Bernstein 2Q26 AI 伺服器追蹤：出貨量預測上調，ASIC 佔比持續擴大
7月以來，AI 供應鏈出現明顯回呼。觸發因素包括輝達 Kyber 機架的潛在延遲、對算力過度建設的擔憂，以及動量資金的普遍去槓桿。Bernstein 在今天發佈的《2Q26 AI Server Pulse: Summertime Cool-Down》將這一階段稱為"夏日降溫"。
不過，在股價回呼的同時，該報告上調了伺服器與 AI 晶片的出貨量預測。報告內容非常多，我們這篇文章重點分享一下其中伺服器和 AI 晶片（尤其是 ASIC）的出貨量資料。
一、需求背景：資本開支預期繼續上調
2Q26 財報季後，市場共識將四大美國雲廠商（亞馬遜、微軟、Google、Meta）2026 年資本開支預測較 3 月上調約 15%，預計 2025-2027 年以 58% 的年復合增速增至約 9400 億美元。若計入 Oracle 與 neocloud（CoreWeave、Nebius 等），2027 年合計資本開支約 1.11 兆美元，對應年復合增速 61%。
全球在建及規劃中的資料中心總投資額已從 4 月的約 9600 億美元增至約 1.18 兆美元。資本開支預期的持續上修，是出貨量預測上調的直接基礎。
二、伺服器出貨量：2028 年市場規模預計突破 1 兆美元
Bernstein 本次上調了兩項核心出貨量預測：
全球伺服器總出貨量：2025-2028 年複合增長率上調至 15%；
- 高端 GPU AI 伺服器出貨量：同期複合增長率上調至 22%。
按此模型，全球伺服器市場規模 2026 年將超過 5600 億美元，2028 年預計突破 1 兆美元。
年度節奏上，以 8-GPU 等效口徑計的高端 AI 伺服器，2026 年出貨量預計同比增長 48%，2027 年增幅為 mid-teens（約 13%-17%），2028 年（假設 Rubin Ultra 採用雙 die 等效設計）維持高個位數增長。通用伺服器方面，Agentic AI 將推理從單次問答擴展為連續多步工作流，產生以 CPU 為中心的編排需求，預計通用伺服器出貨量到 2028 年保持 mid-teens 的年復合增速。
三、機架出貨：2026/2027 年預計 6.1 萬/8.8 萬個
AI 伺服器出貨形態正從板卡轉向整機架。報告預計輝達伺服器機架出貨量 2026 年約 6.1 萬個、2027 年約 8.8 萬個。2026 年的 6.1 萬個中，富士康預計承擔約 3.2 萬個，廣達、緯創/緯穎各約 1 萬-1.5 萬個。
機架形態將成為今年出貨主流，HGX/MGX 板卡形態預計消耗約 35% 的 GPU。綜合測算，今年下游部署的輝達晶片約 670 萬顆。
產品節奏方面，
GB300 機架已於 2025 年第四季度放量，Vera Rubin 機架與 AMD Helios 機架均定於 2026 年第四季度開始出貨，Helios 的客戶包括 Meta、微軟、Oracle、OpenAI 與 Anthropic。風險點在於下一代 Kyber 機架：連接計算刀片的 PCB 背板仍是關鍵瓶頸，報告預計輝達還需與頭部 PCB 廠商進行 1-2 個季度的設計與良率磨合。
四、ASIC：出貨佔比與市場規模同步提升
報告將 2026 年定義為 ASIC 的又一個拐點年：雲廠商從試點部署轉向規模化推廣，定製晶片成為提升單位算力成本效益、降低總體擁有成本、減少對外部 GPU 供應鏈依賴的明確手段。核心資料如下：
ASIC 預計今年佔 CoWoS 先進封裝 AI 晶片總出貨量的約 45%；
- TPU 出貨量今年預計同比增長 90% 以上，佔 CoWoS 基 ASIC 出貨量的約 42%；
- 按價值口徑，ASIC 佔 XPU（GPU+ASIC）市場的份額將從去年的 10% 升至 2027 年的 20%；GPU 仍佔主導地位，輝達在訓練側的優勢未發生變化；
- XPU 整體市場規模（含 HBM）預計從去年約 1900 億美元增至 2027 年約 5000 億美元；
- 資料中心 ASIC 市場 2028 年預計達 1400 億-1600 億美元，其中約一半為 HBM 價值。
競爭格局上，TPU 預計佔 2027 年 ASIC 市場的近 70%，2028 年約 60%；僅 TPU 一項，2028 年對應的市場規模至少 900 億美元。
產業鏈層面的印證包括：博通與Google簽訂長期協議，為其開發供應未來數代 TPU 直至 2031 年，同時擴展與 Meta 的合作；Marvell 的定製加速器在四大雲廠商全面放量；聯發科獲得兩個Google TPU 項目（一個 v8t、一個 v9 代），將 2026 年 ASIC 收入指引上調至"超過 20 億美元"，並預計 2027 年 ASIC 可及市場規模 800 億美元、目標份額 15%-20%。
晶片規格迭代方面：Google Ironwood（TPU v7）較 v6 實現 2 倍每瓦性能與 6 倍 HBM 容量，單機架整合 256 顆加速器；亞馬遜 Trainium 3 的 FP8 性能約為 Trainium 2 的 2 倍；下一代 Trainium 4 單晶片 BF16 算力預計接近 3900 TFLOPS。
五、供應鏈資料交叉驗證
出貨預測可由供應鏈收入資料部分驗證：
深度參與亞馬遜、Meta ASIC 項目的緯穎與智邦，市場共識預計 2026 年收入分別同比增長 36% 和 54%；
- 世芯（Alchip）去年因美國 IDM 項目結束收入下滑 41%，今年受 Trainium 3 項目驅動，共識預期收入翻倍以上；台灣 ASIC 相關公司月度收入增速在 2026 年 6 月重新加快；
- 台灣地區對美出口中，包含 AI 伺服器的資通視聽產品 2Q26 同比增長 63%，主要來自 GB300、ASIC 與通用伺服器的同步放量；
- ODM/OEM 庫存金額雖自 2024 年起上升，但庫存天數仍處於歷史正常區間。
六、風險與不確定性
報告同時提示了三方面風險：
估值與盈利預測背離。年初至今，樣本內 29 隻 AI 供應鏈股票中 21 隻出現市盈率壓縮，僅 7 隻估值擴張；但同期多數公司 2026/2027 年 EPS 共識預測上調。估值收縮與盈利預測上修並存，反映市場對資本開支可持續性與投資回報的分歧。
- HBM 定價是出貨量價值測算的主要擾動項。2027 年 HBM 漲價已基本確定，幅度仍在談判。博通等 ASIC 廠商代客戶採購 HBM 並計入 ASIC 收入，因此 ASIC 市場規模測算直接受 HBM 漲幅影響；HBM 價格越高，客戶越可能轉向直采以規避加價。
- 未來 12 個月的關鍵觀察點：Rubin 機架出貨進度、Rubin Ultra 與Google TPU v8、亞馬遜 Trainium 3 的落地節奏、Agentic AI 對 CPU 需求的拉動、T-glass 與 ABF 載板供給，以及電力機架與 CPO 的放量情況。(傅里葉的貓)