本文作者：鲍奕龙

来源：硬AI

2026年AI半导体行业将迎来又一强劲增长年，但AI硬件领域的投资逻辑正在发生深刻转变。

10月20日，摩根士丹利研报指出，过去两年，市场焦点一直集中在台积电的CoWoS封装和先进制程等上游产能瓶颈上。

然而，根据英伟达、台积电的最新表态以及2025年OCP大会释放的信号，这一局面已经改变。芯片制造和封装环节通过大规模扩产，已不再是制约AI发展的核心矛盾。

摩根士丹利强调真正的瓶颈正在向下游转移，集中在数据中心空间、电力供应、液体冷却、高带宽内存（HBM）、服务器机架和光模块等配套基础设施上。

研报认为，这意味着投资机会正从上游的晶圆代工和封装，扩散至更为广阔的下游供应链。未来，无法获得充足电力和物理空间的数据中心，将成为AI算力竞赛中的掉队者。

上游产能不再是唯一瓶颈，芯片制造与封装已大幅扩张

曾几何时，市场对AI芯片能否足量供应充满疑虑，而台积电的CoWoS先进封装能力被视为关键瓶颈。然而，最新的行业动态显示，这一情况已大为改观。

台积电在其近期财报会议上透露，“AI需求比我们三个月前想象的还要强劲”，公司正努力“缩小供需差距”。重要的是，台积电表示其扩充CoWoS产能的前置时间仅需6个月，这给予了供应端极大的灵活性。

尽管其4nm和3nm等先进节点的晶圆前端产能依然紧张，但AI半导体显然拥有比加密货币ASIC或安卓智能手机SoC更高的优先级。

英伟达CEO黄仁勋也在近期的交流中明确表示，半导体产能已不再是过去那样的限制因素。经历了几年前的需求激增后，整个供应链的制造和封装环节已经“实现了大幅扩张”，公司有信心满足客户需求。

综合来看，虽然总需求持续高速增长，报告预测2026年全球CoWoS总需求将达到115.4万片晶圆，同比增长70%，但供应端的快速响应能力已显著增强。

瓶颈转移，下游基础设施成为新的挑战

当芯片供应不再是最大难题时，瓶颈自然向下游转移。

英伟达指出，当前更大的制约来自数据中心空间、电力和配套基础设施的可用性，而这些领域的建设周期远长于芯片制造。

OCP大会的内容也印证了这一趋势。随着AI集群规模迈向“十万级GPU”，整个数据中心的设计理念正在被重塑：

电力与散热：

• 大规模GPU集群的部署意味着巨大的电力消耗和散热挑战。OCP大会上，液冷已成为新AI机架的默认配置，而高压直流（HVDC 800V）等供电方案的需求也日益增长。
• 这使得像Aspeed这样的公司受益，其BMC（基板管理控制器）不仅用于服务器，还扩展到了包括冷却在内的多种设备上。

存储与内存：

• AI工作负载对数据存储和访问速度提出了极致要求。Meta明确表示，出于成本考虑，其数据中心将优先采用QLC NAND闪存。与此同时，希捷提到，HDD（机械硬盘）仍将保持95%的容量在线，以满足大型和远程数据中心的需求。
• 更关键的是，对HBM（高带宽内存）的需求正呈爆炸式增长，报告预测，到2026年，全球HBM消耗量将高达260亿GB，其中英伟达一家就将消耗54%的份额。这种高度集中的强劲需求，使得HBM的供应成为影响AI服务器出货的关键变量。

机架与网络：

• 为了实现超大规模部署，OCP推出了“AI开放数据中心”和“AI开放集群设计”等标准化蓝图，涵盖机架、液冷、电源接口等。
• 在网络方面，阿里巴巴表示可插拔光模块（Pluggable Optics）因其总拥有成本和灵活性依然是首选，而LPO（线性驱动可插拔光模块）等技术也正获得关注。
• CPO/NPO（共封装/近封装光学）预计将在2028年随着制造工艺成熟而实现。

需求预测预示下游组件迎来爆发式增长

下游基础设施的重要性，可以从需求预测数据中得到验证。

摩根士丹利的分析师预计，2026年全球云服务资本支出将同比增长31%，达到5820亿美元，远高于市场普遍预期的16%。

此外如果假设AI服务器在资本支出中的占比提升，这意味着2026年AI服务器的资本支出可能实现约70%的同比增长。

从需求端看，各大AI巨头仍在疯狂“囤货”。报告详细拆解了2026年的AI芯片需求：

• CoWoS产能消耗：英伟达预计将占据59%的份额，其次是博通（18%）、AMD（9%）和AWS（6%）。
• AI计算晶圆消耗：英伟达以55%的份额遥遥领先，其次是谷歌（22%）、AMD（6%）和AWS（6%）。

总结而言，OCP大会传递出的信号与产业链数据交叉验证，清晰地指明了AI硬件投资的新方向。在芯片制造和封装环节的产能瓶颈逐步打开后，市场的焦点必然会转向那些支撑超大规模AI计算的基础设施。

研报认为对于投资者来说，这意味着需要将视野从单一的芯片公司，扩展到整个数据中心生态系统，寻找在电力、散热、存储、内存和网络等下游环节具备核心竞争力的“卖铲人”。