全球AI电子供应链上中下游深度解析
这两年AI大模型一个接一个冒出来,从Claude到Gemini再到DeepSeek,模型竞争肉眼可见地升温。但很多人没注意到的是,这场竞争背后,全球电子供应链正在经历一轮彻底的大洗牌。最直接的表现就是:晶圆代工和内存储器厂商集体进入了超级周期,议价权明显往上走。
AI供应链为什么突然这么火?
说白了,这一轮AI浪潮和以前不一样。早期的AI主要是大规模训练阶段,拼的是谁能训出更强的大模型。但现在不一样了,推理需求开始普及,再加上AI Agent概念火起来,应用端的需求一下子打开了。这意味着什么?算力需求不是阶段性爆发,而是会持续延伸。
算力从哪来?GPU、CPU、ASIC这些芯片本身是基础,但光有芯片还不够。芯片要运行起来,需要内存、需要封装、需要散热、需要高速数据传输。这些环节加起来,构成了整条AI电子供应链。任何一个环节掉链子,整个系统就跑不起来。
供应链上中下游是怎么划分的?
财经M平方把AI电子供应链分成了三大块:上游是晶圆代工和内存储器,中游包括封测、ABF载板、CCL、PCB、散热和光通讯,下游则是组装环节。这个分法其实挺清晰的,因为每个环节的竞争格局和毛利表现差别很大。
上游:晶圆代工和内存储器
这两个领域是这轮AI行情里最受益的。晶圆代工那边,台积电、三星这些厂商不只是在做普通的芯片代工,先进制程和先进封装的需求把他们忙得够呛。内存储器那边,HBM这种高性能内存卖得特别火,需求端是AI训练服务器,供给端能做的厂商就那么几家,议价能力自然就强了。
值得注意的是,三星有个「滚动基准」合约机制,每年谈一次,谈完在合约末尾追加一年,让合约始终保持5年有效期。这种机制在原材料价格波动大的时候,能给双方一定的灵活性。
中游:封测、载板、散热、光通讯
中游的情况比较复杂,要分开说。先进封装和ABF载板是这两年最值得关注的增量市场。摩尔定律撞墙了,芯片性能提升越来越难靠制程微缩,厂商们开始转向封装技术——把多个小芯片整合在一起,做成更大的封装。这种异质整合趋势直接拉高了ABF载板的需求和技术门槛。
散热这边变化也很大。传统的气冷方案已经顶不住了,高阶AI芯片的热设计功耗早就突破1kW,有的甚至更高。液冷散热从去年开始加速导入,成为高阶AI基础设施的标准配置。未来散热技术还会继续演进,走向芯片封装级甚至硅晶圆级散热。
光通讯:从插拔式到共封装光学
光通讯是个容易被忽略的环节。AI服务器集群里,芯片和芯片之间、服务器和服务器之间需要高速数据传输,这个传输靠的就是光模块。早期的插拔式光模组体积大、功耗高,现在行业在往NPO、CPO方向发展,最后可能会走到光学I/O阶段。核心逻辑是一样的:让光学引擎越来越靠近计算芯片,缩短电信号传输距离,降低延迟和功耗。
下游组装厂为什么压力最大?
整条供应链看下来,议价能力最弱的就是下游组装厂。AI服务器需求爆发带动上游芯片、内存、载板各种涨价,但组装厂面对终端客户的时候,涨价不一定能及时传导出去。屋漏偏逢连夜雨,长短料问题又来了——有时候不是所有零件都齐,偏偏就缺那么一两个,机器装不起来,整机出货就要延后。库存积压加上资金占用,组装厂的毛利率这两年压力不小。
怎么跟踪这条供应链?
对普通投资者或者产业观察者来说,最难的就是信息太分散。财经M平方搞了一套AI电子供应链追踪架构,把上中下游各环节的重要指标和代表公司都整理进去了。有了这套框架,至少能知道现在AI产业景气大概在什么位置、资本开支往哪个方向走、需求端有没有变化。
供应链里涉及的公司只是参考,平台会定期更新清单,该增的增、该删的删。毕竟AI产业发展太快,上下游的边界也在变。
结语:供应链格局重塑进行时
AI供应链这轮重组远没到头。晶圆代工和内存储器吃到了最大红利,封测和载板吃到增量,散热和光通讯还在技术升级的半路上,组装厂则要熬过这轮成本压力。整体来看,从大规模训练到推理普及再到AI Agent,AI应用场景在不断延伸,供应链各环节的分化也会持续加剧。追踪这条链,关键是盯住各环节的议价能力和毛利变化,这比盯着某一家公司的股价要有意思得多。
本文基于公开媒体报道整理,仅作信息参考,不构成任何投资依据,内容以原文为准。