AI产业价值迁移五讲 · 第2讲

一、先看产业规模：AI正在重写资本开支

世界半导体贸易统计组织WSTS在2026年春季预测中预计，2026年全球半导体销售额将增长90%至1.5万亿美元。这个数字属于行业预测，并非已经实现的全年收入，但它反映了AI基础设施对先进逻辑、存储和互连的异常强劲拉动。

SEMI在2026年7月发布的年中预测预计，全球半导体制造设备销售额将在2026年达到1659亿美元，同比增长23.2%；其中晶圆厂设备约1439亿美元，同比增长23.1%。晶圆代工和逻辑设备支出预计达到780亿美元，DRAM设备支出约388亿美元，同比增长39%；测试设备预计增长31%至153亿美元。

设备之外还有一层容易被忽略的材料市场。SEMI统计的2025年全球半导体材料收入约732亿美元，覆盖硅片、光罩、光刻胶、电子气体、湿化学品、CMP和封装基板。SIA披露，一座领先制程晶圆厂投入可能达到200亿至250亿美元，制造流程超过1000个精密步骤，单台关键设备价格可从约500万美元上升到3亿美元以上。AI芯片的技术领先，建立在大量“小市场、高认证壁垒”的设备与材料环节之上。

这些数字说明，AI需求已经不只表现为几家云公司采购GPU。晶圆厂开始扩建先进逻辑与内存产能，设备公司增加交付，封装与测试环节升级，数据中心同时扩充网络、电力和冷却。产业链的收入确认时间不同：云厂商今天下单，设备公司可能先确认收入，晶圆产能随后释放，芯片和服务器最后才进入客户机房。

因此，研究AI半导体不能只问“哪家公司有最强GPU”，还要问三件事：当前真正限制交付的是哪一环；这个瓶颈需要多久才能扩产；扩产完成后利润会留在原环节，还是转移到新的瓶颈。

二、从一条指令到一个Token，经过哪些环节

可以把AI半导体产业链分成九层：

这张表揭示了一个经常被忽略的事实：半导体产业链不是从上到下平均分配利润。某一层只要短期供给缺乏弹性，就可能获得超额利润；但当资本快速进入、产能释放，利润又可能转移。

三、第一利润池：加速计算平台

英伟达 2027财年第二季度总收入962.2亿美元，其中数据中心收入890.2亿美元，同比增长117%；营业利润637.3亿美元。它销售的已经不是一块独立GPU，而是由CPU、GPU、NVLink、网络、系统、CUDA和软件库组成的平台。

这类平台的壁垒来自四层叠加：芯片架构决定性能，先进制程与封装决定能否量产，网络决定集群扩展，软件生态决定客户迁移成本。单项跑分领先并不足以替代整套平台。

与此同时，定制芯片正在扩大。博通 2026财年第三季度AI半导体收入167亿美元，同比增长221%，反映大型云客户愿意为稳定、规模化的特定工作负载开发ASIC。GPU适合快速迭代和广泛模型，ASIC在工作负载稳定、出货量足够大时可能获得更好的成本和能效。

两条路线会长期共存。投资者需要观察的不是“ASIC是否消灭GPU”，而是训练、通用推理和固定推理各自增长多快，以及平台公司能否持续降低每Token成本。

四、第二利润池：HBM和先进封装

AI模型需要不断在计算单元与内存之间搬运参数。计算芯片再快，如果内存带宽不足，昂贵的计算单元也会等待。HBM通过堆叠DRAM并缩短互连距离，提高带宽和能效，但同时增加制造、堆叠、测试和散热难度。

台积电披露，CoWoS可将多个系统级芯片与HBM堆栈集成，用于提升高性能计算产品的算力和内存带宽；其SoIC 3纳米堆叠技术已在2025年进入量产。先进封装由过去的后端工序，变成决定系统性能和产品上市时间的核心环节。

HBM需求还会挤占传统DRAM晶圆和设备资源。SEMI预计2026年DRAM设备支出增长39%至388亿美元，说明厂商正在响应高价格。但HBM扩产并非立即转化为有效供给：先进DRAM制程、堆叠、基底晶粒、封装和最终测试任何一处良率不足，都会降低可销售产出。

截至2026年中，三家主要厂商都在推进HBM4。SK海力士称HBM4已于第二季度批量出货，三星称已开始商业出货，美光则称HBM4累计收入已超过10亿美元、量产爬坡速度快于上一代。这些均属于公司自述，不能简单据此计算全球份额，却说明竞争指标已经由“有没有HBM”转向带宽、功耗、堆叠层数、良率、客户认证和可交付数量。

内存环节因此同时具备结构增长与强周期属性。短期供需紧张可以把毛利率推到历史高位，长期供给增加又可能带来价格回落。研究这一环节，必须同时跟踪平均售价、位元出货、HBM产品占比、资本开支和客户长期合同。

五、第三利润池：设备、制造与工艺控制

每一代先进制程和先进存储都需要更多光刻、沉积、刻蚀、清洗、量测和检测步骤。设备公司不像芯片设计公司那样直接享受终端售价，却能从整个行业扩产和工艺复杂度上升中获益。

阿斯麦 2026年第二季度销售额93亿欧元、净利润29亿欧元。公司表示，AI投资正在推动先进逻辑和存储需求，并计划在2027年把低数值孔径EUV年产能力从2026年约65台的基础上增加30%，同时研究2028年再提高30%。设备订单和产能规划具有较长提前期，可以用来观察晶圆厂对未来两三年的信心。

设备环节的风险也很清楚：客户高度集中、单台设备昂贵、订单容易受资本开支节奏影响，出口限制还会改变可服务市场。订单增加不等于当季收入，积压订单也可能延期。评估设备公司时，应同时看新增订单、收入确认、服务收入、客户预付款和产能扩张，而不能只看一个季度的订单跳升。

晶圆制造则承担最重资本开支和良率风险。台积电、三星和英特尔需要在客户最终需求尚未完全确定时建设产线。领先制程如果按期量产并保持高利用率，会形成强大的规模与工艺壁垒；如果客户推迟产品，折旧仍会进入成本。

六、下一轮瓶颈正在移向网络、电力和散热

当集群从几百颗加速器扩大到数万颗甚至更多，单芯片性能不再等于集群有效性能。任何一台服务器等待网络同步，都可能降低整个训练任务的利用率。交换芯片、网卡、铜连接和光模块因而从配套部件升级为算力系统的一部分。

2026年的高端交换芯片已经进入单芯片102.4Tb/s级别，博通 Tomahawk 6与英伟达 Spectrum-6都把目标指向更大规模AI集群；光通信则由800G继续升级至1.6T，并开始引入共封装光学。这里的核心不是名义端口速度，而是整网延迟、拥塞控制、可靠性和每传输一比特的功耗。

网络继续扩展后，电力成为更硬的物理边界。高密度AI机柜需要更大供电、更复杂的配电和液冷系统。电网接入、变压器和冷却交付周期，可能比采购芯片更长。芯片已经交付但数据中心无法并网，收入和Token产出仍然无法形成。

IEA预计全球数据中心用电需求可能从2025年的约485TWh上升至2030年的约950TWh，其中AI数据中心用电约增长三倍。该数字属于预测，但已经足以解释为什么变压器、配电、液冷和并网审批会进入AI产业链研究框架。

这意味着AI产业链正在向半导体以外延伸。设备、内存和光通信仍属于直接芯片链，电力与冷却则决定芯片的可利用率。两者不能混为同一估值类别，却必须放在同一系统中观察。

七、关键公司的阶段路线：它们为何占据今天的瓶颈

产业链每一层的龙头都经历了从单一产品到平台能力的扩张。把历史压缩成阶段，可以判断当前利润来自短期紧缺，还是长期积累。

这些公司的护城河形态并不相同。英伟达主要依靠软件与系统，台积电和阿斯麦依靠制造学习曲线与供应链协同，存储厂依靠工艺、良率和资本纪律，博通则依靠客户共同设计与并购后的产品组合。因此不能用同一个市盈率框架解释所有环节。

八、2026—2029年增长与竞争展望：五场决定价值分配的战争

第一场是GPU平台与定制ASIC的分工。通用训练、快速变化的模型和多租户云仍偏好成熟平台；调用量巨大且工作负载稳定的推理更适合自研芯片。基准情景不是一方清零另一方，而是云厂商用ASIC降低边际成本，同时继续采购GPU承担通用与前沿任务。验证指标是自研芯片利用率、外部客户采用、每Token成本和英伟达系统毛利率。

第二场是领先制程与先进封装的共同竞争。晶体管缩放仍会继续，但大尺寸中介层、混合键合、芯粒互连和散热将共同决定系统性能。台积电的优势在于把节点与封装同时交付；三星与英特尔能否缩小差距，要看良率、按期量产和外部客户，而不是只看路线图发布日期。

第三场是HBM4与HBM4E的份额重排。SK海力士拥有先发和客户积累，三星拥有规模与垂直整合，美光正在依靠新一代产品和长期协议追赶。份额会受到单一客户产品周期影响，判断胜负应同时看收入、位元出货、平均售价、良率和认证客户数。行业即使结构升级，也可能在集中扩产后重现价格周期。

第四场是互连路线。以太网生态依靠开放性和更广供应商基础扩张，专有互连依靠软硬件协同提高大集群效率；可插拔光模块继续向1.6T升级，共封装光学则争取降低功耗。真正的胜负标准是整网利用率、故障恢复、每比特功耗与总拥有成本。

第五场是物理交付能力。电网接入、变压器、燃机、液冷和建设审批可能比芯片更慢。芯片订单强劲而数据中心无法按期上电，会让库存、应收与资本回报恶化。到2029年前，应把已上架并投入使用的算力、集群利用率和AI收入，与采购承诺分开跟踪。

基准情景下，AI基础设施保持增长，但利润从最紧缺环节轮动到下一瓶颈；乐观情景是推理需求、智能体和物理AI形成足够收入，消化持续扩产；悲观情景则是资本开支先形成折旧，应用收入和电力交付滞后，存储、封装与服务器环节率先出现库存修正。三种情景都要求持续验证，不能把公司的多年目标直接当作已实现业绩。

九、如何判断利润还会留在哪一环

第一，看订单是否来自真实使用。云厂商资本开支增长必须逐步转化为推理调用、企业客户续费和付费用户，而不是只在供应链中形成重复下单。

第二，看供给弹性。EDA/IP、尖端光刻和成熟软件生态短期难以复制；内存、封装和服务器虽然也有技术门槛，但高利润会吸引扩产，价格弹性更大。

第三，看客户集中度。加速器、HBM和先进封装都依赖少数大客户。大客户自研芯片、调整架构或延后数据中心，都可能让供应商收入突然变化。

第四，看利润与现金流是否同步。预付款和库存可能暂时抬高经营现金流，巨额资本开支又会压低自由现金流。处于扩产阶段的公司，净利润不能替代现金流分析。

第五，看技术路线是否改变价值量。模型压缩、更高效推理和端侧AI可能降低单次任务需要的计算量；更便宜的Token也可能刺激更大使用量。效率提升究竟减少总算力，还是通过需求弹性扩大总市场，需要由实际调用数据验证。

AI芯片不是一颗GPU，而是一条从设计工具、设备材料、晶圆制造、逻辑芯片和HBM，一直延伸到网络、电力、云与智能体的系统。2026年最强的利润增长来自算力和存储，但真正决定下一轮排名的，是谁能在扩产后继续保有定价权，谁又会从瓶颈变成过剩产能。

资料与来源

本讲引用的公开资料如下，数据与事实均来自公司公告、监管文件或官方机构发布。

SIA/WSTS：2026年全球半导体销售预测

SEMI：2026—2028年全球半导体设备预测

SEMI：2026年内存设备投资预测

SEMI：半导体材料市场

SIA：先进晶圆厂投入与制造复杂度

台积电2025年年报

台积电：专业晶圆代工模式

英伟达 2027财年第二季度10-Q

博通 2026财年第三季度业绩

阿斯麦 2026年第二季度业绩

阿斯麦公司发展史

SK海力士 2026年第二季度业绩

三星 HBM4商业出货公告

博通 Tomahawk 6

英伟达 Spectrum-6

IEA：数据中心用电与AI

这是《AI产业价值迁移五讲》第2讲。下一讲，我们把几家科技巨头的利润和市值放在一起，看谁在创造利润、谁在透支预期。

这个系列会持续更新，把AI时代的产业逻辑一层层拆给你看。关注「用心小站」，不错过下一讲。

想聊聊半导体和AI产业链的机会和风险？加微信 yxxz798，说说你的看法。

关注用心小站，获取更多深度分析

风险提示：本文用于产业研究与投资教育，所引数据来自公司公告与公开资料，市值与利润随市场变化，不构成证券买卖建议。股市有风险，入市需谨慎。

扫码添加企业微信 · 加入读者交流群

每天一篇深度财经文章 · 了解基金、量化基金选择，欢迎入群交流

扫码添加企业微信

添加微信扫码

（添加企业微信后自动发送入群链接）