夜雨聆风本文内容基于《大中华区半导体（亚太区）：构建面向未来 AI 的基础设施：CPU、GPU、ASIC、光学及中国芯片》（英文标题：Greater China Semiconductors | Asia Pacific Build for Future AI Infrastructure – CPU, GPU, ASIC, Optical, and China Chips）整理，报告发布机构：摩根士丹利，发布时间：2026 年 6 月 4 日。本文仅作产业信息交流与学术研究参考，不构成任何投资建议。文中所有观点均来自原报告，不代表本公众号立场。市场有风险，投资需谨慎。
AI 半导体的未来十年，摩根士丹利说了什么
摩根士丹利预测 2030 年全球半导体市场规模将达到 1.5 万亿美元，其中一半来自 AI 半导体。中国 AI 芯片市场规模到 2030 年将达到 670 亿美元，自给率有望提升至 86%。这两个数字基本框定了未来五年全球半导体产业的核心增长曲线。
全球 AI 半导体的市场空间
2025 年云 AI 半导体的总潜在市场规模约为 2350 亿美元，其中绝大部分来自英伟达的 AI GPU，非英伟达的 GPU 和云 AI ASIC 合计约 300 亿美元。到 2030 年，AI 半导体的总潜在市场规模将接近 7530 亿美元，2023 到 2030 年的年复合增长率达到 38%。
从应用拆分来看，云侧依然是 AI 半导体最大的需求来源，其次是汽车、消费电子、PC 和智能手机。云服务厂商的资本支出强度直接决定了上游半导体的需求天花板。摩根士丹利的云资本支出追踪器显示，2026 年全球云资本支出将达到 6850 亿美元，比市场一致预期高出 10%。前四大云厂商 2026 年第一季度的资本支出同比增长 95%，资本支出与 EBITDA 的比率保持在 50% 左右的稳定水平。
做过产业的人都知道，资本支出的传导有 6 到 12 个月的滞后性。现在看到的资本支出增长，会在 2026 年下半年到 2027 年集中转化为半导体订单。逻辑半导体代工厂的产能利用率预计在 2026 年下半年回升到 80%，就是这个传导效应的直接体现。
台积电的先进封装扩张
台积电在 AI 半导体产业链的核心地位没有动摇。摩根士丹利预测，台积电的 AI 半导体收入占比将在 2026 年超过 30%，2024 到 2029 年的年复合增长率达到 60%。从收入结构来看，通用 AI 芯片、定制 AI 芯片、先进封装和服务器 CPU 是主要的增长来源。
先进封装已经成为台积电新的增长引擎。CoWoS 产能到 2027 年底将扩大到 200 千片 / 月，其中台积电占据绝大多数份额，其他厂商如 Amkor、UMC 和 ASE 的合计占比很小。SoIC 封装也是台积电未来几年的重点扩张方向，2026 年和 2027 年的需求主要来自英伟达、AMD 和苹果。
2026 年 AI 计算晶圆的消费额将达到 270 亿美元，英伟达占据大部分份额。从节点来看，3nm 和 5nm 是 AI 芯片的主力工艺，2nm 工艺的需求将从 2026 年开始快速增长，主要客户包括英伟达、AMD、苹果、高通和博通。
内存市场的供需格局
内存已经成为制约 AI 服务器交付的关键瓶颈。HBM 在 2026 年的消耗量将达到 320 亿 GB，英伟达依然是最大的采购方，其次是 AMD、谷歌、AWS 和微软。海力士、三星和美光是主要的 HBM 供应商，其中海力士占据最大的市场份额。
除了 HBM，其他内存品类也出现了供应紧张的情况。AI 存储需求的爆发导致 NAND 闪存出现短缺，NOR 闪存的供应不足会持续到 2026 年。DDR4 的短缺将延续到 2026 年下半年，主要是因为产能向更先进的 DDR5 转移，而传统领域的需求依然稳定。
内存的涨价已经开始传导到下游。摩根士丹利提到，晶圆、封装测试和内存成本的上升，会在 2026 年给芯片设计公司带来更大的利润率压力。同时，半导体供应链会优先保障 AI 芯片的供应，非 AI 芯片的产能会被挤压。
AI ASIC 与测试设备的爆发
即使英伟达的 GPU 性能很强，云服务厂商依然在大力发展自己的定制 AI 芯片。谷歌的 TPU 已经发展到第 7 代，由联发科代工 3nm 的 v8t 和 2nm 的 v9，TPU 的性能每一代都在快速提升。AWS 的 Trainium3 在 2026 年的出货量预计达到 1520 千单位，2027 年进一步增长到 2000 千单位。Meta、微软和 OpenAI 也都有自己的 AI ASIC 项目在推进。
定制芯片的爆发带动了测试设备市场的快速增长。测试设备市场 2024 到 2027 年的年复合增长率达到 35%，主要是因为 AI 芯片的测试复杂度和测试时间大幅增加。传统消费电子芯片的测试时间只有几百秒，而现在的 AI GPU 测试时间已经达到 1200 到 1400 秒，下一代 GPU 的测试时间可能达到 1800 到 2000 秒。同时，AI 芯片的测试插座引脚数也从传统的几千个增加到 10000 个以上。
Hon Precision、MPI 和 WinWay 这几家公司在测试设备和组件领域的市场份额会快速提升。Hon Precision 的收入 2025 到 2028 年的年复合增长率预计达到 67%，市场份额从 2024 年的 28% 提升到 2027 年的 42%。MPI 的探针卡市场份额将从 2024 年的 8% 提升到 2028 年的 20%，EPS 的年复合增长率达到 94%。WinWay 的插座市场份额将从 2024 年的 8.6% 提升到 2028 年的 20%，EPS 的年复合增长率达到 95%。
中国 AI 芯片的追赶之路
中国 AI 芯片市场的增长速度快于全球。摩根士丹利预测，中国 AI 芯片市场规模到 2030 年将达到 670 亿美元，其中云服务厂商、电信运营商、主权和国有企业是主要的需求来源。中国 AI 芯片的自给率将从 2024 年的 21% 提升到 2030 年的 86%，对应的市场规模为 580 亿美元。
从市场份额来看，2026 年华为在国内 AI 加速器市场占据 62% 的份额，寒武纪占 14%，昆仑芯占 5%，平头哥占 5%，其他厂商合计占 14%。国内芯片的竞争力正在快速提升，总拥有成本比英伟达低 30% 到 60%，每 token 成本已经可以和英伟达在中国市场的产品相当甚至更优。
摩根士丹利认为，中国通过三个步骤缩小和美国的技术差距。如果单个计算 die 的性能不够，就把更多的 die 封装到一个芯片里。如果单个芯片的性能不够，就建设更大的机架和集群。如果单个晶圆厂的产能不够，就扩大制造产能。这种以规模换性能的路线，在推理场景下已经体现出明显的优势。
国内的 “十小龙” AI GPU 厂商中，寒武纪、摩尔线程和天数智芯是进展较快的三家。寒武纪的收入 2025 到 2028 年的年复合增长率预计达到 90%，产品覆盖训练和推理场景，客户包括字节跳动、腾讯和中国移动。天数智芯的收入 2025 到 2028 年的年复合增长率预计达到 122%，产品路线图规划到 2027 年之后，目标是超越英伟达的 Rubin 架构。
