作者：見微知著雜談

來源：Morgan Stanley Greater China Semiconductors Research

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」三軌並行進。核心矛盾不是需求夠不夠，而是誰能吃到這一輪擴張的份額，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（依交易重要性排序）

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】需求炸裂，但產能唯TSMC不可取代；非TSMC封裝（Amkor/ASE/UMC）面臨份額擠壓。

【關鍵驅動】四大雲端廠商（AWS/Google/Microsoft/Meta）2026年Q1資本支出年比+95%，雲端資本支出全年預計達6,850億美元，AI伺服器需求直接拉動CoWoS/SoIC排隊需求。

關鍵資料與時間節點：

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晶片營收佔2024–2029年CAGR達60%，2026年AI營收佔總營收超30%

【傳導路徑】

雲端廠商Capex → NVIDIA/Broadcom/Google TPU訂單→ CoWoS/SoIC成卡點→ TSMC議價能力提升→ AI營收佔比持續擴大。

【交易啟示】

TSMC是主線中的主線，不需要擇時，持有邏輯清晰。 SoIC為2025年起的第二成長曲線，專注於切入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】

晶片複雜度上升，測試時長結構性翻倍成長，但市場對測試設備TAM的重估嚴重落後。

【關鍵驅動】

每一代測試長度都增加一倍（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 GPU1000+。

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光學測試需求從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→ 測試時長增加→ Handler/Socket量價齊升→ CPO光學測試新需求疊加→ 第二增長曲線啟動。

【交易啟示】

三家公司是AI基礎設施鏈中估值最低、成長確定性最高的細分方向，適合中期核心配置。市場覆蓋率不足、定價偏低，是目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】

出口管制倒逼國產替代需求，但國內晶片技術/量產成熟度參差不齊；能否錨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%）形成正回饋。

市場規模與格局：

2026E國內市佔率：華為62%、寒武紀14%、崑崙芯5%、T-Head 5%、其他14%。

「十龍」中MS重點在於三家標的比較：

【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獲利，風險較高。華為（未上市）是最大競爭変量，其份額成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晶片從替補走向主力的關鍵轉折期。

3.4 非AI半導體（消費性/ 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/儲存全面向AI傾斜；非AI晶片排隊靠後，晶圓和OSAT成本上漲；晶片設計公司毛利率承壓。

·剔除NVIDIA AI GPU和儲存後，非AI半導體2026年成長率預計顯著下滑

·MCU庫存天數仍處歷史高點（1Q25高峰後4Q25 flat）；STM/GD等主要廠商庫存消化緩慢

·邏輯代工廠利用率預計2H26才能回升至80%，復甦彈性有限

·SiC優於GaN：建議SICC（OW），SiC滲透率預計2030年將突破50%；迴避InnoScience（EW），擴產折舊壓制利潤

【交易啟示】

迴避純傳統半導體敞口，MCU賽道底部確認但弱復甦，不建議重倉押注強反彈。 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，訊號需甄別

【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擠佔而非真實需求復甦，訊號失真，價格彈性有限。

【交易啟示】

HBM堅定看多，Hynix最受益；Macronix（NOR Flash，Top Pick）受益短缺且估值合理；NAND/DDR4價格上漲不等於需求改善，謹防追漲。

四、宏觀與地緣變數：作為賽道判斷的解釋變數

【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；中國雲端資本開支2026E達1050億美元，正快速接近全球雲端資本開支的14%。

【宏觀】能源約束（美國側）

美國資料中心電力供應緊張是GPU需求成長的潛在天花板，但短期（2026年）內尚未成為實質限制。

【行業結構】AI蠶食效應

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】科技通膨

晶圓/OSAT/儲存成本全面上漲，對晶片設計公司（尤其是非AI賽道）形成毛利率壓力；TSMC等代工廠議價權持續提升。

五、推薦組合與交易框架

綜合各賽道判斷，建構以下交易框架：

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，儲存內部做HBM多、傳統DRAM/NAND中性。時間窗口2026–2027年，AI資本開支週期遠未結束。

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有重大差異，請投資人謹慎決策。

《建構未來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展望

Morgan Stanley將AI半導體outlook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。同時，本篇報告識別出四個成長限制條件——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變數：

1）科技通膨（晶圓/封測/儲存成本上漲壓縮晶片設計公司利潤）；

2）AI蠶食效應（供應鏈資源向AI傾斜，非AI半導體被邊緣化）；

3）DeepSeek效應（低成本推理被驗證，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架構。

估價比較：代工、後端、儲存、IDM（整合裝置製造）及半導體設備

估價比較：無晶圓廠（Fabless）、功率半導體、FPGA 及類比晶片

半導體大周期

核心結論是週期分化而非整體復甦：邏輯代工廠利用率預計2H26回升至80%，但剔除NVIDIA AI GPU和儲存後非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，但這一輪復蘇的結構性變化程度遠蘇。

人工智慧半導體供應鏈與利基記憶體

2030年，全球半導體產業市場規模可能達到1.5兆美元，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2030年有望達1.5兆美元，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），2023-2025年達2350億美元（主要來自NVIDIA AI GPU），2023-2030年估計了38%，頂層市場根據所有空間估計。

雲端半導體：更光明的展望

四大雲廠商（AWS/Google/Microsoft/Meta）2026年Q1資本開支同比+95%，是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的財務可持續性；Aspeed盈利預測持續上修，作為雲端AI伺服器端修正了，其需求的真實性晶片。

主要雲端服務供應商的雲端資本開支保持強勁

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資本開支高度同步比約佔65%，是支撐"這輪不是短週期"判斷的核心視覺證據；短生命週期資產比約佔65%，意味著需求商業製造商每年具備持續採購。

台積電已公佈的電力部署影響

透過NVIDIA、AMD、Broadcom、AWS四家主要客戶的機架規格和部署功率，自下而上測算CoWoS晶圓需求；NVIDIA Rubin NVL144機架功率220kW、45k個機架，隱含2027年年度CoWoS需求達136kWoX晶，是全文的盤數自測。

鑑於持續強勁的AI需求，台積電可能在2027年前將CoWoS產能擴大至16.5萬片/月

直接給予CoWoS供給面資料：TSMC產能從2025年底120kwpm擴大至2027年底165kwpm，Non-TSMC（Amkor/UMC/ASE）產能同步從23kwpm擴至80kwpm；消費端NVIDIACoWoSAroad186%，Broad180kwpm；消費端NVIDIACoCoWoSProad18%，Broad1%，Broadcom 的需求集中變化約

SoIC（系統整合晶片）擴張將是台積電未來幾年的關鍵重點

SoIC被定性為TSMC未來數年的關鍵策略方向：產能從2025年底45kwpm擴大至2027年底78kwpm，需求側NVIDIA、AMD、Apple、Qualcomm/Broadcom均在列；SoIC相比CoWoS集成度更高、技術壁壘更深，是繼CoWoS之後TSMC206262026262620202720202020202027年之後的第6262020202年增長曲線進入曲線。

台積電可能在2025年使CoWoS和SoIC產能翻倍，我們預期這一趨勢將持續到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；總表得2026年AI晶片則為2026年總價值計 27222722722272年2026722272225億分晶片。 AI收入規模最具說服力的底層計算。

2026年HBM（高頻寬記憶體）消耗量－高達320億Gb

2026年HBM總需求約32,279mn Gb，NVIDIA消耗佔比約58%；逐一列出每款AI晶片的HBM規格（容量、代際、供應商），Google TPU系列消耗HBM3e 12hi為主，AWS/MicrosoftMicHBM3/HBM4；Hynix、Samsung、Mynic，基於三瓜分技術可受益給新瓜分技術。

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半導體收入佔比可能在2024年至2029年間達到60%

TSMC AI晶片收入2024-2029年CAGR達60%，2026年AI收入佔總營收比例超30%；營收構成涵蓋通用AI晶片、客製化ASIC、CoWoS封測、AI伺服器CPU四塊，客戶結構中AppleEBITAISMCSMSMCIT、Broadcom71%；

台積電尖端晶圓需求細分

智能體人工智慧（Agentic AI）— 擴大CPU機會

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），驅動力是API調用、代碼執行、多智能體並發等工具類任務；MS估算Agentic AI可新增325-600億美元CPU市場空間（至2030年），MediaTek作為報告的服務。

AI儲存導致NAND短缺；我們預期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；而現貨價格有上限

AI ASIC、CPO 和晶片測試

AI半導體：現在與未來—「關鍵驅動力」

將AI半導體的驅動、約束、技術解決方案、成長視角四個維度並列呈現；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。

雲端服務供應商（CSPs）即使擁有英偉達強大的AI GPU，仍然需要客製化晶片

根據各雲端服務商（CSP）計劃，更多ASIC項目即將到來

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

晶片測試時長從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600 0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。

描繪鴻精密、穎崴科技（WinWay）和MPI在半導體供應鏈中的角色分工

國際金融協會報告：全球債務升至近353兆美元的歷史高點

熱門文章