行业瓶颈转移 - AI半导体行业投资逻辑发生深刻转变，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 [2] - 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 [2][4] - 真正的瓶颈集中在数据中心空间、电力供应、液体冷却、高带宽内存、服务器机架和光模块等配套基础设施上 [2][6] 上游产能状况 - 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 [4] - 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 [4] - 预测2026年全球CoWoS总需求将达到115.4万片晶圆，同比增长70% [4] 下游基础设施挑战 - 当前更大的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 [6] - 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，高压直流供电方案需求增长 [6] - AI工作负载对存储要求极高，Meta数据中心将优先采用QLC NAND闪存，HDD仍将保持95%的容量在线 [8] - 预测2026年全球HBM消耗量将高达260亿GB，英伟达一家消耗54%份额，HBM供应成为影响AI服务器出货的关键变量 [8] 需求与资本支出预测 - 预测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% [11] - 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 [11] - 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 [12] 投资机会新方向 - 投资机会正从上游晶圆代工和封装扩散至更为广阔的下游供应链 [2][13] - 未来无法获得充足电力和物理空间的数据中心将成为AI算力竞赛中的掉队者 [2] - 投资者需要将视野扩展到整个数据中心生态系统，寻找在电力、散热、存储、内存和网络等下游环节具备核心竞争力的公司 [13]