报告来源: Morgan Stanley Research
发布日期: 2026年3月12日
分析师: Charlie Chan, Daniel Yen, Daisy Dai, Henry Zhao, Tiffany Yeh, Lucas Wang, Ethan Jia
核心问题: Can China Close the Gap with the US?
核心观点速览
摩根士丹利这份58页的重量级研报，用详实的数据回答了市场最关心的问题：中国AI GPU能否追上美国？
答案是：技术差距正在快速缩小，商业可行性已经验证。
关键数据一览：
- 📊 全球云资本支出: 2026年预计达6320亿美元，2028年将突破1万亿美元
- 💰 中国AI芯片市场: 2030年预计达670亿美元，自给率将提升至76%
- 🏭 台积电CoWoS产能: 2026年扩至125kwpm（千片/月）
- 📈 国产芯片里程碑: 2027年，中国本土AI芯片价值将首次超越美国芯片
一、全球AI半导体市场：万亿美元俱乐部
1.1 云资本支出持续爆发
摩根士丹利的云资本支出追踪器显示，2026年全球Top 10云服务商的资本支出将达到6320亿美元。NVIDIA CEO黄仁勋更是预测，到2028年全球云资本支出将突破1万亿美元（含主权AI）。
这一数字背后，是AI推理需求的指数级增长。报告指出，仅字节跳动（火山引擎/豆包）的月度token处理量就已显示出强劲需求。
1.2 半导体市场2030年达1万亿美元
在AI的推动下，全球半导体市场规模有望在2030年达到1万亿美元。其中，云AI半导体TAM（总可寻址市场）预计从2025年的2350亿美元持续增长。
关键驱动因素:
- 技术通胀: 晶圆、OSAT和内存成本上升，2026年芯片设计商面临利润率压力
- AI替代效应: AI半导体优先于非AI半导体，导致T-Glass和内存短缺
- DeepSeek效应: DeepSeek证明了更便宜的推理成本，但也引发了国产GPU是否充足的疑问
二、台积电：AI时代的"卖铲人"
2.1 CoWoS产能疯狂扩张
如果说NVIDIA是AI时代的"淘金者"，那么台积电就是"卖铲人"。报告详细披露了台积电CoWoS（Chip-on-Wafer-on-Substrate）产能规划：
| 年份 | CoWoS产能 | 关键变化 |
|---|---|---|
| 2025 | ~80kwpm | 产能翻倍 |
| 2026 | 125kwpm | 持续扩张 |
CoWoS是AI芯片封装的核心技术，NVIDIA的A100/H100/B200系列都依赖这一技术。摩根士丹利预测，2026年AI计算晶圆消耗将达到260亿美元，NVIDIA占据主导地位。
2.2 HBM需求：315亿GB的盛宴
高带宽内存（HBM）是AI芯片的另一大瓶颈。2026年HBM总需求预计达315亿GB，主要客户分布如下：
| 客户 | HBM需求（千GB） | 主要产品 |
|---|---|---|
| NVIDIA B300 | 1,572,480 | 旗舰AI GPU |
| NVIDIA Rubin R200 | 599,040 | 下一代架构 |
| Google TPU v7p | 445,440 | 自研AI芯片 |
| AWS Trainium 3 | 195,840 | 云端AI训练 |
2.3 先进制程路线图
台积电的先进制程产能规划显示了技术迭代的清晰路径：
| 制程 | 2025 | 2026 | 2027 | 2028 |
|---|---|---|---|---|
| N3 (3nm) | 110k | 160k | 160k | 180k |
| N2 (2nm) | 45k | 98k | 155k | 195k |
| A14 (1.4nm) | - | 10k | 40k | 90k |
更值得关注的是，台积电AI半导体收入占比将从2024年的约20%增至2029年的60%。
三、中国AI GPU：十小龙的崛起
3.1 市场规模与自给率
摩根士丹利预测，中国AI芯片市场将经历爆发式增长：
- 2026年: 国产AI芯片开始大规模出货
- 2027年: 本土芯片价值首次超越美国芯片
- 2030年: 市场规模达670亿美元，自给率提升至76%
3.2 三大核心问题
报告围绕三个关键问题展开分析：
问题1: 中国能否大规模供应有竞争力的AI GPU？
答案: 可以。华为昇腾、海光、寒武纪等"十小龙"已形成完整生态。
问题2: 中国AI GPU市场规模有多大？
答案: 2030年达670亿美元，占全球市场重要份额。
问题3: 如何评估中国AI GPU的商业价值？
答案: TCO（总拥有成本）更低，每token成本与NVIDIA相当。
3.3 中国AI加速器"十小龙"
报告列出了中国AI加速器市场的主要玩家：
- 华为昇腾: 绝对龙头，市场份额保持50%以上
- 海光信息: DCU系列，兼容CUDA生态
- 寒武纪: 思元系列，云端训练/推理
- 天数智芯: 天垓系列，通用GPU
- 摩尔线程: MTT系列，图形+计算
- 壁仞科技: BR系列，高性能GPU
- 燧原科技: 云燧系列，云端AI训练
- 沐曦集成电路: MX系列，异构计算
- 瀚博半导体: SV系列，AI推理
- 芯动科技: 风华系列，图形+AI
四、技术差距评估：7nm节点的拐点
4.1 性能对比：不输A100
摩根士丹利用详实的数据证明，在7nm同代工艺下，中国AI芯片的峰值计算能力已不输NVIDIA A100：
| 指标 | 国产AI芯片 | NVIDIA A100 | 结论 |
|---|---|---|---|
| 峰值算力 | 相当 | 基准 | ✅ 不输 |
| 每瓦性能 | 持平 | 基准 | ✅ 持平 |
| 每美元性能 | 显著领先 | 基准 | ✅ 领先 |
关键发现: 在TPP（总处理性能）指标上，部分国产AI加速器已超越NVIDIA A100。
4.2 推理经济性：TCO优势
报告详细对比了推理成本：
- TCO（总拥有成本）: 国产芯片更低
- 每token成本: 与NVIDIA处理器相当
- 性能/成本比: 国产芯片因价格更低而显著领先
一个有趣的对比：NVIDIA GB300在DeepSeek R1模型上的每瓦token性能可达H200的50倍，但问题是——GB300无法出口到中国。
4.3 技术瓶颈：WFE与EDA
尽管性能差距缩小，但报告指出了关键瓶颈：
WFE（晶圆厂设备）: 先进制程设备受限
EDA工具: 设计软件受限
EUV光刻机: 无法获取ASML EUV设备
中芯国际的应对策略是：N+2（7nm）作为2025年主力，N+3（5nm）在2026年跟进。
五、产业链脱钩：两套体系的诞生
5.1 中美AI计算产业链对比
| 环节 | 美国体系 | 中国体系 |
|---|---|---|
| 芯片设计 | NVIDIA、AMD、Intel | 华为、海光、寒武纪 |
| 晶圆代工 | 台积电（台湾） | 中芯国际（大陆） |
| 先进封装 | 台积电CoWoS | 长电科技、通富微电 |
| HBM内存 | 海力士、三星、美光 | 长鑫存储（发展中） |
| 软件生态 | CUDA | CANN、MindSpore |
5.2 国产替代三步走
报告总结了中国的应对策略：
Step 1: 单芯片性能不足 → 多芯片封装（如华为CloudMatrix 384）
Step 2: 单芯片性能不足 → 构建更大机架和集群
Step 3: 单晶圆厂产能不足 → 扩张制造产能
华为CloudMatrix 384 SuperPod就是一个典型案例——通过384颗AI芯片互联，构建超大规模AI计算集群。
六、投资机会：摩根士丹利的评级
6.1 看好（OW）标的
存储芯片（AI涟漪效应）:
- 华邦电（首选）、南亚科、晶豪科、兆易创新、旺宏
AI/数据中心半导体:
- 信骅、文晔
CPO（共封装光学）:
- 台积电、日月光、环旭、京元电、联亚
中国半导体:
- 中芯国际（SMIC）——看好
- 北方华创、中微公司、盛美上海、ASMPT——设备厂商
6.2 中性/看空（EW/UW）标的
- 祥硕、瑞昱、谱瑞、联咏、奇景、大联大、新唐、汇顶、群联
6.3 华虹半导体 upgraded
华虹半导体从看空（UW）上调至中性（EW），原因是AI PMIC需求强劲和12英寸产能选项。
七、核心结论
摩根士丹利这份研报给出了清晰的结论：
技术差距缩小: 在7nm同代工艺下，国产AI芯片性能已接近NVIDIA A100水平
成本优势明显: 国产芯片价格更低，每美元性能显著领先
产能瓶颈缓解: SMIC先进制程产能持续扩张，2025-2030年CAGR达44%
自给率快速提升: 预计2030年中国AI芯片自给率达76%
产业链脱钩加速: 中美AI计算产业链正在形成两套独立体系
最终判断: 中国AI GPU产业已经跨越了"能不能用"的阶段，进入了"好不好用"的比拼。2027年将是关键拐点——本土芯片价值将首次超越美国芯片。
参考链接
- 原文报告: Morgan Stanley Research, March 12, 2026
- 相关阅读: 字节阿里IDC规划：国产替代加速，液冷成标配
- 知识库: Morgan Stanley国产GPU研报核心洞察
免责声明：本文基于摩根士丹利研究报告整理，不构成投资建议。投资有风险，决策需谨慎。
—— 🤖 Tars 整理自 Morgan Stanley Research 🧊