May-akda: 见微知著杂谈
Pinagmulan: Morgan Stanley Greater China Semiconductors Research
Petsa ng ulat: Mayo 8, 2026
Isa. Pangunahing kontradiksi
Higit sa inaasahan ang paglalawak ng gastos sa kapital sa AI sa buong mundo, ngunit ang pagkakaroon ng computing power ay umuunlad mula sa “isang-isa lamang ang NVIDIA” patungo sa “GPU + ASIC + lokal na chip ng China” na tatlong paralel na landas. Ang pangunahing kontradiksiyon ay hindi kung sapat ba ang demand, kundi sino ang makakakuha ng bahagi sa paglalawak na ito, at gaano kalakas ang pagkakalimot sa mga semiconductor na hindi AI sa prosesong ito.
Pangalawa: Pangunahing Konklusyon (nakaayos ayon sa kahalagahan ng pagtrabaho)
Tatlo: Malalim na pagpapalawak ayon sa kategorya
3.1 Advanced Packaging (CoWoS / SoIC) — Pinakamalakas na tiyak na pangunahing direksyon
Pangunahing kontradiksiyon] Ang pangangailangan ay tumataas nang malaki, ngunit ang kakayahang mag-produce ay hindi maaaring palitan kundi ng TSMC; ang pagpapakel ng mga kumpanyang hindi TSMC (Amkor/ASE/UMC) ay nakakaranas ng pagbaba ng bahagi.
[Key Driver] Ang kapital expenditure ng apat na malalaking cloud provider (AWS/Google/Microsoft/Meta) ay tumataas ng 95% yoy sa Q1 2026, at inaasahang makakamit ang kabuuang $685 bilyon sa buong taon; ang pangangailangan sa AI servers ay direktang nagpapalakas sa demand para sa CoWoS/SoIC queue.
Mga mahahalagang datos at mga panahon:
NVIDIA ang nagtatampok ng halos 59% ng paggamit sa CoWoS, Broadcom ay 20%, at AMD ay 9%.
· Ang kabuuang halaga ng pagkakasunog ng mga wafer ng AI computing noong 2026 ay humigit-kumulang sa $27.2 bilyon, na naging pinakamataas sa kasaysayan
Ang bahagdan ng kita mula sa AI chip ni TSMC ay may CAGR na 60% mula 2024 hanggang 2029, at hihigit sa 30% ng kabuuang kita noong 2026
[Pathway of Transmission]
Capex ng cloud provider → Mga order sa NVIDIA/Broadcom/Google TPU → Ang CoWoS/SoIC ay naging bottleneck → Lumalakas ang kakayahan ng TSMC sa pagtawid → Patuloy na lumalawak ang bahagi ng AI sa kita.
[Mga Tala sa Pagtrabaho]
Ang TSMC ay ang pangunahing pangunahin, walang kailangang pumili ng panahon, malinaw ang lohika ng paghawak. Ang SoIC ay ang pangalawang kurba ng paglago mula 2025 patungo, tandaan ang mga pagkakataon sa mga OSAT supplier (tulad ng ASE) na nakikilahok sa pag-aayos ng SoIC.
3.2 Mga kagamitan sa pagsubok (Handler / Socket / Probe Card) — Pinakamababang pagtataya, pinakamalaking tiyak na paglago
[Core Contradiction]
Nagtaas ang kumplikadong kalikasan ng mga chip, at doble ang pagtaas sa struktural na haba ng pagsubok, ngunit ang pagbabalik-aral sa TAM ng mga kagamitan sa pagsubok ay napakalalim.
[Key Driver]
Ang oras ng pagsubok sa bawat henerasyon ng GPU ay dumadalaw: Hopper 350 segundo → Blackwell 700-1000 segundo → Rubin 1200-1400 segundo → susunod na henerasyon 1800-2000 segundo; ang bilang ng mga paa ng socket ay tumataas mula sa antas ng mobile na 1500 patungo sa antas ng AI/HPC na 6000, at sa susunod na henerasyon ay 10000+.
Mga datos ng mga pangunahing pares:
·Pamilihan ng global Handler: $436 milyon noong 2023 → $6.6 bilyon noong 2027, CAGR ng 35%+
· Ang pangangailangan sa optical testing ng CPO ay magkakaroon ng malaking pagtaas mula sa 2025, at papasok sa fase ng electrical + optical joint testing noong 2027 (Insertion 4i)
[Pathway of Transmission]
Pagtaas ng laki ng chip / bilang ng layer / kumplikadong istruktura → Pagtaas ng panahon ng pagsubok → Pagtaas ng presyo at dami ng Handler/Socket → Pagdaragdag ng bagong pangangailangan sa optical testing ng CPO → Pagsisimula ng ikalawang kurba ng paglago.
[Mga Tala sa Pagtrabaho]
Ang mga kompanyang ito ay ang pinakamababang valuation sa chain ng AI infrastructure na may pinakamataas na kumpiyansa sa paglago, angkop para sa intermediate core allocation. Ang kakulangan sa market coverage at mababang pricing ay ang pinakamahalagang value-for-money direction sa kasalukuyan.
3.3 Chinese AI chips (domestic GPU/ASIC) — long-term irreversible, short-term divergence evident
[Core Contradiction]
Ang pagkontrol sa pag-export ay nagpapabilis sa pangangailangan para sa lokal na pagpapalit, ngunit ang teknolohiya/at pagpaproduksyon ng mga chip sa bansa ay may iba’t ibang antas ng kagalingan; ang pagkakaroon ng malalaking kliyente ay ang pangunahing pagkakaiba.
[Key Driver]
Ang pag-verify ng DeepSeek sa pagiging maaari ng mababang gastos sa pag-iisip → Ang mga lokal na cloud provider ay pabilis ang paglipat → Ang pagpapalawak ng SMIC 7nm ay sumusuporta sa mass production → Ang TCO advantage ng lokal na chip (30-60% mas mababa kaysa kay NVIDIA) ay bumubuo ng positibong feedback.
Laki at kalagayan ng merkado:
2026E pangkat ng merkado sa loob ng bansa: Huawei 62%, Cambricon 14%, Kunlunxin 5%, T-Head 5%, iba pa 14%.
Sa mga "Sampung Dragon", ang MS ay nagpapakita ng paghahambing sa tatlong target:
[Pathway of Transmission]
Export controls → Domestic substitution → SMIC 7nm expansion → Huawei/Cambricon scaling up → Local cloud providers (ByteDance/Alibaba/Tencent) switch procurement → Lower inference costs → Surge in applications → New wave of compute demand.
[Mga Tala sa Pagtrabaho]
Ang Kambal ay may pinakamataas na katiyakan at ito ang unang pagpipilian; ang TianShu ZhiXin ay may pinakamalaking potensyal sa pagtaas ng halaga ngunit hindi pa nakakakita ng kita, kaya mas mataas ang panganib. Ang Huawei (hindi nakalista) ay ang pinakamalaking pagbabago sa kompetisyon, at ang pagtaas ng kanilang bahagi ay nagdudulot ng indirektong presyon sa iba pang lokal na tagagawa, kaya kailangan itong mapanatili sa pagsusuri. Ang panahon: Ang taon 2026–2027 ay ang mahalagang punto kung saan ang mga lokal na AI chip ay magsisilbing alternatibo at magiging pangunahin.
3.4 Non-AI semiconductors (consumer / automotive / industrial control) — structural bearish, weak recovery is not a strong recovery
[Core Contradiction]
Ang mga yaman sa supply chain ay sistematikong iniihi ng AI, at patuloy na mas mabagal kaysa sa inaasahan ang pagbabalik ng tradisyonal na semiconductor, na nagresulta sa sobrang pagtataya sa elasto ng pagbabalik.
[Key Driver]
Ang kapasidad ng contract manufacturing, ang T-Glass substrate, at ang storage ay buong-pusong nakatuon sa AI; ang mga chip na hindi AI ay nasa huling pila; tumataas ang gastos sa wafer at OSAT; ang gross margin ng mga kumpanya ng chip design ay nasa ilalim ng presyon.
Pagkatapos ng pag-alis ng NVIDIA AI GPU at storage, inaasahan na ang paglago ng non-AI semiconductor ay bababa nang malaki noong 2026
· Ang bilang ng araw ng inventory ng MCU ay patuloy na nasa mataas na antas sa kasaysayan (patag pagkatapos ng peak sa 1Q25 sa 4Q25); ang paglilipas ng inventory ng mga pangunahing tagagawa tulad ng STM/GD ay mabagal
·Inaasahan na babalik ang paggamit ng mga factory ng logic sa 80% lamang noong ikalawang kalahati ng 2026, limitado ang pagkabawi
·Mas mahusay ang SiC kaysa sa GaN: Inirerekomenda ang SICC (OW), inaasahang lalampas sa 50% ang pagkakaroon ng SiC noong 2030; iwasan ang InnoScience (EW), ang pagpapalawak ng produksyon ay nagdudulot ng pagbaba ng kita
[Mga Tala sa Pagtrabaho]
Iwasan ang direkta na eksposur sa tradisyonal na semiconductor, ang MCU sector ay mayroon nang pagkakataon sa ibabaw ng base pero mabagal ang pagbabalik—hindi inirerekomenda ang malaking pagtaya sa malakas na pagbabalik. Ang SiC ay ang tanging sub-sektor sa tradisyonal na sector na dapat bigyan ng pansin.
3.5 Pag-iimbak (HBM / NAND / DDR4) — Malakas ang pagkakahati-hati, kailangan ng pagkilala sa mga signal
[Core Contradiction]
Ang AI ay nagdudulot ng malinaw na pagtaas ng demand para sa HBM; ang pagtaas ng presyo ng DDR4/NAND ay dulot ng pagkakasakop ng supply ng AI, hindi dahil sa tunay na pagbabalik ng demand, kaya ang signal ay distorted at may limitadong elasticity ng presyo.
[Mga Tala sa Pagtrabaho]
HBM ay tiyak na bullish, ang Hynix ang pinakabenefit; ang Macronix (NOR Flash, Top Pick) ay benefit sa kakulangan at may makatwirang valuation; ang pagtaas ng presyo ng NAND/DDR4 ay hindi katumbas ng pagpapabuti ng demand, maging mapanatik sa paghahabol sa pagtaas.
apat: Mga makro at geopolitical na variable: bilang mga paliwanag na baryable para sa paghuhusga ng track
【Geopolitical】Patuloy na pagsisigla ng mga pagtigil sa pag-export
Nakalimita ang NVIDIA sa pag-export sa China → tumataas ang kumpiyansa sa pangangailangan para sa lokal na AI chip sa China; ang gastos sa kapital ng China sa cloud ay umabot sa $105 bilyon noong 2026E at nagsisilbing mabilis na makarating sa 14% ng kabuuang gastos sa kapital ng cloud sa buong mundo.
[Macro] Pagkakasalig sa enerhiya (Pansamantala sa Amerika)
Ang kawalan ng sapat na suplay ng kuryente sa mga data center sa Estados Unidos ay posibleng hangganan sa pagtaas ng pangangailangan para sa GPU, ngunit hindi pa ito isang makabuluhang pagbabawas sa maikling panahon (hanggang 2026).
[Struktura ng Industria] Epekto ng pagkain ng AI
Ang epekto ng pagkakapit sa non-AI supply chain (T-Glass, tradisyonal na DRAM, at consumer foundry capacity) dahil sa pangangailangan sa AI, ay ang pangunahing paliwanag kung bakit patuloy na mas mahina kaysa sa inaasahan ang non-AI semiconductor, at hindi dahil sa mga siklikal na salik.
[Sa gilid ng gastos] Teknolohikal na inflasyon
Bumabawas ang lahat ng gastos sa wafer/OSAT/storage, nagdudulot ng presyur sa gross margin para sa mga kumpanya ng chip design (lalo na sa mga hindi sa AI niche); patuloy na tumataas ang kakayahan ng pagtawid ng mga contract manufacturer tulad ng TSMC.
Limang: Mga Inirerekomendang Kombo at Framework sa Pagtrabaho
Batay sa pagtataya ng lahat ng mga kategorya, bumuo ng sumusunod na framework para sa pagtinda:
Anim: Isang pangkalahatang pagsusummary
Bumili ng encapsulation (TSMC), bumili ng mga kagamitan sa pagsubok (Hon Precision / WinWay / MPI), bumili ng lider sa AI chip ng China (Cambricon); iwasan ang mga semikonduktor na hindi AI na may malakas na pag-asa sa pagbabalik, gawin ang HBM sa loob ng storage, neutral sa tradisyonal na DRAM/NAND. Ang panahon na window ay 2026–2027, ang cycle ng kapital expenditure sa AI ay malayo pa sa pagtatapos.
Paalala sa panganib: Ang talaang ito ay batay sa pampublikong pag-aaral ni Morgan Stanley at para lamang sa panloob na pag-aaral; hindi ito nagtataglay ng anumang payo sa pag-invest. May kakaibang pagkakataon sa merkado, at ang tunay na resulta ay maaaring magkaiba nang malaki mula sa mga pagtataya; mangyaring magdesisyon nang maingat ang mga investor.
Pagbuo ng Mga Pabrika ng AI sa Kinabukasan—CPU, GPU, ASIC, Optical Modules, at China Chip
Malakas na pananaw sa mga semikonduktor ng artificial intelligence
Ipinapahiwatig ng Morgan Stanley ang outlook para sa AI semiconductor bilang "Strong", na hinahamon ng tatlong puwersa sa demand: patuloy na paglago ng mga killer app sa AI, kompetisyon sa kapasidad ng computing ng mga malalaking teknolohiya, at ang pangangailangan ng mga bansa para sa kanilang sariling pambansang AI. Samantala, natukoy ng report na ito ang apat na pagtigil sa paglago—mga budget, bottleneck sa enerhiya ng Estados Unidos, kapasidad ng chip ng Tsina, at regulasyon—na ang kalikasan ng mga limitasyong ito ay ang paghinga ng suplay kumpara sa demand, hindi ang pagwawasak ng demand mismo.
Sa matagalang panahon, may tatlong struktural na variable na dapat bantayan:
1) Teknolohikal na inflasyon (pagtaas ng gastos sa wafer/paggawa/pagmememorya ay nagpapaliit sa kita ng mga kumpanya ng chip design);
2) Epekto ng pagkain ng AI (ang mga mapagkukunan ng supply chain ay nailalayo patungo sa AI, habang ang mga semikonduktor na hindi AI ay naging marginal);
3) Epekto ng DeepSeek (napatunayan ang mababang gastos sa pagpapatakbo, pinabilis ang paglabas ng lokal na pangangailangan sa pagpapatakbo sa Tsina, parehong tumataas ang kakayahan ng lokal na supply chain sa paggawa ng AI GPU). Ang tatlo ay nagkakasama upang bumuo ng pangunahing lohikal na framework para sa lahat ng mga track na isasagawa sa susunod na ulat.
Paghahambing ng valuation: Contract manufacturing, backend, storage, IDM (integrated device manufacturing), at semiconductor equipment
Paghahambing ng valuation: Fabless, Power Semiconductor, FPGA, at Analog Chips
Malaking siklo ng semiconductor
Ang pangunahing konklusyon ay ang pagkakahati-hati ng siklo kaysa sa pangkabuuang pagbabalik: inaasahan na babalik sa 80% ang paggamit ng mga pabrika ng logic chip sa ikalawang kalahati ng 2026, ngunit ang paglago ng mga semikonduktor na hindi AI, pagkatapos tanggalin ang NVIDIA AI GPU at storage, ay inaasahang bumaba nang malaki noong 2026; ang pagbaba ng bilang ng araw ng imbentaryo mula sa pinakamataas na punto ay isang positibong signal, at ang mga nakaraang datos ay nagpapakita na ang mga siklo ng pagbaba ng imbentaryo ay karaniwang kasabay ng pagtaas ng indeks ng mga semikonduktor, ngunit ang antas ng pagkakahati-hati sa structural na pagbabalik na ito ay mas malaki kaysa sa anumang nakaraan.
Supply chain ng artificial intelligence semiconductor at niche memory
Sa pamamagitan ng taong 2030, maaaring makamit ng global semiconductor industry ang isang sukat na $1.5 trilyon, kung saan ang kalahati ay mula sa AI semiconductor
Mahalagang pangmatagalang anchor point: Ang pandaigdigang merkado ng semiconductor ay inaasahang makakamit ang $1.5 trilyon hanggang 2030, kung saan ang AI semiconductor ay magtataglay ng halos $753 bilyon; sa bullish scenario, ang TAM para sa cloud AI semiconductor ay inaasahang makakamit ang $235 bilyon noong 2025 (karamihan mula sa NVIDIA AI GPU), na may CAGR na 38% mula 2023 hanggang 2030, na nagbibigay ng pangunahing batayan sa market space para sa lahat ng susunod na sector.
Cloud Semiconductor: Mas malinaw na pananaw
Ang kapital expenditure ng apat na pangunahing cloud provider (AWS/Google/Microsoft/Meta) noong Q1 2026 ay tumataas ng 95% kumpara sa nakaraang taon, na ang pinakamalakas na iisang data point sa demand side; inaasahan na mananatili sa halos 50% ang ratio ng Capex/EBITDA, na nagpapakita na ang paglalawak ng mga cloud provider ay may financial sustainability; patuloy na inaayos pataas ang profit forecast ni Aspeed, bilang lider sa BMC chip para sa云端 AI server, ang kanilang pag-aayos ay nagpapatotoo sa katotohanan ng demand sa云端.
Patuloy na malakas ang cloud capital expenditure ng mga pangunahing cloud service provider
Inaasahan ng MS Cloud Capex Tracker na ang kabuuang kapital expenditure ng 10 pangunahing global cloud provider ay magiging $685 bilyon noong 2026, na mas mataas ng halos 10% kaysa sa market consensus; ang historical chart na nagpapakita ng mataas na pagkakasundo sa pagtaas ng global cloud Capex at TSMC capital expenditure ay ang pangunahing visual evidence na sumusuporta sa pagkakataong "hindi ito maikling cycle"; ang bahagdan ng mga asset na may maikling lifecycle ay humigit-kumulang 65%, na nangangahulugan na kailangan ng mga cloud provider na magpatuloy sa pagbili tuwing taon, kaya ang pangangailangan ay mayroong rigididad.
Impact ng ipinahayag na pag-deploy ng kuryente ng TSMC
Batay sa mga spesipikasyon ng rack at kapangyarihang ipinapalabas ng apat na pangunahing kliyente—NVIDIA, AMD, Broadcom, at AWS—ang pagkalkula ng pangangailangan sa CoWoS wafer mula sa ibaba pataas; ang kapangyarihan ng rack ng NVIDIA Rubin NVL144 ay 220kW, may 45k na rack, na nagpapahiwatig na ang taunang pangangailangan sa CoWoS noong 2027 ay makakarating sa 136k na wafer, na ang numero na ito ang pangunahing batayan sa pagtataya ng kawalan ng balanse sa suplay at pangangailangan ng CoWoS sa buong artikulo.
Dahil sa patuloy na malakas na pangangailangan sa AI, maaaring palawigin ng TSMC ang kapasidad ng CoWoS hanggang 165,000 piraso/buwan bago ang 2027.
Direkt na ibinibigay ang supply-side data ng CoWoS: Ang kapasidad ng TSMC ay lalago mula sa 120kwpm hanggang sa dulo ng 2025 patungo sa 165kwpm hanggang sa dulo ng 2027, samantalang ang kapasidad ng Non-TSMC (Amkor/UMC/ASE) ay lalago nang sabay-sabay mula sa 23kwpm patungo sa 80kwpm; sa demand side, ang NVIDIA ay nag-aabot ng humigit-kumulang 59% ng kabuuang paggamit ng CoWoS, habang ang Broadcom ay humigit-kumulang 20%, at ang mataas na pagkakasentro ay nangangahulugan na ang mga pagbabago sa pangangailangan ng ilang customer ay may malaking epekto sa TSMC.
Ang pagpapalawak ng SoIC (System Integration Chip) ay magiging pangunahing prioridad ng TSMC sa mga susunod na taon.
Ang SoIC ay itinuturing na pangunahang estratehikong direksyon ng TSMC sa mga susunod na taon: ang kapasidad ay maaasahan na umabot mula sa 45kwpm hanggang sa dulo ng 2025 patungo sa 78kwpm hanggang sa dulo ng 2027, at ang demand mula sa NVIDIA, AMD, Apple, at Qualcomm/Broadcom ay kasama; mas mataas ang integrasyon at mas malalim ang teknikal na hadlang ng SoIC kumpara sa CoWoS, at ito ang ikalawang kurba ng paglago ng TSMC sa advanced packaging pagkatapos ng CoWoS, na papasok sa mabilis na paglago sa panahon ng 2026-2027.
Maaaring i-doubled ng TSMC ang kapasidad ng CoWoS at SoIC noong 2025, at inaasahan naming magpapatuloy ang trend na ito hanggang 2026
Ang pagkain ng mga wafer ng AI noong 2026 ay maaaring umabot sa $27.2 bilyon, kung saan ang NVIDIA ang nangunguna.
I-lista ang bottom-up ang allocation ng产能 sa CoWoS, bilang ng ipinapadala ng chip, pagkakagamit ng wafer, at halaga ng wafer para sa lahat ng pangunahing AI chip noong 2026 (NVIDIA B300/Rubin/H200, Google TPU, AWS Trainium3, Microsoft Maia, OpenAI Nexus); ang kabuuang halaga ng pagkakagamit ng wafer para sa AI chip noong 2026 ay umabot sa halos $27.2 bilyon, kung saan ang NVIDIA ay dominanteng bahagi, at ito ang pinakamalakas na pahiwatig sa ilalim na pagkalkula ng kita ni TSMC mula sa AI.
2026 na pagkakagamit ng HBM (High Bandwidth Memory) — hanggang 3.2 bilyong Gb
Ang kabuuang pangangailangan sa HBM noong 2026 ay humigit-kumulang 32,279 mn Gb, kung saan ang konsumo ni NVIDIA ay umabot sa halos 58%; listahanin ang bawat detalye ng HBM na spesipikasyon (kapasidad, henerasyon, tagapagbigay) para sa bawat AI chip: ang Google TPU series ay karamihan ay gumagamit ng HBM3e 12hi, habang ang AWS/Microsoft ay gumagamit ng HBM3/HBM4; ang tatlong kumpanya—Hynix, Samsung, at Micron—ang nagpapamahagi ng suplay, at ang Hynix ay pinakamalaking napanatili dahil sa kanilang lider na teknolohiya sa HBM.
Estimasyon ng produksyon ng rack ng NVIDIA GB200/300
Suposisyon sa supply at demand ng server rack na NVIDIA GB200/300
Ang bahagdan ng kita mula sa AI semiconductor ng TSMC ay maaaring makamit ang 60% sa pagitan ng 2024 at 2029.
Ang kita mula sa AI chips ni TSMC ay may CAGR na 60% mula 2024 hanggang 2029, at hihigit sa 30% ng kabuuang kita noong 2026; ang susunod na bahagi ng kita ay kasama ang mga pangkalahatang AI chip, custom ASIC, CoWoS packaging at testing, at AI server CPU; ang mga customer ay kinabibilangan ng Apple na 19%, NVIDIA na 21%, at Broadcom na 11%; patuloy na lumalawak ang gross margin at EBITDA rate, na nagpapatotoo sa positibong epekto ng AI business sa kabuuang profitability ng TSMC.
Demand segmentation for TSMC's advanced wafers
Agentic AI — Pagpapalawak ng mga pagkakataon sa CPU
Pumasok ang AI sa "pagkilos" na yugto mula sa pag-iisip, at ang ratio ng CPU/GPU ay lumipat mula sa GPU-heavy (1:12) patungo sa CPU-heavy (≥1:1), na hinahamon ng mga gawain tulad ng API calls, code execution, at concurrent multi-agent; hinuhulaan ng MS na ang Agentic AI ay magdadala ng $32.5–60 bilyon na dagdag na merkado para sa CPU (hanggang 2030), at ang MediaTek bilang designer ng CPU para sa AI server ay isang tinukoy na benepisyaryo sa ulat.
Ang pagkakaroon ng AI storage ay nagdulot ng kakulangan sa NAND; inaasahan naming ang kakulangan sa NOR Flash ay magpapatuloy hanggang 2026
Ang kakulangan sa DDR4 ay magpapatuloy hanggang sa ikalawang kalahati ng 2026; habang may limitasyon sa presyo sa spot
AI ASIC, CPO, at pagsubok ng chip
AI semiconductor: Ngayon at sa Hinaharap — «Pangunahing Paggalaw»
Ipakita ang apat na dimensyon—pagpapalakas ng AI semiconductor, mga paghihigpit, teknikal na solusyon, at pananaw sa paglago—nang parallel; ilista ang partikular na tatlong pares ng pananaw sa paglago: inference vs training, edge vs cloud, at custom ASIC vs AI GPU—ang tatlong pares na ito ay ang mental map para sa pag-unawa sa lahat ng pagkakaiba sa paghuhusga ng mga track sa susunod na bahagi ng ulat.
Ang mga provider ng cloud service (CSPs) ay kailangan pa rin ng custom chip, kahit na mayroon sila sa mga makapangyarihang AI GPU ng NVIDIA
Ayon sa mga plano ng mga cloud service provider (CSP), darating pa ang higit pang ASIC projects.
Paano ang kompetisyon sa pagitan ng TSMC CoWoS at Intel EMIB?
Mas malaking package size ay nagsisilbing pangunahing trend sa industriya
Ang oras ng pagsubok ng chip ay tumaas mula sa 350 segundo ng Hopper patungo sa 1800-2000 segundo ng susunod na henerasyon ng GPU, na ang pinakamahalagang struktural na drive data para sa sector ng test equipment; ang bilang ng mga pinya ng test socket ay tumaas mula sa 1500 para sa mobile/PC hanggang sa 6000 at higit pa para sa AI/HPC, at maging 10000+ para sa susunod na henerasyon; ang CAGR ng pandaigdigang merkado ng test equipment mula 2024 hanggang 2027 ay inaasahang makakamit ang 35%, samantala ang roadmap ng laki ng packaging ng TSMC ay nagpapakita ng patuloy na paglalawak ng interposer, na magkakasama ay sumusuporta sa matagalang pag-unlad ng test equipment.
Ipagkukumpara ang mga papel at paghahati ng trabaho ng Hon Hai Precision, WinWay Technology, at MPI sa supply chain ng semiconductor.
Bagong pag-unlad sa mga device at komponente: Co-Packaged Optics (CPO)
Hong Precision: Key beneficiary of the structural trend of extended testing time; Morgan Stanley rating: Overweight (OW)
MPI: Tagapaglilikha ng teknolohiya ng probe card na may opsyon na CPO; Rating ng Morgan Stanley: Buy (OW)
Yingwei Technology: Pinakamalaking supplier ng test socket na may kakayahan sa pag-angkop sa kumplikadong AI packaging; Rating: Buy (OW)
Chinese semiconductors: OSAT, compound semiconductors, MCU, and AI GPU
Bumabangon sa mga kagamitan sa huling bahagi (ASMP), ngunit neutral sa mga Chinese OSAT
Bumababa ang SiC (silicon carbide) kaysa sa GaN (gallium nitride): SICC (buy) vs. InnoScience (sell)
MCU: Nababa na pero hindi pa nababawi
Lumalaki ang laki at bahagi ng merkado ng lokal na AI semiconductor
Malinaw ang disenyong pamilihan ng mga AI accelerator sa Tsina: mayroong 62% ang Huawei, 14% ang Cambricon, at lahat ng iba pang mga kalahok ay nasa ilalim ng 10%; patuloy na tumataas ang halaga ng mga kumpanyang AI GPU sa Tsina at mas maraming IPO ang inaasahan, samantalang tumataas ang laki ng pamilihan at ang aktibidad sa kapital na pamilihan—ito ang pangunahing konteksto para sa pagsusuri ng mga pangunahing标的.
Inaasahan naming ang kabuuang available market (TAM) ng AI GPU sa China ay magiging $67 bilyon hanggang 2030.
Papalawig ng China ang kanyang kapasidad sa advanced manufacturing para matugunan ang pangangailangan sa lokal na produksyon ng AI GPU
Recent market tracking of Chinese AI GPU demand
Ang halaga ng chuva ng AI chip—Tsina at Estados Unidos—Ang pagkakawala ng ugnayan sa AI computing
Ang kakayahan ng China sa imprastruktura ay nagpapaliit sa nakikita na teknolohikal na pagkakaiba
Gamit ang radar chart, ihambing ang pagkakaiba sa kapasidad ng AI infrastructure ng China at US sa siyam na dimensyon: malapit ang marka ng China sa US sa policy support, espasyo ng AI data center, at software optimization (LLM), ang pangunahing pagkakaiba ay nasa front-end wafer, HBM memory, at optical networking; isinulat ang tatlong hakbang na estratehiya ng China upang mapabilis ang kakayahan ng isang chip—multi-die packaging → mas malaking rack at cluster → pagpapalawak ng manufacturing capacity, ang Huawei CloudMatrix 384 A3 SuperPod ay ang praktikal na pagpapatotoo sa estratehiyang ito.
Ekonometrika ng pag-iisip: Kabuuang Gastos sa Pagmamay-ari (TCO) at Gastos bawat Token
Mas mababa ang total cost of ownership (TCO) ng lokal na AI chip ng China ng 30-60% kumpara sa NVIDIA, at ang pinakamataas na lokal na accelerator ay maaaring magkaroon ng cost per token na katumbas o mas mabuti kaysa sa NVIDIA; ang konklusyong ito ay ang pangunahing ebidensya para sa "hindi lamang isang pulitikal na pangangailangan ang lokal na pagpapalit ng China, kundi mayroon din itong ekonomikong rasyonalidad," at direktang suporta sa pagtataya ng ulat na positibo sa matagalang panahon sa sektor ng AI chip ng China.
Kasalukuyang mga order at potensyal na order mula sa mga developer ng lokal na AI accelerator
TPS (Tokens per second) — Pagsusuri sa Performance
Dahil sa malaking pagbaba ng presyo, ang mga lokal na chip ay nakamit ang mas malakas na performance bawat dolyar.
Ang “Sampu’t Isang Dragon” ng mga Chinese AI GPGPU manufacturer. Pinapansin namin ang Cambricon, Muxi, at TianShu Intelligent Chip.
Comparison of Cambricon, Muxi, and Iluvatar
Tatlong pinakamalaking Chinese AI chip company na binabawasan: Cambricon (SMIC 7nm ASIC, nakapag-iskedyul ng malalaking kliyente, tanging kumikita), MetaX Muxi (SMIC 12nm GPGPU, may bahagi ang sovereign fund, malinaw ang teknolohikal na pagkakaiba), at Iluvatar (TSMC 7nm GPGPU, malakas ang supply chain resilience); batay sa tatlong aspeto—kakayahan sa pagkakaroon ng kita, istruktura ng kliyente, at proseso node—ang Cambricon ang may pinakamalakas na katiyakan, na ang implikasyon ng ulat.
Cambria: Nagtataglay ng pinakamataas na performance sa pagpapatakbo (TFLOPS) at pagkakabind sa mga kliyente; Rating na Pagsuporta (OW)
TianShu ZhiXin (Iluvatar): Batay sa malakas na pagkakita sa order at katatagan ng supply chain; Buy Rating (OW)
