Muse攜手Astra掀起新一輪AI算力巨浪! 瑞銀圈出四大投資主線，存儲與半導體設備站上超級風口

智通財經APP獲悉，國際金融巨頭瑞銀(UBS)最新發布的亞太AI科技研究報告顯示，近期席捲B端與C端用户群體的AI智能體代理式工作流正在加速擴大可商業化的全球各行業AI應用範圍，推動算力需求從英偉達AI GPU或者谷歌TPU系統全面擴展至存儲芯片、CPU配套組件、2.5D CoWoS/3D先進封裝、高性能以太網網絡設施、AI數據中心高速光互連傳輸與不間斷高效率供電/配電系統，與全球範圍如火如荼的AI算力基礎設施建設相關聯的算力鏈高景氣度將進一步延伸至2028年。

近日風靡全球的Meta Muse AI智能體與「比肩AGI」的OpenAI Astra大模型/AI智能體帶來的最核心變化，可謂是一次用户指令可以觸發持續、多階段的計算工作。一個研究、編程或辦公任務，可能依次包含規劃、檢索、讀取文檔、調用工具、執行代碼、檢查結果和修正錯誤，其中多個步驟需要重新調用模型，複雜任務還可能採用並行探索與驗證，而這類近乎無止境且愈發複雜的AI工作負載會把增長機會加速傳導至GPU之外的完整聚焦AI推理負載的算力系統。

基於「傑文斯悖論」(Jevons Paradox)，未來AI計算資源需求總體將因推理端算力成本下行而不斷擴大。近期討論火熱所謂的傑文斯效應，又稱「傑文斯悖論」，是一個反直覺的經濟學理論：當前沿技術進步提高了某種資源(如能源、原材料或AI算力基礎設施資源)的使用效率時，它會降低單位成本，從而刺激市場需求大規模擴張，最終導致所有類型資源的總消耗量不降反增。該概念由英國經濟學家威廉·斯坦利·傑文斯(William Stanley Jevons)於1865年在《煤炭問題》一書中首次提出。

從AI推理系統架構角度看，Meta Muse主導的更復雜的AI任務往往包含更長上下文、多輪模型調用、工具執行與結果校驗：預填充(Prefill)需要處理輸入，解碼(Decode)持續生成輸出，鍵值緩存(KV Cache)則隨上下文和併發規模擴大而佔用更多內存，計算吞吐量、內存帶寬與容量需要協同提升。因此，隨着Meta Muse等前沿智能體進一步引爆AI算力需求，對於AI算力產業核心推論在於，GPU、TPU承接模型計算，CPU承接工具執行與任務編排，HBM、服務器DRAM、存儲和高性能網絡基礎設施、數據中心光互連器件共同支撐數據高效率運輸與狀態管理;最終需要由一整套完整且未來規模愈發龐大的AI算力服務器集群交付可持續運行的服務。

Meta的Muse以及OpenAI的Astra強化了計算機操作、編程及多步驟化的極度專業工作能力，由此可以推演出的是，AI應用的加速擴張正同時增加「模型思考」和「實際執行工作」所需的基礎設施投入。這也是為何隨着AI商業化進程大幅改善，瑞銀集團的資深分析師團隊將全球超大規模雲計算廠商及新雲類型企業2027年的經營現金流預測大幅上調30%，並將AI算力主題的投資偏好排序明確為「存儲芯片>半導體設備>多層陶瓷電容器(MLCC)>精選中國臺灣半導體產業」，尤其看好亞太地區半導體板塊，強調AI算力產業鏈的核心參與者們多數位於亞太地區。

瑞銀對於亞太區域則重點推薦三星電子、聯發科、東京電子和北方華創，同時也長期看好臺積電、SK海力士、臺達電、智邦、日月光半導體等AI算力產業鏈中的最核心算力供應企業。下表匯總的是瑞銀分析師們全部21家「最偏好」公司，並補充阿斯麥(ASML)、鎧俠、南亞科及世芯四家直接相關標的。星號代表的是瑞銀分析師們點名的四大區域首選AI股票;目標價均為相應上市股票的本幣每股價格。

從萬億美元級別資本開支到存儲大幅漲價：瑞銀拆解AI算力基礎設施投資狂潮背后的六大邏輯

首先瑞銀聚焦的是，AI商業化改善，為持續擴張的資本開支提供現金流支撐。瑞銀預計，其覆蓋的12家雲計算及AI基礎設施企業，2026—2028年資本開支合計分別達到約1.009萬億、1.447萬億和1.619萬億美元，同比增長98.5%、43.5%和11.8%;2027年上行情景則達到1.8萬億美元。其中，2027年谷歌和Meta資本開支預計分別約為3,531億美元和2,449億美元。

這里的關鍵變化，是瑞銀同時上調了經營現金流預測，使投資擴張獲得更強的商業化支撐;報告仍將資本開支與經營現金流之間的融資缺口列為首要觀察因素，但判斷總體可管理。需求增長也體現在芯片收入結構：瑞銀預計，AI雲計算半導體收入由2026年的5,310億美元增至2027年的1.183萬億美元，2028年進一步達到1.443萬億美元，佔全球半導體收入的比例升至53%。需要注意的是，這些數據均為瑞銀分析師團隊最新預測，其中收入增長包含產品升級和存儲漲價的貢獻。

第二，存儲芯片投資主題是本報告最鮮明的配置主線，增長動力覆蓋HBM、服務器內存和企業級SSD。瑞銀預計，DRAM上行周期延續至2028年第二季度，NAND延續至2027年第四季度;服務器DRAM比特需求2026年增長49.9%，2027年進一步增長83.1%，服務器平均DRAM容量由927GB增至1,455GB。與此同時，2027年HBM終端需求預計增長約91%，AI服務器高性能DDR層面需求增長約192%。

瑞銀表示，供給端新增DRAM晶圓產能主要流向HBM，傳統DRAM與NAND的供給擴張相對受限;在計入庫存調整后，瑞銀模型顯示2027年DRAM、NAND供給缺口分別約為4.9%和1.4%，對應混合均價分別上漲44.1%和34.6%。

瑞銀還預計，增強型長期供貨協議覆蓋行業超過50%的出貨量，其中超過40%採用固定數量、固定價格條款，提高收入可見度。其預測模型中，雲廠商2027年存儲芯片相關聯的採購支出達到約9,332億美元，佔基準資本開支的高達64%，遠高於瑞銀預測的206年存儲開支佔比37%這一測算，因此客户購買能力也成為報告的重要觀察點。個股層面，三星受益於HBM執行改善與擴產能力，瑞銀預計其2027年HBM比特份額可能達到41%;SK海力士則繼續受益於HBM及其他存儲產品的盈利擴張。兩家公司更強的自由現金流及分紅、回購能力，是瑞銀認為市場將進一步關注它們的股東回報價值層面邏輯。

第三，GPU與ASIC這兩條最核心的AI加速器計算技術路線共同加速擴張，服務器投資機會向多種計算架構和整機架升級延伸。按照瑞銀的AI加速器匯總口徑，瑞銀預計2026年GPU及加速器數量約為1,693.3萬顆，同比增長32%，2027年增至2,849.3萬顆，同比增長68%。英偉達機架交付預計由2026年的80,090台升至2027年的95,098台，期間Blackwell或者Blackwell Ultra向Rubin加速切換，因此舊平臺機架減少應結合新平臺大規模放量來進行推演與理解。

AI ASIC/谷歌TPU供需方面，聯發科是重點：報告轉述其將2027年TPU銷售目標由70億—120億美元提高至120億—160億美元，瑞銀自身預測更高，達到180億美元，2028年進一步達到350億美元，背后是TPU市場擴大、份額提升及v9項目推進。

AI服務器/AI服務器整合機櫃整機供應鏈環節，鴻海受益於Rubin機架更高的售價、非芯片部件整合及製造附加值;智邦則受益於Trainium板卡、800G/1.6T交換機、液冷和光交換的內容增加。CPU與存儲配套也同步升級，例如瑞銀預計Simmtech的SOCAMM2相關收入由2026年的2,240億韓元升至2027年的4,530億韓元。

第四，先進製程、封裝複雜度與存儲擴產，共同拉動設備、材料和測試需求。瑞銀預計，全球晶圓製造設備(WFE)市場2026—2028年分別達到1,580億、2,260億和2,745億美元，其中2027年DRAM設備支出增長約60%。瑞銀表示，臺積電AI/高性能計算需求可見度延伸至2029—2030年，瑞銀預計其2026—2028年資本開支分別為630億、800億和950億美元;全行業層面的2.5D級別CoWoS先進封裝月產能則由2026年底的16萬片增至2027年底的27萬片。

瑞銀強調，全球2.5D/3D先進封裝擴張將加速進一步傳導至日月光、萬潤和測試廠商：日月光2027年LEAP先進封裝測試業務收入指引提高至超過70億美元，瑞銀預測為75億美元;Chiplet、多裸片集成及複雜封裝增加測試步驟和測試時間，支持愛德萬、AEM、京元電子及HBM測試設備企業。更長期的HBM4/HBM4E、4F²垂直溝道DRAM和CoPoS路線，又增加沉積、刻蝕、光刻、鍵合及檢測需求。對應個股，東京電子受益於DRAM設備敞口及產品提價，北方華創受益於中國存儲擴產與設備國產化，總部位於荷蘭的光刻機巨頭阿斯麥(ASML)則受益於先進邏輯和DRAM共同增加的光刻需求。

第五，數據中心光互連、供電/配電和MLCC的增長，來自數據中心帶寬與功率密度同步提升。瑞銀對光收發器可服務市場的基準預測，是由2025年的120億美元增至2030年的323億美元，其中CPO貢獻65億美元、佔20%;上行情景下，總市場達到552億美元，其中CPO貢獻138億美元、佔25%。

瑞銀的這些預測意味着，可插拔光模塊與CPO都存在增長空間，價值增量覆蓋光芯片、激光器、光纖、交換ASIC、封裝與測試設備。供電方面，瑞銀預計AI服務器供電市場2025—2030年複合增長約69%，2030年達到911億美元;臺達電憑藉從電網側到芯片側的產品組合受益，400V/800V供電架構預計在2028—2029年成為更大的增長驅動。

MLCC方面，AI服務器需要更多高規格去耦、濾波元件，而高端產品生產周期與良率限制供給擴張：瑞銀預計三星電機AI服務器MLCC收入2025—2030年複合增長約80%;村田則已將截至2027年3月財年的數據中心收入指引提高至3,706億日元，同比增長110%。這些機會共同指向單位機架內電子元器件價值的提升。

第六，瑞銀的配置強調行業分化，並結合估值、持倉和盈利兑現選擇公司標的。區域配置上，瑞銀的這份研究報告超配韓國和中國臺灣半導體，中性配置日本;行業配置超配先進製程代工、存儲、封測、服務器ODM和晶圓設備。儘管MLCC在其偏好排序中靠前，正式行業權重仍為中性，推薦主要體現在具體具備超額阿爾法價值的公司標的。

消費電子方面，瑞銀預計全球PC出貨2026年下降11%、2027年下降約4%;智能手機出貨2026—2028年分別下降10%、下降3%和增長2%，存儲漲價、終端購買能力及換機意願分化，是其審慎看待相關板塊的重要依據。此外，瑞銀表示個股選擇也具有區分度：韓美半導體維持賣出、目標價170,000韓元，大立光為賣出、目標價5,000新臺幣，原因涉及競爭、估值及認證進度;華碩、仁寶和和碩即使擴大AI服務器業務，仍獲中性評級;由此可見瑞銀分析師團隊似乎更重視需求最終轉化為利潤、自由現金流和股東回報的能力。

AI開始替人高效率干活，為何全球需要加速推進AI數據中心升級與新建設進程?

Muse與Astra迅速爆火帶來的最核心變化與AI應用趨勢，是一次用户指令可以觸發持續、多階段的計算工作。一個研究、編程或辦公任務，可能依次包含規劃、檢索、讀取文檔、調用工具、執行代碼、檢查結果和修正錯誤，其中多個步驟需要重新調用模型，複雜任務還可能採用並行探索與驗證。

Muse的雲端虛擬機和后臺執行機制，以及Astra的計算機操作能力，擴大了能夠交給AI完成的工作範圍。從需求模型看，總計算量由活躍用户數量、任務頻次及每項任務的推理工作量共同決定，峰值併發和響應時間要求則決定基礎設施需要配置多少容量。

更強的模型還能通過提高成功率、降低完成任務的成本，吸引更多工作進入AI系統。Meta披露，Muse Spark 1.3在其工程師比較測試中，工具調用和token使用量分別減少約20%和25%(相較於Muse Spark 1.2的內部工程比較結果);這一效率大幅提升，使更多原本成本過高或可靠性不足的任務具備商業可行性，從而通過用户規模與任務量擴張，為總體AI應用加速滲透以及用户Token輸入/使用消耗量指數級增長創造有利條件。

這也是為何在瑞銀分析師團隊看來這類近乎天量級別且極度複雜的AI推理工作負載會把增長機會傳導至GPU之外的完整計算系統。GPU與ASIC承擔神經網絡計算，AMD、英特爾以及Arm架構CPU則可承接虛擬機、瀏覽器、代碼執行、任務調度及數據處理;模型權重、長上下文和KV緩存增加HBM及系統內存容量、帶寬需求，長期記憶、文件與適當的緩存分層增加企業級SSD需求;分佈式推理、多節點數據交換及存儲訪問進一步拉動高速網絡和光互連。

OpenAI在9月11日披露，其Habitat在線存儲平臺已處理每秒超過7,000萬次存儲請求、管理超過500PB的創紀錄式里程碑數據，並明確列舉路由、壓縮、加密和校驗等CPU密集工作，這為「AI應用增長同時拉動CPU與存儲等AI半導體以及數據中心光互連傳輸」提供了實際工程依據。隨着更多任務進入生產環境，新增服務器及更高的機架功率密度，又將需求傳導至供電、液冷和電網接入。因此，從工程與投資角度推演，Muse、Astra所代表的智能體普及，有望同時擴大AI計算容量、存儲、數據中心高速光互連和能源系統的強勁需求，這也與瑞銀對存儲芯片、支撐AI半導體大規模擴產的半導體設備瓶頸以及AI數據中心基建核心供應鏈的重點佈局相呼應。