AI产业链地图·知识库 AI深度报告解析 · 电→晶圆 反推
🚧 网站建设中 → 产业链图谱
芯片系统层 · 大摩大中华区半导体(2026 年 7 月)

先有电,才有芯片:
大摩顺着四家巨头已官宣的 21.5 吉瓦电力,把 AI 算力的账一路反推回台积电

2026 年 7 月 24 日,摩根士丹利大中华区半导体团队发了一份 60 页的季度合集。它最值钱的地方不是又一次预测「AI 需求很强」,而是换了一个起点算账:英伟达、AMD、博通、AWS 四家已经把要用的电写进了公告——合计 21.5 吉瓦。大摩顺着这笔电往回倒推:多少个机架、多少颗芯片、多少片 CoWoS 晶圆、多少片 2/3 纳米晶圆,最后落到台积电 2027 年的产能表上。电是已经签了合同的,芯片是还没造出来的——这条链条把「需求预测」变成了「产能倒查」。
作者 Charlie Chan · Daniel Yen · Daisy Dai · Tiffany Yeh(摩根士丹利 大中华区半导体团队) 日期 2026 年 7 月 24 日 来源 Morgan Stanley Research(付费报告)· 行业观点:具吸引力(Attractive)
21.5 GW
四家巨头已官宣的 AI 电力部署
英伟达 10 · AMD 6 · 博通 3.5 · AWS 2 — 反推链条的起点
258k 片
由此倒推出的 2027 年 CoWoS 需求(仅这四家)
全周期 953k 片 CoWoS + 652k 片 2/3nm 晶圆
2,694k 片
2027e 全球 CoWoS 总需求 · 四年 23 倍
2023 年只有 117k 片 · 英伟达一家占 45%
$46bn
2027e AI 芯片吃掉的晶圆产值
对应 HBM 需求 486 亿 Gb · 台积电 2027 资本开支追踪至 $75bn

这是一份典型的「卖方季度合集」——大摩把台积电业绩前瞻、先进封装、ASIC光互连、存储、中国国产算力全都塞进同一份文件。这类报告最容易被读成一堆散落的图表。但它其实有一根很清楚的主轴:整个 AI 半导体产业的产能规划,正在从「猜客户要多少」转向「按已锁定的物理约束倒推」。这篇解读顺着这根主轴拆七件事:怎么从一张电表推回一片晶圆2027 年 CoWoS 的供需账本到底紧不紧晶圆和 HBM 各自要吃掉多少台积电自己的季度与产能牌面ASIC 与测试这条被低估的第二战场光进铜退的时间表,以及中国那条正在分叉的价值链。最后附上大摩自己点出的风险面——包括一个 20% 概率的「让股价下跌」情景。

01

从一张电表,反推回一片晶圆

四家巨头已经把 21.5 吉瓦写进公告——大摩把这个「已经确定的物理量」当成推演起点

AI 算力需求最难的地方在于,所有人报的都是意向:客户说要买多少 GPU、云厂说要花多少资本开支,都可以改。大摩这次换了一个更硬的锚点——电力部署。数据中心的供电协议是长周期、要真金白银预付、还要排电网队的,一旦官宣就基本改不动。于是它把四家已公开电力规划的厂商拉出来,用一条五步链条一路往下推:

起点 · 已官宣
21.5 GW
四家合计电力部署,写在公告里
÷ 单机架功耗
142k 台
机架数(63–220 kW/台,因平台而异)
× 每机架芯片数
10,808k 颗
全生命周期芯片出货量
÷ 每片切多少颗
953k 片
全周期 CoWoS 晶圆需求
摊到 2027 年
258k 片
四家当年的 CoWoS 需求量
据 Morgan Stanley Research《TSMC preview and CoWoS update》(2026-07-24) 第 17 页「Announced Power Deployment – Implications for TSMC」表,四家分项相加 · 仅供学习研究。

这条链条里,最容易被忽略的变量是「项目生命周期」。同样一笔电力部署,摊到几年里就决定了每年要吃掉多少封装产能。大摩给四家用的年限差得很远:英伟达和 AMD 按 3 年算(GPU 迭代快、折旧激进),博通的 TPU 按 5 年,AWS 的 Trainium 更是按 8 年。这直接解释了一个反直觉的结果——博通拿到的电(3.5GW)只有英伟达的三分之一,全周期 CoWoS 需求却达到 260k 片、接近英伟达 409k 片的三分之二;但摊到 2027 一年,它只剩 52k 片。自研芯片的服役年限越长,对封装产能的年度冲击反而越平缓。

厂商电力部署机架平台单机架功耗机架数芯片全周期芯片量项目年限全周期 CoWoS全周期 2/3nm2027 年 CoWoS 需求
英伟达 NVIDIA10 GWVera Rubin NVL144220 kW45kRubin GPU3,273k 颗3 年409k 片260k 片136k 片
AMD6 GWHelios220 kW27kMI455 GPU1,964k 颗3 年166k 片95k 片55k 片
博通 Broadcom3.5 GWTPU63 kW56kTPUv7 / TPUv8i3,571k 颗5 年260k 片190k 片52k 片
AWS2 GWTrainium3 UltraServers144 kW14kTrainium32,000k 颗8 年118k 片107k 片15k 片
四家合计21.5 GW142k10,808k 颗953k 片652k 片258k 片
据 Morgan Stanley Research 同篇报告(2026-07-24) 第 17 页表;大摩注明该表基于其亚洲供应链调研编制,并假设 TPUv7/v8i 每机架 64 颗、单颗 TDP 约 980W。合计行为各分项相加 · 单位「片」= 12 吋等效晶圆 · 仅供学习研究,不构成投资建议。
为什么这个方法比「问客户要多少」更值钱

常规的需求预测是自上而下的:先猜云厂资本开支,再按经验比例切给芯片。这条路的问题是每一层都是软的——资本开支可以延后,订单可以砍。而电力是硬约束:变电站、涡轮机、并网许可全都要排队数年,公告出来基本等于锁死。大摩这套算法的隐含结论是:只要那 21.5 吉瓦真的通上电,配套的芯片和封装产能就必须存在,否则电就是白买的。需求端的不确定性,被转移成了供给端的一道必答题。这也是为什么它把这一页放在整份报告的核心位置——它是把「AI 泡沫论」和「产能过剩论」同时按住的一块压舱石

会 员 档 案 · 免 费 预 览 到 此
登录后继续阅读全文

免费注册即可阅读最新 3 篇深度报告全文;
会员一码解锁全部档案 + 产业链大课 + 白毛速报实时推送

登录 / 免费注册 →

已是会员?登录后本页自动显示全文 · 返回报告目录