从智驾到具身智能，世界还需几个台积和中芯？ - 对先进 制程未来需求的思考 20250727 摘要 自动驾驶和机器人芯片的 die size 与 GPU 接近，导致产能消耗相似。 但因终端数量巨大，自动驾驶和机器人对先进制程产能的需求远超 AI GPU，预示着晶圆厂客户结构将发生显著变化。 全球自驾及巨生智能世界总需求合计为 165 万片每月，相当于 3.25 个 台积电的产能。国内晶圆厂需增加 37 倍现有产能才能满足需求，凸显 了先进制程晶圆厂扩产的紧迫性。 英伟达数据中心业务中，晶圆代工环节价值量占比极低，仅占销售额 2.25%，HBM 占比 7.25%，封装成本占 5.5%。一般 AI GPU 分到晶圆 代工环节价值非常少。 支架与机器人大脑芯片在架构和设计上几乎一致，但机器人市场规模远 超支架，预示着对先进制程产能的潜在需求更为广阔，将显著增加下游 客户对于高级制造技术的需求。 国内先进制程晶圆厂在 AI GPU 领域的价值量分配显著低于台积电，因 代工和封装业务拆解较细，单独来看国内晶圆厂从 AI GPU 中分到的价 值量较少。 Q&A 先进制程需求的主要驱动因素是什么？ 先进制程需求的主要驱动因 ...

行业前景 - 人工智能行业估值将从2023年的1890亿美元激增至2033年的近5万亿美元[1] - 人工智能市场预计未来十年保持20%-30%的年增长率[13] 公司市场地位 - 公司是全球最大GPU供应商 在AI专用GPU领域市场份额高达90%以上[4] - 通过早期投资建立先发优势 形成硬件+软件的完整生态系统[5][7] - 软件工具生态形成用户黏性 构建牢固的商业模式护城河[7] 财务表现 - 销售额连续多年保持两位数高速增长[8] - 毛利率水平领先全行业[8] - 当前股价对应54倍历史市盈率 但前瞻市盈率仅39倍[10] - 相比标普500指数30倍市盈率 估值溢价有望快速消化[13] 竞争对比 - 竞争对手英特尔预计下财年收入下降5% 未能把握AI机遇[11] - 在下一代GPU领域 英特尔面临边缘化风险[11] 估值分析 - 尽管30倍市销率表面昂贵 但高增长可快速消化估值[9][13] - 长期持有视角下 当前39倍前瞻市盈率具备吸引力[14]

AI技术扩散 - AI影响范围不断扩大，在3600多只全球股票中AI敞口和重要性持续上升，相对收益和盈利修正上显现出明显的阿尔法机会 [1] - 推荐关注四类股票：AI重要性和敞口均增加的获增持评级的股票、AI成为投资核心逻辑的股票、有定价权的AI采用者，以及AI重要性和定价权最高的股票 [1] 全球数据中心 - 预计到2030年全球数据中心容量每年增长23%，其中美国贡献60%的增长，阿联酋和沙特容量将快速扩张6-7倍 [1] - 美国大型科技公司AI资本支出激增，2024-2029年复合年增长率预计达19%，但能源供应、规划许可、GPU供应及低碳材料是主要发展障碍 [1] AI融资 - 到2028年全球数据中心投资预计达2.9万亿美元，扣除已计划的1.4万亿美元后存在1.5万亿美元融资缺口 [2] - 融资缺口主要由信贷市场填补，其中私人信贷可能提供约8000亿美元，新投资级债券贡献2000亿美元，通过ABS和CMBS结构的证券化信贷提供1500亿美元 [2] 全球半导体 - 美国放宽对英伟达较低端AI GPU(如H20)的出口限制，英伟达、AMD和博通将持续进入中国市场 [2] - 预计英伟达仍将主导中国AI GPU市场，2025年其在华收入可达250-350亿美元，三星也将直接从H20的消费中受益 [2] - 中国本土GPU研发持续推进，但2027年自给率预计仅达到39% [2] 美国估值与税务 - 大美丽法案中的税收条款可能大幅降低美国企业的现金税率，即时抵扣(如加速折旧、研发费用化)将带来显著短期现金流收益，企业整体现金税率甚至可能降至个位数 [2] 美国经济 - 关税对核心商品价格的影响已显现，家电、家具等受关税影响较大的品类价格加速上涨 [2] - 预计2025年关税将推动核心PCE通胀上升约60个基点，部分品类的通胀反应尚未完全显现 [2] 货币策略 - 预计美元将进一步贬值，若对冲比例回升至历史均值，欧元/美元可能上涨7%，若对冲加强该汇率可能升至1.30或更高 [3] - 目前欧洲在美国的资产持有中近一半未进行外汇对冲，潜在对冲流动将显著影响汇率 [3] 中国经济 - 2025年二季度实际GDP增速超预期，全年增速预测上调30个基点至4.8%，但下半年增速将放缓，三季度预计4.5%，四季度4.2% [3]

公司动态 - NVIDIA公司股价近期大幅上涨，成为首家市值突破4万亿美元的芯片制造商 [1] - 美国政府已批准NVIDIA的某项申请，具体细节未在文中披露 [1] 行业趋势 - AI GPU制造商NVIDIA的市场表现突出，反映行业对高性能计算芯片的强劲需求 [1] - 芯片行业头部企业市值突破关键里程碑，显示技术板块在资本市场的领先地位 [1] 市场表现 - NVIDIA股价飙升推动市值达到历史性高位，凸显投资者对AI硬件赛道的信心 [1]

报告行业投资评级 - 优于大势 [7] 报告的核心观点 - AI GPU火爆需求非先进制程未来主要增长方向，智驾和具身智能对先进制程未来需求远超AI GPU [2] - 以晶圆产能视角，智驾Die size近GPU但终端量数倍之，对先进制程产能消耗远超AI GPU [2] - 以应用场景视角，智驾芯片即为机器人大脑芯片 [2][3] - 智驾与具身智能起量将颠覆先进制程下游结构，成为晶圆厂最主要下游应用 [3] - 智驾和具身智能起量将大幅提升对先进制程晶圆产能消耗，先进制程晶圆厂将成确定性最高环节 [4] 根据相关目录分别总结 观点一：以晶圆产能为视角，智驾Die size近GPU，但终端量数倍之 - AI GPU价值拆分，先进封装比先进制程价值量高，GPU需求对先进制程产能拉动弱，晶圆制造在AI GPU价值占比2.25%，先进封装占比5.5% [15] - 智驾芯片与AI GPU在制程、架构上关联度高，架构同源，核心AI神经网络单元本质相同 [22][23] - 智驾芯片与AI GPU Die size接近，主流智驾SoC Die size在400 - 600mm²，AI GPU在600 - 800+mm²，但远期智驾终端需求量十倍于AI GPU [32] - 全球智驾芯片与AI GPU晶圆产能消耗探讨，智驾远超AI GPU。智驾芯片Die size相近每片晶圆可切芯片数接近AI GPU；晶圆良率与芯片Die Size负相关；“一车多芯”是智驾趋势；测算显示远期全球智驾需每月13.62万片先进制程产能，AI GPU仅需3.97万片 [36][41][46][59] 观点二：以应用场景为视角，智驾芯片即为机器人大脑芯片 - 智能驾驶与具身智能大脑思维方式相似，感知到思维决策过程几乎一样，可认为智驾芯片即具身智能大脑芯片 [61] - Tesla一套AI Chip通吃车与机器人，车和机器人方案用同一颗FSD芯片，仅芯片数量有差异 [62][67] - 小鹏汽车图灵芯片为AI大模型定制，适用于汽车、机器人、飞行汽车等多场景 [69][72] - Nvidia Orin系列芯片广泛应用于车厂智驾方案和各类机器人的大脑方案中 [75] 观点三：智驾与具身智能起量，颠覆先进制程下游结构 - 若全球年产10亿台机器人，其大脑SoC对先进制程产能需求为151.36万片/月，全球智驾需求为13.6万片/月，世界需新增2个台积电，大陆先进制程需扩产17倍 [82] - 终端数量与芯片Die size共同决定晶圆产能消耗量级，当前先进制程产能最大需求端为手机，远期智驾和具身智能将颠覆先进制程下游结构，智驾和机器人芯片大Die size及庞大终端数量将使智驾SoC和机器人大脑SoC成为晶圆厂先进制程最大客户 [83][84] 投资要点与受益环节 - 智驾和具身智能起量对先进制程晶圆产能消耗拉动大，全球智驾和具身智能合计需求约165万片/月，约为台积电当前产能3.25倍、大陆产能37倍，先进制程将迎来扩产潮，投资优先级为先进晶圆厂、半导体设备、芯片设计、半导体材料/封测等 [85][86] - 先进制程逼近极限，摩尔定律趋于失效，晶体管密度增速降低、成本飙升；摩尔定律放缓使单个芯片算力达天花板，AI算力进入“以量换性能”时代，晶圆代工行业将迎来持续增长 [87][92][94]

马来西亚对高效能AI芯片出口实施许可制度 - 马来西亚政府宣布对高效能美国AI芯片的出口与转运实施许可制度 旨在防止敏感芯片被转售至中国等地区 [1] - 新规要求企业在出口、转运或过境前至少30天通知主管机关并申请许可 政策即日起生效 [1] - 马来西亚政府正在评估是否将美国产高效能AI芯片纳入《战略贸易法》战略物项清单 [1] 美国对马来西亚AI芯片出口管制动态 - 美国政府拟制定新规 要求向马来西亚和泰国出口NVIDIA先进AI GPU需获得许可 以阻止芯片转口至中国 [1] - 美国商务部初步草案显示 对马、泰两国的AI GPU出口将面临更严格限制 [1] 美马贸易关系与关税调整 - 美国对马来西亚关税税率从24%上调至25% 高于"解放日"税率 [1] - 马来西亚投资、贸易与工业部强调重视与美经贸关系 承诺通过对话解决关税问题并推动全面贸易协议 [2] - 马来西亚表示将与美国继续协商 以平衡新关税的影响并加速谈判进程 [2]

公司表现 - 过去五年股价上涨近1500% 过去12个月再涨20% [1] - 去年销售额翻倍 今年预计再增长50%以上 [3] - 毛利率超过竞争对手两倍以上 行业领先 [6] 行业前景 - 全球AI市场规模2023年约1900亿美元 预计2033年达5万亿美元 年复合增长率超30% [2] - AI革命仍处于早期阶段 增长空间巨大 [2] 竞争优势 - 占据AI GPU市场90%以上份额 [5] - Blackwell芯片曾预售超12个月 产品供不应求 [5] - CUDA开发者平台形成软硬件生态锁定客户 [5] - 性能领先的AI GPU结合软件集成构建长期壁垒 [6] 估值分析 - 当前市销率27倍 市盈率53倍 [9] - 基于2026年预期收益的远期市盈率降至38倍 [10] - 假设持续30%年增长 2028年市盈率将降至22倍 [10] - 长期投资者可摊薄当前溢价 估值具吸引力 [11] 增长动力 - 云计算基础设施厂商争相采购产品 [5] - 竞争优势有望维持多年 支撑产品溢价能力 [7] - 销售年增长率有望持续30%以上至2033年后 [10]

芯片供应商及产品规划 - NVIDIA全球市场AI GPU产品线从A100到GB100覆盖2020至2027年，制程从7nm演进至3nm，HBM容量从80GB提升至1024GB [2] - NVIDIA中国市场特供版包括A800/H800/H20等型号，HBM容量最高96GB，部分型号采用GDDR6显存 [2] - AMD MI系列从MI100到MI400规划至2026年，HBM3e容量达288GB，MI400将采用HBM4技术 [2] - Intel AI GPU产品包括MAX系列和Gaudi ASIC，Habana 2采用HBM3e技术容量达288GB [2] - Google TPU v5e至v6采用5nm/3nm制程，HBM3e容量最高384GB [2] - AWS Tranium系列采用Marvell/Alchip设计，Tranium3 Ultra将使用3nm制程和HBM3e [2] 大模型训练成本分析 - 训练Llama-3 400B模型时，TPU v7成本显著低于GPU，呈现断档式优势 [7] - NVIDIA GPU中GB200超级芯片训练成本最低，H100成本最高，验证"买得越多省得越多"规律 [7] - Trainimium2训练成本异常高企，与迭代预期不符 [7] - 硬件成本占比最高的是GPU部分，电力成本占比相对较低 [5][7] 推理成本比较 - AI ASIC在推理场景成本优势显著，比GB200低10倍 [10] - GPU产品中高端型号推理成本反而更高，与训练成本趋势相反 [11] - TPU v5p/v6和Tranium2在推理场景展现最佳性价比 [10][11] 技术参数对比 - GB200超级芯片峰值算力达5000 TFLOPS，是H100的5倍 [12] - HBM3e技术成为2024年主流，NVIDIA/AMD/Intel均采用该内存方案 [2] - 能效比方面GB200达2.25 TFLOPS/Watt，优于H100的1.41 TFLOPS/Watt [12] - MI300X与H100算力接近(981 vs 990 TFLOPS)，但能效低7% [12] 供应链动态 - B200芯片已进入期货阶段，国内可接样品订单 [13] - 主要设计合作伙伴包括Broadcom、Marvell和Alchip等厂商 [2] - 行业信息显示3nm制程将在2025-2026年大规模应用于AI芯片 [2][12]

AI投资趋势 - 未来三年68%的受访CIO计划将超过5%的IT预算投入AI领域 当前占比约25% [1] - AI相关计算支出占IT预算比例预计从当前5 9%增至15 9% 年复合增长率41% 优于XPU半导体收入增长预期的30-35% [4] - 云支出占IT预算比例预计从当前25%提升至38% 年复合增长率9-13% [5] 半导体行业机遇 - AI算力需求推动AI GPU与AI ASIC双路线共同受益 英伟达 AMD 博通 ARM等企业将持续强劲增长 [6] - 谷歌TPU获OpenAI背书 强化ASIC生态领导地位 有望吸引苹果 Cohere等客户迁移 [8] - AI ASIC市场份额有望大幅扩张 与AI GPU趋于对等 当前AI GPU占据90%份额 美国四大科技巨头2026年AI算力支出或达3300亿美元 [9] 算力需求前景 - 推理端AI算力需求呈现"星辰大海"式增长 英伟达Blackwell系列预计创销售纪录 [9][10] - DeepSeek R1及NSA机制推动AI大模型效率提升 驱动AI应用加速渗透 芯片需求或呈指数级增长 [10] - "杰文斯悖论"预示AI大模型应用规模激增将带来史无前例的推理算力需求 [10] 英伟达估值预期 - Loop Capital预测英伟达市值或达6万亿美元 目标股价上调至250美元 [11] - 预计到2028年全球在英伟达AI GPU上的累计支出约2万亿美元 [11]

行业格局变化 - 长期主导AI芯片市场的英伟达正面临谷歌、Meta等科技巨头的强势反击，这些公司为降低对英伟达芯片的依赖正加快自研ASIC芯片步伐 [1] - 野村证券预测谷歌2024年TPU出货量150-200万颗，亚马逊AWS ASIC出货量140-150万颗，合计接近英伟达AI GPU年出货量（500-600万颗）的一半 [2] - 业内普遍预测2025年ASIC总出货量将超过英伟达AI GPU，当前AI服务器市场中英伟达份额超80%，ASIC占比仅8%-11%但增速迅猛 [2] ASIC技术优势 - ASIC是为特定AI服务设计的专用芯片，放弃GPU通用性以提升电力效率和成本控制，在相同计算任务下可比GPU节省30%-50%的总体拥有成本（TCO） [1][3] - 谷歌TPU在单位电能下的性能达英伟达GPU的3倍，自研芯片还能规避供应链干扰确保服务与芯片供给同步 [3] - 摩根大通预计2024年全球AI ASIC市场规模达300亿美元（41万亿韩元），未来几年年均增长率超30% [4] 科技巨头动态 - 谷歌2016年率先发布TPU并广泛应用，Meta计划2024Q4推出性能对标英伟达下一代GPU的ASIC芯片"MTIA T-V1"，2027年将推出功耗达170kW的"MTIA T-V2" [4][5] - Meta目标2024-2025年出货100-150万颗ASIC，但台积电CoWoS先进封装产能仅30-40万颗，面临产能瓶颈 [5] - 微软、亚马逊等科技巨头也加入ASIC研发战局，形成对英伟达的围剿态势 [4] 英伟达应对策略 - 英伟达开放专有NVLink通信协议，允许其他公司CPU/ASIC与其GPU集成，试图防止客户彻底脱离其生态 [6] - CUDA软件生态系统仍是英伟达核心壁垒，该平台使AI开发效率显著提升，短期内难以被替代 [6] - 半导体业内人士认为科技巨头降低对英伟达依赖是AI产业成熟的必经之路，将加速AI服务创新 [6]