云厂商 Capex 降速，AI 芯片价值量为何逆势飙升？

据 Woofun AI 消息，摩根士丹利最新研报揭示，AI 投资虽进入"降速期"，但芯片单颗价值量持续上升，行业重心正从总量扩张转向结构优化。

市场曾将 Meta、Google、微软和亚马逊的资本开支增速视为 AI 景气度的唯一风向标。2026 年二季度，这四大云厂商 Capex 同比激增 87%，Capex/EBITDA 比率突破 70%。

然而，这种高增长不可持续。摩根士丹利预测，至 2028 年，全球前 14 家上市云服务商 Capex 总额将达 1.6 万亿美元，但同比增速回落至 12%。表面看是降温，实则结构剧变：2.5D 先进封装产能预计同比增长 50%。

这意味着，即便 CSP Capex 增速降至 10%-20%，只要 AI 占比提升，GPU、ASIC、HBM 及先进封装仍将跑赢大盘。展望 2030 年，全球半导体市场规模预计达 1.5 万亿美元，其中 AI 半导体 TAM 约 7530 亿美元，占比近半。在供应链驱动的乐观情景（bull case）下，2026 年云端 AI 半导体市场甚至可能触及 4850 亿美元。

与此同时，非 AI 半导体增长乏力，若剔除存储和 NVIDIA AI GPU，2026 年非 AI 半导体增长可能转负，表明 AI 已形成独立于传统半导体复苏逻辑的高增长产业链。

台积电的产能演进清晰映射了单颗芯片价值量的提升逻辑。摩根士丹利预计，2026 年 AI 半导体在台积电收入中占比将超 30%。N2 家族产能将在 2026 年至 2028 年间实现 70% 的复合增长率，N3 产能持续增加，而 N5 产能自 2027 年起可能下降。

这一调整背后，是 AI 芯片从 5nm 向 3nm、2nm 制程迁移，以及从普通封装转向 CoWoS 和 SoIC 先进封装的技术迭代。叠加 HBM 堆叠技术，每一代 AI 加速器都显著提高了单颗芯片对应的晶圆、封装和存储价值量。因此，即使服务器数量增速放缓，单机半导体价值量的上升足以支撑先进封装增速远超整体 Capex，形成"量减价增"的价值捕获效应。

Woofun AI 整理数据显示，AI 芯片增长动力正从 NVIDIA GPU 向定制 ASIC 扩散。大型云厂商为优化特定工作负载的成本、性能与能效，并降低对单一供应商依赖，纷纷推进自研芯片。Google 拥有 TPU，Amazon 部署 Trainium，Meta 也在推进自己的 ASIC 项目。摩根士丹利预测，Alchip 来自 AWS Trainium 的收入将从 2026 年的 18 亿美元增至 2027 年的 28 亿美元，2028 年达 80 亿美元，届时占 Alchip 总收入 82%。

Google TPU 前景更为激进：MediaTek 的 TPU 相关收入预计从 2027 年的 135 亿美元跃升至 2028 年的 435 亿美元，2029 年达 700 亿美元，2028 年占 MediaTek 总收入 65%。这些增长不仅限于芯片本身，还延伸至 ABF 载板和测试环节，其中 Google TPU 的放量可能受限于 ABF 载板供应，凸显了产业链瓶颈的转移。

中国 AI 芯片逻辑正经历从"国产替代"到"需求创造"的根本转变。DeepSeek 展示了低成本 AI 推理能力，刺激了推理需求爆发；同时，本土晶圆制造供应链在 AI GPU 生产上的能力提升，形成了"推理成本下降→应用增加→算力需求扩大→本土芯片需求增加"的正向循环。摩根士丹利重点关注 Iluvatar、寒武纪、海光、北方华创、中微公司，并将中芯国际列入 AI 方向 Overweight 组合。

然而，需求并非最大瓶颈。报告指出，美国 AI 发展的核心制约是 Energy（能源），而中国则是 Chip Capacity（芯片产能）。中国 AI 芯片的最终放量，取决于先进制程、先进封装和存储的有效产能释放，而非单纯的市场需求。

存储领域的供需格局印证了产能瓶颈的严峻性。摩根士丹利预计，2028 年全球 DRAM 产能将达 3374kwpm，其中长鑫存储约 500kwpm，占全球 15%；2025 年至 2028 年，长鑫 bit shipment 复合增长率约 40%。长鑫亦切入 HBM 市场，其 HBM TSV 产能预计从 2026 年的 20kwpm 增至 2027 年的 40kwpm，2028 年达 70kwpm。按 bit shipment 计算，长鑫在全球 HBM 市场的份额将从 2026 年的 3.8% 升至 2027 年的 4.4%。

然而，这并未缓解全球存储紧张。模型显示，2026 年全球 DRAM 供需缺口仍达 17%，2027 年为 15%，HBM 持续供不应求。HBM 已从 GPU 配套零部件转变为决定 AI 服务器能否生产、算力集群能否扩张的基础设施瓶颈资产，其稀缺性直接制约了 AI 算力的整体供给。

这份 61 页研报的核心结论在于重构 AI 周期的判断指标体系。AI 半导体正从依赖 CSP Capex 高速增长的第一阶段，进入依靠 AI 占比提升和单机价值量提升的第二阶段。因此，仅观察 Meta、Google、Microsoft 和 Amazon 的 Capex 增速已不足以判断拐点。

更关键的指标包括：AI Capex 占比、CoWoS/EMIB 产能、HBM 供需、2nm 利用率，以及 Google TPU、AWS Trainium 等 ASIC 的实际出货节奏。若 CSP 整体 Capex 增速下降，但上述结构性指标保持高增长，AI 半导体景气度未必见顶；只有当这些核心指标同步转弱，才真正预示 AI 半导体周期的拐点到来。