大摩研报解读：GPT-6 Astra 重塑 AI 需求框架，算力仍是投资首选

BiRun 消息，撰文：Rita OpenAI 最新发布的 GPT-6 Astra 正在重新定义 AI 基础设施的投资逻辑。 9 月 7 日，摩根士丹利发布科技行业策略报告指出，GPT-6 Astra 不仅在 100 万颗 GPU 上完成训练，其跨推理、工程、计算机使用和物理世界任务的广泛能力正在重塑市场对 AI 需求的认知。大摩认为，当前低估 AI 基础设施投资的风险已大于高估的风险，投资者对 AI 的持仓已大幅下降，宏观不确定性叠加近期的市场回调，为重新布局创造了窗口。 大摩将 AI 投资分为三个垂直领域：AI 计算（最看好）、存储（结构性看好但需更挑剔）和网络（次优选择）。报告同时指出，AI 之外的模拟芯片正处于周期性复苏的早期阶段，提供了有价值的分散化机会。 算力仍是 AI 投资的核心，组件环节同样受益大摩对 AI 算力的信心最强，核心逻辑是需求持续超出预期，且盈利上修动能依然存在。GPU、CPU 和 ASIC 是直接受益者，台积电 2026 年营收增长指引已上调至 40%以上，AI 半导体占其营收比重预计超过 30%。台积电将 2026 年资本开支上调至 600 亿至 640 亿美元，进一步验证 AI 需求的强劲程度。 算力机会正在向更广泛的组件环节扩散。ABF 基板的需求结构已从 PC、服务器向 AI GPU/ASIC 和网络设备转移，大摩预计 ABF 涨价周期比此前预期更强、更早，欣兴电子是首选标的。MLCC 同样受益，AI 服务器对功率密度和性能要求的提升拉动高价值 MLCC 用量大幅增长，村田制作所被列为首选，三星电机也因 ABF 和 MLCC 双重受益而受到关注。 存储周期进入后期，标的需精挑细选存储芯片的基本面仍然强劲，但周期正在向后期过渡。大摩预计 DRAM 月度价格同比增速将在 2026 年四季度见顶，价格上涨的幅度将逐渐收窄，盈利上修的速度已经开始放缓。2026 年 DRAM 位元供给增长已从此前的 25%上调至 31%，而 HBM4E 的后端制程复杂性正在改变存储制造的范式，HBM 正从专用 3D 存储堆栈演变为高度集成的定制化 Chiplet 逻辑系统。 HBM4E 后端制程的复杂性可能延迟 DRAM 供应增长，进而影响 NAND 供应。在周期的这个阶段，应优先选择结构性份额增长、本地化和下游 AI 暴露的标的，而非与大宗商品价格挂钩的品种。长鑫存储是唯一被列为超配的存储标的，其 HBM3E 预计将成为 2027 年中国 AI GPU 的关键瓶颈，提升了其在国产 AI 供应链中的战略重要性。SK 海力士、三星和铠侠则被视为战术性机会，前提是供给紧张持续，但它们已处于商品周期的后期阶段。 网络机会在于 scale-up 扩张，CPO 大规模采用仍需时日网络是 AI 基础设施中第二大机会，但市场对其理解存在偏差。机会在于 scale-up 网络规模的快速扩张，而非简单的铜缆到光缆的替代。scale-up 网络市场机会已超过 700 亿美元，是去年同期估算的四倍以上，主要驱动因素是英伟达 Rubin 将 scale-up 域扩展到 144 个 GPU，Rubin Ultra 扩展到 576 个 GPU。 铜缆的使用寿命可能比市场预期的更长。在短距离机架内互联中，铜缆在延迟、功耗和成本方面仍具优势，SerDes、重定时器和有源铜缆的改进正在延长其使用寿命。光学方案在 scale-up 域跨机架扩展、带宽密度和电气 I/O 功耗变得更具挑战性时才变得必要。技术演进路径是铜缆到 NPO/混合架构再到 CPO，而非简单的二元切换。CPO 的。