报告行业投资评级 - 行业评级为In-Line，即分析师预计其行业覆盖范围在未来12 - 18个月的表现将与相关广泛市场基准保持一致 [8] 报告的核心观点 - 英伟达在GPU领域仍是美国半导体行业首选，但AI ASIC供应链存在投资机会，重申对下游系统和上游半导体部分公司的买入评级 [1][7] - 全球半导体行业市场规模2030年或达1万亿美元，AI半导体是主要增长驱动力，预计AI半导体市场规模届时达4800亿美元，云AI ASIC市场或增长至500亿美元 [21] - 大型云服务提供商有能力持续投资AI数据中心，预计2025年美国前四大超大规模企业运营现金流达5500亿美元，折旧占总费用比例上升，平均AI资本支出/息税折旧摊销前利润约为50% [58][59] 根据相关目录分别进行总结 识别AI ASIC供应链潜在机会 - 上游半导体中，台积电、爱德万测试、京元电子和日月光是关键代表；AWS Trainium 2由力成科技子公司测试，Trainium 3测试预计转至京元电子，测试解决方案由爱德万测试和泰瑞达竞争 [10] - 全球ASIC关键买入评级公司包括下游系统硬件的亚旭电子、纬颖科技、 Bizlink和金器工业，以及上游半导体的台积电、博通、阿尔卑斯、联发科、爱德万测试、京元电子、超微半导体和日月光 [11] 英伟达GPU竞争下的AI ASIC设计活动 - AWS Trainium方面，阿尔卑斯2月完成Trainium 3设计流片，5月晶圆产出，有较高机会赢得2nm Trainium 4；阿斯泰拉实验室和阿尔卑斯在连接芯片设计上合作，有助于其竞争下一代XPU ASIC项目 [3][7] - Google TPU方面，铁杉（TPU v7p）2025年上半年量产，博通可能流片另一款3nm TPU（可能是v7e），部分芯片产出在2025年底；联发科可能在8月中旬流片3nm TPU（可能是v8p），2026年下半年量产 [4][7] - Meta MTIA方面，7月或有MTIAv3初步销量预测，台湾供应链考虑为MTIAv4采用更大封装用于多个计算芯片 [5] 全球AI ASIC市场规模分析 - 全球半导体行业市场规模2030年或达1万亿美元，AI半导体是主要增长驱动力，预计AI半导体市场规模达4800亿美元，其中云AI半导体3400亿美元，边缘AI半导体1200亿美元，云AI ASIC市场或增长至500亿美元 [21] - 2025年AI服务器总可寻址市场约1990亿美元，英伟达CEO预计2028年全球云资本支出达1万亿美元，这是云AI半导体的关键潜在市场 [26] AI芯片供应指标：台积电CoWoS分配假设 - 供应链服务器机架产出逐渐改善，预计台积电2025年Blackwell芯片产出（按CoWoS - L产能计算）与AI资本支出衡量的“需求”更匹配，但在产品周期前几个季度芯片产出会超过NVL72服务器机架组装，产生芯片库存 [34] - 维持2025年台积电39万片CoWoS - L的预测，预计2026年云AI半导体同比增长31%，假设下游原始设备制造商在2026年上半年消化芯片产出，年底CoWoS估计为9万片/月 [35] 全球AI资本支出更新 - 现金流分析支持大型云服务提供商资本支出持续上升的预期，摩根士丹利预测2025年美国前四大超大规模企业运营现金流达5500亿美元，有能力持续投资AI数据中心 [58] - 预计折旧占数据中心客户总费用的比例将继续上升，2025年达到10 - 14%，2025年平均AI资本支出/息税折旧摊销前利润约为50% [59] AI GPU和ASIC租赁价格跟踪 - 英伟达4090和5090显卡零售价略有下降，但中国AI推理需求仍然强劲 [73] AI半导体 - 市盈率倍数、收入敞口、销售跟踪 - AI半导体市盈率倍数趋势显示，GP GPU（英伟达）、替代AI半导体和AI半导体推动者的市盈率倍数有所变化 [82] - AI芯片季度收入持续增加，英伟达和AMD的数据中心/高性能计算半导体收入呈上升趋势 [83][84] 关键特色报告 - 涵盖多篇关于AI供应链的报告，涉及服务器机架、订单情况、需求与供应、CoWoS预测等方面 [94][95] 关键上游AI供应链公司 - 台积电2026年晶圆价格上涨和强劲AI需求可能抵消外汇影响，评级为买入 [96] - 联发科TPU需求和进度应好于担忧，评级为买入，目标价维持在新台币1888元 [96][97] 联发科分析 - 预计联发科凭借天玑9400旗舰片上系统在高端智能手机市场获得份额，2025 - 2027年前景好于担忧，库存天数下降，表明水平健康 [110] - 考虑到联发科有很高可能性赢得2nm TPU项目，将其剩余收益模型中的中期增长率从8%提高到8.5%，目标价维持在新台币1888元 [97] - 因新台币近期大幅升值，下调2025和2026年营收预测6 - 7%，2027年营收预测下调3%，每股收益下调幅度大于营收 [100][101]

报告行业投资评级 报告未提及行业投资评级相关内容 报告的核心观点 - 尽管英伟达在AI计算集群中占据主导地位，但随着超大规模企业内部特定领域需求的成熟，云ASIC仍有增长空间，预计2026年定制AI加速器在台积电AI逻辑半导体营收中的占比将超过商用GPU [4][6] - Meta的ASIC AI（MTIA）服务器计划在2026 - 2027年有重大进展，但面临实现百万级出货量的挑战，投资可关注英伟达、AWS Trainium、Meta MTIA和Google TPU等项目的潜在受益公司 [8][10][12] 根据相关目录分别进行总结 AI服务器市场格局 - 英伟达在AI服务器市场价值份额超80%，ASIC AI服务器价值份额约8 - 11%；若仅比较数量，2025年谷歌TPU预计150 - 200万台、AWS Trainium 2 ASIC预计140 - 150万台，英伟达AI GPU供应500 - 600万台以上，谷歌和AWS的AI TPU/ASICs总量达英伟达AI GPU的40 - 60%，预计2026年AI ASIC总量将超英伟达AI GPU [1] - 英伟达在COMPUTEX 2025上推出NVLink Fusion，开放专有互连协议，避免在云计算市场份额流失，其最终被云客户的采用和反馈值得关注 [2] AI ASIC与英伟达产品对比 - 为弥补技术性能不足，初始ASIC解决方案使用更好材料、组件和低效架构确保系统稳定和性能，虽BOM成本高，但对云服务提供商更具成本效益 [3] - 英伟达在单位芯片面积计算能力和逻辑密度上领先，其AI集群扩展互连技术NVLink优势明显，预计2026 - 2027年行业开放规范的UALink性能难赶上 [5] - 此前AWS Trainium和微软Maia 100等ASIC规格低于英伟达AI GPU，但目前AI ASIC规格在追赶，不过英伟达在扩展连接性、专有CUDA生态系统仍有优势，部分ASIC解决方案试图利用英伟达系统架构 [7] Meta的ASIC AI（MTIA）服务器计划 - Meta计划在2025年底推出首款有一定规模的ASIC，2025年末至2027年有多款不同系统架构的MTIA芯片推出 [8] - 2025年四季度推出的MTIA T - V1由博通设计，采用Meta通用服务器刀片架构，天弘负责计算托盘和CDU，天弘和新美亚分别负责机架和交换机，计算主板PCB设计复杂 [9] - 2026年年中推出的MTIA T - V1.5性能更强，插片尺寸可能翻倍超5倍光罩，系统架构类似Meta的GB200，天弘主导该项目，计算主板PCB层数可达40L，采用混合M8 CCLs [9] - 2027年推出的MTIA T - V2插片尺寸可能更大，机架系统功率更高，可能需液 - 液冷却 [9] Meta的MTIA出货量目标与挑战 - 博通预计至少三家超大规模客户到2027年底各部署100万个xPU集群，下游供应链认为Meta目标是2025年末至2026年MTIA V1和V1.5达100 - 150万个，但目前预计2026年最多分配30 - 40K CoWoS晶圆用于MTIA，要实现目标需更多预订 [10] - MTIA面临挑战，如V1.5插片尺寸大可能带来封装和基板问题，系统爬坡可能需更多时间，大规模出货可能导致下游材料和组件短缺 [11] 投资建议 - 建议投资有多元化客户的潜在受益公司，如Quanta、Unimicron、EMC、WUS和Bizlink等 [12] - Quanta是Meta MTIA V1和V1.5的计算托盘和CDU制造商，也是V1.5整个机架组装的主导者，其在英伟达和ASIC解决方案中的多元化地位有助于公司估值提升 [13] - Unimicron是博通、Marvell和英伟达的关键基板合作伙伴，预计将成为Meta、谷歌和AWS的ASIC主要基板制造商之一，在英伟达Blackwell AI GPU中份额有望达30 - 40% [14] - EMC是AWS和Meta ASIC的主要CCL供应商，AI ASIC需求增长对其有利，因其在AI ASIC中有更高的美元含量和市场份额 [15] - WUS可能是Meta ASIC的主要PCB供应商，Meta PCB的高层数规格是其优势 [16] - 预计基板管理控制器（BMCs）将从Meta ASIC AI服务器发展中受益，MTIA服务器机架预计有23个BMC，其中16个在MTIA刀片中，还有16个迷你BMC [17][18] - Bizlink是Meta自有ASIC AI服务器扩展连接的主要受益者，其AEC产品用于多个云服务提供商的ASIC AI服务器，在Meta机架设计中有潜在应用 [19]

迈威尔科技AI ASIC芯片业务进展 - 公司股价在周三美股盘初一度上涨超10%，主要受华尔街分析师对其定制化AI芯片技术路线及市场公告的积极评价推动 [1] - 新增两项来自超大规模云计算厂商的AI ASIC芯片设计中标，预计2026-2027年快速放量，同时新增12个XPU-Attach设计中标，总中标数达13个 [1] - 每个定制化AI芯片设计中标预计在1.5-2年内带来数十亿美元生命周期营收，每个XPU Attach中标在2-4年内为单个socket贡献数亿美元营收 [2] - 摩根士丹利分析师指出公司上调数据中心定制化芯片TAM至940亿美元（较去年增长26%），计划拿下至少20%市场份额，其中超50%数据中心业务营收将来自AI ASIC [3] - 公司全部项目的定制化硅产品管线潜在营收规模合计750亿美元，与微软的Maia芯片项目进展符合计划，至少一个XPU Attach socket将配合AWS Trainium3处理器 [3] - 美国银行分析师上调目标价至90美元，认为公司2028年每股收益潜力可达8美元（较市场预期高60%），当前23倍NTM PE低于历史中值32倍 [4][5] 博通在AI ASIC领域的竞争优势 - 摩根士丹利认为博通将是迈威尔AI活动的最大长远受益者，博通当前在云计算厂商AI ASIC领域市占率约60%，迈威尔占13%-15% [5][6] - 博通为谷歌TPU AI加速芯片提供核心技术支持，包括芯片设计、互联通信IP及制造/测试/封装全流程服务 [7] - 公司凭借芯片间互联通信和数据传输技术领导地位，成为AI ASIC领域最重要参与力量，微软、亚马逊、谷歌、Meta、OpenAI均与其合作开发AI ASIC芯片 [7] - 随着DeepSeek推动AI大模型开发向"低成本+高性能"转型，AI ASIC需求进入比2023-2024年更强劲的扩张轨迹 [6] AI ASIC行业发展趋势 - 定制化AI芯片市场快速成长，美国四大科技巨头2026年AI算力支出预计达3300亿美元（较今年增长近10%） [7] - AI ASIC未来市场份额扩张速度可能大幅超过AI GPU，当前AI GPU占AI芯片领域90%份额，未来或趋于份额对等 [7] - XPU指代扩展性极强的处理器架构，涵盖AI ASIC（包括TPU）、FPGA及其他定制化AI加速器硬件，是英伟达GPU之外的重要选择 [2]

博通ASIC芯片 - 博通定制ASIC芯片(TPUv7p/MTIA2)预计2026年加速放量 可能在下半年用于OpenAI的Strawberry和苹果的Baltra项目 [1] - 2024年博通定制ASIC芯片占使用量的70%-80% 为AI ASIC领域绝对龙头 该数据未包含Google TPU等自产自销产品 [1] 英伟达GPU - 沙特UMAIN项目未来5年将部署4000台GB200 NVL72服务器 对应28万颗英伟达GPU [1] - 阿联酋G42项目承诺每年进口50万颗英伟达GB200 GPU 价值150亿美元 但该数字持续性存疑 [1] AMD GPU - 沙特UMAIN项目同期将部署35万颗AMD GPU [1] 华为昇腾芯片 - 预计昇腾910系列2025年订单超70万颗 下一代昇腾920将于2026年推出 [2] - 昇腾910B当前良率仅30% 与摩根士丹利此前报告数据一致 [2] - 其他机构预测2025年昇腾910C出货45万张 910B出货40万张 [3] - 另有预测显示910B今年出货量可能与去年持平 约30-40万张 而910C可能超过40万张 [3] - 综合判断昇腾910系列今年出货量有望达70万张以上 [5]

文章核心观点 英伟达为符合美国政府出口限制重新修改AI芯片设计架构，继续向中国企业供应芯片，预计季度财报计入高额费用致股价下跌，中国市场对其业绩重要，未来英伟达AI GPU和AI ASIC将和谐共存，中期AI ASIC市场份额有望扩张 [1][2][6] 英伟达应对出口限制举措 - 通知中国重要客户重新修改AI芯片设计架构，坚持向中国企业供应AI芯片 [1] - 首席执行官黄仁勋访问中国时透露中国特供AI芯片计划 [1] - 可能将AI芯片技术路线从通用GPU转向AI ASIC，或在AI GPU架构上做适度降级以规避监管红线 [3] 出口限制影响 - 美国政府扩大AI限制名单至H20，禁止其向中国客户销售 [1] - 英伟达预计在季度财报中计入高达55亿美元额外费用，股价大幅下跌近7% [1] 中国市场情况 - 字节跳动、阿里巴巴和腾讯等中国科技巨头今年前3个月已订购价值逾160亿美元的H20 AI芯片，尚不清楚禁令对订单的影响 [2] - 2025财年英伟达在中国市场销售额达171.1亿美元，占总营收约13% [2] AI ASIC相关情况 - AI ASIC针对特定AI任务定制，能提升计算效率、降低功耗和提高性能，谷歌TPU是典型代表 [4] - 未来AI推理端AI ASIC优势更明显，微软等科技巨头都在自研AI ASIC用于海量推理端算力部署 [5] 未来算力前景 - 英伟达AI GPU专注超大规模前沿探索性训练等通用算力，AI ASIC聚焦深度学习特定算子做极致优化 [6] - 两者将和谐共存，中期左右AI ASIC市场份额有望大幅扩张 [6]