用QLC NAND闪存，HDD仍将保持95%的容量在线以满足大型和远程数据中心需求 [9]