AI GPU/ASIC、中国大模型、先进封装与 MLCC 行业追踪分析

摘要： 本次大摩技术网络研讨会重点探讨了 AI 硬件供应链中的关键瓶颈，分析了 MLCC 的需求增长、AI GPU/ASIC 的演进（特别是云服务商自研芯片趋势）以及中国 AI 芯片厂商的竞争格局与性能表现。

行业主线：

1. MLCC 成为关键瓶颈：AI 服务器电源架构演进带动高电容、低 ESL 的 MLCC 需求，预计 2027 年 AI 服务器 MLCC 需求将接近 10 亿美元。
2. 定制化 ASIC 趋势：尽管 NVIDIA 占据主导，但各大云服务商（CSP）如 Google、AWS、Meta 为优化成本与效率，持续推进自研定制芯片。
3. 中国 AI 算力国产化：分析了中国 GPGPU 厂商的竞争格局，探讨了国产芯片在推理 TCO 上的优势以及通过集群规模弥补单芯片性能差距的路径。

关键变化与分歧：

1. 性能与成本的博弈：国产 AI 芯片在 LLM 推理场景下展现出更强的性价比（Performance per Dollar），TCO 低于 NVIDIA 处理器的同类方案。
2. 中美算力链条解耦：AI 计算出现解耦趋势，中国在基础设施建设和集群规模上具有强韧性，以缓解单点技术差距。

受益方向与风险：

1. 受益方向：全球领先的 MLCC 供应商（如村田、三星电工）；国产 AI 芯片领军企业（如寒武纪、天数智芯）。
2. 核心风险：芯片产能受限（特别是中国境内）；监管政策导致的供应链中断；AI 基础设施资本开支波动。