AI基礎設施交易正處在一個十字路口。下一階段行情要想延續，市場需要對三個問題給出明確答案。（1）出售算力是一門好生意，但對AI模型公司或垂直AI廠商而言，購買算力能否持續成為一門好生意？（2）近期圍繞AI安全和監管的擔憂，會不會抑制算力需求增長？（3）在超大規模雲服務商逐步轉為負自由現金流之後，下一輪資本開支增長應依靠怎樣的可持續融資模式？
摩根大通認為，當前AI經濟性表明，儘管市場擔心開源模型帶來衝擊，購買算力仍然是一門非常健康的生意。隨著AI模型能力加速提升，這種經濟性有望延續。AI安全問題短期可能造成擾動，但前沿AI模型訓練不太可能放慢；AI快速演進以及遞迴式自我改進等進展，也可能在程式設計之外創造新的收入市場。融資仍是市場關注的重點，不過未來兩年，經營現金流加速增長、超大規模雲服務商發債以及股權融資，足以為資本開支保持強勁增長提供空間。
科技硬體生態依然健康，每股收益預期持續上調，估值也具吸引力。雖然當前市場情緒偏弱，但我們尚未看到資本開支即將轉向下行的訊號，而科技硬體股的價格已經開始反映這種擔憂。後續關鍵催化因素仍將來自更多證據，證明AI模型層和應用層能夠持續實現商業化。摩根大通在亞洲科技類股的首選標的包括台積電、日月光、聯發科、緯穎、信驊、ASMPT、東京電子、愛德萬測試、三星電子、致茂和欣興。
出售算力是好生意購買算力當前看來同樣划算：目前市場已經充分認識到，出售AI算力是一門好生意。無論是半導體和硬體生態——利潤率處於歷史高位，還是公有雲和新型雲服務商生態——每GPU小時收入明顯高於去年，GPU現貨價格更高，公有雲增長明顯加速（見圖1），新型雲服務商項目也能取得良好的內部收益率，這一點都相當清楚。
市場爭議主要集中在另一端：購買算力，再通過銷售AI token或垂直AI應用變現，究竟是不是一門好生意；在前沿模型競爭激烈的情況下，這種模式能否持續。根據當前經濟性，我們認為，銷售token仍然極具吸引力，尤其是處在模型前沿的廠商。據多份報導，一些公司的推理業務毛利率已經達到60%至80%。我們的粗略測算顯示，一家假設的模型廠商每組態1吉瓦算力，通過銷售AI token每年可獲得200億至400億美元收入，明顯高於2025年每吉瓦每年100億美元的水平，後者依據OpenAI首席財務官Sarah Friar的表述。
此外，大批垂直AI公司在很短時間內就實現了超過1億美元的年度經常性收入。根據Sapphire Ventures的報告，這類公司已經超過80家。這也說明，出售算力的下游正在形成可觀的價值創造。
開源模型將推動硬體需求 Token成本有望重回長期下降趨勢：過去幾個月，開源大語言模型興起以及它對整體token定價的影響，成為市場對算力需求的另一項擔憂（見圖3）。我們認為，開源模型仍將是降低token成本的重要力量。歷史上，每單位token成本通常下降80%至90%；2026年上半年是一個例外，主要因為算力嚴重短缺以及智能體AI興起。成本下降將推動AI在更多行業得到採用。
市場擔心開源模型興起會削弱模型層的商業化能力，但我們認為：第一，在當前算力受限的環境中，閉源前沿模型和開源模型的token消耗量都有望強勁增長；第二，開源模型的發展可能推動AI在產業鏈下游更廣泛地普及；第三，開源模型使用增加，將催生更多能夠產生收入的垂直AI應用。這些應用可以使用更便宜的開源AI token解決特定行業的問題，Fireworks AI等公司就是類似案例。
回到第一性原理 AI安全與監管反映模型進展加快：上週末以來，市場對AI算力需求的擔憂升溫。相關報導提到，應以安全優先和加強監管的方式放慢AI部署速度。按照第一性原理分析，我們的判斷是：AI模型正在更快演進，遞迴式自我改進RSI可能即將出現。這說明技術演進速度和AI規模定律並未放緩，也增強了我們對生成式AI未來一至兩年打開新市場的信心。過去18個月，程式設計和智能體工作流的發展已經呈現出類似路徑。
即使新模型的推出可能受到新的對齊要求等限制，AI模型訓練速度也不太可能放慢。開源模型的進步同樣難以停止，這會進一步加大前沿模型實驗室的競爭壓力，迫使它們繼續加快訓練，以保持領先。
超大規模雲服務商資本開支融資仍有空間：投資者還擔心，超大規模雲服務商還能把資本開支提高多少。多數大型雲服務商正在進入負自由現金流區間，下一階段資本開支增長將更多依靠外部融資。我們認為，未來幾年資本開支仍有上升空間，原因包括：第一，大型超大規模雲服務商的槓桿率仍然較低，淨債務與股東權益之比僅約13%；第二，強勁的算力需求和更高定價正在推動公有雲增長加速，公有雲由此可能成為經營現金流增長的重要來源；第三，超大規模雲服務商及其下游算力買家都可通過股權融資，為未來數年的投資增加一層資金來源。
不過，在利率上升、部分AI基礎設施融資領域風險認知提高的環境下，融資仍是需要重點跟蹤的變數。
資本開支加速使半導體裝置更具吸引力：展望2027年，我們預計，大多數大型半導體廠商會把裝置列為主要瓶頸；此前瓶頸更多集中在潔淨室等環節。為縮小供需缺口，台積電未來幾年可能顯著增加對N2、N3和A14製程的投資，英特爾、三星晶圓代工和Terafab等晶圓代工挑戰者也可能提高資本開支。成熟製程晶圓代工廠則正在開啟四年來首個新投資週期。
儲存器方面，隨著潔淨室產能投產、製程遷移加速，以及廠商為履行與客戶簽訂的長期協議而擴建，頭部儲存廠商的DRAM和NAND快閃記憶體資本開支應會在2027年至2028年快速增長。中國儲存投資未來兩年也可能明顯加速。裝置產能緊張、投入成本上升，以及多家廠商要求加急交付裝置，正推動半導體生產裝置廠商開始提價——這在行業中並不常見。摩根大通的首選標的是愛德萬測試、東京電子、致茂、均華和ASMPT。
載板與先進封裝仍是關鍵瓶頸：從零部件層面看，IC載板和先進封裝仍是主要瓶頸。載板產能高度集中在欣興、揖斐電等一線廠商手中，新增產能建設週期最長約兩年半；頭部封測廠還受到可用潔淨室空間不足的制約。AI加速器強勁增長將提高單個封裝的載板價值量，並提升先進封裝的使用強度，因此供需缺口可能進一步擴大。
智能體AI帶動伺服器CPU需求強勁增長，以及從2027年下半年開始，載板用量較大的EMIB-T封裝滲透率提高，都將帶來額外上行空間。在我們的亞洲科技覆蓋範圍內，因此更看好欣興、揖斐電等一線載板廠商，以及日月光等先進封裝龍頭。
光通訊是解決互連瓶頸的關鍵近期更看好NPO：AI基礎設施提供商和模型實驗室越來越重視提高AI叢集效率，互連預計將成為關鍵瓶頸。GPU之間、GPU與CPU之間，以及記憶體與儲存之間的資料傳輸，正越來越多地限制整體性能。這將推動光通訊方案的採用。近期我們更看好近封裝光學NPO，因為它是一種相對簡單的解決方案。
我們預計，Google和AWS兩家大型ASIC廠商以及輝達，未來兩年都會採用基於NPO的方案。共封裝光學CPO代表長期方向，但供應鏈成熟還需要更多時間，尤其是在縱向擴展方案上。
儲存器基本面健康但投資者仍需跨越擔憂之牆：自上而下看，儲存類股的市場噪聲依然很大。投資者高度關注HBM規格下調，也關注行業通過環狀Transformer等演算法創新提高效率、減少單位功能的記憶體消耗，以及把更多KV快取轉移到DDR或NAND等較低層級儲存的做法。
行業基本面仍然健康，供需平衡可能要到2028年才會出現，價格預計將持續上漲至2027年。如果2026年第四季度AI市場情緒回暖，這可能推動儲存股上漲。不過，根據我們的反饋，與其他科技子行業相比，短期內投資者對儲存類股的認可度可能仍然有限。若下一輪AI模型演進顯著提高單位功能的記憶體需求，市場情緒可能改變，類似情況曾在2024年末最初的推理能力突破後出現。
2027年哪些環節的漲價幅度可能高於2026年：按漲價百分比計算，我們預計2027年提價力度高於2026年的子行業包括晶圓代工，尤其是8英吋成熟製程；封裝測試、載板、半導體生產裝置和高端覆銅板也在其列。相反，儲存器和PCB材料的漲價速度可能放緩。
晶圓代工方面，我們預計台積電將在2027年對所有製程節點提價，而2026年僅先進製程提價。成熟製程晶圓代工漲幅可能更高，8英吋產能預計上漲10%至15%，高於2026年的8%至10%。封裝測試的提價正在加速，並擴展至引線鍵合和成熟倒裝晶片封裝，原因是AI業務的擠出效應造成潔淨室空間不足。
載板已經開始提價。EMIB-T預計於2027年下半年匯入，由於先進載板的產能消耗較大，面積更大、層數更多，屆時載板供需可能比2025年至2026年更加緊張。高端覆銅板M7及以上產品也可能出現更強的漲價，因為AI需求以及通用伺服器規格升級帶來的需求增速，仍將超過供應增速。
圖 1 公有雲季度收入同比增速
圖 2 公有雲收入環比增量與資本開支環比增量
表 1 公有雲收入待執行合同額
圖 3 每百萬token價格 Silicon Data指數
圖 4 七家超大規模雲服務商資本開支預測至2027年
圖 5 經營現金流驅動的融資接近極限
圖 6 超大規模雲服務商發債規模及淨債務與權益比率
圖 7 晶圓廠裝置支出
圖 8 非台積電及非三星電子 SK海力士 美光的半導體資本開支增長
圖 9 亞洲科技類股每股收益預期修正及修正廣度
圖 10 亞洲科技類股未來十二個月Bloomberg一致預期淨利潤
圖 11 亞洲科技類股剔除儲存器後的遠期市盈率
圖 12 亞洲科技類股遠期市淨率
(大行投研)