全球半导体，最新展望

公众号记得加星标⭐️，第一时间看推送不会错过。

2026年，半导体行业正面临着一个充满风险的悖论。人工智能驱动的强劲需求正将收入推向前所未有的高度，但这种繁荣也伴随着风险。该行业似乎把所有鸡蛋都放在了人工智能的篮子里，如果人工智能的繁荣持续下去，这或许无可厚非。但该行业也应该考虑如何应对人工智能需求放缓或萎缩的情况。

今日市场状况

全球半导体行业预计到2026年年销售额将达到9750亿美元，创历史新高，这主要得益于人工智能基础设施建设的蓬勃发展（图1）。

2025年，半导体行业的增长率达到22%，预计2026年将加速至26%，即使此后增速放缓，到2036年，年销售额仍有望达到2万亿美元。然而，这一创纪录的增长掩盖了一个显著的结构性差异。虽然高价值的人工智能芯片目前贡献了约一半的总收入，但其销量占比却不到0.2%。

另一个差异是，在人工智能芯片蓬勃发展的同时，用于汽车、计算机、智能手机和非数据中心通信应用的芯片增长速度相对放缓。

股市通常是行业表现的领先指标。截至2025年12月中旬，全球十大芯片公司的总市值达到9.5万亿美元，较2024年12月中旬的6.5万亿美元增长46%，较2023年12月中旬的3.4万亿美元增长181%。此外，该市值高度集中，前三大芯片公司就占据了总市值的80%。

截至发稿时，德勤预测，到2026年，生成式人工智能芯片的收入将接近5000亿美元，约占全球芯片销售额的一半。此外，AMD首席执行官苏姿丰(Lisa Su)已将数据中心人工智能加速器芯片的潜在市场规模预期上调至2030年的1万亿美元。

预计到2025年，芯片销量将达到1.05万亿片，平均售价为每片0.74美元。粗略估计，尽管人工智能芯片在2026年可能占到行业收入的50%左右，但其产量不足2000万片，约占总销量的0.2%。尽管预计2025年全球芯片收入将增长22%，但硅晶圆出货量预计仅增长5.4%。

就主要终端市场而言，个人计算设备和智能手机的销量原本预计在2025年增长，但由于内存价格上涨，预计2026年将出现下滑。

预计2026年存储器收入将达到约2000亿美元，占当年半导体总收入的25%。存储器市场历来具有周期性，制造商似乎对过度产能建设持谨慎态度。因此，他们仅适度增加资本支出，其中大部分用于新产品的研发，而非大规模扩产。因此，人工智能推理和训练解决方案对HBM3（高带宽内存3）、HBM4和DDR7内存的需求增长，导致了DDR4和DDR5等消费级内存的短缺；这些产品的价格在2025年9月至11月期间上涨了约4倍。

预测存储器的供应、需求和价格非常困难，但一些人认为，目前消费级内存的紧张局面可能会持续十年。预计2026年第一季度和第二季度价格将进一步上涨，涨幅可能高达50%，例如，一种流行的内存配置到2026年3月价格将达到700美元，而2025年10月的价格为250美元。

这种价值集中似乎促成了市场动态的转变。随着制造商优先发展人工智能训练和推理所需的专用硬件，由此产生的晶圆和封装产能的“零和博弈”竞争已经对下游行业造成了冲击。

对于行业领导者而言，2026 年的挑战不仅限于满足人工智能需求，还要应对高利润、低销量模式下的系统性风险。在这种模式下，内存等关键组件的严重短缺预计将在年中导致价格飙升 50%，并重塑全球供应链格局。

数据中心蓬勃发展的机遇

芯片市场高度依赖数据中心的人工智能芯片，预计到 2026 年，该市场将贡献近一半的行业收入。但什么因素可能会阻止这种情况发生？如果个人电脑、智能手机和汽车等非数据中心市场持续疲软，这对半导体行业又意味着什么？

首先，这些预期在2026年不太可能改变。芯片订单已经发出并已积压，数据中心正在建设中，未来12个月的数据可能较为稳定。但2027年和2028年的情况可能会与目前的预期出现显著偏差，原因如下：

投资回报：大多数建设数据中心的机构并不期望在第一年就收回全部投资。但在五到十五年的时间里，应该会有稳定的收入流，其现值能够为投资者带来一定程度的回报。如果人工智能的商业化进程可能比预期更长或更低，数据中心项目可能会被取消或推迟，从而对芯片销售产生不利影响。

电力：预计到2027年，人工智能数据中心将需要额外92吉瓦的电力。这些电力可能无法从电网获得，虽然在2025年一些“用户侧”燃气发电是可行的，但未来的燃气轮机已售罄，使得未来的燃气发电越来越困难。由于消费者电价上涨的风险，获得数据中心许可证可能会变得困难。

创新：每一代芯片的效率都会大幅提升，这很可能使现有芯片的安装基础成为一种负担而非资产。用于训练和推理的人工智能模型似乎也会随着时间的推移变得更加高效，完成相同任务所需的计算量（或业内人士所说的“计算”）也会减少。

这些趋势可能已经纳入数据中心的资本支出计划，但如果其中任何一项出现数量级的突破，则可能意味着对芯片的需求量减少或芯片价格降低。

定价：人工智能芯片目前价格昂贵，利润率很高。如果新的竞争芯片以更低的价格推出，这可能会对整个芯片市场，尤其是价格市场，产生通缩效应。

上述部分或全部内容在未来一到三年内可能对芯片行业产生哪些影响？

资金和市场影响：目前受益于人工智能发展势头的芯片设计商和制造商可能面临逆风。营收增长可能放缓甚至转为负值。盈利可能下降。市盈率和市销率可能降低，市值也可能缩水。

晶圆厂、工具、设计工具等等：由于人工智能芯片价值高但产量低，收入下降对芯片制造商或芯片制造工具供应商的影响可能相对较小。即使人工智能芯片产量下降，由于人工智能芯片在制造能力中所占比例很小，晶圆厂不太可能因此停产。也就是说，生产某些类型封装、存储器、电源和通信半导体的公司可能会受到影响。

需要考虑的战略问题

如果人工智能芯片的需求在 2026 年或以后放缓，芯片公司如何在保持高现金水平和低债务的同时履行其资本支出承诺，从而有效地进行调整？

人工智能数据中心使用的计算芯片、内存解决方案和封装产品本质上都具有相当特殊的用途。如果数据中心的需求出现下降或调整，人工智能芯片制造商还有哪些其他终端市场机会可以转向？

如果人工智能芯片需求在 2026 年开始回调，那么先进的存储器和先进的逻辑制造能力应该如何以及在哪里重新分配？

系统级性能之争：

计算、内存和网络连接

预计2026年至2030年间，人工智能数据中心的工作负载将以每年三到四倍的速度增长，因此，为了提升超大规模数据中心的系统性能，需要进行芯片级和系统级集成。正如德勤预测的那样，Chiplet正在满足人工智能数据中心的芯片级性能需求，从而带来良率、带宽和能效方面的优势。

到2026年，芯片制造商可能会越来越多地将HBM集成到更靠近逻辑芯片组的位置，无论是在硅中介层上还是在3D堆叠中，这将使 数据能够在处理器（图形处理器 (GPU) 和神经网络处理器 (NPU)）和内存（HBM 堆叠）之间以每秒数TB的速度快速传输，同时提高能效（降低每比特焦耳数和每个token瓦数）。

此外，共封装光器件 (CPO) 可能会在数据中心交换机中得到广泛应用，从而在更小的以太网/InfiniBand交换机占用空间内实现更高的机架聚合带宽。

高带宽闪存能够支持更快的纵向扩展（在服务器机架内）和横向扩展（跨多个机架和系统），预计在2026年需求将会增加，尤其是在人工智能工作负载从训练转向推理的情况下。

然而，由于传统的铜缆以太网设计无法满足人工智能工作负载的需求（人工智能工作负载会在GPU之间产生海量的东西向流量），光互连（包括CPO和线性可插拔光模块，即LPO）预计将在2026年得到更广泛的应用。

预计2024年至2029年间，人工智能网络架构支出将以38%的复合年增长率增长（图2）。

随着人工智能数据中心网络的交换容量扩展到每秒51.2太比特甚至更高（无论是在机架内部还是跨机架和集群），不仅需要集成各种组件（内存堆栈、计算系统和机架级网络），还需要重新评估铜缆或传统可插拔光模块的使用，因为它们可能会对功耗和带宽产生不利影响，或者占用过多空间。 2026年，CPO和LPO技术可以弥补这些差距，因为它们有助于缩短电气路径，降低30%至50%的功耗，并提供更高的带宽和更低的总体拥有成本。

一些超大规模数据中心运营商正在使用来自商用芯片供应商的先进网络芯片和解耦式硬件模型，以便在这些解决方案之上开发自己的定制拓扑结构。然而，鉴于软件定义网络架构在性能、编排和总体拥有成本方面的优势，到 2026 年，该行业可能会越来越多地转向软件定义网络架构，将计算和网络集成到单一的垂直整合解决方案中。

即使云计算超大规模企业、人工智能网络公司、晶圆代工厂和外包半导体封装测试 (OSAT) 设施竞相应对复杂的异构系统集成挑战，它们仍需应对下一代后端封装测试工艺的诸多难题。例如，每个芯片产品都需要经过特定的工艺步骤，例如封装、单晶化、热管理和凸点成型。这些步骤需要专业的封装技术和统计过程控制技能，而这些技能在美国和欧洲都十分稀缺。

因此，即使亚洲的后端产能持续增长，先进封装领域的人才短缺仍可能继续阻碍区域实现更高半导体自主性的目标。

需要考虑的战略问题

材料限制（基板、存储器和互连的供应和可用性）、地缘政治（脆弱地区的组装和测试能力和供应商）以及测试和封装工程师的人才储备是否会扰乱采购？

随着晶圆代工厂和集成器件制造商 (IDM) 部署芯片封装在晶圆基板上以及混合键合等先进技术，使 HBM 更接近计算，传统的 OSAT 模型是否会商品化？

应该在多大程度上投资下一代互连技术，例如 CPO、LPO、光子学和基于芯片的网络技术？人工智能可以在哪些方面以及如何应用来加速这些复杂异构系统的设计周期？

垂直整合的兴起

更广泛的人工智能、半导体和云基础设施提供商之间的战略联盟预示着新一轮人工智能计算资本周期的到来。2025年的投资很可能在2026年持续或加速，从而形成一个资金和需求生态系统，在这个生态系统中，资本和计算资源在主要从事人工智能模型开发、人工智能加速器设计、生产、封装和数据中心基础设施的公司之间双向流动。例如，一家投资公司（通常是芯片硬件、平台或云基础设施提供商）可能会向一家人工智能初创公司投资数十亿美元，以加速解决方案的开发。

作为回报，这家人工智能初创公司将迅速孵化并加速新产品开发，并反过来购买投资公司的计算资源和基础设施产品。这些举措已成为芯片公司实现人工智能数据中心堆栈垂直整合的一种方式。

除了人工智能训练和推理工作负载之外，推动半导体行业投资活动激增的另一个因素是地缘政治的必然性，即便各国政府和企业都希望影响区域技术基础设施。许多政府认为人工智能模型、芯片设计知识产权和领先的人工智能加速器对国家安全、供应链韧性和技术主权至关重要。各国政府正日益寻求通过出口管制措施来保障这些能力，以帮助增强本地和区域领先的人工智能芯片制造能力，从而使本土芯片制造商能够扩大市场份额。与此同时，他们也在寻求在限制战略性人工智能和技术产品的出口和允许部分先进芯片出口之间找到平衡。

例如，美国政府于2025年12月批准英伟达向中国部分指定客户销售H200人工智能芯片，以换取英伟达芯片销售额的25%。38在这些事态发展中，欧洲似乎陷入了美国出口管制（限制向中国销售先进芯片）和中国的反制措施的夹缝之中。

随着科技和芯片巨头不断推进这种新型垂直整合模式（一些行业分析师称之为循环融资），半导体行业的资本配置策略可能需要从产能驱动型转向能力驱动型，重点在于实现人工智能系统层面的差异化。展望2026年及以后，芯片公司不仅应考虑通过建设更多人工智能晶圆厂或开发新的人工智能芯片平台来拓展业务范围，还应建立战略合作伙伴关系并进行直接投资，围绕其晶圆厂或芯片平台构建生态系统。

传统以批量生产为导向的晶圆代工厂可能需要整合先进的封装能力。OSAT（外包半导体组装和测试）厂商可以与集成器件制造商和设计厂商共同设计芯片组，而电子设计自动化公司和晶圆代工厂则可以从与晶圆厂前端设备供应商的紧密合作中获益。随着芯片行业高管寻求战略性地部署资金，他们应该考虑评估人才需求和技能可用性、核心竞争力以及更具地域性或国家性的合作伙伴模式。这项评估还应涵盖非人工智能市场机遇，重点关注成熟的芯片节点，以满足汽车和电动汽车、航空航天和国防、制造业以及电力基础设施市场的需求——其中许多市场可能具有地域性。

需要考虑的战略问题

鉴于已有数十亿美元流入人工智能计算和数据中心基础设施容量扩张领域，如何部署资金，不仅用于建设更多容量，还用于扩大发电规模（包括无碳能源）以支持这种扩张？

在部署资本时，各组织是否评估过各种因素，包括地缘政治贸易相关风险和政策变化，如进口关税、出口管制和本地化举措；供应链集中风险，如基材、化学品和气体以及其他材料和组件；供应商和合作伙伴模式，如多代工厂或多云供应商合作伙伴关系；以及人才可用性？

如何在尖端逻辑和存储器制造及封装方面的投资与后续节点制造、设备、组装和测试的持续需求之间取得平衡？

2026年是半导体产能受限之年

根据国际货币基金组织（IMF）的预测，2025年全球经济增长将保持强劲的3.2%，2026年预计也将达到3.1%。人工智能（AI）的应用在各个地区和行业迅速普及，科技行业在2026年伊始便拥有了令人瞩目的增长前景。然而，令人遗憾的是，2026年人们记住的或许更多是产能限制，而非其辉煌的技术发展。半导体存储器和用于服务器、PC和移动处理器的最先进逻辑工艺节点的产能已经出现瓶颈，而且半导体制造中使用的许多材料也存在潜在的产能限制。

2025年第四季度，内存芯片产能开始出现瓶颈。这主要得益于三大内存厂商——美光、三星和SK海力士——将生产线从老旧的DDR4内存转向新型DDR5内存以及用于高性能计算（HPC）和人工智能（AI）应用的堆叠式3D高带宽内存（HBM）。美光甚至取消了旗下Crucial内存产品线，退出了消费市场。由于HBM的广泛应用，人们对即将推出的AMD和英伟达AI加速器面临内存短缺的担忧有所缓解。然而，人们越来越关注使用DDR5的移动和计算应用，以及数百万仍在使用老一代内存的消费和工业应用。

应对半导体元件短缺的典型做法是加倍甚至加倍下单，以确保未来的供应。但由于存储器价格在短短几周内飙升了2到3倍，许多公司不得不推迟甚至取消订单。这导致其他半导体元件的订单减少，因为电子ODM和OEM厂商开始缩减2026年的生产计划。这些举措的影响已在近期的财报中显现出来。高通本周公布了创纪录的营收和利润，但指出由于客户（尤其是手机用户）面临存储器供应限制，未来的营收可能会受到限制。Microchip也做出了类似的预测。美光科技则表示，“2026年的产能已经售罄”。这些观点出现在年初短短几周内。因此，Tirias Research预测，随着时间的推移，这些限制将会更加明显。虽然所有主要内存厂商都在投资新的生产能力，但大部分产能将在 2027 年和 2028 年开始逐步提高。虽然不像 DDR/HBM 那样影响巨大，但 NAND 闪存也面临产能限制。

然而，内存并非唯一受产能限制的组件。随着最新的PC处理器、移动应用处理器、服务器处理器、图形处理器（GPU）、AI加速器和其他专用产品都在争夺台积电最新一代制程节点的产能，晶圆代工产能也日益成为稀缺资源。三星晶圆代工开始量产2nm工艺，这或许能缓解那些愿意同时使用台积电和三星晶圆代工，或者完全转向三星晶圆代工的客户的压力。但三星晶圆代工的产能爬坡进度落后于台积电，产能仅为台积电的一小部分。英特尔晶圆代工目前正在推进其18A工艺的量产，但已错过了部分即将推出产品的关键设计窗口。预计在2027/2028年，英特尔晶圆代工将同时提供18A和14A工艺，成为另一种选择。

仿佛存储器和晶圆代工产能还不够似的，半导体制造中使用的一些材料，例如镓、锗、氖气和稀土材料，也存在产能瓶颈。这主要是由于资源的地理集中、精炼能力有限以及地缘政治紧张局势造成的。迄今为止，这些因素尚未造成严重的产能瓶颈，但只要一种材料的短缺就足以使整个行业陷入停滞。例如，21世纪初钽的短缺就对高科技生态系统造成了重大影响。

全球经济健康发展意味着消费者、企业和服务提供商对电子产品的强劲需求，但电子产品的价格弹性很高。价格上涨，尤其是消费品价格上涨，会导致需求下降。因此，产能成为制约增长的最大因素。不幸的是，这种情况发生得正是时候，因为人工智能正在推动对新产品和服务的需求，这些产品和服务需要更大的内存、更大的存储空间和更高的计算性能，而科技行业的应对能力却远远跟不上。2026年将是充满挑战的一年，但这并不会阻碍行业的发展轨迹。相反，这将给半导体行业带来更大的压力，使其必须确保在本十年末之前拥有必要的产能。

未来的路标

展望2026年，半导体行业高管应注意以下几个关键指标：

面对新进入者的挑战以及人工智能技术从训练转向推理的趋势，目前在人工智能GPU、CPU和内存领域的领先企业可能难以维持其市场主导地位。一种观点认为，不断扩大的市场蛋糕足以容纳所有人，而另一种观点则认为，这更像是一场零和博弈。

预计DRAM资本支出将增长14%，NAND闪存资本支出将增长5%，分别达到610亿美元和210亿美元。鉴于年底价格飙升，这些数字可能会进一步攀升，以满足短期需求，但也可能再次导致行业产能过剩。

随着科技债务的进一步增加，涉及复杂收益分成协议或计算换股权的交易数量和价值不断增长，可能会对人工智能模型开发商和数据中心基础设施运营商未来的盈利能力和投资回报率造成压力。

由于北美、欧洲、中东和日本计划提高本国芯片生产能力，对亚洲其他地区的外国直接投资可能会受到影响。

由此推论，各地区之间的差异可能会更大：例如，东南亚和印度很可能成为以批量生产为主的后端组装和测试中心，专注于后端流程的特定领域。而台湾、美国、日本和欧洲部分地区则可能侧重于异构集成和先进封装，但专业化程度各不相同。

随着人工智能数据中心整体规模的不断扩大，可能会进一步加剧电网的紧张状况。因此，那些积极投资或将发电能力和可用性纳入考量的云计算和半导体公司可能会从中受益，而那些没有将电力纳入整体考量的公司则可能面临执行方面的挑战。

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

今天是《半导体行业观察》为您分享的第4321期内容，欢迎关注。

加星标⭐️第一时间看推送

求推荐