摩根士丹利最新半導體報告：AI算力週期正在向存儲與封裝擴散

2026年3月5日，摩根士丹利發佈亞洲半導體行業研究報告：

《Greater China Semiconductors – Bullish on Cloud, Memory and Optical Outlook; Accumulating Ahead of GTC》。 

報告認為，目前半導體行業的核心動能仍然來自人工智慧基礎設施建設，但市場關注點正逐漸轉移。

如果說2023–2024年的AI週期主要聚焦於GPU，那麽進入2025–2026年後，AI需求將開始擴散至更廣泛的半導體產業鏈，包括：

• 記憶體（Memory）

• 先進封裝（Advanced Packaging）

• 客製化ASIC晶片

• 資料中心網路

摩根士丹利的結論是：

AI算力投資仍處於擴張階段，而半導體產業正進入新一輪結構性需求週期。

一、雲端業者資本支出持續擴張

AI半導體需求的核心仍來自雲端運算業者。

摩根士丹利統計顯示：

2025年第四季，全球四大雲端業者（Amazon、Microsoft、Google、Meta）資本支出按年增長 64%。 

若擴大至全球前十大雲業者，摩根士丹利預計：

2026年全球雲端運算資本支出將接近6,850億美元。

而在更長期的預測中，NVIDIA執行長黃仁勳曾表示：

全球AI基礎設施投資規模在2028年前可能達到1兆美元。

這一趨勢意味著：

AI基礎設施建設仍處於擴張週期，而非市場憂慮的見頂階段。

二、AI推論正在改變記憶體需求結構

摩根士丹利認為，這一輪AI週期中最容易被低估的環節是記憶體需求。

AI推理模型需要儲存大量情境資料（Context Memory），
因此正在推動嶄新的記憶體架構需求。

報告提出一個新概念：

ICMS（Inference Context Memory Storage）

即專為AI推理設計的情境記憶存儲系統。

根據摩根士丹利估算：

至2027年，AI推理需求將額外消耗 全球13%的NAND記憶體需求。 

同時，NOR Flash市場也有可能進入供給緊張狀態。

報告指出：

AI記憶體需求有望重新啟動記憶體產業的上行週期。

三、HBM成為AI算力的關鍵瓶頸

AI晶片效能提升的核心關鍵之一，是高頻寬記憶體（HBM）。

摩根士丹利預計：

2026年全球HBM需求有望達到約320億Gb。

在需求結構中：

NVIDIA仍然是HBM最大的消耗者。

AI GPU與AI ASIC晶片對HBM需求的迅速躍升，使HBM成為AI算力供應鏈最關鍵的資源之一。

這一趨勢也解釋了為什麼：

• SK Hynix

• Micron

• Samsung

於AI週期中表現搶眼。

四、先進封裝成為AI晶片產能瓶頸

AI GPU不僅仰賴先進製程，同時高度依賴先進封裝技術。

摩根士丹利預計：

台積電CoWoS先進封裝產能至2026年或可擴增至每月125k片晶圓。

需求主要來自：

• NVIDIA

• AMD

• 各大雲端自研AI晶片

先進封裝由此成為AI晶片供應鏈的重要瓶頸。

五、AI ASIC正加速崛起

除了GPU外，雲端業者正大規模開發自家AI晶片。

目前主要項目包括：

• Google TPU

• Amazon Trainium

• Microsoft Maia

• Meta MTIA

  
  

摩根士丹利預計，未來幾年AI ASIC出貨量將持續增加。

例如：

AWS Trainium系列晶片的出貨量未來將持續提升。 

這意味著未來AI算力市場將呈現：

GPU + ASIC並行發展的格局。

六、中國AI GPU替代進程推進中

報告同時對中國AI晶片產業做了預測。

摩根士丹利預計：

中國GPU自給率將由 2024年的34%提升至2027年的50%。

同時，中國AI雲端市場預計2027年將達：

約480億美元。

這代表全球AI算力產業鏈正出現區域化結構的跡象。

我的理解

如果用一句話來總結整份報告，其實很簡單：

AI半導體週期正從「算力」外溢至「整條供應鏈」。

早期市場只關注GPU。

但隨AI基礎設施規模擴大，需求正擴散至：

• 記憶體

• 先進封裝

• 網路晶片

• 客製化ASIC

  
  

這意味著：

AI已不再是單一的晶片週期，而是整條半導體供應鏈的結構性需求週期。

對半導體產業而言，
真正的變化不是GPU需求，而是算力基礎建設的長期鋪設。