ผู้เขียน：เห็นเล็กๆ รู้ใหญ่
ที่มา: Morgan Stanley Greater China Semiconductors Research
วันที่รายงาน: 8 พฤษภาคม 2026
หนึ่ง ข้อขัดแย้งหลัก
การใช้จ่ายด้านทุนของ AI ทั่วโลกขยายตัวเกินคาด แต่กำลังการผลิตกำลังพัฒนาจาก “NVIDIA ครอบครองทั้งหมด” สู่รูปแบบสามเส้นทางพร้อมกัน ได้แก่ “GPU + ASIC + ชิปภายในประเทศจีน” ความขัดแย้งหลักไม่ใช่ความต้องการเพียงพอหรือไม่ แต่คือใครจะได้ส่วนแบ่งจากการขยายตัวครั้งนี้ และความเร็วที่เซมิคอนดักเตอร์ที่ไม่ใช่ AI จะถูกผลักให้อยู่ขอบเขตในกระบวนการนี้
สอง ข้อสรุปหลัก (เรียงตามความสำคัญของการซื้อขาย)
สาม、ขยายอย่างลึกซึ้งตามแต่ละหมวดหมู่
3.1 การแพ็กเกจขั้นสูง (CoWoS / SoIC) — เส้นหลักที่มีความแน่นอนสูงสุด
ความขัดแย้งหลัก】ความต้องการพุ่งสูง แต่ความสามารถในการผลิตมีเพียง TSMC เท่านั้นที่ไม่สามารถแทนที่ได้; การแพ็กเกจจิ้งที่ไม่ใช่ TSMC (Amkor/ASE/UMC) กำลังเผชิญกับการบีบคู่แข่งทางส่วนแบ่งตลาด
[ตัวขับเคลื่อนหลัก] การใช้จ่ายด้านทุนของผู้ให้บริการคลาวด์รายใหญ่สี่ราย (AWS/Google/Microsoft/Meta) ในไตรมาสที่ 1 ปี 2026 เพิ่มขึ้น 95% เมื่อเทียบปีต่อปี การใช้จ่ายด้านทุนด้านคลาวด์ทั้งปีคาดว่าจะแตะระดับ 685,000 ล้านดอลลาร์สหรัฐ โดยความต้องการเซิร์ฟเวอร์ AI ได้ขับเคลื่อนความต้องการการจอง CoWoS/SoIC โดยตรง
ข้อมูลสำคัญและช่วงเวลาที่สำคัญ:
NVIDIA คิดเป็นประมาณ 59% ของการใช้ CoWoS, Broadcom ประมาณ 20%, AMD ประมาณ 9%
·มูลค่าการบริโภควเฟอร์การคำนวณ AI ปี 2026 อยู่ที่ประมาณ 27.2 พันล้านดอลลาร์สหรัฐ ซึ่งเป็นระดับสูงสุดเป็นประวัติการณ์
สัดส่วนรายได้จากชิป AI ของ TSMC มีอัตราการเติบโตต่อปี (CAGR) ที่ 60% ระหว่างปี 2024–2029 และรายได้จาก AI จะคิดเป็นมากกว่า 30% ของรายได้รวมในปี 2026
【เส้นทางการถ่ายทอด】
ค่าใช้จ่ายทุนของผู้ให้บริการคลาวด์ → คำสั่งซื้อ NVIDIA/Broadcom/Google TPU → CoWoS/SoIC เป็นจุดจำกัด → ความสามารถในการต่อรองของ TSMC เพิ่มขึ้น → สัดส่วนรายได้จาก AI ขยายตัวอย่างต่อเนื่อง
[ข้อควรรู้ในการซื้อขาย]
TSMC เป็นหัวใจหลักของหัวใจหลัก ไม่จำเป็นต้องเลือกเวลาซื้อ ตรรกะการถือครองชัดเจน SoIC เป็นเส้นทางการเติบโตที่สองตั้งแต่ปี 2025 เป็นต้นไป ให้ความสนใจกับโอกาสของผู้ให้บริการ OSAT ที่เข้าสู่การประกอบ SoIC (เช่น ASE)
3.2 อุปกรณ์ทดสอบ (Handler / Socket / Probe Card) — มีมูลค่าต่ำที่สุด และการเติบโตมีความแน่นอนสูงสุด
[ความขัดแย้งหลัก]
ความซับซ้อนของชิปเพิ่มขึ้น ระยะเวลาการทดสอบเพิ่มเป็นสองเท่าในเชิงโครงสร้าง แต่การประเมินใหม่ของตลาดต่อ TAM ของอุปกรณ์ทดสอบล้าหลังอย่างรุนแรง
ตัวขับเคลื่อนหลัก
ระยะเวลาการทดสอบชิป GPU แต่ละรุ่นเพิ่มเป็นสองเท่า (Hopper 350 วินาที → Blackwell 700-1000 วินาที → Rubin 1200-1400 วินาที → รุ่นถัดไป 1800-2000 วินาที); จำนวนขาต่อของเต้ารับการทดสอบเพิ่มจากระดับโทรศัพท์มือถือ 1500 ไปสู่ระดับ AI/HPC 6000 และรุ่นถัดไปมากกว่า 10000
ข้อมูลของสินทรัพย์หลักสามรายการ:
· ขนาดตลาด Handler ทั่วโลก: 436 ล้านดอลลาร์สหรัฐในปี 2023 → 66 พันล้านดอลลาร์สหรัฐในปี 2027 โดยมีอัตราการเติบโตต่อปี (CAGR) มากกว่า 35%
ความต้องการการทดสอบทางแสงของ CPO จะเพิ่มขึ้นอย่างมากตั้งแต่ปี 2025 และจะเข้าสู่ระยะการทดสอบร่วมระหว่างไฟฟ้าและแสงในปี 2027 (Insertion 4i)
【เส้นทางการถ่ายทอด】
ขนาดชิป/จำนวนชั้น/ความซับซ้อนเพิ่มขึ้น → เวลาการทดสอบเพิ่มขึ้น → ราคาและปริมาณของ Handler/Socket พุ่งสูงขึ้น → ความต้องการใหม่ในการทดสอบแสงของ CPO ถูกเพิ่มเข้ามา → เริ่มต้นเส้นโค้งการเติบโตที่สอง
[ข้อควรรู้ในการซื้อขาย]
สามบริษัทเหล่านี้เป็นสาขาที่มีมูลค่าตลาดต่ำที่สุดและมีความแน่นอนในการเติบโตสูงสุดในห่วงโซ่โครงสร้างพื้นฐานด้าน AI เหมาะสำหรับการจัดสรรแบบแกนกลางในระยะกลาง การครอบคลุมตลาดยังไม่เพียงพอและราคาต่ำเกินไป จึงเป็นทิศทางที่มีมูลค่าคุ้มค่าที่สุดที่ควรให้ความสำคัญในขณะนี้
3.3 ชิปปัญญาประดิษฐ์ของจีน (GPU/ASIC ของประเทศ) — ไม่สามารถย้อนกลับได้ในระยะยาว แต่มีการแยกแยะชัดเจนในระยะสั้น
[ความขัดแย้งหลัก]
ข้อจำกัดการส่งออกผลักดันความต้องการการแทนที่ในประเทศ แต่เทคโนโลยีชิปและการผลิตในปริมาณมากของจีนยังไม่สม่ำเสมอ; การยึดมั่นในคำสั่งซื้อจากลูกค้ารายใหญ่เป็นจุดแตกต่างหลัก
ตัวขับเคลื่อนหลัก
DeepSeek ยืนยันความเป็นไปได้ของการคำนวณต้นทุนต่ำ → ผู้ให้บริการคลาวด์ในประเทศเร่งเปลี่ยนไปใช้ → SMIC เพิ่มกำลังการผลิต 7nm เพื่อสนับสนุนการผลิตเชิงพาณิชย์ → ข้อได้เปรียบด้านต้นทุนรวมของชิปภายในประเทศ (ต่ำกว่า NVIDIA 30-60%) สร้างแรงผลักดันเชิงบวก
ขนาดและรูปแบบของตลาด:
ส่วนแบ่งตลาดภายในประเทศปี 2026E: Huawei 62%、Cambricon 14%、Kunlunxin 5%、T-Head 5%、อื่นๆ 14%
ใน “สิบมังกร” MS มุ่งเน้นการเปรียบเทียบสามรายการเป้าหมาย:
【เส้นทางการถ่ายทอด】
การควบคุมการส่งออก → การแทนที่ภายในประเทศ → การขยายกำลังการผลิต SMIC 7nm → การเพิ่มปริมาณการใช้งานของ Huawei / Cambricon → ผู้ให้บริการคลาวด์ในท้องถิ่น (ByteDance / Alibaba / Tencent) เปลี่ยนมาซื้อจากผู้ผลิตในประเทศ → ต้นทุนการประมวลผลลดลง → การระเบิดของแอปพลิเคชันเพิ่มขึ้น → ความต้องการพลังการประมวลผลในรอบใหม่
[ข้อควรรู้ในการซื้อขาย]
สำหรับ寒武纪 มีความแน่นอนสูงสุด และเป็นเป้าหมายหลัก; สำหรับ TianShu ZhiXin มีศักยภาพในการเติบโตสูงสุดแต่ยังไม่มีกำไร จึงมีความเสี่ยงสูง ฮัวเว่ย (ยังไม่จดทะเบียน) เป็นปัจจัยการแข่งขันที่ใหญ่ที่สุด การเติบโตของส่วนแบ่งตลาดของฮัวเว่ยสร้างแรงกดดันทางอ้อมต่อผู้ผลิตชิป AI รายอื่นในประเทศ จำเป็นต้องติดตามอย่างต่อเนื่อง ช่วงเวลา: ปี 2026–2027 เป็นช่วงเปลี่ยนผ่านสำคัญที่ชิป AI ของประเทศจะก้าวจากบทบาทสำรองไปสู่บทบาทหลัก
3.4 ชิปเซมิคอนดักเตอร์ที่ไม่ใช่ AI (ผู้บริโภค / ยานยนต์ / อุตสาหกรรม) — แนวโน้มเชิงโครงสร้างเป็นลบ การฟื้นตัวอ่อนแอไม่ใช่การฟื้นตัวอย่างแข็งแกร่ง
[ความขัดแย้งหลัก]
ทรัพยากรห่วงโซ่อุปทานถูกดูดซับโดยระบบปัญญาประดิษฐ์อย่างเป็นระบบ การฟื้นตัวของเซมิคอนดักเตอร์แบบดั้งเดิมยังคงช้ากว่าที่คาดไว้ ตลาดประเมินความยืดหยุ่นของการฟื้นตัวสูงเกินไป
ตัวขับเคลื่อนหลัก
กำลังการผลิตตามสัญญา / แผ่นฐาน T-Glass / การจัดเก็บข้อมูลทั้งหมดหันไปสนับสนุน AI; ชิปที่ไม่ใช่ AI ต้องรอคิวหลัง; ต้นทุนวเฟอร์และ OSAT เพิ่มขึ้น; บริษัทออกแบบชิปเผชิญแรงกดดันต่อกำไรขั้นต้น
หลังจากตัด NVIDIA AI GPU และการจัดเก็บข้อมูลออกแล้ว คาดว่าการเติบโตของเซมิคอนดักเตอร์ที่ไม่ใช่ AI จะลดลงอย่างมีนัยสำคัญในปี 2026
· จำนวนวันสต็อก MCU ยังคงอยู่ในระดับสูงเป็นประวัติการณ์ (สูงสุดใน Q1 25 แล้วทรงตัวใน Q4 25)；ผู้ผลิตหลักเช่น STM/GD ยังคงมีการลดสต็อกช้า
·คาดว่าอัตราการใช้งานของโรงงานผลิตเชิงตรรกะจะกลับมาที่ 80% ได้เฉพาะในช่วงครึ่งหลังของปี 2026 โดยมีความยืดหยุ่นในการฟื้นตัวจำกัด
· SiC ดีกว่า GaN: แนะนำ SICC (OW) โดยคาดการณ์ว่าสัดส่วนการใช้งาน SiC จะ vượtเกิน 50% ภายในปี 2030; หลีกเลี่ยง InnoScience (EW) เนื่องจากค่าเสื่อมราคาจากการขยายกำลังการผลิตกดดันกำไร
[ข้อควรรู้ในการซื้อขาย]
หลีกเลี่ยงการมีส่วนได้ส่วนเสียในเซมิคอนดักเตอร์แบบดั้งเดิมเพียงอย่างเดียว ตลาด MCU ยืนยันจุดต่ำสุดแล้วแต่ฟื้นตัวอ่อนแอ ไม่แนะนำให้ลงทุนหนักในความคาดหวังการฟื้นตัวอย่างแข็งแกร่ง SiC เป็นทิศทางย่อยเดียวในตลาดดั้งเดิมที่ควรให้ความสำคัญ
3.5 การจัดเก็บ (HBM / NAND / DDR4) — มีความแตกต่างภายในอย่างรุนแรง ต้องพิจารณาสัญญาณอย่างรอบคอบ
[ความขัดแย้งหลัก]
AI ดึงความต้องการ HBM ให้เพิ่มขึ้นอย่างชัดเจน; ราคา DDR4/NAND ที่เพิ่มขึ้นเกิดจากอุปทานถูก AI แย่งไป ไม่ใช่การฟื้นตัวของความต้องการที่แท้จริง สัญญาณผิดเพี้ยน และความยืดหยุ่นของราคาจำกัด
[ข้อควรรู้ในการซื้อขาย]
HBM มองเชิงบวกอย่างมั่นคง โดย Hynix จะได้รับประโยชน์มากที่สุด; Macronix (NOR Flash, ตัวเลือกอันดับหนึ่ง) จะได้รับประโยชน์จากภาวะขาดแคลนและมีมูลค่าที่เหมาะสม; การขึ้นราคาของ NAND/DDR4 ไม่ได้หมายความว่าความต้องการจะดีขึ้น โปรดระมัดระวังอย่าตามซื้อเมื่อราคาพุ่ง
สี่: ตัวแปรระดับมหภาคและภูมิรัฐศาสตร์: ใช้เป็นตัวแปรอธิบายในการตัดสินแนวทาง
【ภูมิรัฐศาสตร์】การควบคุมการส่งออกยังคงเข้มงวดขึ้น
การจำกัดการส่งออก NVIDIA ไปยังจีน → ความแน่นอนในการเพิ่มความต้องการชิป AI ภายในประเทศจีนเพื่อแทนที่; การใช้จ่ายทุนด้านคลาวด์ของจีนคาดว่าจะแตะ 105,000 ล้านดอลลาร์สหรัฐในปี 2026 และกำลังเข้าใกล้ระดับ 14% ของการใช้จ่ายทุนด้านคลาวด์ทั่วโลกอย่างรวดเร็ว
【มหภาค】ข้อจำกัดด้านพลังงาน (ด้านสหรัฐอเมริกา)
ความตึงตัวของแหล่งจ่ายไฟสำหรับศูนย์ข้อมูลในสหรัฐอเมริกาเป็นขีดจำกัดที่อาจเกิดขึ้นต่อความต้องการ GPU แต่ยังไม่เป็นข้อจำกัดที่มีนัยสำคัญในระยะสั้น (ปี 2026)
[โครงสร้างอุตสาหกรรม] ผลกระทบการกินของ AI
ผลกระทบดูดซับของความต้องการ AI ต่อห่วงโซ่อุปทานที่ไม่ใช่ AI (T-Glass, DRAM แบบดั้งเดิม, กำลังการผลิตรับจ้างเพื่อผู้บริโภค) เป็นตัวแปรหลักที่อธิบายว่าทำไมเซมิคอนดักเตอร์ที่ไม่ใช่ AI จึงอ่อนแอกว่าที่คาดการณ์ มากกว่าปัจจัยเชิงวัฏจักร
[ต้นทุน] เงินเฟ้อจากเทคโนโลยี
ต้นทุนของวัฟเฟิล/OSAT/หน่วยความจำเพิ่มขึ้นทั่ว-board สร้างแรงกดดันต่ออัตรากำไรขั้นต้นของบริษัทออกแบบชิป (โดยเฉพาะอย่างยิ่งในกลุ่มที่ไม่ใช่ AI); อำนาจต่อรองของผู้ผลิตรับจ้างเช่น TSMC ยังคงเพิ่มขึ้นอย่างต่อเนื่อง
ห้า ชุดการลงทุนที่แนะนำและกรอบการเทรด
จากการวิเคราะห์แต่ละเส้นทาง สร้างกรอบการซื้อขายดังนี้:
หก สรุปสั้นๆ หนึ่งประโยค
ซื้อการบรรจุภัณฑ์ (TSMC) ซื้ออุปกรณ์ทดสอบ (Hon Precision / WinWay / MPI) ซื้อผู้นำด้านชิป AI ของจีน (Cambricon)；หลีกเลี่ยงเซมิคอนดักเตอร์ที่ไม่ใช่ AI ที่มีความคาดหวังการฟื้นตัวอย่างแข็งแกร่ง ภายในหน่วยความจำให้ความสำคัญกับ HBM เป็นหลัก ขณะที่ DRAM/NAND แบบดั้งเดิมอยู่ในระดับกลาง ช่วงเวลาคือปี 2026–2027 วัฏจักรการใช้ทุนด้าน AI ยังห่างไกลจากจุดสิ้นสุด
คำเตือนความเสี่ยง: บันทึกนี้จัดทำขึ้นจากรายงานการวิจัยที่เปิดเผยต่อสาธารณะของ Morgan Stanley เท่านั้น และใช้เพื่อการศึกษาภายใน ไม่ใช่คำแนะนำการลงทุนใดๆ ตลาดมีความไม่แน่นอน ผลลัพธ์จริงอาจแตกต่างอย่างมีนัยสำคัญจากผลลัพธ์ที่คาดการณ์ ผู้ลงทุนควรตัดสินใจอย่างระมัดระวัง
การสร้างโครงสร้างพื้นฐาน AI แห่งอนาคต — CPU, GPU, ASIC, โมดูลแสง และชิปจีน
แนวโน้มชิปเซมิคอนดักเตอร์ปัญญาประดิษฐ์ที่แข็งแกร่ง
มอร์แกน สแตนลีย์ กำหนดทัศนคติเกี่ยวกับเซมิคอนดักเตอร์ AI ว่า "แข็งแกร่ง" โดยความต้องการขับเคลื่อนโดยสามปัจจัยหลัก: การระเบิดต่อเนื่องของแอปพลิเคชัน AI ที่เป็น Killer App, การแข่งขันด้านพลังการคำนวณระหว่างยักษ์ใหญ่ด้านเทคโนโลยี และความต้องการในการสร้าง AI ของรัฐบาลแต่ละประเทศ ในขณะเดียวกัน รายงานฉบับนี้ระบุข้อจำกัดด้านการเติบโตสี่ประการ—งบประมาณ ข้อจำกัดด้านพลังงานของสหรัฐฯ กำลังการผลิตชิปของจีน และการกำกับดูแล—ซึ่งแก่นแท้ของข้อจำกัดเหล่านี้คืออุปทานไม่สามารถตามให้ทันความต้องการ ไม่ใช่ความต้องการที่ดับลง
ในระยะยาว มีตัวแปรเชิงโครงสร้างสามประการที่ควรระมัดระวัง:
1) เทคโนโลยีเงินเฟ้อ (ต้นทุนวัฟเฟิล/การปิดผนึกและการทดสอบ/การจัดเก็บข้อมูลที่เพิ่มขึ้นบีบอัดกำไรของบริษัทออกแบบชิป);
2) ผลกระทบจากการถูกแทนที่โดย AI (ทรัพยากรในห่วงโซ่อุปทานถูกเบี่ยงไปสู่ AI ทำให้ชิปที่ไม่ใช่ AI ถูกผลักให้อยู่ขอบเขต)；
3) ผลกระทบของ DeepSeek (การพิสูจน์แล้วว่าการให้บริการแบบต้นทุนต่ำ ความต้องการการประมวลผลในประเทศจีนกำลังเพิ่มขึ้นอย่างรวดเร็ว และกำลังการผลิต GPU สำหรับ AI ของซัพพลายเชนผู้รับจ้างผลิตในประเทศก็เพิ่มขึ้นพร้อมกัน) สามปัจจัยนี้รวมกันสร้างกรอบตรรกะพื้นฐานสำหรับการประเมินเส้นทางทั้งหมดในรายงานต่อไป
การเปรียบเทียบมูลค่า: ผู้รับจ้างผลิต แบ็กเอนด์ สตอเรจ IDM (Integrated Device Manufacturing) และอุปกรณ์เซมิคอนดักเตอร์
การเปรียบเทียบมูลค่า: ผู้ผลิตแบบไม่มีโรงงาน (Fabless), กึ่งตัวนำกำลัง, FPGA และชิปอะนาล็อก
วัฏจักรขนาดใหญ่ของเซมิคอนดักเตอร์
ข้อสรุปหลักคือการแยกตัวของวัฏจักร ไม่ใช่การฟื้นตัวแบบทั่วไป: คาดว่าอัตราการใช้งานของโรงงานผลิตโลจิกจะกลับมาแตะระดับ 80% ในช่วงครึ่งหลังของปี 2026 แต่เมื่อตัด NVIDIA AI GPU และหน่วยความจำออก ความเร็วในการเติบโตของเซมิคอนดักเตอร์ที่ไม่ใช่ AI คาดว่าจะลดลงอย่างมีนัยสำคัญในปี 2026; จำนวนวันสต็อกที่ลดลงจากจุดสูงสุดเป็นสัญญาณเชิงบวก โดยข้อมูลในอดีตแสดงว่าวัฏจักรการลดสต็อกมักสอดคล้องกับการเพิ่มขึ้นของดัชนีหุ้นเซมิคอนดักเตอร์ แต่ระดับการแยกตัวเชิงโครงสร้างของการฟื้นตัวครั้งนี้รุนแรงกว่าที่เคยเกิดขึ้นมาก่อน
ซัพพลายเชนเซมิคอนดักเตอร์ปัญญาประดิษฐ์และหน่วยความจำเฉพาะทาง
ถึงปี 2030 ขนาดตลาดอุตสาหกรรมเซมิคอนดักเตอร์ทั่วโลกอาจแตะระดับ 1.5 ล้านล้านดอลลาร์สหรัฐ โดยครึ่งหนึ่งจะมาจากเซมิคอนดักเตอร์สำหรับ AI
จุดยึดสำคัญในระยะยาว: ตลาดเซมิคอนดักเตอร์ทั่วโลกคาดว่าจะแตะ 1.5 ล้านล้านดอลลาร์สหรัฐในปี 2030 โดยเซมิคอนดักเตอร์ AI จะมีส่วนร่วมประมาณ 753,000 ล้านดอลลาร์สหรัฐ; สมมติฐานสถานการณ์ขาขึ้นของ TAM สำหรับเซมิคอนดักเตอร์ AI บนคลาวด์คือจะแตะ 235,000 ล้านดอลลาร์สหรัฐในปี 2025 (ส่วนใหญ่มาจาก NVIDIA AI GPU) โดย CAGR ระหว่างปี 2023-2030 อยู่ที่ 38% ซึ่งเป็นพื้นฐานของพื้นที่ตลาดระดับสูงสุดสำหรับการประเมินมูลค่าของทุกเส้นทางต่อไป
Cloud Semiconductor: แนวโน้มที่สดใสยิ่งขึ้น
การใช้จ่ายด้านทุนของผู้ให้บริการคลาวด์รายใหญ่สี่ราย (AWS/Google/Microsoft/Meta) ในไตรมาสที่ 1 ของปี 2026 เพิ่มขึ้น 95% เมื่อเทียบปีต่อปี ซึ่งเป็นข้อมูลจุดเดียวที่แข็งแกร่งที่สุดในด้านความต้องการ; อัตราส่วน Capex/EBITDA คาดว่าจะคงที่ที่ระดับประมาณ 50% แสดงให้เห็นว่าความตั้งใจในการขยายตัวของผู้ให้บริการคลาวด์มีความยั่งยืนทางการเงิน; การคาดการณ์กำไรของ Aspeed ยังคงถูกปรับขึ้นอย่างต่อเนื่อง โดยในฐานะผู้นำด้านชิป BMC สำหรับเซิร์ฟเวอร์ AI บนคลาวด์ แนวโน้มการปรับปรุงของมันยืนยันถึงความแท้จริงของความต้องการบนคลาวด์
การใช้ทุนด้านคลาวด์ของผู้ให้บริการคลาวด์รายใหญ่ยังคงแข็งแกร่ง
เครื่องมือติดตามทุนการลงทุนของ MS Cloud คาดการณ์ว่าในปี 2026 ผู้ให้บริการคลาวด์ชั้นนำระดับโลก 10 อันดับแรกจะมีการใช้ทุนการลงทุนถึง 685,000 ล้านดอลลาร์สหรัฐ ซึ่งสูงกว่าความเห็นทั่วไปของตลาดประมาณ 10%; กราฟประวัติศาสตร์ที่แสดงให้เห็นว่าการใช้ทุนการลงทุนของคลาวด์ทั่วโลกและทุนการลงทุนของ TSMC เพิ่มขึ้นพร้อมกันอย่างใกล้ชิด เป็นหลักฐานเชิงภาพที่สำคัญที่สุดในการสนับสนุนข้อสรุปว่า “วัฏจักรครั้งนี้ไม่ใช่วัฏจักรระยะสั้น”; สินทรัพย์ที่มีอายุการใช้งานสั้นคิดเป็นประมาณ 65% ซึ่งหมายความว่าผู้ให้บริการคลาวด์ต้องดำเนินการซื้ออย่างต่อเนื่องทุกปี ความต้องการจึงมีความยืดหยุ่นต่ำ
ผลกระทบจากการประกาศการติดตั้งพลังงานของ TSMC
โดยใช้ข้อมูลสเปคแร็คและกำลังการติดตั้งจากลูกค้าหลักทั้งสี่ราย ได้แก่ NVIDIA, AMD, Broadcom และ AWS เพื่อคำนวณความต้องการวเฟอร์ CoWoS จากล่างขึ้นบน; กำลังไฟของแร็ค NVIDIA Rubin NVL144 อยู่ที่ 220kW และมีจำนวนแร็ค 45,000 แห่ง ซึ่งแสดงให้เห็นว่าความต้องการวเฟอร์ CoWoS ต่อปีในปี 2027 จะสูงถึง 136,000 ชิ้น นี่คือตัวเลขหลักที่ใช้อ้างอิงในการตัดสินว่าอุปสงค์และอุปทานของ CoWoS จะตึงตัวในบทความนี้
เนื่องจากความต้องการ AI ที่แข็งแกร่งอย่างต่อเนื่อง ไถซัมอาจเพิ่มกำลังการผลิต CoWoS เป็น 165,000 ชิ้นต่อเดือนก่อนปี 2027
ให้ข้อมูลด้านอุปทาน CoWoS โดยตรง: กำลังการผลิตของ TSMC เพิ่มจาก 120kwpm ปลายปี 2025 เป็น 165kwpm ปลายปี 2027 ในขณะที่กำลังการผลิตของ Non-TSMC (Amkor/UMC/ASE) ก็เพิ่มจาก 23kwpm เป็น 80kwpm พร้อมกัน; ในด้านการบริโภค NVIDIA ใช้ CoWoS ประมาณ 59% ของปริมาณรวม ส่วน Broadcom ใช้ประมาณ 20% การกระจุกตัวสูงหมายความว่าการเปลี่ยนแปลงความต้องการของลูกค้าไม่กี่รายมีผลกระทบอย่างมากต่อ TSMC
การขยายตัวของ SoIC (System Integration Chip) จะเป็นจุดเน้นหลักของ TSMC ในอีกไม่กี่ปีข้างหน้า
SoIC ถูกกำหนดให้เป็นทิศทางเชิงกลยุทธ์หลักของ TSMC สำหรับหลายปีข้างหน้า: กำลังการผลิตจะเพิ่มจาก 45kwpm ณ สิ้นปี 2025 เป็น 78kwpm ณ สิ้นปี 2027 โดยผู้ใช้งานด้านความต้องการรวมถึง NVIDIA, AMD, Apple, Qualcomm/Broadcom; SoIC มีระดับการรวมตัวสูงกว่า CoWoS และมีอุปสรรคทางเทคโนโลยีที่ลึกกว่า จึงเป็นเส้นทางการเติบโตที่สองของ TSMC หลังจาก CoWoS และจะเข้าสู่ช่วงการขยายตัวอย่างรวดเร็วในปี 2026-2027
TSMC อาจเพิ่มกำลังการผลิต CoWoS และ SoIC เป็นสองเท่าในปี 2025 และเราคาดว่าแนวโน้มนี้จะยังคงดำเนินต่อไปจนถึงปี 2026
การใช้วาฟเฟิลการคำนวณ AI ปี 2026 อาจสูงถึง 27.2 พันล้านดอลลาร์สหรัฐ โดย NVIDIA ครองส่วนใหญ่
รายการความสามารถในการผลิต CoWoS ปริมาณการจัดส่งชิป ปริมาณวัสดุซิลิคอนที่ใช้ และมูลค่าวัสดุซิลิคอนสำหรับชิป AI หลักทั้งหมดในปี 2026 ที่จัดเรียงจากล่างขึ้นบน (NVIDIA B300/Rubin/H200, Google TPU, AWS Trainium3, Microsoft Maia, OpenAI Nexus); สรุปมูลค่ารวมของวัสดุซิลิคอนที่ใช้สำหรับชิป AI ในปี 2026 อยู่ที่ประมาณ 27.2 พันล้านดอลลาร์สหรัฐ โดย NVIDIA มีสัดส่วนใหญ่ที่สุด ซึ่งเป็นการคำนวณพื้นฐานที่น่าเชื่อถือที่สุดสำหรับขนาดรายได้ AI ของ TSMC
ปริมาณการใช้งาน HBM (High Bandwidth Memory) ในปี 2026 — สูงถึง 32 พันล้าน Gb
ความต้องการ HBM ทั้งหมดในปี 2026 อยู่ที่ประมาณ 32,279 ล้านGb โดย NVIDIA ใช้ไปประมาณ 58%; ระบุรายละเอียดสเปก HBM ของชิป AI แต่ละรุ่น (ความจุ, รุ่น, ผู้ผลิต) โดยซีรีส์ Google TPU ใช้ HBM3e 12hi เป็นหลัก ส่วน AWS/Microsoft ใช้ HBM3/HBM4; Hynix, Samsung และ Micron แบ่งตลาดการจัดหา โดย Hynix ได้รับประโยชน์มากที่สุดเนื่องจากมีเทคโนโลยี HBM ที่นำหน้า
การประมาณการปริมาณการผลิตชั้นวาง GB200/300 ของ NVIDIA
สมมติฐานด้านอุปสงค์และอุปทานสำหรับชั้นวางเซิร์ฟเวอร์ NVIDIA GB200/300
สัดส่วนรายได้จากเซมิคอนดักเตอร์ AI ของ TSMC อาจแตะระดับ 60% ระหว่างปี 2024 ถึง 2029
รายได้จากชิป AI ของ TSMC มีอัตราการเติบโตต่อปี (CAGR) 60% ในช่วงปี 2024-2029 โดยรายได้จาก AI จะคิดเป็นสัดส่วนเกิน 30% ของรายได้รวมในปี 2026; โครงสร้างรายได้ครอบคลุมชิป AI ทั่วไป ASIC แบบกำหนดเอง การปิดผนึกและทดสอบ CoWoS และ CPU เซิร์ฟเวอร์ AI โดยลูกค้าหลักประกอบด้วย Apple ร้อยละ 19, NVIDIA ร้อยละ 21 และ Broadcom ร้อยละ 11; อัตรากำไรขั้นต้นและอัตรา EBITDA ยังคงขยายตัวอย่างต่อเนื่อง ยืนยันว่าธุรกิจ AI ส่งผลบวกต่อคุณภาพกำไรโดยรวมของ TSMC
Demand segmentation for TSMC's advanced wafers
ปัญญาประดิษฐ์แบบเอเจนต์ (Agentic AI) — ขยายโอกาสของ CPU
AI ได้เข้าสู่ระยะการ “ดำเนินการ” จากระยะการให้เหตุผล อัตราส่วน CPU/GPU เปลี่ยนจากแบบที่ใช้ GPU เป็นหลัก (1:12) เป็นแบบที่ใช้ CPU เป็นหลัก (≥1:1) โดยแรงขับเคลื่อนมาจากการเรียกใช้ API การดำเนินการโค้ด และงานประเภทเครื่องมืออื่นๆ เช่น การทำงานพร้อมกันของตัวแทนหลายตัว; MS ประมาณการว่า AI แบบตัวแทนจะสร้างตลาด CPU ใหม่ขนาด 325-600 พันล้านดอลลาร์สหรัฐ (ถึงปี 2030) และ MediaTek ซึ่งเป็นผู้ออกแบบ CPU สำหรับเซิร์ฟเวอร์ AI ได้รับการระบุในรายงานว่าเป็นผู้ได้รับประโยชน์
การเก็บข้อมูลด้วย AI ทำให้เกิดการขาดแคลน NAND; เราคาดการณ์ว่าสถานการณ์การขาดแคลน NOR Flash จะยังคงดำเนินต่อไปจนถึงปี 2026
การขาดแคลน DDR4 จะยังคงดำเนินต่อไปจนถึงครึ่งหลังของปี 2026; ในขณะที่ราคาสินค้าคงคลังมีขีดจำกัด
AI ASIC, CPO และการทดสอบชิป
AI ชิปเซมิคอนดักเตอร์: ปัจจุบันและอนาคต — 「แรงขับเคลื่อนหลัก」
แสดงมิติทั้งสี่อย่างในลักษณะขนานกัน: ตัวขับเคลื่อนของเซมิคอนดักเตอร์ AI, ข้อจำกัด, โซลูชันทางเทคโนโลยี, และมุมมองการเติบโต; ระบุเป็นพิเศษสามชุดเปรียบเทียบการเติบโต—การให้เหตุผลเทียบกับการฝึกอบรม, เอจจ์เทียบกับคลาวด์, ASIC แบบกำหนดเองเทียบกับ AI GPU—การเปรียบเทียบสามชุดนี้เป็นแผนที่ความคิดสำหรับการเข้าใจจุดแตกต่างในการตัดสินใจเกี่ยวกับเส้นทางทั้งหมดในรายงานที่ตามมา
ผู้ให้บริการคลาวด์ (CSPs) แม้จะมี GPU สำหรับ AI ที่ทรงพลังจาก NVIDIA ก็ยังต้องการชิปที่ออกแบบเฉพาะ
ตามแผนของผู้ให้บริการคลาวด์ต่างๆ (CSP) จะมีโครงการ ASIC เพิ่มเติมอีกหลายโครงการที่กำลังจะมาถึง
การแข่งขันระหว่าง CoWoS ของ TSMC กับ EMIB ของ Intel เป็นอย่างไร?
ขนาดการห่อที่ใหญ่ขึ้นกำลังกลายเป็นแนวโน้มสำคัญของอุตสาหกรรม
ช่วงเวลาการทดสอบชิปเพิ่มขึ้นจาก 350 วินาทีของ Hopper เป็น 1800-2000 วินาทีสำหรับ GPU รุ่นถัดไป ซึ่งเป็นข้อมูลเชิงโครงสร้างที่สำคัญที่สุดสำหรับอุตสาหกรรมอุปกรณ์ทดสอบ; จำนวนขาของซ็อกเก็ตการทดสอบเพิ่มขึ้นจาก 1500 สำหรับโทรศัพท์/พีซี เป็น 6000 สำหรับ AI/HPC และมากกว่า 10,000 สำหรับรุ่นถัดไป; คาดการณ์ว่าอัตราการเติบโตต่อปี (CAGR) ของตลาดอุปกรณ์ทดสอบทั่วโลกในช่วงปี 2024-2027 จะอยู่ที่ 35% และแผนผังขนาดการแพ็กเกจของ TSMC แสดงให้เห็นว่า interposer ยังคงขยายตัวอย่างต่อเนื่อง ทั้งสองปัจจัยร่วมกันสนับสนุนการประเมินความเฟื่องฟูระยะยาวของอุปกรณ์ทดสอบ
อธิบายบทบาทและการแบ่งหน้าที่ของฮงหง, อิ่งเว่ย เทคโนโลยี (WinWay) และ MPI ในซัพพลายเชนเซมิคอนดักเตอร์
การพัฒนาล่าสุดของอุปกรณ์และชิ้นส่วน: การออกแบบแสงแบบรวมแพ็กเกจ (CPO)
Hon Precision: ผู้ได้รับประโยชน์หลักจากแนวโน้มเชิงโครงสร้างที่ขยายเวลาการทดสอบ; คะแนนจาก Morgan Stanley: ซื้อเพิ่ม (OW)
MPI: ผู้นำเทคโนโลยีโปรบคาร์ดที่มีตัวเลือก CPO; คะแนนจาก Morgan Stanley: ซื้อเพิ่ม (OW)
InnVate Technology: ผู้นำตลาดซ็อกเก็ตการทดสอบที่มีข้อได้เปรียบด้านความซับซ้อนของการแพ็กเกจ AI; ระดับการให้คะแนน: ซื้อเพิ่ม (OW)
เซมิคอนดักเตอร์ของจีน: OSAT, เซมิคอนดักเตอร์ประกอบ, MCU และ AI GPU
มองบวกต่ออุปกรณ์ช่วงท้าย (ASMP) แต่มีทัศนคติเป็นกลางต่อ OSAT ของจีน
มองว่า SiC (ซิลิคอนคาร์ไบด์) ดีกว่า GaN (ไนไตรด์ของกัลเลียม): SICC (ซื้อเพิ่ม) และ InnoScience (ขายออก)
MCU: แตะจุดต่ำสุดแต่ยังไม่ฟื้นตัว
ขนาดและส่วนแบ่งตลาดเซมิคอนดักเตอร์ AI ของจีนเพิ่มขึ้นอย่างต่อเนื่อง
ตลาดตัวเร่งความเร็ว AI ในจีน cóโครงสร้างชัดเจน: หัวเว่ยครองส่วนแบ่ง 62% โดยมี Cambricon อยู่ที่ 14% และผู้เล่นอื่นๆ ทั้งหมดอยู่ต่ำกว่า 10% บริษัท GPU AI ของจีนมีมูลค่าตลาดเพิ่มขึ้นอย่างต่อเนื่อง และมีการระดมทุนผ่านการเสนอขายหุ้นครั้งแรกอีกหลายรายที่รออยู่ ขนาดตลาดที่ขยายตัวร่วมกับความแข็งแกร่งของตลาดทุน ทำให้เป็นพื้นฐานสำคัญสำหรับการวิเคราะห์เป้าหมายในอนาคต
เราคาดการณ์ว่าถึงปี 2030 ตลาดทั้งหมดที่เข้าถึงได้ (TAM) สำหรับ AI GPU ของจีนจะเติบโตขึ้นเป็น 67,000 ล้านดอลลาร์สหรัฐ
การขยายกำลังการผลิตขั้นสูงของจีนเพื่อตอบสนองความต้องการการผลิต AI GPU ในท้องถิ่น
การติดตามตลาดล่าสุดเกี่ยวกับความต้องการ GPU ด้าน AI ของจีน
ห่วงโซ่มูลค่าชิป AI — จีนและสหรัฐอเมริกา — การแยกตัวของการคำนวณ AI
ความสามารถด้านโครงสร้างพื้นฐานของจีนกำลังลดช่องว่างทางเทคโนโลยีที่รับรู้
เปรียบเทียบช่องว่างความสามารถด้านโครงสร้างพื้นฐาน AI ระหว่างจีนและสหรัฐอเมริกาผ่านแผนภูมิรูปดาวเก้ามิติ: จีนได้คะแนนใกล้เคียงกับสหรัฐอเมริกาในด้านการสนับสนุนนโยบาย พื้นที่ศูนย์ข้อมูล AI และการปรับแต่งซอฟต์แวร์ (LLM) แต่ช่องว่างหลักอยู่ที่กระบวนการก่อนการผลิตวัฟเฟิล HBM memory และเครือข่ายแสง; นำเสนอกลยุทธ์สามขั้นตอนของจีนในการชดเชยพลังการประมวลผลต่อชิปเดียว—การแพ็คหลาย die → ขนาดแร็กและคลัสเตอร์ที่ใหญ่ขึ้น → การขยายกำลังการผลิต โดย Huawei CloudMatrix 384 A3 SuperPod เป็นการพิสูจน์ความเป็นจริงของกลยุทธ์นี้
เศรษฐศาสตร์การให้เหตุผล: ต้นทุนการครอบครองทั้งหมด (TCO) กับต้นทุนต่อโทเค็น
ต้นทุนการถือครองทั้งหมด (TCO) ของชิป AI ของจีนต่ำกว่า NVIDIA 30-60% และต้นทุนการให้บริการแต่ละโทเค็นของอุปกรณ์เร่งความเร็วของจีนระดับสูงสุดสามารถเทียบเท่าหรือดีกว่า NVIDIA ได้; ข้อสรุปนี้เป็นหลักฐานสำคัญที่ว่า “การแทนที่ชิป AI ในประเทศไม่ใช่แค่ความต้องการทางการเมือง แต่ยังมีเหตุผลทางเศรษฐกิจ” และสนับสนุนโดยตรงการประเมินเชิงบวกระยะยาวของรายงานต่ออุตสาหกรรมชิป AI ของจีน
สถานการณ์การสั่งซื้อและคำสั่งซื้อที่เป็นไปได้จากผู้พัฒนาอุปกรณ์เร่งความเร็ว AI ของจีน
TPS (Tokens per second) — การวิเคราะห์ประสิทธิภาพ
เนื่องจากราคาลดลงอย่างมาก ชิปภายในประเทศจึงบรรลุประสิทธิภาพต่อเหรียญสหรัฐที่สูงขึ้น
“十条龙”中国AI GPGPU厂商。我们重点关注寒武纪、沐曦、天数智芯
การเปรียบเทียบระหว่าง Cambricon, Muxi และ Iluvatar
เปรียบเทียบบริษัทชิป AI จีนที่ได้รับความสนใจมากที่สุดสามแห่ง: Cambricon (ASIC 7nm ของ SMIC, ลูกค้ารายใหญ่ถูกผูกมัด, เป็นบริษัทเดียวที่ทำกำไร), MetaX Muxi (GPGPU 12nm ของ SMIC, กองทุนเพื่ออำนาจอธิปไตยถือหุ้น, มีช่องว่างทางเทคโนโลยีชัดเจน), Innosilicon (GPGPU 7nm ของ TSMC, ห่วงโซ่อุปทานมีความยืดหยุ่นสูง); จากมุมมองสามด้านคือ ความสามารถในการทำกำไร โครงสร้างลูกค้า และจุดเทคโนโลยีการผลิต ข้อสรุปที่ซ่อนอยู่ในรายงานคือ Cambricon มีความแน่นอนสูงสุด
Cambricon: ประสิทธิภาพการประมวลผลการอนุมาน (TFLOPS) และการผูกพันกับลูกค้านำหน้า; คำแนะนำการซื้อเพิ่ม (OW)
天数智芯（Iluvatar）：依托强大的订单可见度与供应链韧性；增持评级 (OW)
