本文作者：鲍奕龙
来源：硬 AI
2026 年 AI 半导体行业将迎来又一强劲增长年，但 AI 硬件领域的投资逻辑正在发生深刻转变。
10 月 20 日，摩根士丹利研报指出，过去两年，市场焦点一直集中在台积电的 CoWoS 封装和先进制程等上游产能瓶颈上。
然而，根据英伟达、台积电的最新表态以及 2025 年 OCP 大会释放的信号，这一局面已经改变。芯片制造和封装环节通过大规模扩产，已不再是制约 AI 发展的核心矛盾。
摩根士丹利强调真正的瓶颈正在向下游转移，集中在数据中心空间、电力供应、液体冷却、高带宽内存（HBM）、服务器机架和光模块等配套基础设施上。
研报认为，这意味着投资机会正从上游的晶圆代工和封装，扩散至更为广阔的下游供应链。未来，无法获得充足电力和物理空间的数据中心，将成为 AI 算力竞赛中的掉队者。
<h2 id="f5f9e4d0">上游产能不再是唯一瓶颈，芯片制造与封装已大幅扩张</h2>
曾几何时，市场对 AI 芯片能否足量供应充满疑虑，而台积电的 CoWoS 先进封装能力被视为关键瓶颈。然而，最新的行业动态显示，这一情况已大为改观。
台积电在其近期财报会议上透露，“AI 需求比我们三个月前想象的还要强劲”，公司正努力 “缩小供需差距”。重要的是，台积电表示其扩充 CoWoS 产能的前置时间仅需 6 个月，这给予了供应端极大的灵活性。
尽管其 4nm 和 3nm 等先进节点的晶圆前端产能依然紧张，但 AI 半导体显然拥有比加密货币 ASIC 或安卓智能手机 SoC 更高的优先级。
英伟达 CEO 黄仁勋也在近期的交流中明确表示，半导体产能已不再是过去那样的限制因素。经历了几年前的需求激增后，整个供应链的制造和封装环节已经 “实现了大幅扩张”，公司有信心满足客户需求。
综合来看，虽然总需求持续高速增长，报告预测 2026 年全球 CoWoS 总需求将达到 115.4 万片晶圆，同比增长 70%，但供应端的快速响应能力已显著增强。
<div>
<div>
<h2 id="ocp">瓶颈转移，下游基础设施成为新的挑战</h2>
当芯片供应不再是最大难题时，瓶颈自然向下游转移。
英伟达指出，当前更大的制约来自数据中心空间、电力和配套基础设施的可用性，而这些领域的建设周期远长于芯片制造。
OCP 大会的内容也印证了这一趋势。随着 AI 集群规模迈向 “十万级 GPU”，整个数据中心的设计理念正在被重塑：
</div>
<blockquote>
电力与散热：
<ul>
<li>大规模 GPU 集群的部署意味着巨大的电力消耗和散热挑战。OCP 大会上，液冷已成为新 AI 机架的默认配置，而高压直流（HVDC 800V）等供电方案的需求也日益增长。</li>
<li>这使得像 Aspeed 这样的公司受益，其 BMC（基板管理控制器）不仅用于服务器，还扩展到了包括冷却在内的多种设备上。</li>
</ul>
存储与内存：
<ul>
<li>AI 工作负载对数据存储和访问速度提出了极致要求。Meta 明确表示，出于成本考虑，其数据中心将优先采用 QLC NAND 闪存。与此同时，希捷提到，HDD（机械硬盘）仍将保持 95% 的容量在线，以满足大型和远程数据中心的需求。</li>
<li>更关键的是，对 HBM（高带宽内存）的需求正呈爆炸式增长，报告预测，到 2026 年，全球 HBM 消耗量将高达 260 亿 GB，其中英伟达一家就将消耗 54% 的份额。这种高度集中的强劲需求，使得 HBM 的供应成为影响 AI 服务器出货的关键变量。</li>
</ul>
机架与网络：
<ul>
<li>为了实现超大规模部署，OCP 推出了 “AI 开放数据中心” 和 “AI 开放集群设计” 等标准化蓝图，涵盖机架、液冷、电源接口等。</li>
<li>在网络方面，阿里巴巴表示可插拔光模块（Pluggable Optics）因其总拥有成本和灵活性依然是首选，而 LPO（线性驱动可插拔光模块）等技术也正获得关注。</li>
<li>CPO/NPO（共封装/近封装光学）预计将在 2028 年随着制造工艺成熟而实现。</li>
</ul>
</blockquote>
</div>
<h2 id="795ad1d3">需求预测预示下游组件迎来爆发式增长</h2>
下游基础设施的重要性，可以从需求预测数据中得到验证。
摩根士丹利的分析师预计，2026 年全球云服务资本支出将同比增长 31%，达到 5820 亿美元，远高于市场普遍预期的 16%。
此外如果假设 AI 服务器在资本支出中的占比提升，这意味着 2026 年 AI 服务器的资本支出可能实现约 70% 的同比增长。
从需求端看，各大 AI 巨头仍在疯狂 “囤货”。报告详细拆解了 2026 年的 AI 芯片需求：
<blockquote>
<ul>
<li>CoWoS 产能消耗：英伟达预计将占据 59% 的份额，其次是博通（18%）、AMD（9%）和 AWS（6%）。</li>
<li>AI 计算晶圆消耗：英伟达以 55% 的份额遥遥领先，其次是谷歌（22%）、AMD（6%）和 AWS（6%）。</li>
</ul>
</blockquote>
总结而言，OCP 大会传递出的信号与产业链数据交叉验证，清晰地指明了 AI 硬件投资的新方向。在芯片制造和封装环节的产能瓶颈逐步打开后，市场的焦点必然会转向那些支撑超大规模 AI 计算的基础设施。
研报认为对于投资者来说，这意味着需要将视野从单一的芯片公司，扩展到整个数据中心生态系统，寻找在电力、散热、存储、内存和网络等下游环节具备核心竞争力的 “卖铲人”。

英伟达

台积电

摩根士丹利研报指出芯片制造和封装环节通过大规模扩产，已不再是制约 AI 发展的核心矛盾。真正瓶颈转移至数据中心电力、液冷、HBM 内存、机架和光模块等基础设施。投资机会从晶圆代工扩散至下游供应链，拥有电力和空间资源的数据中心将在 AI 算力竞赛中占据优势。

- 2026 年 AI 半导体行业将迎来强劲增长，投资逻辑转向下游基础设施。  
- 数据中心空间、电力供应等成为新的瓶颈，影响 AI 算力发展。  
- 预计 2026 年全球云服务资本支出将增长 31%，AI 服务器支出可能增长 70%。  

OCP 大会焦点：制造和封装已大幅扩产，AI 芯片瓶颈转向下游，包括内存、机架、电力等