作者： 见微知著杂谈
来源：Morgan Stanley Greater China Semiconductors Research
报告日期：2026年5月8日
一、核心主矛盾
全球AI资本开支超预期扩张，但算力供给正在从“NVIDIA一家通吃”向“GPU + ASIC + 中国本土芯片”三轨并行演进 。 核心矛盾不是需求够不够，而是谁能吃到这轮扩张的份额，以及非AI半导体在这个过程中被边缘化的速度有多快。
二、核心结论（按交易重要性排序）
三、分赛道深度展开
3.1 先进封装（CoWoS / SoIC）— 最强确定性主线
核心矛盾】 需求炸裂，但产能唯TSMC不可替代；非TSMC封装（Amkor/ASE/UMC）面临份额挤压。
【关键驱动】 四大云厂商（AWS/Google/Microsoft/Meta）2026年Q1资本开支同比+95%，云资本开支全年预计达6850亿美元，AI服务器需求直接拉动CoWoS/SoIC排队需求。
关键数据与时间节点：
NVIDIA单家占CoWoS消耗量约59%，Broadcom约20%，AMD约9%
· 2026年AI计算晶圆总消耗价值约272亿美元，为历史峰值
· TSMC AI芯片收入占比2024–2029年CAGR达60%，2026年AI收入占总营收超30%
【传导路径】
云厂商Capex → NVIDIA/Broadcom/Google TPU订单 → CoWoS/SoIC成卡点 → TSMC议价能力提升 → AI收入占比持续扩大。
【交易启示】
TSMC是主线中的主线，不需要择时，持有逻辑清晰。SoIC为2025年起的第二增长曲线，关注切入SoIC组装的OSAT供应商（ASE等）机会。
3.2 测试设备（Handler / Socket / 探针卡）— 估值最低、成长最确定
【核心矛盾】
芯片复杂度上升，测试时长结构性翻倍增长，但市场对测试设备TAM的重估严重滞后。
【关键驱动】
GPU芯片每一代测试时长翻倍（Hopper 350秒→Blackwell 700-1000秒→Rubin 1200-1400秒→下一代 1800-2000秒）；测试插座针脚数从手机级1500跳升至AI/HPC级6000，乃至下一代10000+。
三大核心标的数据：
·全球Handler市场规模：2023年4.36亿美元 → 2027年66亿美元，CAGR达35%+
·CPO光学测试需求从2025年起规模放量，2027年进入电气+光学联合测试阶段（Insertion 4i）
【传导路径】
芯片尺寸/层数/复杂度增加 → 测试时长增加 → Handler/Socket量价齐升 → CPO光学测试新需求叠加 → 第二增长曲线启动。
【交易启示】
三家公司是AI基础设施链条中估值最低、成长确定性最高的细分方向，适合中期核心配置。市场覆盖度不足、定价偏低，是当前最值得重视的性价比方向。
3.3 中国AI芯片（国产GPU/ASIC）— 长期不可逆，短期分化明显
【核心矛盾】
出口管制倒逼国产替代需求，但国内芯片技术/量产成熟度参差不齐；能否锚定大客户订单是核心分野。
【关键驱动】
DeepSeek验证低成本推理可行性 → 国内云厂商加速切换 → SMIC 7nm扩产支撑量产 → 国产芯片TCO优势（比NVIDIA低30-60%）形成正反馈。
市场规模与格局：
2026E国内市场份额：华为62%、寒武纪14%、昆仑芯5%、T-Head 5%、其他14%。
「十龙」中MS重点关注三家标的比较：
【传导路径】
出口管制 → 国产替代 → SMIC 7nm扩产 → 华为/寒武纪放量 → 本土云厂商（ByteDance/Alibaba/Tencent）切换采购 → 推理成本下降 → 更多应用爆发 → 新一轮算力需求。
【交易启示】
对寒武纪确定性最强，是首选标的；天数智芯弹性最大但尚未盈利，风险较高。华为（未上市）是最大竞争変量，其份额增长对其他国产厂商形成间接压力，需持续跟踪。时间窗口：2026–2027年是国产AI芯片从替补走向主力的关键转折期。
3.4 非AI半导体（消费 / 汽车 / 工控）— 结构性偏空，弱复苏不是强复苏
【核心矛盾】
供应链资源被AI系统性虹吸，传统半导体复苏节奏持续慢于预期，市场高估了反弹弹性。
【关键驱动】
代工产能/T-Glass基板/存储全面向AI倾斜；非AI芯片排队靠后，晶圆和OSAT成本上涨；芯片设计公司毛利率承压。
·剔除NVIDIA AI GPU和存储后，非AI半导体2026年增速预计显著下滑
·MCU库存天数仍处历史高位（1Q25峰值后4Q25 flat）；STM/GD等主要厂商库存消化缓慢
·逻辑代工厂利用率预计2H26才能回升至80%，复苏弹性有限
·SiC优于GaN：推荐SICC（OW），SiC渗透率预计2030年突破50%；回避InnoScience（EW），扩产折旧压制利润
【交易启示】
回避纯传统半导体敞口，MCU赛道底部确认但弱复苏，不建议重仓押注强反弹。SiC是唯一值得重视的传统赛道细分方向。
3.5 存储（HBM / NAND / DDR4）— 内部分化剧烈，信号需甄别
【核心矛盾】
AI拉动HBM需求爆发明确；DDR4/NAND价格上涨是供给被AI挤占而非真实需求复苏，信号失真，价格弹性有限。
【交易启示】
HBM坚定看多，Hynix最受益；Macronix（NOR Flash，Top Pick）受益短缺且估值合理；NAND/DDR4价格上涨不等于需求改善，谨防追涨。
四、宏观与地缘变量：作为赛道判断的解释变量
【地缘】出口管制持续收紧
NVIDIA对华出口受限 → 中国本土AI芯片替代需求确定性上升；中国云资本开支2026E达1050亿美元，正在快速接近全球云资本开支的14%。
【宏观】能源约束（美国侧）
美国数据中心电力供应紧张是GPU需求增长的潜在天花板，但短期（2026年）内尚未成为实质性制约。
【行业结构】AI蚕食效应
AI需求对非AI供应链（T-Glass、传统DRAM、消费代工产能）的虹吸效应，是非AI半导体持续弱于预期的核心解释变量，而非周期性因素。
【成本端】科技通胀
晶圆/OSAT/存储成本全面上涨，对芯片设计公司（尤其是非AI赛道）形成毛利率压力；TSMC等代工厂议价权持续提升。
五、推荐组合与交易框架
综合各赛道判断，构建以下交易框架：
六、一句话总结
买封装（TSMC）、买测试设备（Hon Precision / WinWay / MPI）、买中国AI芯片龙头（寒武 纪）； 回避非AI半导体强复苏预期，存储内部做HBM多、传统DRAM/NAND中性。 时间窗口2026–2027年，AI资本开支周期远未结束。
风险提示： 本笔记基于Morgan Stanley公开研究报告整理，仅供内部研究参考，不构成任何投资建议。市场存在不确定性，实际结果可能与预测存在重大差异，请投资者谨慎决策。
《构建未来AI基础设施——CPU、GPU、ASIC、光模块与中国芯》
强劲的人工智能半导体展望
Morgan Stanley将AI半导体outlook定性为"Strong"，需求端由三股力量驱动：AI杀手级应用持续爆发、科技巨头算力军备竞赛、以及各国主权AI建设需求。与此同时，本篇报告识别出四个增长约束——预算、美国能源瓶颈、中国芯片产能、监管——这些限制的本质是供给跟不上需求，而非需求本身熄火。
长期来看，有三个值得警惕的结构性变量：
1）科技通胀（晶圆/封测/存储成本上涨压缩芯片设计公司利润）；
2）AI蚕食效应（供应链资源向AI倾斜，非AI半导体被边缘化）；
3）DeepSeek效应（低成本推理被验证，中国本土推理需求加速释放，本土代工供应链AI GPU生产能力同步提升）。三者叠加，构成报告后续所有赛道判断的底层逻辑框架。
估值比较：代工、后端、存储、IDM（集成器件制造）及半导体设备
估值比较：无晶圆厂（Fabless）、功率半导体、FPGA 及模拟芯片
半导体大周期
核心结论是周期分化而非整体复苏：逻辑代工厂利用率预计2H26回升至80%，但剔除NVIDIA AI GPU和存储后非AI半导体增速在2026年预计显著下滑；库存天数从高点回落是积极信号，历史数据显示库存下行周期往往对应半导体股指上涨，但这轮复苏的结构性分化程度远超以往。
人工智能半导体供应链与利基存储器
到2030年，全球半导体行业市场规模可能达到1.5万亿美元，其中一半将来自AI半导体
重要的长期锚点：全球半导体市场2030年有望达1.5万亿美元，其中AI半导体贡献约7530亿美元；云端AI半导体TAM的牛市情景假设是2025年达2350亿美元（主要来自NVIDIA AI GPU），2023-2030年CAGR达38%，为后续所有赛道估值提供了顶层市场空间依据。
云端半导体：更光明的展望
四大云厂商（AWS/Google/Microsoft/Meta）2026年Q1资本开支同比+95%，是全文需求侧最强的单一数据点；Capex/EBITDA比率预计维持在约50%的稳定水平，说明云厂商扩张意愿具备财务可持续性；Aspeed盈利预测持续上修，作为云端AI服务器BMC芯片龙头，其修正趋势印证了云端需求的真实性。
主要云服务提供商的云资本开支保持强劲
MS云端Capex追踪器预计2026年全球Top 10云厂商资本开支达6850亿美元，较市场共识高出约10%；全球云Capex与TSMC资本开支高度同步爬升的历史图表，是支撑"这轮不是短周期"判断的核心视觉证据；短生命周期资产占比约65%，意味着云厂商每年必须持续采购，需求具备刚性。
台积电已公布的电力部署影响
通过NVIDIA、AMD、Broadcom、AWS四家主要客户的机架规格和部署功率，自下而上测算CoWoS晶圆需求；NVIDIA Rubin NVL144机架功率220kW、45k个机架，隐含2027年年度CoWoS需求达136k片晶圆，是全文CoWoS供需紧张判断的核心数量依据。
鉴于持续强劲的AI需求，台积电可能在2027年前将CoWoS产能扩大至16.5万片/月
直接给出CoWoS供给侧数据：TSMC产能从2025年底120kwpm扩至2027年底165kwpm，Non-TSMC（Amkor/UMC/ASE）产能同步从23kwpm扩至80kwpm；消费端NVIDIA占CoWoS总消耗量约59%，Broadcom约20%，高度集中意味着少数客户的需求变化对TSMC影响巨大。
SoIC（系统集成芯片）扩张将是台积电未来几年的关键重点
SoIC被定性为TSMC未来数年的关键战略方向：产能从2025年底45kwpm扩至2027年底78kwpm，需求侧NVIDIA、AMD、Apple、Qualcomm/Broadcom均在列；SoIC相比CoWoS集成度更高、技术壁垒更深，是继CoWoS之后TSMC先进封装的第二增长曲线，2026-2027年进入快速放量期。
台积电可能在2025年使CoWoS和SoIC产能翻倍，我们预计这一趋势将持续到2026年
2026年AI计算晶圆消耗额可能高达272亿美元，其中英伟达占据大部分
自下而上列出2026年所有主要AI芯片（NVIDIA B300/Rubin/H200、Google TPU、AWS Trainium3、Microsoft Maia、OpenAI Nexus）的CoWoS产能分配、芯片出货量、晶圆消耗量及晶圆价值；汇总得出2026年AI芯片晶圆消耗总价值约272亿美元，NVIDIA占主导，是全文对TSMC AI收入规模最具说服力的底层测算。
2026年HBM（高带宽内存）消耗量——高达320亿Gb
2026年HBM总需求约32,279mn Gb，NVIDIA消耗占比约58%；逐一列出每款AI芯片的HBM规格（容量、代际、供应商），Google TPU系列消耗HBM3e 12hi为主，AWS/Microsoft消耗HBM3/HBM4；Hynix、Samsung、Micron三家瓜分供给，Hynix因HBM技术领先而受益最深。
英伟达 GB200/300 机架产量估算
英伟达 GB200/300 服务器机架供需假设
台积电AI半导体收入占比可能在2024年至2029年间达到60%
TSMC AI芯片收入2024-2029年CAGR达60%，2026年AI收入占总营收比例超30%；收入构成涵盖通用AI芯片、定制ASIC、CoWoS封测、AI服务器CPU四块，客户结构中Apple占19%、NVIDIA占21%、Broadcom占11%；毛利率和EBITDA率持续扩张，印证AI业务对TSMC整体盈利质量的正向拉动。
台积电尖端晶圆需求细分
智能体人工智能（Agentic AI）—— 扩大CPU机遇
AI从推理阶段进入"行动"阶段，CPU/GPU比例从GPU重型（1:12）转向CPU重型（≥1:1），驱动力是API调用、代码执行、多智能体并发等工具类任务；MS估算Agentic AI可新增325-600亿美元CPU市场空间（至2030年），MediaTek作为AI服务器CPU设计商是报告点名的受益标的。
AI存储导致NAND短缺；我们预计NOR Flash供不应求的态势将持续至2026年
DDR4短缺将持续至2026年下半年；而现货价格存在上限
AI ASIC、CPO 和芯片测试
AI半导体：现在与未来——「关键驱动力」
将AI半导体的驱动、约束、技术解决方案、成长视角四个维度并列呈现；特别列出三组成长视角对比——推理vs训练、边缘vs云端、定制ASIC vs AI GPU——这三组对比是理解报告后续所有赛道判断分歧点的思维地图。
云服务提供商（CSPs）即使拥有英伟达强大的AI GPU，仍然需要定制芯片
据各云服务商（CSP）计划，更多ASIC项目即将到来
台积电CoWoS与英特尔EMIB之间的竞争情况如何？
更大的封装尺寸正成为行业关键趋势
芯片测试时长从Hopper的350秒飙升至下一代GPU的1800-2000秒，是测试设备赛道最核心的结构性驱动数据；测试插座针脚数从手机/PC级1500跳升至AI/HPC级6000乃至下一代10000+；全球测试设备市场2024-2027年CAGR预计达35%，TSMC封装尺寸路线图同步显示interposer持续扩大，两者共同支撑测试设备长期景气判断。
描绘鸿精密、颖崴科技（WinWay）和MPI在半导体供应链中的角色分工
测试设备与元件的新演进：共封装光学 (CPO)
鸿精密：受益于测试时间延长这一结构性趋势的关键赢家；大摩评级：增持 (OW)
MPI：具备CPO选项的探针卡技术领导者；大摩评级：增持 (OW)
颖崴科技：坐拥AI封装复杂性优势的测试插座龙头；评级：增持 (OW)
中国半导体：OSAT、化合物半导体、MCU与AI GPU
看好后段设备（ASMP），但对中国OSAT持中性态度
看好SiC（碳化硅）胜过GaN（氮化镓）：SICC（增持）与InnoScience（减持）
MCU：触底但尚未复苏
国产AI半导体市场规模与份额不断增长
中国国内AI加速器市场格局清晰：华为以62%占据主导，寒武纪14%，其余玩家均在10%以下；中国AI GPU公司市值持续增长且更多IPO待发，市场规模扩张与资本市场活跃度同步提升，是后续重点标的分析的背景底板。
我们预计到2030年，中国AI GPU的总可及市场（TAM）将增长至670亿美元
中国先进制程产能扩张以满足本土AI GPU生产需求
中国AI GPU需求的近期市场追踪
AI芯片价值链——中国与美国——AI计算的脱钩
中国的基础设施实力正在缩小感知上的技术差距
用雷达图从九个维度对比中美AI基础设施能力差距：中国在政策支持、AI数据中心空间、软件优化（LLM）方向得分接近美国，主要差距集中在晶圆前道、HBM内存、光学网络；提出中国弥补单芯片算力不足的三步策略——多die封装→更大机架和集群→扩张制造产能，华为CloudMatrix 384 A3 SuperPod是这一策略的现实验证。
推理经济学：总体拥有成本（TCO）与单Token成本
国产AI芯片TCO（总拥有成本）比NVIDIA低30-60%，且顶级国产加速器每token推理成本可与NVIDIA持平乃至更优；这一结论是"中国本土替代不只是政治需求，也有经济理性"的核心证据，直接支撑报告对中国AI芯片赛道长期看多的判断。
国产AI加速器开发商的订单下达情况及潜在订单
TPS（每秒输出Token数）——性能分析
由于价格大幅降低，国产芯片实现了更强的单位美元性能
中国AI GPGPU厂商的“十条龙”。我们重点关注寒武纪、沐曦、天数智芯
寒武纪、沐曦与天数智芯（Iluvatar）的对比
三家最受关注的中国AI芯片公司横向对比：寒武纪（SMIC 7nm ASIC，大客户锁定，唯一盈利）、MetaX沐曦（SMIC 12nm GPGPU，主权基金持股，技术代差明显）、天数智芯Iluvatar（TSMC 7nm GPGPU，供应链韧性强）；盈利能力、客户结构、工艺节点三个维度综合来看，寒武纪确定性最强是报告的隐含结论。
寒武纪：推理性能（TFLOPS）与客户绑定领先；增持评级 (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)
