大摩2026半導體報告：買封裝、買測試、買中國芯，避開傳統賽道

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 + 中國本土芯片」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】需求炸裂，但產能唯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資本開支同比+95%，雲資本開支全年預計達6850億美元，AI服務器需求直接拉動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芯片收入佔比2024–2029年CAGR達60%，2026年AI收入佔總營收超30%

【傳導路徑】

雲廠商Capex → NVIDIA/Broadcom/Google TPU訂單 → CoWoS/SoIC成卡點 → 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，不需要擇時，持有邏輯清晰。SoIC為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的重估嚴重滯后。

【關鍵驅動】

GPU芯片每一代測試時長翻倍（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】

芯片尺寸/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基礎設施鏈條中估值最低、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芯片（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，但國內芯片技術/量產成熟度參差不齊；能否錨定大客户訂單是核心分野。

【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 → 國產芯片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%、崑崙芯5%、T-Head 5%、其他14%。

「十龍」中MS重點關注三家標的比較：

【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盈利，風險較高。華為（未上市）是最大競爭変量，其份額增長對其他國產廠商形成間接壓力，需持續跟蹤。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芯片排隊靠后，晶圓和OSAT成本上漲；芯片設計公司毛利率承壓。

·剔除NVIDIA AI GPU和存儲后，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峰值后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：推薦SICC（OW），SiC滲透率預計2030年突破50%；迴避InnoScience（EW），擴產折舊壓制利潤

【交易啟示】

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 存儲（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擠佔而非真實需求復甦，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芯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，而非周期性因素。

【成本端】科技通脹

晶圓/OSAT/存儲成本全面上漲，對芯片設計公司（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，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芯片龍頭（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資本開支周期遠未結束。

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、光模塊與中國芯》

強勁的人工智能半導體展望

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。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、中國芯片產能、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/存儲成本上漲壓縮芯片設計公司利潤）；

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，構成報告后續所有賽道判斷的底層邏輯框架。

估值比較：代工、后端、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 及模擬芯片

半導體大周期

核心結論是周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和存儲后非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周期往往對應半導體股指上漲，但這輪復甦的結構性分化程度遠超以往。

人工智能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%，為后續所有賽道估值提供了頂層市場空間依據。

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，説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服務器BMC芯片龍頭，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資本開支高度同步爬升的歷史圖表，是支撐"這輪不是短周期"判斷的核心視覺證據；短生命周期資產佔比約65%，意味着雲廠商每年必須持續採購，需求具備剛性。

臺積電已公佈的電力部署影響

通過NVIDIA、AMD、Broadcom、AWS四家主要客户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136k片晶圓，是全文CoWoS供需緊張判斷的核心數量依據。

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

直接給出CoWoS供給側數據：TSMC產能從2025年底120kwpm擴至2027年底165kwpm，Non-TSMC（Amkor/UMC/ASE）產能同步從23kwpm擴至80kwpm；消費端NVIDIA佔CoWoS總消耗量約59%，Broadcom約20%，高度集中意味着少數客户的需求變化對TSMC影響巨大。

SoIC（系統集成芯片）擴張將是臺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：產能從2025年底45kwpm擴至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之后TSMC先進封裝的第二增長曲線，2026-2027年進入快速放量期。

臺積電可能在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芯片（NVIDIA B300/Rubin/H200、Google TPU、AWS Trainium3、Microsoft Maia、OpenAI Nexus）的CoWoS產能分配、芯片出貨量、晶圓消耗量及晶圓價值；匯總得出2026年AI芯片晶圓消耗總價值約272億美元，NVIDIA佔主導，是全文對TSMC AI收入規模最具説服力的底層測算。

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消耗佔比約58%；逐一列出每款AI芯片的HBM規格（容量、代際、供應商），Google TPU系列消耗HBM3e 12hi為主，AWS/Microsoft消耗HBM3/HBM4；Hynix、Samsung、Micron三家瓜分供給，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 服務器機架供需假設

臺積電AI半導體收入佔比可能在2024年至2029年間達到60%

TSMC AI芯片收入2024-2029年CAGR達60%，2026年AI收入佔總營收比例超30%；收入構成涵蓋通用AI芯片、定製ASIC、CoWoS封測、AI服務器CPU四塊，客户結構中Apple佔19%、NVIDIA佔21%、Broadcom佔11%；毛利率和EBITDA率持續擴張，印證AI業務對TSMC整體盈利質量的正向拉動。

臺積電尖端晶圓需求細分

智能體人工智能（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），驅動力是API調用、代碼執行、多智能體併發等工具類任務；MS估算Agentic AI可新增325-600億美元CPU市場空間（至2030年），MediaTek作為AI服務器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 和芯片測試

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、定製ASIC vs AI GPU——這三組對比是理解報告后續所有賽道判斷分歧點的思維地圖。

雲服務提供商（CSPs）即使擁有英偉達強大的AI GPU，仍然需要定製芯片

據各雲服務商（CSP）計劃，更多ASIC項目即將到來

臺積電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。

描繪鴻精密、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)

鴻精密：受益於測試時間延長這一結構性趨勢的關鍵贏家；大摩評級：增持 (OW)

MPI：具備CPO選項的探針卡技術領導者；大摩評級：增持 (OW)

穎崴科技：坐擁AI封裝複雜性優勢的測試插座龍頭；評級：增持 (OW)

中國半導體：OSAT、化合物半導體、MCU與AI GPU

看好后段設備（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：觸底但尚未復甦

國產AI半導體市場規模與份額不斷增長

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%，其余玩家均在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，是后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計算的脱鈎

中國的基礎設施實力正在縮小感知上的技術差距

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、軟件優化（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；提出中國彌補單芯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

國產AI芯片TCO（總擁有成本）比NVIDIA低30-60%，且頂級國產加速器每token推理成本可與NVIDIA持平乃至更優；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，直接支撐報告對中國AI芯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，國產芯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芯片公司橫向對比：寒武紀（SMIC 7nm ASIC，大客户鎖定，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）；盈利能力、客户結構、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）與客户綁定領先；增持評級 (OW)

天數智芯（Iluvatar）：依託強大的訂單可見度與供應鏈韌性；增持評級 (OW)

編輯/joryn