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]

文章核心观点 - 美光科技的前景依然稳固，人工智能内存需求正持续推动DRAM、HBM以及NAND内存市场的供应紧张，当前的内存周期在结构上看起来更为健康 [1] 行业与市场分析 - 人工智能内存需求是驱动DRAM、HBM和NAND内存市场持续供应紧张的关键因素 [1] - 当前的内存周期在结构上显得更为健康 [1] 研究方法论 - 研究侧重于寻找具有高确信度和不对称风险回报潜力的公司，其过程结合了财务分析、行为金融学、心理学、社会科学和另类指标 [1] - 研究方法利用传统和非传统的洞察，旨在在市场主流关注之前发现突破性机会 [1] - 多学科策略有助于驾驭市场情绪、识别新兴趋势，并投资于有望实现指数级增长的变革性企业 [1] - 市场变动不仅基于基本面，也基于认知、情绪和偏见，研究分析这些心理因素导致的定价失效，并将其视为突破的开始而非结束 [1] - 研究过程结合深度研究与常被忽视的信号，例如叙事突然转变、早期的社会关注度、创始人驱动的愿景，或被低估的开发者和用户采纳势头，这些通常是指数级变动的先兆 [1] - 研究重点在于高确信度的投资，而非安全押注，每个机会都基于其风险回报特征进行评估：有限的下行风险和爆炸性的上行潜力 [1] - 最佳回报来自于理解市场信念滞后于现实的地方 [1]

公司业绩与股价表现 - TSS Inc (TSSI) 股价在公布2026财年第三季度业绩后下跌了41% [1] - 股价下跌的主要原因是令人失望的收益发布 其中位于乔治敦的新工厂运营延迟导致运营业绩低于预期 [1] 分析师背景与研究方法 - 分析师Straits Strategist 专注于从亚洲制造业中心的角度提供硬件和科技行业的实地观点 [1] - 分析覆盖范围包括半导体和科技供应链中的公司 涉及网络、PCB、硬件和晶圆厂设备等多个子领域 [1] - 许多知名科技公司严重依赖亚洲供应链 例如台积电、三星、海力士、Isu Petasys和Victory Giant [1] - 分析师采用自下而上的研究方法 专注于寻找每个公司特有的特殊因素 [1] - 分析目标是将复杂的供应链动态转化为清晰、可操作的买入、持有或卖出决策 [1]

行业周期与公司运营状况 - 公司认为模拟芯片行业周期可能已度过底部 其追踪的关键绩效指标显示积极趋势 [1] - 直接销售和分销渠道的订单储备持续良好增长 [1] - 客户加急需求持续出现 表明客户可能未准备充足的材料库存 [1] - 来自直接一级客户的电子数据交换数据流持续增加 [1] - 短期订单开始出现增长 包括加急和快速订单 [1]