📑 目录
大摩——亚太科技行业：AI供应链——内存短缺与超级节点挑战下的GPU架构优化.pdf
1. 研报核心观点摘要
摩根士丹利（Morgan Stanley）在2026年8月10日的亚太科技行业报告中，并未对Alphabet直接给出评级或目标价，而是围绕AI供应链提出关键判断： - 核心结论：英伟达Rubin Ultra平台可能采用分层HBM规格以应对内存短缺与成本压力，同时Kyber机架方案延迟将推动第一代Rubin Ultra服务器继续使用Oberon方案搭配CPO/NPO技术。对于Alphabet/谷歌而言，谷歌TPU需求强劲，预计2026年出货370万颗，2027年超735万颗（来源：Morgan Stanley Research estimates），带动测试服务商KYEC收入中谷歌相关占比从2026年的8-10%提升至2027年的10-15%。 - 关键支撑数据： - 谷歌TPU 2026e出货量 370万 颗（2025e为175万颗，翻倍以上增长）；2027e出货量 735万 颗（+99% YoY）。（来源：Exhibit 1 表格） - 谷歌CPU 2026e出货量 150万 颗，2027e 300万 颗。（来源：第4页） - MediaTek预计2027年在ASIC市场占据 15-20% 份额，且2028年随2nm TPU产品爬坡份额可能进一步上升。（来源：第2页） - 正面支撑证据：谷歌CPU项目同样需使用老化测试和系统级测试，印证AI芯片测试时间拉长、需求持续性强。联发科、GUC等设计服务厂商积极介入谷歌TPU后端设计，显示生态链锁定。
2. 关键财务与业务拆解
本报告未提供Alphabet营收、利润或估值数据。以下仅根据研报原文拆分谷歌TPU/CPU出货量及对供应链的影响，不涉及Alphabet自身财务表现。
| 指标 | 2025e | 2026e | 2027e | 同比（2027e vs 2026e） | 来源 |
|---|---|---|---|---|---|
| 谷歌TPU总出货量（千颗） | 1,750 | 3,700 | 7,350 | +98.6% | Exhibit 1, Morgan Stanley Research estimates |
| 其中：v7 (Broadcom 3nm) | 300 | 2,300 | 200 | -91.3% | 同上 |
| v8i (Broadcom 3nm) | 900 | 4,000 | 2,500 | -37.5% | 同上 |
| v8t (MediaTek 3nm) | 500 | 3,000 | 1,000 | -66.7% | 同上 |
| v9 (MediaTek 2nm) | - | 150 | 3,000 | +1900% | 同上 |
| 谷歌CPU出货量（千颗） | 未提供 | 1,500 | 3,000 | +100% | 第4页正文 |
| KYEC谷歌相关收入占比（含TPU/CPU测试） | - | 8-10% | 10-15% | - | 第4页正文 |
| MediaTek ASIC市场营收份额预期 | - | - | 15-20%（2027） | - | 第2页正文 |
说明：表格中出货量为摩根士丹利估算值，未与Alphabet财报核对。外部提供的财务数据存在量级矛盾（营收6.33K、净利3.78K与公开财报不符），本报告不予采用。Alphabet实际盈利能力无法从该研报推断。
3. 研报逻辑链条与前提假设
摩根士丹利的推理主线是AI算力需求驱动HBM内存规格分化与服务器架构升级，其中谷歌作为云厂商，其自研TPU放量印证算力投入趋势。逻辑链梳理如下：
| 推理步骤 | 核心逻辑 | 前提假设 | 假设脆弱性 |
|---|---|---|---|
| 1. HBM内存分层 | 英伟达Rubin Ultra高配用HBM4e 8Hi，低配用HBM4 12Hi/8Hi，以平衡产能短缺、成本与不同工作负载需求。 | HBM4e供应在2026年底仍紧张；不同负载对内存带宽敏感度差异显著。 | 中：若HBM产能提前释放，降规动力减弱。 |
| 2. 内存缩减促进芯片出货量 | 每颗GPU内存容量下降可能增加整体芯片出货量，利好走量型供应商。 | 客户接受降规方案且总算力需求弹性大于1。 | 高：若大模型推理性能严重受损，降规可能削弱需求。 |
| 3. Kyber机架延迟但CPO方向不变 | 因PCB与散热挑战，第一代Rubin Ultra仍沿用Oberon NVL72方案，同时通过CPO/NPO实现NVL576级扩展。 | CPO技术可在2027年前达到量产成熟度；Oberon方案能满足过渡期需求。 | 中：若CPO光学引擎成本或可靠性不达标，扩展延迟将影响算力密度承诺。 |
| 4. 谷歌TPU出货高增 | TPU v8/v9世代切换至3nm/2nm，MediaTek与Broadcom双供模式放量，测试需求随之强劲。 | 谷歌内部AI推理工作负载持续爆发；2nm良率爬坡顺利；双供模式无产能冲突。 | 中：若AI应用变现慢于预期，谷歌可能削减资本开支。 |
| 5. TPU/CPU测试时间延长 | 3nm AI芯片需burn-in老化测试，测试周期拉长，提升测试服务环节价值量。 | AI芯片复杂度和可靠性要求持续提升，测试时间不会因成熟而缩减。 | 低：测试效率提升可能部分抵消时间增长。 |
4. 主要风险与不确定性
| 风险类别 | 风险描述 | 来源 | 可能性 | 影响程度 |
|---|---|---|---|---|
| 研报提及 | HBM降规可能对长上下文LLM解码性能产生显著影响，若客户不接受可能打乱出货节奏。 | 原文第1页：“HBM de-specification will have a more meaningful impact on decoding... particularly for long-context-window LLMs” | 中 | 中 |
| 研报提及 | Kyber机架方案没有具体时间线，PCB和散热问题若持续，将限制机架级GPU密度提升节奏。 | 原文第1页：“Kyber server rack delays with no concrete timeline... ongoing PCB and thermal challenges” | 中高 | 高 |
| 模型补充 | 谷歌TPU出货预测高度依赖谷歌自身AI服务变现能力与资本开支纪律，若广告/云业务承压，可能下调订单。 | FinGPT分析提及“AI资本开支回报不确定” | 中高 | 高 |
| 研报提及 | 中国GPU厂商采用NPO而非CPO，可能因工艺限制难以在速率上追赶，但地缘政治可能加速其自主方案落地，长期分流部分算力需求。 | 原文第2页：“Chinese AI GPU vendors are adopting NPO rather than CPO... local GPU SerDes speeds may remain at 100Gb/s per lane” | 中 | 低（短期） |
| 模型补充 | 反垄断风险：谷歌搜索与广告业务面临AI聊天分流及潜在分拆压力，可能间接影响其对自研芯片的激进投入。 | FinGPT分析 | 中 | 中 |
5. 估值与目标价逻辑
本研报未提供Alphabet目标价或估值。外部数据因量级矛盾不可用。仅能从TPU出货量与KYEC收入占比间接推断谷歌自研芯片业务量。
- 若以KYEC 2027年总营收为基数（未知），谷歌相关占比10-15%，可作为供应链受益程度的参考，但无法映射至Alphabet整体估值。
- 根据FinGPT交叉验证，当前Alphabet实际PE约43倍（基于股价与公开利润推算，非外部错误数据）。该估值隐含市场对AI资本开支高回报的乐观预期。
- 关键估值变量：①谷歌TPU实际部署量与外部客户采购量；②AI推理工作负载对应边际利润。目前均缺乏数据，因此无法给出合理的目标价区间。
声明：本段不提供目标价估算，仅客观呈现实况与已知信息。
6. 独立判断与情景分析
本文基于公开研报分析整理，不构成投资建议。以下情景围绕谷歌 AI 算力投入的回报前景展开，采用盈利转化能力作为核心变量（以虚构的2028年EPS示意，实际数字取决于Alphabet整体盈利）。
| 情景 | 概率 | 核心条件 | 2028E EPS（示意） | 隐含回报 | 关键观察指标 |
|---|---|---|---|---|---|
| 乐观 | ~30% | AI推理需求爆发，TPU v9/v10外部采用超预期；HBM降规对性能影响可控；CPO按时部署提升算力效率；广告与云业务增速稳健反哺资本开支。 | $8.0+ | 高 | TPU实际部署集群数、谷歌云AI收入增速、资本开支效率（ROIC） |
| 基准 | ~50% | TPU出货符合摩根士丹利预测，但大部分用于谷歌内部；HBM降规导致部分推理场景性能妥协，增长温和；反垄断风险未实质爆发。 | $7.0 | 中等 | TPU出货与实际云收入匹配度，KYEC营收指引 |
| 谨慎 | ~20% | 大模型商业变现低于预期，谷歌削减AI开支；HBM降规拖累核心产品体验；竞争加剧（Nvidia GPU、中国ASIC替代）导致TPU外销不及预期；反垄断分拆风险上升。 | $5-6 | 低下 | 谷歌资本开支指引下调、AI服务用户增长停滞 |
乐观情景：研报提及的HBM降规如果仅影响长上下文解码，而主要推荐与搜索场景对内存容量不敏感，则谷歌可通过更高芯片出货量获得算力成本优势，叠加CPO带来的高密度扩展，其AI服务毛利率可能提升。
基准情景：TPU按预测放量，但提升利润率的效果被折旧和测试成本上升部分抵消。谷歌搜索及YouTube广告基本盘稳定，AI投入维持在营收25-30%的水平，对应EPS稳步增长。
谨慎情景：若AI推理需求不及预期或英伟达GPU性价比更优，谷歌可能放缓自研芯片扩张，已预订的晶圆和测试产能面临减值风险。此外，搜索反垄断案件若要求剥离Chrome或安卓，将直接影响Alphabet生态协同，减少内部芯片需求。
结论：摩根士丹利报告揭示了谷歌AI定制芯片在供应链端的高增长态势，但并未解答其商业化回报问题。投资者应重点关注后续季度谷歌云AI服务收入的实际增长与资本开支指引的变化。
本站分析内容由 AI 自动生成，仅供研究与学习参考，不构成任何投资建议、要约或招揽。据此操作，风险自负。 免责声明