Jüngster Halbleiterbericht von Morgan Stanley: Der KI-Rechenleistungszyklus breitet sich auf Speicher und Verpackung aus

Am 5. März 2026 veröffentlichte Morgan Stanley einen Forschungsbericht zur Halbleiterindustrie in Asien:

„Greater China Semiconductors – Bullish on Cloud, Memory and Optical Outlook; Accumulating Ahead of GTC“. 

Der Bericht stellt fest, dass der Kernantrieb der Halbleiterindustrie weiterhin vom Aufbau von KI-Infrastrukturen kommt, jedoch verändert sich der Fokus des Marktes.

War der KI-Zyklus 2023–2024 primär auf GPU konzentriert, beginnt ab 2025–2026 die KI-Nachfrage sich auf breitere Bereiche der Halbleiter-Lieferkette auszudehnen, einschließlich:

• Memory (Speicher)

• Advanced Packaging (Fortschrittliche Verpackung)

• Kundenspezifische ASIC-Chips

• Rechenzentrum-Netzwerke

Morgan Stanleys Fazit lautet:

Investitionen in KI-Rechenleistung befinden sich weiterhin in der Expansionsphase, und die Halbleiterbranche tritt in einen neuen strukturellen Nachfragezyklus ein.

I. Cloud-Kapitalausgaben werden weiterhin ausgebaut

Die Hauptnachfrage nach KI-Halbleitern kommt weiterhin von Cloud-Anbietern.

Die Statistiken von Morgan Stanley zeigen:

Im vierten Quartal 2025 stiegen die Kapitalausgaben der vier größten Cloud-Anbieter (Amazon, Microsoft, Google, Meta) weltweit im Vergleich zum Vorjahr um 64 %. 

Bei Einbeziehung der zehn größten Cloud-Anbieter weltweit erwartet Morgan Stanley:

Im Jahr 2026 werden die weltweiten Cloud-Kapitalausgaben fast 685 Milliarden US-Dollar erreichen.

Langfristige Prognosen: NVIDIA-CEO Jensen Huang sagte:

Das Investitionsvolumen in globale KI-Infrastrukturen könnte bis 2028 eine Billion US-Dollar erreichen.

Dieser Trend bedeutet:

Der Aufbau von KI-Infrastrukturen befindet sich weiterhin in einem Expansionszyklus statt am befürchteten Höhepunkt.

II. KI-Inferenz verändert die Struktur der Speicher-Nachfrage

Morgan Stanley sieht den am meisten unterschätzten Aspekt im aktuellen KI-Zyklus bei derSpeichernachfrage.

KI-Inferenzmodelle müssen große Mengen an Kontextdaten (Context Memory) speichern,
dadurch wird eine neue Speicherarchitektur notwendig.

Der Bericht bringt das Konzept ins Spiel:

ICMS (Inference Context Memory Storage)

Das heißt ein spezielles Kontextspeichersystem für KI-Inferenz.

Nach Morgan Stanley-Berechnungen:

Bis 2027 wird der Bedarf durch KI-Inferenz zusätzlich 13 % des weltweiten NAND-Speichermarkts beanspruchen. 

Gleichzeitig könnte der NOR-Flash-Markt in einen Zustand von Angebotsknappheit geraten.

Der Bericht stellt fest:

Die KI-Speichernachfrage könnte einen neuen Aufwärtszyklus in der Speicherindustrie auslösen.

III. HBM wird zum kritischen Engpass der KI-Rechenleistung

Einer der wichtigsten Faktoren für die Verbesserung der KI-Chipleistung ist High Bandwidth Memory (HBM).

Morgan Stanley prognostiziert:

Die weltweite HBM-Nachfrage wird 2026 etwa 32 Milliarden Gb erreichen.

Im Nachfrageprofil:

NVIDIA bleibt der größte HBM-Verbraucher.

Die Nachfrage nach HBM für KI-GPUs und KI-ASIC-Chips steigt rasant und macht HBM zu einer Schlüsselressource in der KI-Rechenleistung-Lieferkette.

Dieser Trend erklärt auch, warum:

• SK Hynix

• Micron

• Samsung

im KI-Zyklus besonders hervorstechen.

IV. Fortschrittliche Verpackung wird zum Produktionsengpass für KI-Chips

KI-GPUs benötigen nicht nur fortschrittliche Verfahren, sondern sind auch stark auf fortschrittliche Verpackungstechnologien angewiesen.

Morgan Stanley prognostiziert:

Die CoWoS-Produktionskapazität von TSMC für fortschrittliche Verpackung könnte bis 2026 auf 125.000 Wafer pro Monat steigen.

Die Nachfrage kommt hauptsächlich von:

• NVIDIA

• AMD

• Eigene KI-Chips der großen Cloud-Anbieter

Fortschrittliche Verpackung wird somit zum wichtigen Engpass in der KI-Chip-Lieferkette.

V. KI-ASIC wächst schnell

Neben GPU entwickeln Cloud-Anbieter ihre eigenen KI-Chips in großem Maßstab.

Zu den aktuellen Hauptprojekten gehören:

• Google TPU

• Amazon Trainium

• Microsoft Maia

• Meta MTIA

  
  

Morgan Stanley geht davon aus, dass die Lieferzahlen von KI-ASIC in den kommenden Jahren weiter steigen werden.

Zum Beispiel:

Die Lieferzahlen der AWS Trainium-Chipserie werden in den nächsten Jahren weiter steigen. 

Das bedeutet, der zukünftige KI-Rechenleistungsmarkt wird sich zu folgendem Bild entwickeln:

GPU + ASIC Parallelentwicklung.

VI. Chinas KI-GPU-Alternativen werden vorangetrieben

Der Bericht gibt auch eine Prognose zur chinesischen KI-Chipindustrie ab.

Morgan Stanley prognostiziert:

Chinas GPU-Eigenversorgungsrate wird von 34 % im Jahr 2024 auf 50 % im Jahr 2027 steigen.

Gleichzeitig wird der chinesische KI-Cloud-Markt 2027 voraussichtlich folgende Größe erreichen:

etwa 48 Milliarden US-Dollar.

Dies bedeutet, dass sich die globale KI-Rechenleistungs-Lieferkette regional strukturiert.

Meine Einschätzung

Wenn man den gesamten Bericht in einem Satz zusammenfasst, ist es ganz einfach:

Der KI-Halbleiterzyklus dehnt sich von „Rechenleistung“ auf „die gesamte Lieferkette“ aus.

In der Anfangsphase lag der Fokus des Marktes auf GPU.

Mit wachsender KI-Infrastruktur verbreiten sich die Anforderungen auf:

• Speicher

• Fortschrittliche Verpackung

• Netzwerkchips

• Kundenspezifische ASIC

  
  

Das bedeutet:

KI ist nicht mehr nur ein einzelner Chip-Zyklus, sondern ein struktureller Bedarf der gesamten Halbleiter-Lieferkette.

Für die Halbleiterbranche ist
die eigentliche Veränderung nicht die GPU-Nachfrage, sondernder langfristige Aufbau von Rechenleistungs-Infrastruktur.