涉及的行业与公司 * **行业**：大中华区半导体行业，特别是人工智能图形处理器（AI GPU）领域[1] * **公司**： * **AI GPU 设计公司**：华为（Ascend）、寒武纪、燧原科技、摩尔线程、壁仞科技、天数智芯、瀚博半导体、昆仑芯（百度）、平头哥（阿里巴巴）、字节跳动（ASIC）[6][35][53][233] * **半导体供应链**：中芯国际（SMIC，晶圆代工）、北方华创（NAURA，设备）、ASM Pacific（先进封装）[6] * **互联网平台**：百度（含昆仑芯）、阿里巴巴（含平头哥）、腾讯、字节跳动[6][35][131] 核心观点与论据 1. 市场前景：需求强劲，自给率提升，但面临同质化风险 * **市场规模与增长**：预计中国AI芯片总潜在市场将从2024年的191亿美元增长至2030年的670亿美元，年复合增长率达23%[10][11][115][133][140]。其中，本地AI芯片收入预计将从2024年的60亿美元增至2030年的510亿美元，年复合增长率为42%[115][147]。 * **自给率提升**：预计中国AI GPU自给率将从2024年的33%提升至2030年的76%[19][20][115][146][148][149]。预计到2027年，本地芯片价值将超过美国芯片[151]。 * **需求驱动**：需求由商业应用（云服务提供商、AI应用）和政策驱动的“主权AI”需求共同推动[45][115][117]。主要买家包括CSP（字节跳动、阿里巴巴、腾讯）、电信运营商、国企和政府[131][132]。 * **风险**：随着代工产能可能从2027年开始扩张以及AI GPU设计成熟，产品差异化可能变得困难，行业存在利润率下降和未来两到三年整合的风险[42][255]。 2. 供应链：取得进展，但瓶颈依然存在 * **代工产能**：预计中国先进制程产能（12nm及以下）将增加[12]。中芯国际的N+2（7nm）产能预计从2025年的约2.2万片/月增至2027年的约5.1万片/月[86][97]。然而，产能高度集中，且需与智能手机、汽车SoC等需求竞争[84][86]。 * **关键瓶颈**： * **设备与EDA**：在光刻、检测和计量工具方面持续受限[78]。国内EDA厂商华大九天全球市场份额仅约1-2%，缺乏支持先进节点GPU设计的全流程工具[80]。 * **制造策略**：由于先进节点获取受限，国内厂商采用多芯片封装、扩大机架集群、扩大制造产能等系统级和架构策略来弥补单芯片性能劣势[93][96][98][99][100]。 * **“合规”芯片**：台积电和三星等海外代工厂可能为符合美国出口管制（ECCN 3A090）的中国设计公司生产“合规”芯片[146][219][220]。例如，字节跳动通过芯原微电子的设计服务模式在三星生产低性能推理芯片[39][220]。 3. 竞争力分析：在推理场景已具竞争力，系统级创新缩小差距 * **性能差距**：在芯片层面，中国比美国落后约1.5-2代，但系统级性能差距正在缩小[136]。在性能/瓦特/美元框架下评估，差距显著缩小，特别是在中国对功耗敏感度较低的情况下[34][73][74][271]。 * **推理经济性占优**： * **总拥有成本**：国内AI加速器的TCO可比在中国可获取的英伟达解决方案低30-60%，得益于较低的芯片价格和电力成本[34][169][178]。 * **单次推理成本**：国内领先加速器（如华为、寒武纪）的单次推理成本已可与英伟达H20和A100相媲美，甚至在某些配置下更优[176][177][178]。 * **代币输出性能**：在DeepSeek R1推理基准下，华为昇腾950PR和寒武纪MLU690的TPS可能比英伟达H20高出约50-150%[179][190]。 * **系统级优势**：中国在服务器系统、光网络、数据中心空间、电力供应和政策支持方面具有优势[37][274][276]。国内平台在计算与网络带宽比率上更为平衡，可能减少系统级低效[110]。 * **长期挑战**：在大型AI模型训练方面，英伟达仍占主导地位[32]。国内加速器要切入训练市场并最终找到海外买家，仍是长期关键问题[32]。 4. 行业格局：当前碎片化，未来将整合 * **市场集中度**：2026年国内GPU市场，华为预计占据63%份额，寒武纪占10%，昆仑芯和平头哥各占约7-8%[53][233][245]。预计华为份额在2026-2030年将保持50%以上[150][152]。 * **玩家类型**：包括商业供应商（如寒武纪、燧原）、 captive设计部门（如百度昆仑芯、阿里平头哥）和主权支持玩家（如华为）[35][46][256]。 * **整合压力**：主要客户（CSP、电信运营商）有动力支持至少一家主权背景供应商和自家关联设计部门，这限制了独立第三方供应商的市场空间[42][256]。预计未来两到三年将出现整合[42][255]。 5. 估值：高市销率反映期权价值，而非当前盈利 * **高估值倍数**：中国AI半导体设计公司的市销率远高于全球同行，尽管收入基础小得多，盈利阶段更早[47][48][227]。例如，寒武纪2026年预期市销率约32倍，燧原科技约60倍，摩尔线程约139倍[51][54][228][235]。 * **估值驱动**：高估值反映了在地缘政治限制下的国内替代期权、政策支持、战略资本配置以及产能正常化和软件生态系统成熟的凸性上行空间[222][223]。 * **具体公司估值**： * **昆仑芯**：估值200亿至610亿美元，基于2026年预期市销率20-33倍[56][57][237][238]。 * **平头哥**：估值280亿至860亿美元，基于2026年预期市销率20-33倍[59][62][246][247]。 * **与美企对比**：英伟达和AMD 2026年预期市销率分别为约17倍和25倍，由规模、已证实的盈利能力和清晰的多年需求前景支撑[224][225][228]。 其他重要内容 1. 政策与商业化的双重驱动 * 政策支持加速了早期发展，但长期价值取决于商业竞争力[5]。政府支持在规模化阶段锚定了供应形成和国内需求[140][141]。 * 商业化回报成为越来越重要的需求驱动力，AI相关资本支出需要可论证的商业回报来维持[122][123]。主要科技公司的AI相关资本支出预计在2026年将同比增长38%，达到5970亿元人民币[123]。 2. 情景分析 * **基本情景**：海外流片受限，中芯国际持续扩张产能但受设备限制，H200出口有限。政策支持推动本地AI加速器需求增长[66][67][154]。 * **乐观情景**：国内AI芯片供应条件显著改善，获得领先代工服务的渠道改善或中芯国际良率提升，美国先进AI加速器出口持续受限[68][154]。 * **悲观情景**：设备限制进一步收紧，严重制约先进节点产能扩张。同时，英伟达H200出口管制放松，降低了国内替代的紧迫性[69][70][154]。 3. 电力成本优势 * 中国享有比全球其他经济体低得多的电力价格[173][174][283]。较低的芯片价格加上较低的电力成本带来了更低的单次推理成本[175]。 * 数据中心电力需求预计在2025-2035年以约22%的年复合增长率增长[277]。充足的电力供应和低廉的电价增强了中国在AI计算方面的系统级竞争力[284]。 4. 技术指标对比 * 报告引入了总处理性能（TPP）和性能密度（PD）等指标来评估芯片性能。一些国内设计（如华为昇腾910C/950、寒武纪MLU690）在TPP上已达到或超过英伟达A100级别[208][210][211]。部分国内设计由于芯片尺寸更小，PD甚至超过英伟达A100[213][216][217]。 * 详细对比了中美AI芯片在晶圆前端、芯片封装、内存、服务器系统、光网络、软件优化、数据中心空间、电力供应和政策支持等九个方面的竞争力[37][274][276]。

摩根士丹利研究报告：中国AI路径——通过自研芯片拥有全栈能力 涉及的行业与公司 * **行业**：中国互联网与科技行业，特别是人工智能、云计算、半导体[1][3][8] * **主要公司**： * **阿里巴巴 (BABA.N)**：报告的核心关注点，被提升为“首选股”[1][4] * **百度 (BIDU)**：作为本地芯片竞争者被提及[5] * **腾讯 (0700.HK)**：被阿里巴巴取代了首选股地位，但仍是“快速跟随者”[1][4] * **字节跳动**：作为快速崛起的参与者被分析[18] * **其他**：华为、寒武纪、燧原科技等中国AI芯片厂商[23][135] 核心观点与论据 1. 核心投资论点：拥有全AI栈是结构性优势 * **核心观点**：拥有完整的AI栈（芯片、云、模型、应用）能显著提高成为AI赢家的可能性，自研芯片可降低竞争和监管风险[1][3] * **论据**： * 这种垂直整合模式在美国已由Alphabet验证[3] * 自研芯片能减少对第三方供应商的依赖，实现针对特定应用的优化设计，在需求激增时支持快速扩容，提高成本效率（降低单token成本），缓解地缘政治风险（美国出口管制），并降低监管风险（获得政府支持）[3] * 基于此，报告将阿里巴巴视为全球AI赢家，因其拥有顶级的自研AI芯片（平头哥/T-Head）、中国第一全球第四的云基础设施（阿里云）、全球采用最广的先进开源权重基础模型（通义千问/Qwen）以及消费中心型应用（Qwen应用）[4][10] 2. 中国AI芯片市场展望：规模巨大且自给率提升 * **核心观点**：中国AI芯片市场将快速增长，国内自给率显著提高[5][31] * **论据与预测**： * **需求端 (TAM)**：预计到2030年，中国AI芯片总市场规模（基于GPU相关资本支出）将达到670亿美元[5][31] * **供给端**：预计到2030年，中国本土AI芯片市场规模（基于晶圆厂产能）将达到510亿美元，这意味着**76%的AI芯片自给率**（2024年仅为33%）[5][31][213] * **市场结构**：预计华为将占据约65%的国内市场份额，寒武纪约11%，平头哥和昆仑芯各占高个位数百分比（2026-2030年）[26][166] * **增长驱动**：持续的资本支出投资（预计CSP资本支出到2030年将达7110亿元人民币/1010亿美元，2025-30年CAGR为10%）、token产出激增（中国开源AI模型现占全球使用量近30%）、2C应用使用量激增、2B采用更广泛以及新兴用例（如Clawbot）[31][33][186] 3. 主要云服务提供商（CSP）的AI战略差异 * **阿里巴巴 – 基础设施主导**： * 拥有中国最大、全球第四的云基础设施（阿里云），追求以云为中心的基础设施主导AI战略[15][91] * 通过平头哥进行自研半导体开发，通过Qwen开发基础模型，并在淘宝/天猫、高德、夸克等应用层进行广泛整合[15] * 缺乏顶级流量入口应用，因此开发Qwen AI助手对于提升2C采用率和稳定电商份额至关重要[93] * **腾讯 – 应用驱动，聚焦内部采用**： * 优势在于运营中国最具主导地位的社交平台微信，AI重点是利用生态系统内的AI来加强业务增长（如广告技术升级、游戏内容改进）[16][95] * 其现有业务受AI颠覆较小，因此更重要的是增强现有微信服务或基于微信流量开发新的消费者应用（如元宝）[96] * **百度 – AI驱动新增长引擎**： * 传统搜索业务受AI颠覆最严重，因此最积极地转型，将搜索转化为AI相关内容以维持用户留存[17][98] * 已产生新的AI赋能收入流（AI云基础设施、AI营销、AI原生应用），占4Q25核心收入的40%以上[98] * 昆仑芯的外部销售对其未来AI云基础设施增长是重要驱动力[17][99] * **字节跳动 – 全面进取**： * 利用抖音/TikTok的强大流量，其AI原生应用“豆包”已稳步获得关注，并在春节期间日活跃用户数突破1亿[18][101] * 基础设施对其也至关重要，其AI云平台火山引擎市场份额已快速提升至15%（1H25）[19][102] * 据报道正在与三星洽谈生产自研AI芯片，以降低单token成本并确保稳定供应[102] 4. 自研芯片的六大战略价值 * **降低对第三方供应商的依赖**：提供稳定可控的供应，优化特定工作负载，支持长期产能规划，并可能将每芯片成本降低80%以上[56][57][58] * **针对特定应用的定制设计**：优化硅架构以适应最高频、经济最敏感的工作负载，改善规模经济性和性能[59] * **在需求意外激增时快速增加产能**：通过与外部代工厂合作，更好地控制生产时间线和交付，在供应紧张时期保护利润率[62] * **在推理优先的AI市场中实现最低单token成本**：中国AI商业化侧重于推理密集型工作负载和激烈的价格竞争，自研芯片通过优化整个堆栈的成本结构，提供了结构性优势[63][64] * **缓解全球供应链风险**：美国出口管制限制了获得高性能NVIDIA产品，即使H200获准出口，其性能也远低于B200 Blackwell芯片（训练快3倍，推理性能高15倍）[71][72] * **因政策一致而降低国内监管风险**：与半导体、AI等国家战略优先领域保持一致，获得政策支持，长期政策风险较低[81][82] 5. 对阿里巴巴与百度的估值分析 * **阿里巴巴 (BABA)**： * 将平头哥（T-Head）估值定为**280亿至860亿美元**（基于2027财年预计收入140-260亿元人民币，P/S 20-33倍）[6][38] * 更新后的**中端分类加总估值法目标价为每股240美元**（原为250美元），高端目标价为345美元[39][40] * 中端估值中，平头哥贡献22美元/股，阿里云贡献85美元/股，剔除QC亏损的电商业务贡献90美元/股[39] * **百度 (BIDU)**： * 将昆仑芯（Kunlunxin）估值定为**200亿至610亿美元**（基于2026年预计收入70-130亿元人民币，P/S 20-33倍）[6][45][218] * 更新后的**中端分类加总估值法目标价为每股215美元**（原为220美元），高端目标价为330美元[45][220] * 中端估值中，昆仑芯（按百度约60%持股并考虑30%控股公司折价）贡献45美元/股，AI云基础设施（不含昆仑芯）贡献45美元/股，营销业务贡献44美元/股[45][234][235] 其他重要但可能被忽略的内容 * **行业整合预期**：预计未来2-3年行业将出现整合，大多数主要客户（中国CSP和电信运营商）出于战略和监管原因必须支持至少一家具有主权背景的供应商（如华为），CSP也需要支持自己的或关联的设计公司，因此只有少数第三方供应商有扩张空间，新进入者的竞争空间有限[24][163] * **代工产能分配**：由于先进制程晶圆厂产能稀缺，分配主要由政府优先级决定，预计华为将获得最大份额，其次是寒武纪和海光，而CSP关联的芯片设计公司将保持稳定的高个位数百分比份额[25][165] * **国内芯片性能差距缩小**：在系统硬件层面，中国已具备广泛竞争力，在基础设施和政策层面具有优势，在推理工作负载上，国内AI GPU已具备竞争力，若按每瓦每美元性能衡量，差距显著缩小[148][149][150] * **具体性能数据**：基于TPS计算，最新一代国内AI加速器（如华为昇腾950PR、寒武纪MLU690）在DeepSeek R1推理上的性能可能已超过NVIDIA H20约50-150%[151] * **CSP资本支出趋势**：中国主要科技公司（腾讯、阿里、字节、百度、美团、快手）的AI相关资本支出预计在2026年同比增长38%，达到5970亿元人民币（850亿美元），到2030年进一步扩大至7110亿元人民币（1010亿美元），但仍仅为美国全球同行的约七分之一[182][183] * **token使用量激增**：根据OpenRouter数据，在2026年2月9-15日这一周，中国模型的token消耗量（4.12万亿）首次超过美国模型（2.94万亿），随后一周（2月16-22日）进一步激增至5.16万亿，三周内增长127%[187] * **春节营销活动影响**：2026年春节AI营销活动中，各平台投入可能超过80亿元人民币，豆包、Qwen、元宝的日活跃用户数在峰值期间分别增加了6050万、5650万和3350万[197][198]

涉及的公司/行业 * **公司**：SK海力士 (SK Hynix Inc., 股票代码: 000660.KS) [1] * **行业**：半导体存储行业，具体为DRAM（动态随机存取存储器）和NAND闪存市场 [3] 核心观点与论据 * **投资评级与目标价**：重申对SK海力士的“买入”评级，并将12个月目标价从1,200,000韩元上调至1,350,000韩元，基于2026/27年平均市净率2.9倍计算，隐含2026/27年市盈率分别为6.1倍和6.3倍 [1][33][44] * **上调盈利预测**：主要基于上调的DRAM/NAND价格假设，将2026年第一季度营业利润（OP）预测上调至34.7万亿韩元（高于市场共识32.0万亿韩元8%），并将2026年全年营业利润预测从169万亿韩元大幅上调至202万亿韩元 [1][31][32][36] * **强劲的存储上行周期**：认为公司将受益于未来几个季度有史以来最强劲的传统存储上行周期之一，预计今年DRAM营业利润率将达到历史新高的70%以上，NAND营业利润率将达到40%以上 [2][34] * **AI内存领导地位**：维持公司在AI内存（特别是HBM）领域稳固的领导地位，预计2026年净资产收益率（ROE）将超过80%（2025年为44%），创历史新高 [2][35] * **估值具有吸引力**：即使考虑2027年存储价格可能出现小幅调整的假设，基于2027年预测数据，公司股票交易于4.5倍市盈率和1.7倍市净率，对应46%的净资产收益率，估值具有吸引力 [2][35] * **上调价格与资本支出预测**： * **DRAM价格**：将2026年第一季度至第四季度传统DRAM价格季度环比增长预测分别上调至+88%/+40%/+7%/+3%（原为+82%/+15%/+7%/+3%），预计2026年平均价格同比上涨243%（原为184%），2026-2028年价格假设较此前分别上调21%/20%/16% [19] * **NAND价格**：将2026年第一季度至第四季度NAND价格季度环比增长预测分别上调至+58%/+30%/+8%/+2%（原为+45%/+14%/+4%/+1%），预计2026年平均价格同比上涨150%（原为102%），2026-2028年价格假设较此前分别上调23%/22%/12% [20] * **资本支出**：鉴于传统存储供应紧张和HBM需求稳固，将2026-2028年资本支出预测上调至40万亿/43万亿/49万亿韩元（原为38万亿/38万亿/44万亿韩元），预计支出重点仍将放在利润率更高的DRAM（包括传统DRAM和HBM）上 [30] * **供需状况**：关键应用领域的存储供应仍处于低位，即使PC/智能手机需求并不特别强劲，AI/服务器驱动的需求吸收了市场的大部分供应，第二季度初期的DRAM/NAND价格谈判起点高于数月前的预期 [3] * **股东回报与潜在催化剂**：已宣布的回购/分红/潜在的美国存托凭证（ADR）上市等措施可能提升股东价值 [2][35] 其他重要内容 * **关键风险**： 1. 存储供需严重恶化及技术迁移延迟 [36][45] 2. 智能手机/PC/服务器需求疲软，影响整体传统存储需求 [36][45] 3. 三星在HBM业务上的积极进展，可能影响SK海力士的HBM收入和利润 [36][45] 4. AI相关资本支出降低，影响整体HBM需求，从而影响公司的HBM收入/利润 [36][45] * **财务预测摘要（关键数据）**： * **2026年预测**：营收283,654亿韩元（同比增长192.0%），营业利润202,365亿韩元（营业利润率71.3%），净利润152,090亿韩元，每股收益220,275韩元 [6][12][36] * **2027年预测**：营收282,975亿韩元（同比微降0.2%），营业利润193,687亿韩元（营业利润率68.4%），净利润147,318亿韩元，每股收益213,363韩元 [6][12][36] * **市场地位**：SK海力士是HBM市场领导者、全球第二大DRAM供应商和领先的NAND供应商之一 [46] * **历史股价表现**：截至2026年3月11日收盘，过去3个月、6个月、12个月绝对涨幅分别为69.0%、211.1%、408.5%，相对韩国综合指数（KOSPI）的超额收益分别为23.9%、85.4%、130.0% [14]

摩根士丹利大中华区半导体行业投资报告关键要点总结 **涉及的行业与公司** * **行业**：大中华区科技半导体行业，重点关注人工智能（AI）半导体、存储、云计算、先进封装（CoWoS）、硅光（CPO）及中国本土GPU供应链[1][2][3] * **核心公司覆盖**：报告覆盖了超过60家大中华区半导体产业链公司，包括晶圆代工（如台积电、联电、中芯国际）、存储（如华邦电、南亚科、兆易创新）、IC设计（如联发科、瑞昱、祥硕）、封测（如日月光、长电科技）、半导体设备/材料（如北方华创、中微公司、环球晶圆）及分销商（如文晔科技）等[8][9][219][221] **核心观点与论据** **一、 整体行业观点与投资主题** * 行业整体观点为“具吸引力”[3] * 核心看多领域：**云计算、存储和光通信**前景[1][2] * 长期需求驱动因素：AI的涟漪效应、AI/数据中心半导体、硅光封装[6] * 主要风险：科技通胀（晶圆、封测和存储成本上升挤压芯片设计公司利润）、AI对非AI半导体需求的挤压、中国AI发展对供应链的影响[6] **二、 存储半导体：AI驱动短缺，价格领先逻辑芯片** * **核心观点**：AI存储导致NAND短缺，NOR Flash供应紧张将持续至2026年；存储股价格是逻辑半导体的**领先指标**[13][15][19] * **关键数据与论据**： * **DDR4短缺**：预计持续至2026年下半年[31] * **NAND需求**：推理上下文内存存储平台（ICMS）预计将在2026e/2027e带来额外**1%/13%** 的NAND消耗量[27] * **HBM需求**：2026年HBM需求预计高达**320亿Gb**[78][81] * **投资偏好**：超配（Overweight）华邦电（首选）、南亚科、兆易创新、旺宏、力积电等[6][12] **三、 云计算半导体：资本开支强劲，前景光明** * **核心观点**：云半导体前景更加光明，主要云服务提供商（CSP）资本开支保持强劲[38][39] * **关键数据与论据**： * **CSP资本开支**：前四大CSP（亚马逊、谷歌、微软、Meta）在2025年第四季度的资本开支同比增长**64%**[40]；摩根士丹利云资本开支追踪器估计2026年全球前十大上市CSP资本开支近**6850亿美元**[48]；英伟达CEO估计2028年全球云资本开支（含主权AI）将达**1万亿美元**[50] * **AI推理需求**：主要CSP每月处理的Token数量表明AI推理需求正在增长[59][61] * **关键受益股**：超配信骅（Aspeed）等[6][9] **四、 AI半导体供应链：CoWoS产能扩张与需求测算** * **核心观点**：鉴于AI需求持续强劲，台积电可能到2027年将CoWoS产能扩大至**165k wpm**[65]；2025年CoWoS和SoIC产能可能翻倍，并持续至2026年[71] * **关键数据与论据**： * **CoWoS产能分配**：2026年，英伟达预计占据**60%** 的CoWoS产能（875k wafers），博通占**20%**（290k wafers），AMD占**8%**（110k wafers）[73] * **AI计算晶圆消耗**：2026年AI计算晶圆消耗市场可达**260亿美元**，英伟占占据大部分[75][76] * **GB200/NVL72机架**：估计2025年台积电生产了**510万颗**芯片，全年GB200 NVL72机架出货量预计达到**3万台**[85] **五、 AI ASIC（定制芯片）：增长迅猛，生态活跃** * **核心观点**：即使在英伟达提供强大AI GPU的情况下，CSP仍需要定制芯片；边缘AI、推理AI和定制AI芯片增长将超越整体市场[93][99][103] * **关键数据与论据**： * **增长预期**：边缘AI半导体（2023-30年CAGR **22%**）、推理AI半导体（CAGR **68%**）、定制AI半导体（CAGR **65%**）[102] * **具体项目预测**： * AWS Trainium系列：从2023年的30万单元增长至2028e的**200万单元**[106] * 谷歌TPU系列：从2023年的50万单元增长至2028e的**700万单元**[108] * **设计服务映射**：报告详细列出了各大科技公司（AWS、谷歌、微软、Meta、特斯拉等）的定制芯片项目及其设计服务合作伙伴（如联发科、Alchip、GUC、博通等）[115] * **分销商机会**：文晔科技（WT Micro）因强大的数据中心业务成为半导体分销商中的最佳代理，预计半导体分销市场2025-2029e年复合增长率为**13%**[117][119][126] **六、 中国AI与本土GPU：自给率提升，技术追赶** * **核心观点**：中国GPU自给率在2024年为**34%**，预计到2027年将达到**50%**，本土GPU几乎可以满足中国AI需求[141][144] * **关键数据与论据**： * **市场规模**：预计中国云AI总市场规模（TAM）在2027年将达到**480亿美元**[143] * **本土GPU收入**：在中芯国际先进制程产能支持下，本土GPU收入预计从2024年的**425亿人民币**增长至2027年的**1802亿人民币**，2027年同比增长**60%**[147] * **技术对比**：报告详细对比了华为昇腾910B/C、寒武纪、海光等中国本土GPU与英伟达产品的性能参数[134]，并对比了英伟达NVL72与华为CloudMatrix 384机架的性能[137] * **潜在影响**：DeepSeek触发了推理AI需求，但国内GPU是否足够存疑；若英伟达H200获准出货，可能稀释国内GPU供应链份额[6] **七、 硅光封装（CPO）：为AI/HPC扩展的关键技术** * **核心观点**：CPO有助于实现AI/HPC应用的横向扩展网络和纵向扩展计算目标；预计横向扩展CPO交换机将从2025年的**5千台**快速增长至2030e的**20万台**，2023-2030e年复合增长率达**144%**[161][162] * **关键受益方**：超配FOCI等公司，预计其来自英伟达项目的收入贡献将从2026e占总收入的**19%** 大幅提升至2028e的**81%**[166] **其他重要内容** * **估值比较**：报告提供了涵盖晶圆代工、存储、封测、IDM、设备、材料、无厂半导体（Fabless）等子板块大量公司的详细估值对比表，包括目标价、上涨/下跌空间、市盈率、增长率等关键指标[8][9] * **合规与风险提示**：报告包含关于美国行政命令14032、出口管制、利益冲突、评级定义等大量合规披露内容[3][4][167][168][185][190] * **报告性质**：此为摩根士丹利研究部门于2026年3月11日发布的大中华区半导体行业投资者报告[2]

文章核心观点 - 当前是投资人工智能股票的绝佳时机，部分股票估值相对较低且具备巨大上涨潜力，其中一些股票可能在今年年底前上涨20%至30%，而2026年之后的上涨空间更大 [1] 微软 - 公司近期股价表现不佳，尽管业务表现强劲，但股价较历史高点下跌约25% [3] - 从市盈率角度看，当前估值是自2022年底市场普遍抛售以来最便宜的时期，甚至比2020年3月COVID-19抛售期间更便宜 [3] - 此类买入机会并不常见 [5] 英伟达 - 公司业务表现良好，由于对AI计算硬件的需求旺盛，预计未来一年收入将实现巨大增长 [6] - 其图形处理器（GPU）仍是最受欢迎的并行处理器，随着超大规模公司在数据中心基础设施上投入数千亿美元，公司将持续受益 [6] - 尽管前景乐观，但公司股票仅以22.2倍的预期远期市盈率交易，与标准普尔500指数21.9倍的远期市盈率相比溢价极小，使其当前股价显得被低估 [6][7] - 当前股价为185.94美元，市值4.5万亿美元，毛利率为71.07% [7] Meta Platforms - 市场对Meta Platforms的态度复杂，投资者主要担忧其在AI领域的大量投资尚未产生任何投资回报 [8] - 公司认为必须投资于生成式AI技术，否则可能面临被淘汰的风险 [8] - 公司股价较历史高点下跌约15%，以21.9倍的远期市盈率交易，与标准普尔500指数的估值相同 [9] - 当前股价为654.95美元，市值1.7万亿美元，毛利率为82.00% [9] 台积电 - 作为全球领先的逻辑芯片制造商，公司是AI基础设施建设的最大受益者之一，其客户包括英伟达等 [10] - 公司预计从2024年到2029年，其AI芯片收入将以50%中高段的复合年增长率增长 [10] - 作为AI建设的中立参与者，只要对AI计算能力的需求持续增长，公司就能持续获利，而基于超大规模公司的长期支出计划，这一结果几乎可以保证 [11] 博通 - 博通是AI计算领域一个崛起的竞争者，其策略是与超大规模公司直接合作，设计针对特定工作负载的专用集成电路（ASIC） [12] - 在2026财年第一季度，其AI半导体收入同比增长106%至84亿美元 [12] - 若将此数据年化，约为336亿美元，但公司预计到2027年底，该数字将增长两倍，超过1000亿美元 [14] - 当前股价为341.61美元，市值1.6万亿美元，毛利率为64.96% [14]

印度半导体产业扶持基金计划 - 印度计划推出一个规模超过1万亿印度卢比（108亿美元）的基金，旨在支持国内芯片制造、设计项目和供应链发展 [6] - 该基金预计可能在两到三个月内启动，但计划仍在讨论中，可能发生变化 [1][6] - 该基金由印度科技部负责，但科技部未对评论请求作出回应 [4][6] 产业政策背景与目标 - 此次新举措建立在印度2021年推出的100亿美元激励计划之上，该计划曾承诺承担设立芯片项目成本的一半 [5][6] - 印度政府的目标是到2032年，发展出可与全球主要领导者（如台湾、韩国和美国）相媲美的芯片制造能力 [5][6] - 尽管印度早期的项目专注于技术复杂度较低的芯片，但其有雄心向更高价值的先进半导体领域升级 [5][6] 全球背景与印度策略 - 印度的推动计划在规模上虽小于美国的520亿美元《芯片与科学法案》，但其性质相似，旨在资助本土芯片制造能力 [1][6] - 全球各国政府正在加大对芯片产业的支持，以实现更自给自足并满足从人工智能、智能手机到汽车和电器等各领域开发者日益增长的需求 [6] - 印度希望凭借其工程和设计人才以及补贴，吸引主要芯片制造商进入这个世界人口最多的国家，其方式与帮助苹果公司在该地区扩张类似，目前苹果公司25%的iPhone在印度组装 [6] 现有项目与产业生态 - 2021年的激励计划帮助开启了印度的芯片产业进程，吸引了如美国存储芯片制造商美光科技等公司，该公司正在古吉拉特邦西部建立组装工厂 [5][6] - 印度塔塔集团正在古吉拉特邦建设一座半导体制造工厂以及一个独立的芯片封装单元 [6] - 作为政府激励计划的一部分，还宣布了其他几个与芯片制造和封装相关的项目，包括富士康科技集团的测试和组装工厂 [6] 政策协同效应 - 新的半导体激励措施将与联邦政府为促进国内制造和出口而提供的其他智能手机及零部件补贴相结合 [6]

公司历史与业务演变 - 公司成立超过30年，早期主要业务是为视频游戏市场提供GPU，该业务目前仍是其业务组成部分，但已不再是主要盈利来源 [3] - 在最近一个季度，公司总收入为680亿美元，其中游戏业务收入贡献不足40亿美元 [3] 当前业务结构与财务表现 - 公司数据中心业务目前贡献了总收入的91%，该业务主要为大型AI客户（如微软和亚马逊）提供数据中心计算所需的芯片及相关产品 [4] - 在最近一个完整财年，公司收入增长了65%，达到创纪录的2150亿美元 [2] - 过去五年，公司股价因AI浪潮已上涨1300% [1] 市场地位与竞争优势 - 公司提供AI发展所需的关键产品——AI芯片，其图形处理器(GPU)被证明是市场上速度最快的，这成为其吸引科技巨头实现AI目标的主要卖点 [1] 增长战略与多元化 - 公司正逐步将其GPU的应用范围扩展至机器人、自动驾驶汽车和电信网络等多个广泛领域，以增加收入来源，而非仅依赖数据中心建设 [7] 行业前景与公司定位 - AI技术已非实验性技术，已在众多领域得到实际应用，这证明了其发展实力 [6] - 考虑到AI的当前应用和未来潜力，预计任何支出放缓都不会是长期趋势 [8]

公司战略与资本投入 - 英伟达宣布未来五年将投入260亿美元（约合1789亿人民币）巨资，用于构建开源AI模型 [1][17] - 该笔投入不仅用于模型研发，还将通过在自有的超级计算机级数据中心运行这些模型，对计算、存储和网络性能进行全方位压力测试，以反哺并规划未来的硬件架构路线图 [17] - 公司对外全面开放模型的全参数权重、训练与评估配方以及详细的部署手册，旨在推动开源生态发展，并将全球开发者的创新根基绑定在自身技术底座上 [17] 新产品发布与技术规格 - 英伟达发布并开源了120B参数的MoE模型Nemotron 3 Super [1] - 该模型原生支持100万token的上下文窗口，为多智能体协同处理复杂多步流程提供长期记忆空间 [2] - 模型吞吐量提升至上一代Nemotron Super的5倍以上，在处理代码和工具调用等结构化生成任务时，最高能实现3倍的实际推理提速 [2] - 在8k输入与64k输出的特定设置下，其推理吞吐量达到了GPT-OSS-120B模型的2.2倍 [2] 模型性能与基准测试结果 - 在评估智能体控制能力的PinchBench测试中，Nemotron 3 Super获得85.6%的高分，位列同类开源模型榜首 [1] - 在Artificial Intelligence Index中，该模型获得37分，超过得分33分的GPT-OSS [1] - 在软件工程基准SWE-Bench中，模型搭配OpenHands框架取得60.47%的准确率，高于GPT-OSS的41.9% [4] - 在Terminal Bench的困难子集测试中，模型得分为25.78%，略超GPT-OSS的24.00% [4] - 在常识推理测试MMLU-Pro中，模型拿下83.73分，相比GPT-OSS的81.00分有所提升 [4] - 在模拟真实业务的TauBench V2测试中，模型在航空、零售和电信三大领域取得61.15%的平均成绩 [4] 核心架构与技术创新 - 模型采用混合Mamba-Transformer架构，以在处理百万级上下文时兼顾效率与精度 [6] - 引入了Latent MoE架构，通过将token投影到低秩潜空间降维，在维持同等推理成本的前提下调用四倍数量的专家网络，实现更精细的专业化分工 [7] - 原生应用多token预测技术，通过共享权重设计在单次前向传递中并行预测多个token，强化长程逻辑理解并内置投机解码能力，显著缩短复杂任务的生成耗时 [8] - 在硬件层面采用原生NVFP4格式进行预训练，在25万亿个token上进行的低精度预训练让模型从起步阶段就适应Blackwell架构的算力特性 [11] - 最终模型在B200芯片上的推理速度比H100快四倍，在极大降低内存需求的同时维持稳健的准确率 [11] 智能体能力训练方法 - 在后训练阶段采用两阶段SFT工艺：第一阶段通过标记级平均损失建立推理基础，第二阶段切换为样本级平均损失，解决了长输入场景下的性能降级问题 [12] - 针对智能体命令行交互，构建了包含2万个初始查询的种子任务集，并利用模型作为裁判过滤出1.5万个核心合成任务，通过从高性能模型中蒸馏操作轨迹内化终端交互知识 [14] - 在强化学习阶段，模型在NeMo Gym平台的21种真实环境配置中进行高强度训练，考核标准深入到工具调用准确性、功能代码可执行性及复杂计划完整性等核心维度 [16] - 针对软件工程任务，经历了专门的SWE-RL阶段，在隔离容器环境中通过执行反馈修正逻辑漏洞 [16] - 引入PivotRL技术，在智能体编程和搜索等关键领域重点强化专家轨迹中不确定性较高的决策点，以提升模型在多步工作流中的行为稳定性，遏制推理漂移风险 [16]

公司战略转型 - 英伟达宣布未来五年将斥资260亿美元开发开源AI大模型，标志着公司从硬件与软件栈供应商向全栈AI企业转型，直接挑战OpenAI、Anthropic与DeepSeek等前沿模型实验室的市场地位 [1] - 此次巨额投资已获公司管理层确认，是公司战略重心的深刻转变 [1] - 公司未来的AI模型将服务于芯片研发，并用于优化超算级数据中心的整体架构，以构建硬件架构路线图 [4] 新产品发布与性能 - 英伟达发布迄今最强开源模型Nemotron 3 Super，拥有1280亿参数，规模与OpenAI GPT-OSS最大版本大体相当 [2] - 在人工智能指数综合评分中，Nemotron 3 Super获得37分，而GPT-OSS为33分，尽管部分中国模型得分更高 [2] - 在专门评估模型对OpenClaw控制能力的新型基准测试PinchBench中，Nemotron 3 Super位列第一 [2] - 公司公开了训练该模型所采用的多项创新方法，涵盖提升推理能力、长上下文处理能力及强化学习响应能力的架构与训练技巧 [2] - 公司近期已完成一个5500亿参数模型的预训练工作 [2] 技术生态与商业逻辑 - 英伟达的开源模型专门针对自家硬件进行优化，有助于进一步巩固其在AI算力市场的主导地位 [1] - 开源策略通过公开模型权重及技术细节，方便初创公司和研究人员在其技术基础上修改创新，有助于形成围绕英伟达硬件生态的开发者网络，强化其芯片的市场黏性 [4] - 公司高管表示，帮助生态系统发展符合公司的利益 [5] - 自2023年11月发布首个Nemotron模型以来，公司已陆续推出面向机器人、气候建模及蛋白质折叠等垂直领域的专用模型 [2] 行业评价与影响 - 行业研究人士高度评价英伟达此次布局，认为这是其对开放性信念的一次史无前例的表态 [6] - 有行业研究员称英伟达处于众多开放与封闭AI项目的前沿交汇点，并呼吁美国政府也为开源模型提供资金支持 [6] - 此举对市场影响不容低估，英伟达的芯片是训练大型AI模型的行业标准，其战略将直接挑战现有顶级AI实验室 [1]

AI行业前景与重要性 - 亚马逊CEO Andy Jassy将生成式AI描述为“一生一次”的技术，正在全公司范围内用于重塑客户体验[1] - 埃隆·马斯克预测，到2040年，人形机器人数量将至少达到100亿台，每台价格在2万至2.5万美元之间[1] - 根据马斯克的计算，该技术到2040年可能价值250万亿美元[2] - 普华永道和麦肯锡等主要公司认为AI将释放数万亿美元的潜力[3] - 比尔·盖茨将人工智能视为“我一生中最大的技术进步”，其变革性超过互联网或个人电脑，能够改善医疗保健、教育并应对气候变化[8] - 沃伦·巴菲特表示这项突破可能产生“巨大的有益社会影响”[8] 行业巨头布局与投资 - 拉里·埃里森通过甲骨文公司斥资数十亿美元购买英伟达芯片，并与Cohere合作，将生成式AI嵌入甲骨文的云服务和应用程序中[8] - 尽管特斯拉、英伟达、Alphabet和微软已取得成就，但市场认为更大的机会存在于其他领域[6] - 真正的焦点并非英伟达，而是一家规模小得多、默默改进使整个革命成为可能的关键技术的公司[6] 潜在投资机会与公司 - 一家未被充分关注的公司被认为是开启这场250万亿美元革命的关键[4] - Verge认为，这家公司的超低成本AI技术应该引起竞争对手的担忧[4] - 该公司的价值被描述为相当于175个特斯拉、107个亚马逊、140个Meta、84个谷歌、65个微软和55个英伟达[7] - 硅谷内部人士和华尔街资深人士的信息暗示了这家公司的重要性[6]