【花旗调研：AI硬件从GPU单点扩张走向全栈扩张，下一轮增长看系统价值量】

花旗近期美国市场交流反馈显示，AI硬件正在进入下一阶段：增长从GPU向网络、定制ASIC、CPU、CPO、先进封装以及电力基础设施扩散。定制ASIC仍将从较低基数快速增长，但英伟达凭借高度整合的软件、计算、网络与系统生态，仍有望继续占据AI系统价值中的重要份额。

一、增长口径本身存在缺口

当前市场普遍使用的AI半导体增长指标，并未完整反映这一轮扩散。以台积电为例，市场经常引用的AI收入主要集中在GPU和ASIC，网络芯片、AI CPU、硅光和先进封装同样正在成为增量来源。随着Agentic AI发展，CPU在调度、数据处理以及系统协同中的需求可能进一步提升，下一阶段AI半导体增长的范围，或明显宽于过去两年的市场认知。

二、瓶颈正在向系统其他环节迁移

随着GPU数量增加，瓶颈逐渐向网络带宽、先进封装、电力与散热迁移。分工大致为：网络芯片承担更高带宽的数据交换，CPU处理更复杂的系统调度与Agent工作负载，先进封装解决Chiplet与HBM集成，CPO降低高速互连功耗，更高机架功率进一步拉动电源与模拟半导体需求。

此前一段时间，存储以及其他高Beta AI受益方向主导了股价表现，随着AI需求向网络、CPU和先进制程扩散，逻辑芯片的增长驱动力也在增加。但整个周期真正需要关注的问题已不只是GPU需求，而是超大规模云厂商的资本开支与AI商业化能力能否长期支撑如此庞大的基础设施建设。

三、台积电的AI机会不止GPU与ASIC

台积电仍处于几乎所有主要AI硬件技术迁移的核心位置。除GPU和ASIC，网络芯片、AI CPU、硅光与先进封装都在成为新的增长来源。

2027年可能成为台积电进一步加速增长的重要年份：2nm将贡献完整年度收入，3nm AI芯片出货量预计继续增加，先进制程还存在潜在涨价空间，出货量、产品组合与ASP三方面可能同时增长。

英特尔短期内仍难以全面挑战台积电在先进制程晶圆代工的地位。一方面，英特尔自身CPU已需占用大量先进制程产能，同时支持内部产品与大型外部AI客户的能力存在约束；另一方面，14A生态、PDK以及客户合作仍需要较长的认证和设计周期。对关键AI芯片客户而言，先进制程并非唯一条件，稳定且可预测的多年产能承诺同样重要。英特尔与联电在12nm制程上的合作仍可能进入连接芯片、显示驱动以及消费电子等领域，先进封装技术也可能获得部分专业项目。

四、先进封装价值开始向OSAT扩散

随着先进制程晶圆和CoWoS产能持续紧张，台积电正在提高资本和工程资源配置的选择性：前段晶圆制造、SoIC以及硅光等差异化技术仍是优先方向，相对传统的后段制造环节则越来越适合交由外部OSAT企业承担。

这意味着AI增长不仅通过先进制程晶圆收入直接利好台积电，也会创造新的先进封装外包机会。CoWoS总产能仍会继续扩张，但随着更多经过认证的OSAT合作伙伴承担后段工序，台积电自身在传统后端环节的投资强度未来可能逐步下降。日月光和矽品已参与部分与基板相关的外包业务，其他中国台湾封装企业也可能参与，部分Interposer生产未来可能进一步向外部合作伙伴分散。

日月光投控的机会并不完全来自台积电外包。公司正在发展包括FoCoS在内的完整先进封装能力，可更直接地获取AI高价值封装收入，AMD被认为是其中一个重要客户和催化剂。Chiplet、HBM、硅光以及复杂高速互连的普及，将继续提高单颗芯片中的封装价值量，同时推高行业技术门槛。

五、CPO：交换机侧规模化更近

共同封装光学（CPO）正在成为AI基础设施中最明确的结构性变化之一，因为它同时解决带宽和功耗两个问题。英伟达预计成为最早的重要推动者，先通过Spectrum-X CPO交换机推动落地，随后逐步进入下一代NVLink Scale-up架构以及Rubin Ultra相关的CPO集成。

需要区分两条导入路径：直接将光学器件集成到GPU或计算芯片封装附近的CPO，可能仍需两到三年；交换机侧CPO距离规模化明显更近——把光互连进一步靠近交换芯片，可缩短电信号传输距离、降低功耗并提升总体网络带宽，交换机很可能成为CPO最先规模化的场景。

近期SEMICON Taiwan上，CPO光学耦合、精密对准、FAU光纤阵列组装以及测试已成为重要议题。台积电正在发展COUPE硅光与封装平台，一个围绕光引擎、外置激光器、FAU、Receptacle、精密对准和测试设备的新供应链正在形成。短期最明显的瓶颈仍集中在外置激光器以及光纤与FAU产能，这也解释了Lumentum和康宁等企业正在加快扩产。

六、Google TPU：联发科角色扩大

未来几代TPU中，联发科承担的角色预计明显扩大。当前TPU v8阶段，联发科主要参与I/O、SerDes以及晶圆处理相关工作，后续产品中其业务范围将进一步向部分计算实现环节延伸，单颗TPU对应的价值量持续提高——SerDes数量仍会增加，先进制程计算芯片本身的设计与实现价值也更高，相关收入增速可能明显快于TPU出货量或份额本身。

先进封装仍是潜在风险：未来部分Google与联发科合作项目预计使用英特尔EMIB-T，相较已高度成熟的CoWoS，EMIB-T在超大规模量产方面经验较少，早期良率与出货规模可能受影响。不过大量复杂集成工作会分布在基板供应商和OSAT合作伙伴之间，现有TPU产品也会继续出货，从而缓冲新平台导入初期的影响。

Marvell与Google的合作更多集中在网络和存储，AMD的机会更偏向CPU，并不意味着Google正在增加更多TPU供应商。定制ASIC生态仍比英伟达平台更加碎片化，Google正在增强内部芯片设计能力，但仍需要大量外部设计服务和实现合作伙伴，联发科、创意电子以及OSAT企业仍可参与其中。

七、Rubin推高单机架价值量，800VDC渐进导入

鸿海仍是英伟达机架级计算架构升级的重要受益者。今年AI服务器增长主要来自机架出货量提升，随着明年GB300向Vera Rubin迁移，单机架ASP预计明显上升；即使机架数量增速放缓，只要利润率相对稳定，单机价值量提升仍能推动收入和利润增长。除英伟达外，鸿海还在布局更多超大规模云厂商的定制ASIC系统，包括CPU和TPU相关机架。

800VDC并不是Rubin、甚至也不是所有Rubin Ultra部署的强制要求。从GB300向Rubin升级后机架功率将明显提升，需要Sidecar电源架以及更复杂的配电系统，但数据中心仍存在多种技术路径。新建AI数据中心与Neocloud可从设施层面重新规划高密度机架、电力和散热，更有动力直接采用800VDC；现有数据中心仍可通过其他供电方案完成升级，因此800VDC更可能渐进式导入，而非短时间内全面普及。

无论最终采用哪种电力架构，电源管理IC和电容器短缺仍是现实约束。AI数据中心需求持续增长，而IDM厂商以及联电、世界先进等特色制程晶圆厂产能相对紧张，模拟芯片和功率半导体也正在成为AI基础设施扩张中的受益环节。

八、长期变量

供应链目前依然具有较高可见度，但长期需求最终仍取决于超大规模云厂商能否从AI中获得足够的经济回报。供应链可以继续扩产，技术也可以继续升级，但最终仍需回应投资回报这一变量。

本文为机构调研信息整理，不构成投资建议。

AI算力半导体财经基金