大摩：GPU与XPU，谁将胜出？（深度重磅报告）

一、核心结论

摩根士丹利在最新发布的最新半导体报告中指出，AI半导体产业的价值链正在发生深刻变革，GPU不再"一家独大"，AI算力正进入GPU与XPU（各类AI专用处理器，涵盖AI ASIC、NPU等）协同发展的多元时代。

报告的核心判断可以概括为以下几条：

1. 市场空间巨大：全球AI半导体市场规模2026年预计达约4850亿美元，2030年有望增至约7530亿美元，占全球半导体产业（约1.5万亿美元）的一半。

2. 云资本开支持续高企：2026年云资本开支预计达7960亿美元，其中AI服务器资本开支约6000亿美元，云AI ASIC及非英伟达GPU规模约900亿美元。

3. 推理需求崛起：AI产业发展重心正由模型训练逐步转向推理应用，算力需求更加多元，这为XPU提供了广阔的市场空间。

4. 产业链价值重分配：赢家不再只有GPU厂商，而是覆盖芯片设计、先进制造、先进封装、测试及AI专用芯片等多个环节。

二、报告核心剖析

2.1 GPU vs XPU：性能与成本的权衡

大摩报告的核心分析框架围绕"性能-成本"的权衡展开：

GPU的优势——性能碾压

大摩将英伟达多款GPU与亚马逊Trainium、谷歌TPU等定制ASIC芯片进行了每瓦TFLOPS性能对比，结果显示英伟达芯片的每瓦性能比定制ASIC芯片高出2到8倍。具体得分如下：

英伟达 Vera Rubin	FP4	19.5
英伟达 Vera Rubin	FP8	6.8
英伟达 GB300	FP8	6.0
英伟达 H100	FP8	3.1
谷歌 TPUv7	FP8	4.3
亚马逊 Trn3	FP8	2.5

定制芯片的数据中心建造成本仅为英伟达Blackwell方案的一半——使用英伟达Blackwell GPU建造1吉瓦数据中心，成本是使用谷歌TPU或亚马逊Trainium方案的两倍。

大摩的核心判断：尽管英伟达芯片更贵，但其计算效率远超定制芯片，长远来看能为客户带来更高的总回报。英伟达CEO黄仁勋此前的论断——"价格高昂但长期回报更高"——得到了大摩报告的数据支撑。

其他维度的考量

除每瓦性能外，每百万Token的生成成本是另一关键指标。据AI基础设施提供商Nebius测算，英伟达Blackwell芯片每生成百万Token的成本约为25美分，生成速度约每秒450个Token；而Groq AI芯片的成本仅为5-10美分，速度达每秒800个Token。这说明在推理场景中，专用芯片的成本优势更为突出。

2.2 "双轨并行"格局的形成逻辑

大摩报告认为，GPU与XPU将走向协同发展而非替代关系：

• 训练与高性能计算：GPU凭借卓越的并行计算能力和生态优势，仍将保持核心地位。

• 推理与特定场景：AI ASIC、NPU等XPU在推理效率、总体拥有成本（TCO）优化方面更具优势，正在快速崛起。

云服务商开发定制芯片的核心驱动力在于：即便GPU性能持续提升，云厂商仍需要部署大量AI ASIC以提高推理效率、降低TCO，并针对不同工作负载进行优化。

2.3 产业链价值分配的重构

报告指出，AI产业链的竞争重点已不仅是芯片本身，而是整个AI基础设施体系：

1. 先进制造与封装：台积电CoWoS先进封装产能将在2027年继续扩张，SoIC等先进封装技术将成为未来重点发展方向。

   

   
   

2. 互联需求成为关键驱动力：大摩在另一份半导体报告中强调，AI基础设施的互联需求正成为关键增长驱动力。Astera Labs管理层预计，每颗XPU的连接内容价值将从目前的约1000美元持续增长。

3. 利润率压力：晶圆、OSAT（外包封装测试）和存储成本上升，AI对非AI芯片的资源挤压，可能在2026年加大芯片设计公司的利润率压力。

2.4 中国AI芯片的特殊机遇

报告特别指出，AI产业重心由训练向推理延伸，正在推动中国AI芯片产业链的发展：

• DeepSeek验证了低成本AI推理的可行性，推动推理需求快速增长。

• 预计到2030年，中国AI GPU市场规模有望达到约910亿美元，本土AI芯片自给率有望提升至约70%。

• 随着中国先进制程产能逐步扩张，本土AI芯片将在推理场景中不断提升竞争力。

  
  

三、投资分析

3.1 对GPU厂商（英伟达）的影响

积极因素：

• 大摩报告确认英伟达在每瓦性能上领先定制芯片2-8倍，技术壁垒依然深厚。

• 训练和高性能计算场景中，GPU的核心地位短期内难以撼动。

• "贵但更值"的逻辑得到验证，长期回报更高的论断有数据支撑。

风险因素：

• XPU在推理场景的渗透率持续提升，将分食增量市场。

• 云服务商自研芯片的规模效应一旦形成，可能改变采购结构。

• 大摩对Marvell的评级中提到，部分AI芯片公司估值已达英伟达市盈率的2.5倍，存在估值压力。

3.2 对XPU/ASIC产业链的影响

最大的受益者：

• 博通（AVGO） ：大摩上调博通目标价至409美元，看好其ASIC和网络业务长期前景。博通与OpenAI达成重大合作，将于2026年底至2029年部署10吉瓦定制AI加速器，OpenAI可能成为博通的第五大XPU主要客户。

• Marvell（MRVL） ：大摩模型显示，定制化芯片收入将从约40亿美元增长至约100亿美元，连接业务收入约100亿美元，预计以70%的速度增长。但大摩对其维持"等配"评级，因其估值已达英伟达市盈率的2.5倍。

• Astera Labs（ALAB） ：大摩维持"超配"评级，看好其短期及长期机遇。

互联基础设施：大摩明确指出，AI机遇正日益由互联驱动，横向扩展和纵向扩展机遇同样巨大。

3.3 对先进制造与封装环节

台积电CoWoS产能扩张、SoIC等先进封装技术的推进，意味着设备、材料和封测环节将持续受益。AI计算晶圆需求的增长将进一步提升先进制程和封装的重要性。

3.4 对中国AI芯片产业链

推理需求的崛起为中国本土AI芯片提供了差异化竞争窗口。910亿美元的市场规模和70%的自给率目标，意味着本土GPU/AI芯片设计、制造、封装产业链存在巨大的国产替代空间。

3.5 关键风险提示

1. 利润率挤压：晶圆、OSAT和存储成本上升可能压缩芯片设计公司的利润空间。

2. 估值泡沫：部分AI芯片公司估值已处于历史高位，大摩对Marvell的"等配"评级已反映出对估值的审慎态度。

3. 技术路线不确定性：GPU与XPU的长期博弈格局尚未定型，技术路线的演变可能重塑竞争格局。

四、总结和展望

大摩这份报告的核心贡献在于：系统性地论证了AI算力从"GPU独大"向"GPU+XPU双轨并行"演进的结构性趋势。

与7月1日市场因Meta云业务转向而恐慌性抛售存储芯片不同，大摩报告提供了一个更宏观、更长期的视角：

1. AI半导体的总盘子仍在快速扩张——4850亿到7530亿美元的市场规模意味着"蛋糕足够大"，GPU和XPU都有足够的增长空间。

2. "卖铲人"逻辑并未消亡，而是在分化——GPU是"高端铲子"，XPU是"专用铲子"，不同场景需要不同的工具。关键在于识别哪一类"铲子"在哪个场景下更具竞争力。

3. 产业链价值正在从"芯片单一环节"向"全栈体系"扩散——先进制造、封装、互联、测试等环节的重要性正在上升。这意味着投资机会不再局限于英伟达一家，而是覆盖整个AI基础设施生态。

4. 推理是下一阶段的主战场——随着AI从训练驱动转向推理驱动，成本效率和场景适配能力将比单纯的峰值性能更加重要。这对XPU有利，但也意味着GPU厂商需要加速优化推理场景的性价比。

对大摩报告的整体评价：这是一份具有战略视野的行业研判，其"双轨并行"的结论既不过度悲观于GPU的前景，也不盲目乐观于XPU的替代能力，而是在承认英伟达技术领先的同时，指出了产业链多元化的必然趋势。对于投资者而言，关键在于在"算力多元化"的大趋势下，识别出哪些环节将获得价值重估，哪些环节可能面临估值收缩——这与7月1日市场暴跌中"硬件跌、平台涨"的分化逻辑一脉相承。