文章核心观点 - AI算力发展的核心正从堆叠通用GPU转向为特定工作量设计专用芯片（ASIC），这决定了AI的效能上限与成本结构[2] - 中国台湾IC设计产业在此趋势下的战略地位显著提升，其角色已从被动设计代工转型为深度参与系统协同设计的核心伙伴[2][4] ASIC重塑算力版图 - ASIC通过高度客制化硬件设计，在AI训练与推论场景中能实现远高于通用芯片的效能功耗比与长期总拥有成本优势[3] - 预计到2027年，全球服务器专用AI服务器运算ASIC出货量将比2024年成长三倍[3] - 预计到2028年，全球数据中心AI服务器运算ASIC芯片的出货量将突破1500万颗，超过数据中心GPU的出货量[3] - 此增长动力来自对Google TPU、AWS Trainium集群的强劲需求，以及Meta和微软内部芯片组合扩展带来的产能提升[3] 全球竞争格局与关键参与者 - 博通凭借其完整IP组合、先进制程经验及与云端服务商的深厚合作，被视为云端AI ASIC的首选供应商[4] - 博通正面临来自新兴阵营的竞争压力，其中由Google与联发科形成的策略联盟已成为最受瞩目的挑战者之一[4] - Google的TPU v7e已进入关键量产阶段，微软的Maia系列与Meta的MTIA也已大规模部署，预期至2027年将出现具规模的出货量成长[4]

核心观点 - 人工智能芯片热潮正进入第二阶段 从英伟达通用GPU主导转向ASIC与GPU的激烈竞争 博通和台积电有望成为最大赢家 [1] AI芯片市场格局演变 - 研究机构Counterpoint预测 博通将在2027年继续保持其作为顶级AI服务器计算ASIC设计合作伙伴的领先地位 市场份额进一步扩大至60% [1] - 台积电作为定制芯片的主要代工选择 几乎完全吃下全球前十大数据中心及ASIC客户的晶圆制造订单 市场份额接近99% [1] - Marvell此前被视为博通的主要挑战者 但目前面临设计订单增长困境 Counterpoint估计其设计服务市场份额到2027年可能下滑至8% [3] ASIC与GPU的技术与成本比较 - 博通为谷歌设计的TPU 其能效比是英伟达H100的2到3倍 推理成本则低30%至40% [2] - 高盛分析师指出 TPU技术从v6发展到v7还将帮助每个token的成本下降70% [2] - 亚马逊的Trainium芯片在推理成本上相较于H100低30%至40% 其单位算力成本是H100的60% 推理吞吐量则比H100高25% [2] - 英伟达的CUDA软件是其维护企业客户的关键护城河 该通用并行计算平台覆盖全球95%以上的AI开发者 [3] 行业竞争动态与未来展望 - 越来越多大型数据中心运营商为降低成本 正在采购定制芯片(ASIC) [1] - 业内预期 未来几年市场更可能是ASIC和GPU并存的局面 现在仍无法断言哪种策略会被最终淘汰 [3] - Marvell曾与亚马逊合作Trainium 2项目 但由于表现不佳失去了Trainium 3的设计合约 另一家台湾公司Alchip最后参与了Trainium 3的开发 [2]

纪要涉及的行业或公司 * **行业**：电子行业，具体涉及**CPO（共封装光学）**、**PCB（印刷电路板）**、**国产算力（GPU/ASIC）**、**存储**、**先进封装**、**石英材料**等领域[1][2] * **公司**： * **CPO相关**：AYZ、罗博特科、炬光科技、致尚科技、天孚通信[1] * **PCB相关**：威尔高[1] * **国产算力相关**：芯原股份、灿芯股份、寒武纪、沐曦、摩尔线程、海光信息[1] * **存储相关**：普冉股份、恒烁股份、佰维存储、闪迪[1][2] * **设备/材料相关**：芯碁微装、菲利华[1][2] 核心观点和论据 * **CPO领域动态积极**：AYZ更新了Rubin Ultra CPO的规模化方案，带动相关公司股价大幅上涨，如罗博特科涨20%，炬光科技涨18.06%[1] * **PCB公司获重大订单**：威尔高据传接到谷歌一次电源订单，二次电源正在对接中，且其在GB300/Rubin项目上进展顺利，当日股价上涨18.23%[1] * **国产算力芯片格局分化**：GPU与ASIC行情分化明显，交易逻辑聚焦于算力芯片格局变化[1] * **ASIC叙事看到落地**：芯原股份的ASIC叙事逐渐看到落地项目，业绩趋势有望改善，当日股价涨9.11%[1] * **GPU业绩承压**：寒武纪2025年第四季度利润略不及预期，海光信息未发布业绩预告，相关公司股价下跌，如寒武纪跌9.18%[1] * **存储市场呈现修复迹象**：普冉股份股价涨8%，恒烁股份涨6%，显示存储板块修复[1] * **价格预期暴涨**：海外机构预测，用于企业级SSD的闪迪NAND价格，在3月所在季度内，环比涨幅可能超过100%[2] * **先进封装前景广阔**： * **设备商高增长**：芯碁微装被持续重点推荐，预计一季度单月交付2亿元金额的设备，后续业绩确定高增长，先进封装出货预计每年翻倍[1] * **样品送测客户**：有先进封测样品已送测GPU上市客户[2] * **石英材料需求爆发**：英伟达、谷歌的前沿AI芯片产品推动石英布（Q布）需求爆发式增长，全球产能供不应求，菲利华凭借技术沉淀有望成为全球龙头，目标市值千亿[2] 其他重要内容 * **公司业绩预告/预期**： * 佰维存储：2026年全年业绩高增长，2026年第一季度业绩环比翻倍不止[1] * 芯碁微装：被坚定看高至450亿元以上市值[1]

全球内存行业研究纪要关键要点 涉及行业与公司 * **行业**: 全球内存行业，包括DRAM和NAND闪存，以及高带宽内存(HBM)子行业 [1] * **公司**: 三星电子、SK海力士、美光科技、LG电子(LGE) [1][3] 核心观点与论据 行业模型更新与超级周期展望 * 更新了全球内存及HBM行业模型，将2026年全球DRAM/NAND销售额预测上调25% [1] * 预计全球内存上升周期将在2026-2027年持续，形成多年增长或超级周期 [1] * 预计2026年DRAM和NAND全球销售额将从2025年的1340亿美元/810亿美元增长至2620亿美元/1470亿美元，同比增长95%/82%，主要受ASP上涨50-60%驱动 [1] * 预计DRAM ASP在2026年同比增长65%，NAND ASP同比增长53% [6] * 预计2027年DRAM和NAND销售额增长将放缓至10%和8%，ASP将出现个位数百分比的下调 [1][6] 近期市场动态：DRAM现货价首次松动，NAND供应紧张 * DRAM现货价格在2025年9月以来持续上涨4-5个月后，本周首次出现疲软 [2] * 目前16Gb DDR5和8Gb DDR4价格在30美元以上，而16Gb DDR4价格在70美元以上 [2] * 与大型一级OEM的合约价仍为每GB 10-20美元，现货价与合约价之间存在较大差距，预计现货价将回落至合约价水平 [2] * 许多OEM已表示，在当前现货价格下，DRAM成本已超过其低端PC/智能手机/平板电脑的售价，通常DRAM成本占产品售价的比例低于10% [2] * 一些内存模组制造商表示，如果价格回落至20-30美元区间，无论密度或规格如何，他们都有兴趣购买更多DDR4或DDR5 [2] * NAND现货价格本周进一步上涨(1Tb或512Gb上涨5-6%)，供应紧张(受2025年上半年减产影响滞后) [2] 资本支出与产能扩张 * 资本支出增加，主要由HBM和基础设施投资(厂房、电力等)驱动 [1] * 预计2026年DRAM资本支出同比增长36%，NAND资本支出同比增长22% [6] * 2026年DRAM资本支出总额预计为733亿美元，NAND为240亿美元 [7] * SK海力士的DRAM资本支出已接近三星，远超美国/中国/台湾同行，主要用于HBM产能扩张 [18] * 非设备资本支出(厂房和公用设施)保持高位，2025-2026年DRAM非设备资本支出占比约35-31%，NAND占比约30-29% [20] 高带宽内存(HBM)市场前景 * HBM市场规模因需求强劲(来自美国大型科技公司)和三星HBM4上量更成功而扩大 [1] * 预计2026年HBM总市场规模(TAM)将扩大至600亿美元，同比增长74% [22] * 预计2026年HBM销售额为599亿美元，出货量5.5 GB bn，ASP为10.9美元/GB [22] * 行业平均营业利润率(OPM)高于40%，得益于SK海力士的高利润率(60%+) [22] * SK海力士在HBM市场占据主导地位，预计2026年市场份额(按销售额计)为50%，三星为31% [23] * HBM4预计于2025年下半年量产，将部署在英伟达下一代"Rubin"GPU系列中 [25] 下游需求与产品假设 * 由于内存/组件成本上升可能导致需求疲软，假设2026年智能手机出货量下降中高个位数百分比，PC下降低十位数百分比，SSD下降中个位数百分比 [10] * 服务器和汽车领域预计将持续强劲复苏 [10] * 2026年服务器出货量预计同比增长13.4%，汽车DRAM嵌入式出货量同比增长6.8% [10] * DRAM销售主要由服务器(包括HBM)和智能手机驱动，2026年预计服务器占DRAM销售额的40%，智能手机占28% [16] * NAND销售主要由SSD和智能手机应用驱动，2026年预计SSD占NAND销售额的42%，智能手机占31% [17] 库存与产能利用率 * 预计2026年第一季度内存芯片制造商的成品芯片库存处于历史低位，低于正常水平(1-2个月) [11][12] * 截至2026年第一季度，除旧闲置产能外，DRAM和NAND晶圆厂产能利用率均处于完全利用状态 [13][14] 其他重要内容 对LG电子(LGE)的积极看法 * LG电子在2025年第四季度财报电话会议上给出了乐观指引 [3] * 原因包括：1) 妥善应对美国关税；2) 家电、汽车零部件和暖通空调业务利润率稳健；3) 电视业务重组；4) 数据中心冷却器和机器人业务带来长期增长动力 [3] * 分析显示，由于LGE的产品大多基于非内存组件/材料，内存短缺对其影响较低 [3] * 将汽车零部件和电视业务的营业利润率假设上调1-2个百分点，导致2026年每股收益预测上调11% [3] * 目标价从13万韩元上调至14万韩元 [3] * 预计许多OEM将因内存供应短缺而遭受成本上升或减产的影响 [3] 行业风险与潜在挑战 * DRAM短缺或高内存成本可能导致OEM生产削减，但由于AI服务器增长持续强劲，对总内存需求影响仍较低 [1] * 假设ASP在2026年第二季度/下半年保持稳定，然后在2027年出现低于10%的修正 [1] * NAND资本支出在2025年复苏疲软，原因是利润率较低以及从128/178层向200-300+层迁移困难 [19]

文章核心观点 - AI产业竞争已从模型算法延伸至算力底层硬核博弈，专用集成电路正成为重塑全球AI格局、构筑竞争壁垒的核心抓手[46] - 专用集成电路的发展速度远超预期，已从单纯的产业趋势演变为AI巨头必炼的内功，甚至成为AI竞争的胜负手[6][7] - 在高速增长的算力需求背景下，英伟达图形处理器作为基石的作用仍不可替代，但其市场份额将逐渐被专用集成电路蚕食，长期将呈现二者共存态势[16][17] - 谷歌张量处理单元在技术和商业上的成功，为专用集成电路的发展提供了强心剂和示范效应，彻底打消了市场疑虑，并撕开了英伟达的垄断裂缝[10][24] - 国内外大型科技公司纷纷加速自研专用集成电路，以追求极致的总拥有成本、供应链安全和功耗控制，没有自研芯片的企业将在AI竞赛中失去话语权[32][34][46] ASIC趋势比预期还要猛 - **AI投资规模驱动专用集成电路优势显现**：AI军备竞赛导致资本开支巨大，头部厂商AI资本开支已逼近千亿美元，使性价比更高的专用集成电路变得至关重要[9] - **专用集成电路与图形处理器的核心差异**：专用集成电路是针对特定算法和应用的定制化优化，具备更低的成本与功耗优势；而图形处理器是适配多场景的通用型选手[9] - **专用集成电路的经济性门槛已被跨越**：当前2nm芯片流片成本达7亿美元，加上团队搭建费用3亿美元，自研门槛高达10亿美元，需要超100亿美元的下游市场规模覆盖成本[12] - **数据中心市场已具备经济性**：数据中心AI芯片单颗价值高，一个大厂内部采购的AI芯片数量轻松超过100万颗，足以覆盖高昂成本；例如谷歌2023年自用张量处理单元超200万颗，按年20亿美元研发成本计算，单颗分摊成本仅几千美元[13] - **出货量与市场规模将快速扩张**：据芯智讯援引DIGITIMES数据，专用集成电路出货量2027年将突破1000万颗，接近同期图形处理器1200万颗的水平；AI用专用集成电路有望快速成长为千亿美金赛道[13][14] - **产业链给出乐观预期**：博通预计2027年大客户专用集成电路可服务市场将达600-900亿美元；Marvell预测2028年定制芯片将占数据中心加速计算市场25%的份额[14] GPU和ASIC之争继续 - **英伟达图形处理器的两大优势**：一是算法生态，CUDA生态与开发者习惯形成强壁垒，在大模型训推中仍领先其他方案至少一年半；二是产业链优先支持，在代工产能和HBM供应上享有优先权[19][20][21][22] - **英伟达面临供应链瓶颈**：谷歌张量处理单元在2026年上半年有超过50%的产能缺口导致难大规模交付、微软Maia 200也难产，都是由于产业链产能限制[22] - **专用集成电路的挑战与解决方案**：生态上，谷歌张量处理单元在超大型模型部署场景中已有成本优势；互联标准上，UALink、Ultra Ethernet等开放标准正在崛起，有望打破英伟达垄断，在10万节点集群中，Ethernet架构相较英伟达InfiniBand，总拥有成本最高可节省20%[23] - **供应链瓶颈预计缓解**：随着扩产，预计上游产能在2027年逐步放量，供应链瓶颈开始缓解；同时2027年训练与推理芯片资本开支占比将趋近50:50，给专用集成电路更大舞台[23] 谷歌TPU撕开英伟达垄断的裂缝 - **谷歌张量处理单元的技术优势**：持续迭代，最新的TPU v7搭载Inter-Chip Interconnect技术，可支持最多9000个节点的超大规模集群；采用HBM3E内存，功耗与以太网成本更具优势，FP4精度下每PFLOPS每小时成本仅0.40美元[25] - **内部应用验证成功**：谷歌Nano Banana等模型100%基于张量处理单元完成训练与推理，支撑内部核心功能，成本低于图形处理器，部分场景性能表现优异[26] - **成功拓展外部市场**：Meta计划2026年租用并从2027年开始购买超100万颗、价值数十亿美元的TPU；OpenAI将部分推理工作负载迁移至TPU；Anthropic签署100万TPU订单；Apple采购TPU用于LLM训练[27] - **定价策略与市场预测**：单颗张量处理单元芯片售价预计1—1.5万美元，定价瞄准AMD，意图通过低价挤压竞争对手；乐观测算，到2027年，张量处理单元可能抢占英伟达15%的训练市场份额；Semianalysis预测2027年谷歌张量处理单元合计出货量达到600万颗[29] - **渗透率预测**：2027年推理场景占比将达50%，专用集成电路将承担其中50%的工作负载，对应专用集成电路在算力芯片中的渗透率超20%，而谷歌张量处理单元拿下其中一半份额难度不大[29] 来自EDA的产业链验证 - **EDA行业增长核心转移**：Synopsys和Cadence最新指引显示，未来EDA行业增长核心来自苹果、谷歌、特斯拉等“系统公司”，而不是第三方芯片设计厂[30] - **系统公司占比提升**：这类系统性客户占当前EDA营收的45%左右，未来2-3年将超50%，验证了大厂自研芯片并通过外售摊薄成本的模式将加速推进[30][31] 谷歌示范效应下大厂纷纷豪赌自研ASIC - **成本与功耗符合第一性原理**：到2030年AI耗电可能占美国用电的10%，降低单芯片功耗关键；图形处理器存在30-40%功能冗余导致功耗浪费，而专用集成电路可针对特定工作负载优化[33][34] - **性能指标对比**：主流专用集成电路在算力性能上已基本对齐英伟达H系列图形处理器，但能效比优势突出；例如英伟达H100 FP16算力为990 TFLOPS，功耗700W；谷歌TPU V6e算力为918 TFLOPS，功耗仅383W[35] - **北美大厂加速布局**：亚马逊Trainium2芯片支持的实例性价比相较GPU-based实例高出30-40%，2024年出货量年增率突破200%；Meta MTIA v2采用台积电5nm工艺，TDP仅90W；微软Maia目标定制专用集成电路相较英伟达件成本节省80%，能耗成本降低50%；OpenAI与博通达成100亿美元合作开发专属推理芯片；特斯拉计划2025年底推出下一代Dojo 2芯片[38][39] - **国内大厂芯片项目战略地位提升**：在谷歌张量处理单元验证可行性、英伟达芯片受限的双重驱动下，专用集成电路已上升为核心战略[40] - **百度昆仑芯进展**：拥有15年技术积累，兼容CUDA生态；2024年出货量6.9万片、营收20亿，2025年预计出货13万片、营收冲35亿；已进入中国移动、比亚迪、招商银行等供应链[41] - **阿里平头哥进展**：核心产品PPU分为高端和低端款，2024-2025年合计出货估计30万张；低端款采用中芯国际12nm工艺，预计2026年Q1启动流片量产，出货50万颗；2026年PPU整体出货预计80万颗[42][44] - **其他国内厂商布局**：字节跳动采取“外采低端芯片+推进海外研发+国内先进制程排队”策略；腾讯重启“紫霄”自研项目，以数倍薪酬挖角顶尖人才[44] - **国内大厂面临的挑战**：主业盈利不如海外大厂，股东对芯片业务亏损不满，促使阿里百度分拆上市平衡投入；先进产能资源更加稀缺；配套AI芯片服务商如博通、Marvell因制裁难以为国内企业提供定制服务，国内相关企业在技术积累上有明显差距[45]

英伟达对台积电产能的需求与预期 - 英伟达首席执行官黄仁勋表示，台积电今年需要非常努力工作，因为英伟达需要很多晶圆和CoWoS先进封装产能 [2][3] - 黄仁勋预期，未来十年台积电的产能可能会成长超过百分之百，这是非常显著的规模扩张，是人类史上最大规模的基础设施投资，而仅为了满足英伟达的需求，产能就需要翻倍 [2][3] 英伟达的产品进展与市场地位 - 英伟达已经全面投产Blackwell和Vera Rubin芯片，其中Vera Rubin包含六款不同的芯片，每款都是世界上最先进的芯片 [3] - 英伟达技术发展快速，创新速度也很快，其技术成本最低，因为最高效能意味着最低成本，这是公司的核心优势 [4] - 英伟达产品无所不在，遍布所有云端平台、电脑系统、机器人及汽车等领域 [4] - 英伟达全球拥有500至600万名开发者，世界上所有人工智能开发者都会使用英伟达的软件 [4] 英伟达的研发投入与竞争信心 - 英伟达一年的研发预算高达200亿美元，且可能每年都增加50%的预算 [4] - 对于特殊应用芯片（ASIC）的竞争挑战，黄仁勋信心满满，不认为ASIC累积出货量会超过英伟达的GPU [3][4] - 黄仁勋强调，英伟达正在建构整个人工智能基础设施，不仅提供GPU，也与所有的AI公司合作，包括Google、OpenAI、xAI等 [3] 供应链伙伴关系与行业活动 - 黄仁勋在台北宴请供应链伙伴高层，出席者包括台积电、联发科、广达、英业达、纬创、鸿海、宏碁、矽品、和硕、华硕、纬颖、台达电、仁宝及云达等公司董事长或首席执行官，与会者身价合计破兆元，该活动被外界形容为「兆元宴」 [2][3] - 餐叙结束后黄仁勋亲自送台积电董事长魏哲家离开，显见对台积电的重视程度 [2]

涉及行业与公司 * 行业：美国半导体行业，特别是人工智能（AI）价值链[1] * 公司：涵盖硬件/半导体产业链的众多公司，包括但不限于：英伟达（NVDA）、博通（AVGO）、超微半导体（AMD）、英特尔（INTC）、欣兴电子（Unimicron）、揖斐电（Ibiden）、台达电（Delta）、广达电脑（Quanta）、致茂电子（Chroma ATE）、三星（Samsung）、SK海力士（SK hynix）、美光（Micron）、联发科（MediaTek）、戴尔（Dell）、慧与科技（HPE）、超微电脑（SMCI）、闪迪（SanDisk）、伊顿（Eaton）、赫氏（Hubbell）、铠侠（KIOXIA）等[5][6][9][16][17][18] 核心观点与论据 * **研究目的**：构建一个自上而下的框架，用于量化2025-2027年各行业在AI领域的增长潜力，旨在简化跨不同领域公司的比较，并延伸至未覆盖的公司[2][19] * **成本框架更新**：更新了GB200/NVL72数据中心单机架资本支出估算，以反映DRAM和NAND价格上涨的影响，预计服务器DRAM成本增加约7万美元/机架，存储成本增加约3.5万美元/机架，使总资本支出从每机架590万美元/每吉瓦350亿美元更新至每机架600万美元/每吉瓦360亿美元[3][21] * **增量利润估算模型**：结合BloombergNEF对2027年新增16吉瓦数据中心容量的预测，通过公式（增量吉瓦数 * 每吉瓦市场总规模 * 市场份额 * 增量利润率）来粗略估算各公司到2027年可能捕获的增量利润美元[4][24][26] * **高增长潜力领域**： * **PCB/基板厂商**：揖斐电、欣兴电子等PCB/基板公司可能具有极高的增长弹性，其中欣兴电子尤其受益于ABF基板和HDI领域的多个重大机遇[5][27] * **GPU/ASIC及电气公司**：除了行业宠儿英伟达和博通，超微半导体、联发科、迈威尔等GPU/ASIC公司，以及伊顿等电气公司，都可能看到相对于当前利润规模而言非常巨大的增长机会[5][27] * **相对增长潜力较低领域**：英特尔和思科，以及服务器原始设备制造商（戴尔和慧与科技）在AI讨论中地位突出，但相对增长潜力较低[6][28] * **估值与机会对比**：初步对比估算的AI增长潜力与估值倍数，显示欣兴电子仍有上行空间，而英特尔以及程度稍轻的Arista和安费诺，尽管AI机会相对温和，但估值显得昂贵[6][29] * **静态分析的局限性与潜在上行**：分析基于对GB200周期的静态视角，部分估值偏离可能源于尚未反映在估算中的前瞻性趋势，包括台达电在机架内电源、英伟达/博通在内容/订单积压、联发科在TPU上量、以及因内存价格快速上涨和Rubin周期内容增加而受益的存储/内存厂商（如闪迪、三星、美光、SK海力士、铠侠）的显著上行潜力[6][30] * **服务器OEM的利润率限制**：尽管AI服务器机会巨大，且戴尔和超微电脑已获得可观收入，但其增量利润率远低于传统企业服务器业务，且可能因英伟达持续垂直整合而保持低位，限制了利润美元的增幅[31] * **英特尔的市场份额困境**：英特尔在AI领域难以获得有意义的市场份额，其收入机会相对于其传统的CPU核心业务显得较小[31] 其他重要细节 * **增量利润率估算方法**：对每家公司过去32个季度的季度环比增量收入与息税前利润进行回归分析，将回归斜率作为增量AI收入利润率的估计值，并根据覆盖经验对特定公司（如GPU/ASIC公司、欣兴电子、联发科、内存/存储公司、机械电气公司）的估算进行了调整[23][37] * **市场份额估算依据**：对于9个关键硬件/半导体垂直领域，基于现有行业分析、公司整体收入份额或分析师专业知识来估算市场份额，具体涉及GPU/ASIC、服务器/机架、CPU、内存、存储、电源与散热、交换机与背板、PCB/基板与光模块、代工、机械电气等领域[22][25] * **具体公司机遇量化**： * **欣兴电子**：预计其AI相关收入机会高达新台币700亿/22亿美元，结合25%的增量利润率，意味着其机会是现有利润基础的4倍[28] * **揖斐电**：作为英伟达GPU基板的主要供应商，从Blackwell到Rubin架构的升级使基板价值含量翻倍，预计来自英伟达的收入在FY26/3E将达到1150亿日元/16亿美元（占总收入27%），并预计在FY26/3E–FY28/3E期间以44%的年复合增长率增长[28] * **伊顿**：在数据中心和分布式IT领域收入占比约20%，传统数据中心每兆瓦潜在销售额为120-150万美元，AI数据中心可扩大50%至120-290万美元，收购Boyd Thermal后增加液冷业务，预计每兆瓦再增50万美元，将AI数据中心中期展望提升25%至每兆瓦250万美元[28] * **成本结构明细**：提供了GB200/NVL72机架资本支出（总计351.4万美元/机架）和整个数据中心基础设施资本支出（总计604.4万美元/机架，即35.8亿美元/吉瓦）的详细分解[32][33] * **投资建议摘要**：报告给出了多家公司的评级与目标价，例如英伟达（优于大市，目标价275美元）、博通（优于大市，目标价475美元）、超微半导体（与大市同步，目标价225美元）、英特尔（与大市同步，目标价36美元）、欣兴电子（优于大市，目标价新台币270元）、揖斐电（优于大市，目标价8250日元）等[10][11][12][15][16]

文章核心观点 - AI芯片的竞争核心已从单纯性能比拼转向“性价比”的较量，特别是推理阶段的成本控制成为关键指标，直接影响AI应用的商业化落地和芯片厂商的市场份额[5][6] - 高盛通过构建“推理成本曲线”分析，量化了GPU与ASIC两类芯片的竞争态势，为理解技术路线优劣和行业竞争提供了清晰框架[5][6] - 短期内英伟达凭借其产品迭代速度、CUDA软件生态及全栈式创新维持领导地位，但中长期ASIC凭借定制化在成本控制上的潜力不容忽视，而网络、内存、封装三大相邻技术的创新将成为打破竞争格局的关键变量[10][12][15][17][18] 一、推理成本成AI芯片竞争关键 - AI芯片的竞争焦点是“性价比”，推理成本控制是重中之重，关系到AI应用商业化可行性和芯片厂商市场份额归属[6] - 高盛通过对比英伟达、AMD的商用GPU与谷歌TPU、亚马逊Trainium等定制化ASIC，构建了跨周期推理成本曲线，显示各类芯片成本均呈下降趋势，但不同厂商降幅和竞争态势差异显著[6] 二、头部玩家的竞争态势与差距 （一）谷歌/博通TPU：快速追赶的有力竞争者 - 从TPU v6到TPU v7，其每百万token的推理成本下降了约70%，目前成本与英伟达旗舰GB200 NVL72相当甚至略有优势[9] - 谷歌已将TPU广泛用于内部工作负载（包括Gemini大模型训练），且Anthropic与博通签订了价值210亿美元的TPU订单，预计2026年年中交付[9] - 对于具备定制化开发能力的企业，TPU正成为英伟达GPU之外的重要选择[9] （二）英伟达：优势稳固的行业领导者 - 英伟达维持领导地位依靠两大核心优势：一是“上市时间”优势，保持年度产品迭代（如GB300 NVL72已出货，VR200 NVL72计划2026年下半年交付）；二是CUDA软件生态构建的深厚护城河，客户迁移成本高昂[10] - 公司在研发投入上远超竞争对手，并通过Mellanox业务在网络领域占据强势地位，近期推出的上下文内存存储控制器展现了内存技术创新能力，这些优势使其加速器市场领先地位短期内难以被撼动[12] （三）AMD与亚马逊Trainium：暂处落后的追赶者 - AMD和亚马逊Trainium目前在推理成本竞争中处于落后位置，报告估算其代际成本降幅仅约30%，绝对成本明显不及英伟达GPU和谷歌TPU[12] - 市场亮点在于：AMD计划在2026年下半年推出基于MI455X的Helios机架解决方案，据称其训练和推理性能将对标英伟达VR200，并有望实现约70%的推理成本下降；亚马逊Trainium 3&4据传将修复Trainium 2的性能短板，性能有望显著提升[12] - 后续关键在于能否兑现技术承诺，通过产品迭代缩小差距，并争取更多超大规模云客户和主流AI企业的认可[13] 三、技术趋势 - 随着计算芯片接近掩模限制，未来AI芯片性能提升和成本下降将主要依赖网络、内存和封装三大相邻技术的创新突破[15] - 网络技术方面，通过扩展以太网提升系统带宽，实现更多GPU协同工作成为行业共识[15] - 内存技术方面，HBM与NAND闪存集成持续深化，英伟达的上下文内存存储控制器是典型案例，有效提升了训练和推理效率[15] - 封装技术方面，台积电的CoWoS技术已实现两颗GPU芯片封装整合，英伟达计划2027年推出的Rubin-Ultra将集成四颗GPU芯片，同时CPO和机架级高密度集成技术也在快速发展[17] - 英伟达和博通在这些技术领域已占据先发优势：博通凭借领先的以太网网络和SERDES能力成为AI网络核心受益者；英伟达通过全栈式创新在硬件、软件、网络、内存等多环节形成协同优势[17] 四、四大场景下的行业演化路径 - 高盛勾勒了AI行业未来发展的四大潜在场景，不同场景下GPU与ASIC竞争格局将呈现不同特征，但ASIC在各类场景中均有望获得不同程度的发展[18] - **场景一：企业与消费级AI应用普及有限**。若AI仅在编码、后台流程自动化等少数场景落地，行业资本支出将趋于温和，应用场景的稳定性将加速ASIC的采用[18] - **场景二：消费级AI持续增长，企业级AI进展有限**。训练市场重要性凸显，英伟达有望维持训练领域主导地位；随着工作负载逐渐静态化并集中于超大规模云厂商，ASIC市场份额将逐步提升[18] - **场景三：消费级AI增长，企业级AI温和渗透**。英伟达能凭借训练市场优势巩固地位，企业级市场增量需求将带来更多收入机会，ASIC也将在特定场景中稳步拓展[18] - **场景四：消费级与企业级AI全面强劲增长**。这是最乐观场景，随着多媒体模型、物理AI等应用扩展，LLM提供商和初创企业有望盈利，训练强度保持高位。英伟达将充分受益于训练市场的垄断地位，其“上市时间”和CUDA生态护城河进一步强化；ASIC虽能受益于工作负载规模扩大，但市场份额增长速度相对平缓[18]

证券日报网讯1月26日，铂科新材（300811）在互动平台回答投资者提问时表示，目前公司芯片电感主 要应用于全球头部的GPU、ASIC为主，公司将积极关注国内芯片的技术发展。 ...

行业与公司 * 涉及的行业：半导体行业（包括封测、晶圆制造、分测试、材料、设备、模拟芯片、功率器件等细分领域）、LED驱动行业[1] * 涉及的公司：台积电、日月光、安靠、西品（台湾厂商）、永锡、通富、台湾长华电、思瑞浦、艾为、纳芯微、杰华特、圣邦股份、晶丰明源、南新科技、新洁能、杨杰科技[4][7][9][12][13] 核心观点与论据 * **行业周期特征**：当前半导体周期由AI结构性需求驱动，创造新需求并挤压现有产能，与上一轮由新能源需求挤压产能不同[1][2] 产品周期、产能周期（2-3年以上）和库存周期（客户端从低库存进入补库存阶段）共同作用[2] * **存储市场**：存储市场已开启史上最强周期，短期内没有减弱迹象，持续性预计将超过去年（2025年）[1][3] * **封测行业变化**：台积电将部分先进封装外包给日月光和安靠[4] 台湾厂商（如西品）将传统产能转移至大陆，以集中资源应对AI订单[4] 大陆封测设备和材料紧张并涨价[1][4] * **对国内封测厂商影响**：高利润率、高增长的AI相关订单外溢至大陆，带来新机遇[1][4] 中小型封测厂退出，大型企业扩产，行业格局优化，供需关系趋于紧张[1][4] * **国产算力对晶圆厂影响**：对国内晶圆厂有拉动作用，但尚未成为主要业绩贡献[1][5] 研发和折旧成本压力下，大厂对成熟制程提价诉求增加[1][5] 需关注国产算力带来的新进制程增长及成熟制程提价压力[1][6] * **分测试环节**：值得特别关注，各上市公司对四季度及明年判断普遍乐观[1][7] 多家公司（如永锡、通富）新项目投产，产业段需求变化显著[7] AI相关订单外溢至大陆，整体供需关系趋紧[1][7] * **LED驱动行业**：竞争格局显著改善，许多非上市公司和小厂已退出[1][8] 随着市场需求增长和竞争环境优化，行业有望迎来更大发展机遇[1][8] * **材料公司**：受益于封测行业及大陆封测厂稼动率提升和扩产计划[2][9] 引线框架龙头台湾长华电提价幅度超预期，达20%-30%以上，因原材料成本上升及客户需求旺盛[9] * **封测设备公司**：A股分测设备公司股价表现强劲，因分测厂开始新一轮扩产周期，大量订单集中下达[10] 龙头企业接到海外客户高价急单，表明扩产需求迫切[10] * **模拟芯片行业**：价格战进入尾声，海外大厂（如德州仪器、ADI）多次调价[2][12] 国内厂商毛利率改善（如思瑞浦、艾为），纳芯微、杰华特等公司有望在2026年实现扭亏[12] 下游消费电子、汽车电子库存回归健康水位，AI、光模块需求旺盛推动增长[2][12] * **功率器件板块**：涨价情况明显（包括MOS代工及二三级管）[13] 涨价持续性取决于上游材料成本上涨及下游传统行业需求[13] 新洁能业绩支撑且估值合理，在汽车、储能、无人机及机器人等领域表现良好[13] 杨杰科技在光伏以外领域增速良好，承接部分安氏订单，2026年预计汽车业务增长40%-50%[13] * **行业位置与投资看法**：半导体品种处于胜率较高但赔率更大的位置，下行空间有限而上行潜力巨大[11] 若复制2020-2021年的大周期，可能出现数倍甚至十倍增长的股票[11] 其他重要内容 * 从2020年到2021年中期行业景气度见顶后一直在去库存，现在很多产品客户端库存水位较低，有些接近零库存[2] * 从去年（2025年）到今年（2026年），AI占比高的电子细分板块如GPU、ASIC和存储已被充分挖掘并表现出色[3] * 国内封测行业格局在过去两三年间逐步优化，有效产能增加并不多[4] * LED驱动行业的上市公司仅三四家，过去两到三年毛利率和净利润均处于亏损状态[8] * 推荐关注的模拟芯片个股：思瑞浦、圣邦股份、杰华特、晶丰明源，以及汽车电子领域的纳芯微和消费类领域的南新科技[12] * 看好功率器件板块的新洁能与杨杰科技在2026年的发展前景[13]