作者：見微知著雜談
來源：摩根士丹利大中華區半導體研究
報告日期：2026年5月8日
一、核心主矛盾
全球AI資本開支超預期擴張，但算力供給正在從「NVIDIA一家通吃」向「GPU + ASIC + 中國本土晶片」三軌並行演進。核心矛盾不是需求夠不夠，而是誰能吃到這輪擴張的份額，以及非AI半導體在這個過程中被邊緣化的速度有多快。
二、核心結論（按交易重要性排序）
三、分賽道深度展開
3.1 先進封裝（CoWoS / SoIC）— 最強確定性主線
核心矛盾】需求暴漲，但產能唯有 TSMC 不可替代；非 TSMC 封裝（Amkor/ASE/UMC）面臨份額擠壓。
【關鍵驅動】四大雲廠商（AWS/Google/Microsoft/Meta）2026年Q1資本支出同比+95%，雲資本支出全年預計達6850億美元，AI伺服器需求直接拉動CoWoS/SoIC排隊需求。
關鍵數據與時間節點：
NVIDIA 單家佔 CoWoS 消耗量約 59%，Broadcom 約 20%，AMD 約 9%
·2026年AI計算晶圓總消耗價值約272億美元，為歷史峰值
·TSMC AI晶片收入於2024–2029年的年複合增長率達60%，2026年AI收入將佔總營收超過30%
【傳導路徑】
雲端供應商資本支出 → NVIDIA/Broadcom/Google TPU 訂單 → CoWoS/SoIC 成為瓶頸 → TSMC 議價能力提升 → AI 收入佔比持續擴大。
【交易啟示】
TSMC 是 主線 中 的 主線，無需 择時，持有 邏輯 清晰。SoIC 為 自 2025 年 起 的 第二 增長 曲線，關注 切入 SoIC 組裝 的 OSAT 供應商（ASE 等） 機會。
3.2 測試設備（Handler / Socket / 探針卡）— 估值最低、成長最確定
【核心矛盾】
芯片複雜度上升，測試時長結構性翻倍增長，但市場對測試設備TAM的重估嚴重滯後。
【關鍵驅動】
GPU 芯片每一代的測試時長翻倍（Hopper 350 秒 → Blackwell 700-1000 秒 → Rubin 1200-1400 秒 → 下一代 1800-2000 秒）；測試插座針腳數從手機級 1500 跳升至 AI/HPC 級 6000，乃至下一代 10000+。
三大核心標的數據：
· 全球 Handler 市場規模：2023 年 4.36 億美元 → 2027 年 66 億美元，CAGR 達 35%+
·CPO光學測試需求自2025年起規模放量，2027年進入電氣+光學聯合測試階段（Insertion 4i）
【傳導路徑】
晶片尺寸／層數／複雜度增加 → 測試時間增加 → Handler／Socket 價量齊升 → CPO 光學測試新需求疊加 → 第二增長曲線啟動。
【交易啟示】
這三家公司的估值在AI基礎設施鏈條中最低，成長確定性最高，適合中期核心配置。市場覆蓋度不足、定價偏低，是當前最值得重視的性價比方向。
3.3 中國AI晶片（國產GPU/ASIC）— 長期不可逆，短期分化明顯
【核心矛盾】
出口管制推動了國產替代需求，但國內晶片技術/量產成熟度參差不齊；能否鎖定大客戶訂單是核心分野。
【關鍵驅動】
DeepSeek 驗證低成本推理可行性 → 國內雲廠商加速切換 → SMIC 7nm 擴產支撐量產 → 國產晶片 TCO 優勢（比 NVIDIA 低 30-60%）形成正反饋。
市場規模與格局：
2026E 國內市場份額：華為 62%、寒武紀 14%、昆侖芯 5%、T-Head 5%、其他 14%。
「十龍」中 MS 詳細比較三家標的：
【傳導路徑】
出口管制 → 國產替代 → SMIC 7nm 擴產 → 華為/寒武紀放量 → 本土雲廠商（ByteDance/Alibaba/Tencent）切換採購 → 推理成本下降 → 更多應用爆發 → 新一輪算力需求。
【交易啟示】
對寒武紀確定性最強，是首選標的；天數智芯彈性最大但尚未盈利，風險較高。華為（未上市）是最大競爭變量，其份額增長對其他國產廠商形成間接壓力，需持續追蹤。時間窗口：2026–2027 年是國產 AI 芯片從替補走向主力的關鍵轉折期。
3.4 非AI半導體（消費 / 汽車 / 工控）— 結構性偏空，弱復甦不是強復甦
【核心矛盾】
供應鏈資源被 AI 系統性虹吸，傳統半導體復甦節奏持續慢於預期，市場高估了反彈彈性。
【關鍵驅動】
代工產能／T-Glass 基板／存儲全面向 AI 傾斜；非 AI 芯片排隊靠後，晶圓和 OSAT 成本上漲；晶片設計公司毛利承壓。
·扣除 NVIDIA AI GPU 和存儲後，非 AI 半導體 2026 年增速預計顯著下滑
·MCU 庫存天數仍處歷史高位（1Q25 峰值後 4Q25 平穩）；STM/GD 等主要廠商庫存消化緩慢
·邏輯代工廠利用率預計要到2H26才能回升至80%，復甦彈性有限
·SiC 優於 GaN：推薦 SICC（OW），SiC 渗透率預計 2030 年突破 50%；迴避 InnoScience（EW），擴產折舊壓制利潤
【交易啟示】
避開純傳統半導體敞口，MCU 赛道底部已確認但復甦疲弱，不建議重倉押注強勁反彈。SiC 是唯一值得重視的傳統賽道細分方向。
3.5 儲存（HBM / NAND / DDR4）— 內部分化劇烈，信號需甄別
【核心矛盾】
AI 拉動 HBM 需求爆發明確；DDR4/NAND 價格上漲是供給被 AI 擠占而非真實需求復甦，信號失真，價格彈性有限。
【交易啟示】
HBM 堅定看多，Hynix 最受益；Macronix（NOR Flash，Top Pick）受惠於短缺且估值合理；NAND/DDR4 價格上漲不等於需求改善，謹防追漲。
四、宏觀與地緣變量：作為賽道判斷的解釋變量
【地緣】出口管制持續收緊
NVIDIA對華出口受限 → 中國本土AI晶片替代需求確定性上升；中國雲資本開支2026E達1050億美元，正在快速接近全球雲資本開支的14%。
【宏觀】能源約束（美國側）
美國數據中心電力供應緊張是 GPU 需求增長的潛在天花板，但短期（2026 年）內尚未成為實質性制約。
【行業結構】AI 蚕食效應
AI 需求對非 AI 供應鏈（T-Glass、傳統 DRAM、消費代工產能）的虹吸效應，是非 AI 半導體持續弱於預期的核心解釋變量，而非週期性因素。
【成本端】科技通脹
晶圓/OSAT/存儲成本全面上漲，對晶片設計公司（尤其是非AI賽道）形成毛利壓力；TSMC 等代工廠議價權持續提升。
五、推薦組合與交易框架
根據各賽道綜合判斷，構建以下交易框架：
六、一句話總結
買封裝（TSMC）、買測試設備（Hon Precision / WinWay / MPI）、買中國AI晶片龍頭（寒武紀）；迴避非AI半導體強復甦預期，存儲內部做HBM多、傳統DRAM/NAND中性。時間窗口2026–2027年，AI資本支出週期遠未結束。
風險提示：本筆記基於 Morgan Stanley 公開研究報告整理，僅供內部研究參考，不構成任何投資建議。市場存在不確定性，實際結果可能與預測存在重大差異，請投資者謹慎決策。
《構建未來AI基礎設施——CPU、GPU、ASIC、光模組與中國芯》
強勁的人工智慧半導體前景
摩根士丹利將AI半導體前景定性為“Strong”，需求端由三股力量驅動：AI殺手級應用持續爆發、科技巨頭算力軍備競賽，以及各國主權AI建設需求。與此同時，本篇報告識別出四個增長約束——預算、美國能源瓶頸、中國晶片產能、監管——這些限制的本質是供給跟不上需求，而非需求本身熄火。
長期來看，有三個值得警惕的結構性變量：
1）科技通脹（晶圓/封測/存儲成本上漲壓縮晶片設計公司利潤）；
2）AI 優先效應（供應鏈資源向 AI 傾斜，非 AI 半導體被邊緣化）；
3）DeepSeek 效應（低成本推理已獲驗證，中國本土推理需求加速釋放，本土代工供應鏈 AI GPU 生產能力同步提升）。三者疊加，構成報告後續所有賽道判斷的底層邏輯框架。
估值比較：代工、後端、存儲、IDM（集成器件製造）及半導體設備
估值比較：無晶圓廠（Fabless）、功率半導體、FPGA 及模擬晶片
半導體大週期
核心結論是週期分化而非整體復蘇：邏輯代工廠利用率預計於2H26回升至80%，但剔除NVIDIA AI GPU和存儲後，非AI半導體增速在2026年預計顯著下滑；庫存天數從高點回落是積極信號，歷史數據顯示庫存下行週期往往對應半導體股指上漲，但這輪復蘇的結構性分化程度遠超以往。
人工智慧半導體供應鏈與利基存儲器
到2030年，全球半導體行業市場規模可能達到1.5萬億美元，其中一半將來自AI半導體
重要的長期錨點：全球半導體市場於2030年有望達1.5萬億美元，其中AI半導體貢獻約7530億美元；雲端AI半導體TAM的牛市情景假設是2025年達2350億美元（主要來自NVIDIA AI GPU），2023-2030年CAGR達38%，為後續所有賽道估值提供了頂層市場空間依據。
Cloud Semiconductor：更光明的展望
四大雲廠商（AWS/Google/Microsoft/Meta）2026年Q1資本支出同比+95%，為全文需求側最強的單一數據點；Capex/EBITDA比率預計維持在約50%的穩定水平，說明雲廠商擴張意願具備財務可持續性；Aspeed盈利預測持續上修，作為雲端AI伺服器BMC晶片龍頭，其修正趨勢印證了雲端需求的真實性。
主要雲服務提供商的雲資本支出保持強勁
MS 雲端 Capex 追蹤器預計 2026 年全球 Top 10 雲廠商資本開支達 6850 億美元，較市場共識高出約 10%；全球雲 Capex 與 TSMC 資本開支高度同步爬升的歷史圖表，是支撐「這輪不是短週期」判斷的核心視覺證據；短生命周期資產佔比約 65%，意味著雲廠商每年必須持續採購，需求具備剛性。
台積電已公布的電力部署影響
透過 NVIDIA、AMD、Broadcom、AWS 四家主要客戶的機架規格和部署功率，自下而上估算 CoWoS 晶圓需求；NVIDIA Rubin NVL144 機架功率為 220kW、共 45k 個機架，隱含 2027 年年度 CoWoS 需求達 136k 片晶圓，為全文判斷 CoWoS 供需緊張的核心數量依據。
由於持續強勁的AI需求，台積電可能在2027年前將CoWoS產能擴大至16.5萬片/月
直接提供 CoWoS 供應側數據：TSMC 的產能將從 2025 年底的 120kwpm 擴至 2027 年底的 165kwpm，Non-TSMC（Amkor/UMC/ASE）的產能也同步從 23kwpm 擴至 80kwpm；需求端 NVIDIA 占 CoWoS 總消耗量約 59%，Broadcom 約 20%，高度集中意味著少數客戶的需求變化對 TSMC 影響巨大。
SoIC（系統集成芯片）擴張將是台積電未來幾年的關鍵重點
SoIC 被定性為 TSMC 未來數年的關鍵戰略方向：產能將從 2025 年底的 45kwpm 擴至 2027 年底的 78kwpm，需求端包括 NVIDIA、AMD、Apple、Qualcomm/Broadcom；SoIC 相比 CoWoS 具有更高的集成度和更深的技術壁壘，是繼 CoWoS 之後 TSMC 先進封裝的第二增長曲線，2026-2027 年將進入快速放量期。
台積電可能在2025年使CoWoS和SoIC產能翻倍，我們預計這一趨勢將持續到2026年
2026 年 AI 計算晶圓消耗額可能高達 272 億美元，其中英偉達佔據大部分
自下而上列出2026年所有主要AI晶片（NVIDIA B300/Rubin/H200、Google TPU、AWS Trainium3、Microsoft Maia、OpenAI Nexus）的CoWoS產能分配、晶片出貨量、晶圓消耗量及晶圓價值；彙總得出2026年AI晶片晶圓消耗總價值約272億美元，NVIDIA佔主導，是全文對TSMC AI收入規模最具說服力的底層測算。
2026 年 HBM（高帶寬內存）消耗量——高達 320 億 Gb
2026年HBM總需求約32,279mn Gb，NVIDIA消耗占比約58%；逐一列出每款AI晶片的HBM規格（容量、代際、供應商），Google TPU系列主要消耗HBM3e 12hi，AWS/Microsoft消耗HBM3/HBM4；Hynix、Samsung、Micron三家瓜分供應，Hynix因HBM技術領先而受益最深。
英偉達 GB200/300 機架產量估算
英偉達 GB200/300 伺服器機架供需假設
台積電 AI 半導體收入占比可能在 2024 年至 2029 年間達到 60%
TSMC 的 AI 芯片收入在 2024-2029 年的年複合增長率達 60%，2026 年 AI 收入佔總營收比例將超過 30%；收入構成涵蓋通用 AI 芯片、定制 ASIC、CoWoS 封測、AI 伺服器 CPU 四大塊，客戶結構中 Apple 占 19%、NVIDIA 占 21%、Broadcom 占 11%；毛利潤率和 EBITDA 利潤率持續擴張，印證 AI 業務對 TSMC 整體盈利質量的正向拉動。
TSMC advanced wafer demand segmentation
智能體人工智慧（Agentic AI）—— 擴大 CPU 機遇
AI 從推理階段進入「行動」階段，CPU/GPU 比例從 GPU 重型（1:12）轉向 CPU 重型（≥1:1），驅動力來自 API 調用、代碼執行、多智能體併發等工具類任務；MS 評估 Agentic AI 可新增 325-600 億美元 CPU 市場空間（至 2030 年），MediaTek 作為 AI 伺服器 CPU 設計商是報告點名的受益標的。
AI 存儲導致 NAND 短缺；我們預計 NOR Flash 供不應求的態勢將持續至 2026 年
DDR4 短缺將持續至 2026 年下半年；而現貨價格存在上限
AI ASIC、CPO 和晶片測試
AI 半導體：現在與未來——「關鍵驅動力」
並列呈現 AI 半導體的驅動、約束、技術解決方案、成長視角四個維度；特別列出三組成長視角對比——推理 vs 訓練、邊緣 vs 雲端、定制 ASIC vs AI GPU——這三組對比是理解報告後續所有賽道判斷分歧點的思維地圖。
雲服務供應商（CSPs）即使擁有英偉達強大的AI GPU，仍然需要定制芯片
根據各雲服務商（CSP）的計劃，更多 ASIC 專案即將到來
台積電 CoWoS 與英特爾 EMIB 之間的競爭情況如何？
更大的封裝尺寸正成為行業關鍵趨勢
芯片測試時長從 Hopper 的 350 秒飆升至下一代 GPU 的 1800-2000 秒，是測試設備賽道最核心的結構性驅動數據；測試插座針腳數從手機/PC 級 1500 跳升至 AI/HPC 級 6000 乃至下一代 10000+；全球測試設備市場 2024-2027 年 CAGR 預計達 35%，TSMC 封裝尺寸路線圖同步顯示 interposer 持續擴大，兩者共同支撐測試設備長期景氣判斷。
描绘鴻海精密、穎崴科技（WinWay）和MPI在半導體供應鏈中的角色分工
測試設備與元件的新演進：共封裝光學 (CPO)
Hon Hai Precision: Key beneficiary of the structural trend of extended testing time; Morgan Stanley rating: Overweight (OW)
MPI：具備 CPO 選項的探針卡技術領導者；摩根士丹利評級：增持 (OW)
InnoWing Technology: Leading test socket provider with advantages in AI packaging complexity; Rating: Outperform (OW)
中國半導體：OSAT、化合物半導體、MCU 與 AI GPU
看好後段設備（ASMP），但對中國 OSAT 持中性態度
看好 SiC（碳化硅）勝過 GaN（氮化鎵）：SICC（增持）與 InnoScience（減持）
MCU：已觸底但尚未復甦
中國國產AI半導體市場規模與份額持續增長
中國國內AI加速器市場格局清晰：華為以62%佔據主導，寒武紀14%，其餘玩家均在10%以下；中國AI GPU公司市值持續增長且更多IPO待發，市場規模擴張與資本市場活躍度同步提升，是後續重點標的分析的背景底板。
我們預計到2030年，中國AI GPU的總可及市場（TAM）將增長至670億美元
中國先進製程產能擴張以滿足本土AI GPU生產需求
中國AI GPU需求的近期市場追蹤
AI 芯片價值鏈——中國與美國——AI 計算的脫鉤
中國的基礎設施實力正在縮小感知上的技術差距
使用雷達圖從九個維度對比中美AI基礎設施能力差距：中國在政策支持、AI數據中心空間、軟體優化（LLM）方向得分接近美國，主要差距集中在晶圓前道、HBM內存、光學網絡；提出中國彌補單晶片算力不足的三步策略——多die封裝→更大機架和集群→擴張製造產能，華為CloudMatrix 384 A3 SuperPod是這一策略的現實驗證。
推理經濟學：總體擁有成本（TCO）與單 Token 成本
中國本土AI晶片的TCO（總擁有成本）比NVIDIA低30-60%，且頂級中國加速器的每token推理成本可與NVIDIA持平甚至更優；這一結論是「中國本土替代不只是政治需求，也有經濟理性」的核心證據，直接支持報告對中國AI晶片賽道長期看多的判斷。
國產 AI 加速器開發商的訂單下達情況及潛在訂單
TPS（每秒輸出Token數）——性能分析
由於價格大幅降低，國產晶片實現了更強的單位美元性能
中國AI GPGPU廠商的「十條龍」。我們重點關注寒武紀、沐曦、天數智芯
寒武紀、沐曦與天數智芯（Iluvatar）的對比
三家最受關注的中國AI晶片公司橫向對比：寒武紀（SMIC 7nm ASIC，大客戶鎖定，唯一盈利）、MetaX沐曦（SMIC 12nm GPGPU，主權基金持股，技術代差明顯）、天數智芯Iluvatar（TSMC 7nm GPGPU，供應鏈韌性強）；從盈利能力、客戶結構、工藝節點三個維度綜合來看，寒武紀確定性最強是報告的隱含結論。
寒武紀：推理性能（TFLOPS）與客戶綁定領先；增持評級 (OW)
天數智芯（Iluvatar）：依托強大的訂單可見度與供應鏈韌性；增持評級 (OW)
