2026年全球晶圆代工产业展望 - 2026年全球晶圆代工产业产值预计年增24.8%，达到约2,188亿美元，增长主要由北美云端服务供应商和AI新创公司的AI相关主芯片及周边IC需求引领 [2] 先进制程（5/4nm及以下）市场动态 - 2026年先进制程需求由NVIDIA、AMD的AI GPU，以及Google、AWS、Meta、OpenAI、Groq等公司的自研AI芯片拉动，这些芯片已陆续进入量产和出货阶段 [2] - 台积电的5/4nm及以下产能预计将满载至2025年底，三星Foundry相关订单也明显增量 [3] - 台积电已全面调涨2026年5/4nm及以下代工价格，且因订单能见度延伸至2027年，不排除连年调涨；三星也跟进在2025年第四季通知客户将上调5/4nm代工价格 [3] - 预计台积电2026年产值将年增32%，增幅为业内最大 [2] 成熟制程（八吋晶圆）市场动态 - 台积电和三星两大厂加速减产八吋晶圆，同时AI电源相关需求稳健成长，有助于全年整体产能利用率回温，各晶圆厂已向客户释出2026年涨价讯息 [3] - 八吋需求主要由AI相关电源产品和中国大陆内需带动，2026年上半年PC/笔电ODM因担忧记忆体缺料及下半年IC成本提高而提前备货，支撑了DDI、CIS的动能 [3] - 由于各晶圆厂八吋产线利用率出现分歧，且下半年消费性供应链仍有下修隐忧，评估八吋产线难以全面涨价 [3] 成熟制程（十二吋晶圆，28nm及以上）市场动态 - 2026年十二吋28nm及以上成熟制程将持续扩产，但消费性终端受记忆体价格高涨冲击而下修出货预期，订单能见度相当有限 [4] - 尽管有新品升级和转进制程趋势，可通过改善产品组合提升平均销售单价，但预期十二吋全年产能利用率仍难以满载，仅先进制程动能强劲 [4]

全球晶圆代工产业增长预测 - 2026年全球晶圆代工产业产值预计年增24.8%，达到约2，188亿美元，增长主要由北美云端服务供应商和AI新创公司持续投入AI领域所驱动，AI相关主芯片及周边IC需求是核心引领因素 [2] - 台积电在2026年产值增长幅度预计最大，将达到32% [2] 先进制程（5/4nm及以下）需求与价格动态 - 先进制程需求由NVIDIA、AMD的AI GPU，以及Google、AWS、Meta等北美云端服务供应商和OpenAI、Groq等AI新创公司的自研AI芯片共同拉动，这些芯片已陆续进入量产与出货阶段 [4] - 台积电5/4nm及以下产能预计将满载至2026年底，三星晶圆代工同节点订单也明显增量，因此台积电已全面调涨2026年5/4nm及以下代工价格 [4] - 由于订单能见度已延伸至2027年，台积电不排除连年调涨价格，三星也跟进于2025年第四季通知客户，将上调5/4nm代工价格 [4] 成熟制程（八英寸与十二英寸）市场状况 - 八英寸晶圆方面，因台积电、三星两大厂加速减产，且AI电源相关需求稳健成长，整体产能利用率有望回温，各晶圆厂已向客户释出2026年涨价信息 [5] - 八英寸需求主要由AI相关电源产品与中国大陆内需带动，2026上半年PC/笔电ODM因担忧下半年IC成本提高而提前备货，也支撑了DDI、CIS的动能 [5] - 但由于八英寸产线利用率出现分歧，且下半年消费性供应链仍有下修隐忧，评估难以全面涨价 [5] - 十二英寸28nm及以上成熟制程在2026年将持续扩产，但受消费性终端因存储器价格高涨而下修出货预期影响，订单能见度相当有限 [5] - 尽管可通过新品升级与转进制程改善产品组合以提升平均销售单价，但预期十二英寸全年产能利用率仍难以满载，仅先进制程动能强劲 [5]

公司评级与目标价 - Cantor Fitzgerald于3月12日重申对英伟达的“增持”评级 并设定300美元的目标股价 [1] 近期关键事件 - 彭博社3月6日报道 美国政府正考虑出台新规 要求英伟达等AI芯片制造商在向全球任何国家出口芯片时需获得政府批准 [1] - 3月9日 公司宣布选择韩国存储器制造商三星和SK海力士为其Vera Rubin AI芯片供应HBM4内存芯片 [1] 公司业务与市场地位 - 英伟达是全球最大的AI GPU制造商 同时供应消费级和数据中心芯片 [3] 产品与技术动态 - Vera Rubin是英伟达最新的AI芯片 [1] - HBM内存芯片是其供应链的关键瓶颈 原因是具备该芯片技术制造能力的公司数量有限 [1]

公司战略与愿景 - 公司正从单一的AI GPU供应商，彻底重构为“AI工厂”或“AI基础设施总包商”，其竞争单位已从单颗芯片升级为整座AI工厂 [1][4][9][11] - 公司CEO黄仁勋在GTC大会上将AI算力基础设施的营收机遇上调，预计到2027年至少达到1万亿美元，远高于此前提出的到2026年5000亿美元的目标 [1][4][10][13] - 公司旨在定义下一代“AI工厂”的生产函数，核心指标从训练峰值性能转向单位电力下的token产出、单token成本及首次生产时间 [4][5][10] 财务与市场预期 - 华尔街分析师平均目标价显示，公司股价未来12个月内有51%的上行潜力，目标价达273美元，对应市值约6.6万亿美元，最乐观目标价高达360美元 [1][12] - 高盛等机构认为，公司提出的万亿美元营收前景为市场提供了长周期需求背书，缓解了投资者对“AI资本开支可能在2026年见顶”的担忧 [13][14] - 截至新闻发布时，公司股价收于183.220美元，市值约4.45万亿美元，市场预期其市值将突破5万亿美元并迈向更高点位 [1][12] 产品与技术路线图 - 公司正式推出基于Blackwell架构的下一代平台Vera Rubin，并预告了Feynman架构的路线图，下一代平台将引入Rosa CPU、LP40 LPU等新组件 [5][7] - 在硬件层面，公司将CPU、GPU、LPU、DPU、网络交换芯片和存储架构整合成平台级系统，推出了Vera CPU、Rubin GPU、NVLink 6 Switch、Groq 3 LPU等产品 [6] - Vera Rubin NVL72平台相比Blackwell可实现最高10倍的每瓦推理吞吐，单token成本降至十分之一，训练大规模模型所需GPU数量可降至四分之一 [5] - 公司通过收购Groq获得技术授权，推出LPU AI推理算力基础设施系统，并将AI推理拆分为prefill（由Vera Rubin负责）和decode（由Groq AI芯片负责）两段，采用异构计算方案 [2][6][14] - 官方数据显示，Vera Rubin与LPX协同可实现最高35倍的每兆瓦推理吞吐，并为万亿参数模型带来最高10倍的营收机会 [14] 软件与生态系统 - 公司推出Dynamo 1.0，将其定义为AI工厂的推理操作系统，官方称其对Blackwell平台可带来最高7倍的推理性能提升 [7] - 在智能体（Agentic AI）方向，公司推出Agent Toolkit、OpenShell、NemoClaw等工具，并将OpenClaw上升为“个人AI的操作系统”式平台 [7] - 公司扩展了Nemotron、Cosmos、Isaac GR00T、BioNeMo、Earth-2等开放大模型家族，强化软件生态 [7] 市场定位与竞争格局 - 公司正从“训练霸主”进一步扩张为“AI算力推理基础设施总包商”，以应对在推理计算领域来自CPU及谷歌TPU等定制AI ASIC处理器的竞争 [2][10][14] - 公司强调“极限协同”设计理念，将计算、网络、存储、软件、供电和冷却作为一个整体进行优化，以在固定电力预算下实现最佳经济效益 [4][5] - 高盛认为，公司在电力受限、时延敏感的推理时代，拿出了更强的变现框架与更完整的异构算力答案，巩固了其护城河 [14] 业务扩展与新市场 - 公司将“物理AI”与“空间计算”纳入战略，IGX Thor已进入通用可用阶段，面向工业、医疗、机器人和轨道边缘计算 [8] - 公司推出Open Physical AI Data Factory Blueprint，用于加速机器人、视觉AI智能体和自动驾驶的数据生成与评估 [8] - 公司将Vera Rubin架构延伸至太空，Space-1 Vera Rubin Module相较H100可为太空推理带来最高25倍的AI算力 [8] - 公司正将“AI工厂”的范式从云数据中心扩展至跨云、边、端、车、机器人及太空的统一基础设施 [8][9] 行业影响与叙事 - 公司抛出的万亿美元AI算力宏图，旨在撑起资本市场的“AI牛市叙事”，并带动全球AI算力产业链迈向新一轮上行轨迹 [1] - 全球投资者将围绕公司、谷歌TPU集群与AMD的“AI牛市叙事”，继续锚定为全球股市中最具确定性的景气投资叙事之一 [1] - 电力、液冷散热系统、光互连供应链等与AI训练/推理密切相关的投资主题，将继续位列股票市场最火热的投资阵营 [1]

公司战略与愿景升级 - 公司核心战略从“卖AI GPU的公司”彻底重构为“卖AI工厂的芯片巨头”或“AI基础设施总包商”，竞争单位从单颗芯片升级为整座AI工厂[6][12][14] - 公司提出“前所未有AI算力创收超级宏图”，将AI芯片与基础设施的营收机会规模从到2026年的5000亿美元大幅上调至到2027年的至少1万亿美元[1][6][16] - 公司致力于定义下一代“AI工厂”的生产函数，将计算、网络、存储、软件、供电和冷却作为一个整体进行极限协同优化，重写AI基础设施经济学[7][12][13] 财务与市场预期 - 华尔街分析师平均目标价显示，公司未来12个月股价上行潜力高达51%，最乐观目标价达360美元，对应市值约6.6万亿美元至8.8万亿美元[1][14] - 高盛等机构认为，1万亿美元的营收前景为市场提供了长周期需求背书，缓解了投资者对“AI资本开支可能在2026年见顶”的焦虑，重申“买入”评级[16][18] - 公司市值目前约为4.45万亿美元，在强劲营收增长前景推动下，即将再度突破5万亿美元大关并有望创历史新高[1][14] 技术架构与产品发布 - 公司正式推出Vera Rubin平台，将CPU、GPU、LPU、DPU、SuperNIC、交换芯片和存储架构整合成平台级系统，其中Vera Rubin NVL72机架由72个Rubin GPU和36个Vera CPU构成[8][9] - 为应对AI推理需求，公司采用异构计算策略，将推理拆分为prefill和decode两段，分别由Vera Rubin平台和收购授权的Groq 3 LPU/LPX机架负责，以实现高吞吐与超低时延[9][17] - 官方数据显示，Vera Rubin NVL72相比Blackwell平台可实现最高10倍的每瓦推理吞吐、仅十分之一的单token成本，训练大规模MoE模型所需GPU数量可降至原来的四分之一[7] - 在软件与生态层面，推出Dynamo 1.0推理操作系统、Agent Toolkit等工具，并扩展了包括Nemotron、Isaac GR00T在内的开放大模型家族，预告了下一代Feynman架构路线图[10] 行业趋势与竞争格局 - 行业主线正从“训练”推进到“推理+智能体AI”，未来的算力竞争核心指标是“tokens per watt、cost per token、time to first production”[6][7] - AI推理时代已经到来且需求不断上升，公司在该领域正面临来自CPU以及谷歌等公司的定制AI ASIC处理器的更激烈竞争[4][5][17] - 全球科技巨头的资本开支更倾向于向AI算力基础设施集中，围绕AI算力的“AI牛市叙事”是全球股市中最具确定性的景气投资叙事之一[3] 市场扩张与多元化应用 - 公司将“AI工厂”的概念从云数据中心扩展为跨云、边、端、车、机器人甚至太空的统一基础设施范式，推出了面向工业、医疗等领域的IGX Thor边缘计算平台以及用于太空推理的Space-1 Vera Rubin Module[11] - 官方称Space-1 Vera Rubin Module相较H100可为太空推理带来最高25倍AI算力[11] - 公司通过整合CPU、GPU、LPU、网络、Agent软件与数据中心经济学，旨在锁定未来数年的token经济学、推理货币化进程和基础设施议价权[12][13]

涉及的行业与公司 * **行业**：中国人工智能（AI）行业、AI芯片（GPU/ASIC）行业、半导体制造与封装行业、互联网科技行业[2][3][4] * **公司**： * **互联网/科技公司**：阿里巴巴（含阿里云、平头哥、千问模型）、百度、字节跳动、腾讯[4][11][12][25] * **AI芯片公司**：华为、寒武纪、昆仑芯、天数智芯、海光[16][36][41] * **半导体制造/封装**：台积电（TSMC）、中芯国际（SMIC）、华力微、三星[27][28][40] * **半导体材料/部件**：华虹（PMIC）、Nara MEC、ACMRA（HBM及封装）[40] 核心观点与论据 * **上调阿里巴巴为互联网首选**：核心原因是其在AI全产业链的领先布局，具体包括：1）芯片层（平头哥是国内第一梯队）；2）云服务层（阿里云是国内最大、全球领先）；3）模型层（千问模型全球下载量最高）；4）应用层（虽起步慢但追赶迅速）[3][11][12][13] * **中国AI芯片需求强劲增长**：预计中国国产AI芯片市场规模（TAM）将从2024年的190亿美金增长至2030年的670亿美金，复合年增长率（CAGR）为23-24%[26] 主要需求来自：1）中国云服务提供商（CSP），占资本开支六成多；2）运营商、国企及主权支出，占三成左右；3）大模型及电动汽车公司，占一成左右[25] * **中国AI芯片供给与自给率快速提升**：预计国产AI芯片产值将从2024年的62亿美金上升至2030年的508亿美金，CAGR达42%[27] 国内晶圆厂先进制程代工产能预计从2025年的8000片/月增长至2030年的5万片/月[27] 自给率将从2024年的33%提升至2030年的76%，2027-2028年即可满足一半以上需求[27] * **国产AI芯片已具备商业竞争力**：在推理（inference）场景下，许多国产芯片性能已超越英伟达A100，单位性能成本（performance per cost）也超越A100和H20[9][10] 预计半年到一年后，性能可达到H200水准[32] 虽然制程（7纳米 vs 3纳米）有差距，但在封装（2.5D）、系统层级及电力供应等方面有优势，整体竞争力强[29][30][32] * **行业竞争格局与长期赢家**：短期（未来12个月）是供给驱动，能获得晶圆厂产能的公司即有营收[37] 长期看，市场将向头部集中，华为、寒武纪将是头部玩家，昆仑芯、平头哥将维持较高的个位数市场份额（high single digit）[16][17] 拥有国家队支持或与大型互联网公司深度绑定的芯片公司更具优势，独立第三方商业模式较艰难[36][37] 随着竞争加剧，行业毛利率有下降压力[37] * **上调台积电资本支出预期**：基于AI芯片的强劲需求，预计台积电资本支出今年为540亿美金，明年将升至650亿美金，后年达700亿美金[39][40] 其他重要内容 * **互联网公司自研芯片的重要性**：1）降低对第三方供应商的依赖；2）可根据自身应用需求定制芯片设计；3）可灵活调动产能，应对算力需求波动[5][6][7][8] * **具体公司估值分析**： * **昆仑芯**：预计2026年收入100亿人民币，采用26倍PS（较寒武纪33倍PS给予20%的A/H股折价），估值约450亿美金[18][19] * **平头哥（阿里巴巴）**：预计2026年GPU+CPU总收入200亿人民币（假设GPU占比50%），采用26倍PS，估值约500亿美金[20] * **全球AI投资趋势**：全球AI芯片市场规模预计2030年达1万亿美元，主要驱动力来自内存需求增加[38] 服务器供应链提升按计划进行，库存无需过度担心[38] * **调研信息补充**：天数智芯的芯片算力已接近H200，其第二代产品（台积电合规版本）合理假设为约300 TFLOPS（FP16），并支持FP8精度[41][43] 当前毛利率有50-60%，但未来可能下降[41] * **风险与不确定性**：部分中国互联网公司（如字节跳动）将超过一半的AI资本开支用于海外，这部分不计入国产芯片需求[25] 海外晶圆厂（如三星）对国产芯片的产能贡献不确定性较大[27] 国产HBM预计今年底小量生产[30]

**涉及行业与公司** * **行业**：大中华区半导体，特别是中国 AI GPU 与 AI 芯片产业 [1][3] * **核心公司**： * **AI GPU 设计/供应商**：华为（Ascend）、寒武纪、海光信息、沐曦、摩尔线程、壁仞科技、天数智芯、昆仑芯（百度）、平头哥（阿里）、燧原科技、瀚博半导体等 [5][16][26][32][44][48] * **产业链相关公司**：中芯国际（晶圆代工）、北方华创（设备）、ASM太平洋（先进封装） [5][67][68][71] * **互联网平台/客户**：百度、阿里巴巴、字节跳动、腾讯、中国移动等 [11][35][50][54] **核心观点与论据** **1 行业现状：供给瓶颈缓解，本土化战略取得实质性进展** * 过去，中国 AI 发展主要受限于美国出口管制下的先进 AI 芯片获取 [4] * 过去 12 个月，中国在缓解设备和晶圆代工瓶颈方面取得实质性进展 [4] * 在政策支持下，预计到 **2028** 年前后，国内晶圆代工产能和芯片供给有望满足核心“主权需求” [4] * 中国的本地化战略——通过扩大芯片、晶圆厂和设备规模以弥补制程劣势——正持续取得进展 [5] **2 市场前景：需求强劲，市场规模持续增长** * 预计 **2030** 年中国 AI 芯片的可服务市场规模将增长至 **670** 亿美元 [11] * 初期需求主要由主权部门/国企驱动，但商业化应用将成为长期增长的关键 [11] * 基于云资本开支趋势，估计 **2026** 年中国 AI GPU 的总体可服务市场规模约为 **500** 亿美元 [27] * 中国云服务提供商强劲的 token 输出量表明，AI 推理芯片需求即将加速释放 [17][18] **3 竞争格局：系统与成本优势弥补制程差距，但同质化风险上升** * **中美差距**：在芯片层面中国仍较美国略有差距，但在系统级硬件层面已具备整体竞争力，并在基础设施与政策层面拥有优势 [31] * **成本优势**：在更低的芯片价格、更便宜的电力成本以及持续改善的基础设施支持下，中国 AI 数据中心的总体拥有成本具备竞争力 [4] * **应用领域**：国产 AI GPU 正在中国境内的推理工作负载中加速渗透，其单位 token 成本优势显著 [4][31] * **市场份额**：预计到 **2026** 年，华为在中国本土 AI GPU 市场占据 **63%** 的份额，寒武纪占 **10%**，昆仑芯占 **7%**，平头哥占 **8%** [26][28] * **同质化风险**：随着产能释放和设计成熟，产品差异化难度上升，行业利润率存在中长期下行风险，未来 **2–3** 年内行业整合可能性上升 [5][27][36] **4 自给率与估值：自给率提升，但估值显著高于全球同业** * **自给率**：预计到 **2030** 年中国 AI 芯片自给率将提升至 **76%** [21] * **高估值**：尽管收入规模小、盈利阶段早，中国 AI 半导体设计公司目前的市销率估值倍数显著高于全球同业 [42] * 寒武纪：2026 年预测市销率 **32** 倍 [44] * 海光信息：2026 年预测市销率 **94** 倍 [44] * 沐曦：2026 年预测市销率 **60** 倍 [44] * 摩尔线程：2026 年预测市销率 **139** 倍 [44] * 壁仞科技：2026 年预测市销率 **37** 倍 [44] * 天数智芯：2026 年预测市销率 **62** 倍 [44] * **未上市公司估值**： * 昆仑芯：估值区间为 **200–610** 亿美元 [50] * 平头哥：估值区间为 **280–860** 亿美元 [54] **5 发展路径与情境分析** * **基准情境**：在持续约束下渐进式推进，国产替代需求受政策支持，但性能差距仍在 [58][61] * **乐观情境**：本土能力加速提升与替代提速，供给条件显著改善，对国产方案需求强化 [62] * **悲观情境**：本土供给走弱、替代压力下降，设备限制收紧，同时海外芯片获取渠道可能放松 [63] **其他重要内容** **政策与地缘影响** * 美国出口管制在 **2022** 年进一步收紧，关闭了获取海外先进制程技术的窗口期 [4] * 政策信号显示，英伟达 H200 芯片的有限进口或将被允许，且可能附带支持国产替代方案的要求，强化双轨并行策略 [35] * 政府对本土算力基础设施的持续支持推动了对国产 AI 加速器的需求 [61] **商业模式与客户动态** * 中国主要互联网平台正转向定制化或“规格内”的推理芯片，对通用型 GPU 厂商构成竞争压力 [35] * 云服务提供商和电信运营商等大型客户有动力支持至少一家具备主权背景的 GPU 厂商（如华为），同时领先云厂商也在扶持其自用型芯片平台 [36] * 中国主要大语言模型厂商已开始上调 token 定价，改善了 AI 工作负载的变现能力，为 AI GPU 的长期商业回报提供支撑 [35] **产业链影响** * 报告对中国 AI 半导体产业链保持积极看法，包括中芯国际（晶圆代工）、北方华创（设备）、ASM太平洋（先进封装） [5] * 中国互联网平台的 AI 芯片投资有助于强化其长期战略定位 [5]

全球及中国AI GPU行业电话会议纪要关键要点 一、 涉及的行业与公司 * **行业**：全球及中国AI GPU/半导体行业，特别是AI计算、先进封装、半导体制造设备与材料、HBM内存[1][4][7][98] * **主要覆盖公司**： * **全球**：英伟达、AMD、博通、谷歌、AWS、微软、Meta、xAI、OpenAI[10][52][57][59] * **中国**：华为、寒武纪、海光信息、沐曦集成电路、摩尔线程、壁仞科技、燧原科技、天数智芯、昆仑芯、瀚博半导体[121][123][160][185] * **供应链**：台积电、日月光、安靠、中芯国际、华虹半导体、长电科技、NAURA、AMEC、ASMPT[10][45][52][188][189] 二、 全球AI半导体需求与供给分析 1. 长期需求驱动力与风险 * **需求驱动力**：AI半导体的主要增长动力，预计到2030年全球半导体市场规模可能达到1万亿美元[18][20] * **主要风险**： * **科技通胀**：预计“价格弹性”将影响科技产品需求，2026年晶圆、封测和内存成本上升将为芯片设计公司带来更多利润压力[10] * **AI侵蚀效应**：除了需求疲软（AI取代部分人类工作），半导体供应链也优先考虑AI芯片而非非AI芯片，例如T-Glass和内存短缺[10] * **中国AI**：DeepSeek引发推理AI需求，但国产GPU是否足够？DeepSeek展示了更便宜的推理成本，但英伟达H200的出货（如果存在）可能会稀释国内GPU供应链[10] 2. 云资本支出与AI需求 * **云资本支出强劲**：摩根士丹利云资本支出追踪器估计，2026年全球前十大上市CSP的云资本支出将接近6320亿美元[12] * **英伟达CEO估计**：到2028年，包括主权AI在内的全球云资本支出将达到1万亿美元[14] * **AI推理需求增长**：主要CSP每月处理的Token数量表明AI推理需求正在增长[29][31] * **资本支出强度增加**：自2024年以来，资本支出与EBITDA比率有所上升，资本支出强度也在迅速增加[24][26] 3. 英伟达GB200/300服务器机架供需 * **供需假设**：报告提供了2025年英伟达GB200/300机架的供应份额和需求份额假设[35][37] * **产量估算**：提供了GB200/300 NVL72机架季度爬坡轨迹和行业月度总产量估算[41][43] * **注**：实际交付给终端客户的机架数量可能低于估算值，因为估算包含了纬创的计算托盘（L10）机架等效数量（未考虑L11的机架组装和测试时间）[44][66] 4. 台积电资本支出与产能更新 * **CoWoS产能扩张**：鉴于AI需求持续强劲，台积电可能将CoWoS产能扩大至2026年的每月12.5万片晶圆[47] * **产能翻倍**：台积电可能在2025年将CoWoS和SoIC产能翻倍，并预计在2026年持续[52] * **2026年CoWoS分配**：关键变化显示，英伟达在2026年预计将消耗875k片CoWoS晶圆，占总量的60%[52] * **AI计算晶圆消耗**：2026年AI计算晶圆消耗可能达到260亿美元，其中英伟达占大部分[56] * **前端工厂扩张计划**：详细列出了台积电N3、N2、A16、A14、A10等先进制程节点的全球工厂扩张路线图[67][68][69] * **先进封装工厂**：列出了台积电在全球的先进封装工厂位置及专注技术[70] * **强劲的资本支出**：台积电引领行业资本支出，但由于收入强劲增长，其资本支出强度应会显著下降[71][73] * **先进制程需求**：台积电强劲的资本支出源于强劲的先进制程晶圆需求，其先进制程产能利用率和定价均保持高位[76][78][80] * **客户需求细分**：提供了台积电2nm、3nm、4/5nm客户需求细分，以及2026年按节点、CoWoS和客户划分的收入细分[82][84][85][87][89][92] * **AI半导体收入占比**：台积电AI半导体收入在2026年可能占总收入的30%以上，并从2024年到2029年可能达到60%[94][95] * **芯片产出 vs 机架消耗**：台积电预计2025年生产7-8百万颗GPU芯片，全年NVL72机架出货量预计达到6-7万台[64] 5. HBM内存消耗 * **2026年HBM消耗**：可能高达320亿Gb（约31,542千Gb）[59][62] * **主要消费者**：2026年英伟达仍将消耗大部分HBM供应[59] 三、 中国AI GPU——构建本土化AI计算生态系统 1. 市场规模与自给率 * **关键议题**： * 中国能否大规模供应有竞争力的AI GPU？[101] * 需求：中国AI GPU市场可能有多大？[101] * 如何评估中国AI GPU的商业价值？[101] * **市场增长**：中国国内AI半导体市场规模和份额正在增长[100][103] * **IPO与市值**：中国AI GPU市值增长，更多公司即将IPO[106] * **市场规模与自给率预测**：预计到2030年，中国AI芯片市场规模将增长至670亿美元，自给率达到76%[107][109] 2. 需求与基础设施 * **需求强劲**：中国云与全球云资本支出趋势对比显示，中国需求趋势越来越强；字节跳动（火山引擎/豆包）Token激增表明AI需求旺盛[112][116] * **基础设施优势**：从芯片、系统、基础设施九个因素对比中美AI，中国的优势缩小了感知上的技术差距[117][119] 3. 中国AI加速器竞争格局 * **“十龙”格局**：列出了包括华为、寒武纪、海光信息、沐曦、摩尔线程、壁仞科技、燧原科技、天数智芯、瀚博半导体、昆仑芯在内的十家主要中国AI加速器公司，涵盖产品、制程节点、类型、代工厂来源等信息[121] * **估值对比**：对比了全球（英伟达、AMD）与中国主要AI GPU公司（寒武纪、海光信息、沐曦、摩尔线程、壁仞科技、燧原科技）基于2026年市销率和市盈率的估值，中国公司普遍估值倍数较高[123][124][125][127] 4. 实现自给自足的战略与瓶颈 * **应对制程约束的战略**： * 步骤1：如果一个计算芯片不够强大，将更多芯片封装到单个封装中[130] * 步骤2：如果一个芯片不够强大，构建更大的机架和集群[130] * 步骤3：如果一个工厂产能不足，扩大制造产能[130] * **中芯国际产能**：中国先进制程产能可能在2025-2030年间以44%的复合年增长率增长，中芯国际的资本支出与收入比率仍然很高[136][140] * **制程瓶颈转移**：中芯国际的N+2（7nm）是2025年国内AI芯片生产的关键节点，随后是2026年的N+3（5nm）节点，但这转移而非消除了芯片供应瓶颈[141] * **关键瓶颈**：半导体制造设备和EDA工具可能是中国扩大先进制程产能的关键瓶颈[143][144] 5. 市场份额与价值链展望 * **市场份额展望**：预计本土芯片在价值上将在2027年超越美国芯片；预计华为在2026-2030年期间在本地AI芯片中的份额将保持在50%以上[146][148] * **价值链脱钩**：展示了中美AI芯片价值链的对比，预示着AI计算的脱钩[151][152] 6. 行业风险情景分析 * **情景分析**：提供了中国AI GPU发展的熊市、基准、牛市情景分析，涵盖国内AI芯片需求、代工厂供应和地缘政治风险三个维度[153][154] 四、 中国AI GPU商业价值评估 1. 推理经济性与成本效率 * **推理经济性**：在AI大语言模型推理方面，国产芯片拥有更低的总体拥有成本和可比的单Token成本[157][158] * **成本效率对比**：详细对比了英伟达与中国本土AI GPU（华为、寒武纪、沐曦、摩尔线程等）在制程、芯片尺寸、良率、晶圆价格、内存、封装、制造成本、性能、功耗、性能/成本比、性能/瓦特比等方面的数据[160] * **性价比优势**：由于价格显著更低，国产芯片提供了更强的每美元性能[161][163] * **性能/瓦特比**：在性能/瓦特比基础上，领先的国产加速器与英伟达A100持平[171][173] 2. 性能分析 * **TPS分析**：提供了中国AI加速器的每秒输出Token数性能分析[167][169] * **代际差距**：英伟达的领先产品相对于中国AI半导体保持代际优势，但由于出口管制无法向中国发货；GB300相比H200在DeepSeek R1模型上可能提供50倍的每瓦Token性能[176][178] * **峰值计算能力**：在相同的7nm制程节点上，中国AI芯片在峰值计算能力上不再显示劣势；在总处理性能方面，一些国产AI加速器已经超过了英伟达A100[181][183] * **规格概述**：对比了英伟达中国特供产品与中国AI加速器在制程节点、FP16/FP8算力、内存大小、内存带宽、芯片间互联带宽、热设计功耗等方面的规格[185] 五、 中国AI半导体展望与投资观点 1. 行业观点与首选标的 * **行业观点**：具有吸引力[4] * **长期增长驱动因素**： * 国内GPU供应上量：出口管制加速了本地GPU发展；设备和代工厂产能的改善可能使国内供应在2028年左右满足核心需求[188] * 商业可行性：长期增长取决于经济性。由于芯片和电力成本更低，中国AI数据中心的总体拥有成本仍具竞争力[188] * 推理经济性：单Token成本比峰值性能更重要，这支持了国产芯片的竞争力[188] * 本土化战略：扩大芯片、工厂和设备规模以缩小制程差距并加强AI半导体生态系统[188] * **首选标的**： * **增持**：内存（AI涟漪效应）：华邦电（首选）、南亚科、力积电、兆易创新、旺宏；AI/数据中心半导体：信骅、文晔科技；CPO：台积电、日月光、AllRing、京元电子、FOCI[10] * **中国AI半导体生态**：代工厂：中芯国际；设备：北方华创、中微公司、ACM Research、ASMPT[188][189] * **华虹半导体**：从减持上调至持股观望，原因是AI电源管理芯片需求强劲和12英寸产线的潜力[188][189] * **强劲的PMIC需求**：强劲的中国AI需求将推动电源管理芯片增长[190][191][193] * **华虹半导体运营状况**：华虹半导体在成熟制程代工同行中产能利用率保持较好，但随着折旧增加，毛利率可能回调，预计新产能上量后毛利率将逐步改善[194][196][198]

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]