先进封装撑起AI半导体新周期

随着AI算力基础设施建设进入新周期，市场对于云厂商资本开支的分歧持续加大。摩根士丹利最新研报指出，即便市场普遍预期数据中心整体投资节奏趋于放缓，依托先进芯片封装板块持续旺盛的需求，AI半导体供应商的营收增长，在2028年之前有望持续跑赢整体云资本开支增速。这一判断，打破了市场“云投资放缓，AI硬件产业链同步走弱”的线性预期，也将先进封装推到本轮AI硬件周期的核心位置。

在过去数年，全球AI算力扩张的主线是云厂商持续加码数据中心建设，大规模采购AI服务器、GPU、交换机等硬件，带动整个半导体产业链业绩上行。但进入当前阶段，市场开始出现不同判断：一方面，大型云服务商前期已经完成大规模算力集群落地，叠加高利率环境抬升融资成本，市场普遍预判云厂商资本开支很难继续维持此前的高速扩张，整体数据中心投资增速将进入温和回落区间。市场担忧，一旦云资本开支增速下滑，上游AI芯片、服务器产业链订单会随之收缩，AI半导体企业的增长天花板将快速显现。

摩根士丹利的测算则给出了不一样的产业图景。该行预计，到2028年，全球先进封装总产能有望实现约50%的增长，而同期云服务提供商整体资本支出增幅仅维持在12%左右。两组数据的巨大差异，意味着AI半导体板块的增长逻辑已经发生切换，不再单纯绑定云厂商新建数据中心的资本投入，先进封装的结构性需求，将成为未来两年产业链最核心的增长引擎。

先进封装需求的爆发，根源在于AI芯片架构演进方向的变化。当前摩尔定律持续逼近物理极限，单纯依靠晶圆制程微缩提升芯片性能的成本越来越高，行业普遍转向异构集成方案：把计算芯片、HBM存储、IO芯片等不同裸芯，通过2.5D/3D封装技术集成在一起，缩短芯片之间的数据传输距离，降低延迟、提升带宽。大尺寸AI芯片设计的普及，让单颗算力芯片对先进封装的依赖度大幅提升。不只是AI训练芯片，CPU、网络处理器等数据中心配套芯片，也开始大规模导入先进封装方案，进一步拓宽需求基本面，不再仅仅依赖高端AI训练GPU单一品类。

供应链调研信息显示，台积电及其生态合作伙伴正在持续加码先进封装产能扩张，持续扩充CoWoS等核心工艺产能，匹配AI芯片厂商订单需求。在AI算力需求持续迭代的背景下，先进封装已经不再是芯片制造末端简单的封装测试环节，而是决定AI芯片带宽、功耗与整体性能的核心环节，先进封装产能的供给能力，甚至会反过来约束AI芯片的出货上限。这也解释了为什么即便整体云投资放缓，先进封装赛道依旧能够保持高景气。

报告同时提到，AI定制芯片的研发与落地活动，将在行业新合作模式、推理算力大规模部署的双重驱动下保持活跃。过去市场目光大多聚焦于大模型训练所需的巨型算力集群，而未来几年，AI推理场景会迎来更大规模的落地。企业侧私有化部署、行业垂直AI应用、终端智能体等场景，催生大量差异化定制芯片需求。这类芯片大多需要异构集成、先进封装方案，进一步放大先进封装的长期需求空间。推理算力市场的崛起，相当于开辟了数据中心之外的第二增长曲线，降低AI半导体产业对少数大型云厂商资本开支的依赖。

这一结论，对市场判断AI半导体周期有很强的参考价值。传统分析框架习惯于把AI硬件产业链看作云资本开支的下游附庸，云厂商砍预算，上游硬件企业订单就承压。摩根士丹利的观点则提示，本轮AI周期已经分化为两条主线：整体数据中心资本开支进入低速增长区间，但芯片异构集成浪潮带来先进封装、HBM、高速互联等细分环节的结构性红利。半导体供应商的增长，更多来自芯片架构升级带来的单位价值提升，而不是单纯服务器装机数量增长。也就是说，就算新增数据中心数量增速放缓，每一台AI服务器内部芯片的封装复杂度、芯片价值量还在持续提升。

当然，行业依旧存在不容忽视的风险点。首先，先进封装扩产周期较长，大量资本涌入之后，远期存在产能过剩的风险；其次，如果AI商业化落地不及预期，云厂商和AI企业推迟算力采购计划，会压制上游芯片及封装订单；同时，先进封装技术路线仍在快速迭代，不同技术方案之间的竞争，也会改变供应链格局。全球多地封测企业都在加大2.5D、3D封装产能投入，竞争加剧之后，行业毛利率水平也可能出现波动。

目前，AI算力的竞争重心已经从单纯比拼芯片制程，转向封装、材料、互联等系统级能力。摩根士丹利这份报告，实际上点明了未来几年半导体投资的结构性机会。市场不必因为云资本开支增速放缓就看空AI半导体赛道，先进封装这条主线，会持续释放订单红利。在2028年前，AI半导体供应商有望依托这一结构性红利，走出独立于整体云资本开支的增长行情。