Muse携手Astra掀起新一轮AI算力巨浪! 瑞银圈出四大投资主线，存储与半导体设备站上超级风口

智通财经APP获悉，国际金融巨头瑞银(UBS)最新发布的亚太AI科技研究报告显示，近期席卷B端与C端用户群体的AI智能体代理式工作流正在加速扩大可商业化的全球各行业AI应用范围，推动算力需求从英伟达AI GPU或者谷歌TPU系统全面扩展至存储芯片、CPU配套组件、2.5D CoWoS/3D先进封装、高性能以太网网络设施、AI数据中心高速光互连传输与不间断高效率供电/配电系统，与全球范围如火如荼的AI算力基础设施建设相关联的算力链高景气度将进一步延伸至2028年。

近日风靡全球的Meta Muse AI智能体与“比肩AGI”的OpenAI Astra大模型/AI智能体带来的最核心变化，可谓是一次用户指令可以触发持续、多阶段的计算工作。一个研究、编程或办公任务，可能依次包含规划、检索、读取文档、调用工具、执行代码、检查结果和修正错误，其中多个步骤需要重新调用模型，复杂任务还可能采用并行探索与验证，而这类近乎无止境且愈发复杂的AI工作负载会把增长机会加速传导至GPU之外的完整聚焦AI推理负载的算力系统。

基于“杰文斯悖论”(Jevons Paradox)，未来AI计算资源需求总体将因推理端算力成本下行而不断扩大。近期讨论火热所谓的杰文斯效应，又称“杰文斯悖论”，是一个反直觉的经济学理论：当前沿技术进步提高了某种资源(如能源、原材料或AI算力基础设施资源)的使用效率时，它会降低单位成本，从而刺激市场需求大规模扩张，最终导致所有类型资源的总消耗量不降反增。该概念由英国经济学家威廉·斯坦利·杰文斯(William Stanley Jevons)于1865年在《煤炭问题》一书中首次提出。

从AI推理系统架构角度看，Meta Muse主导的更复杂的AI任务往往包含更长上下文、多轮模型调用、工具执行与结果校验：预填充(Prefill)需要处理输入，解码(Decode)持续生成输出，键值缓存(KV Cache)则随上下文和并发规模扩大而占用更多内存，计算吞吐量、内存带宽与容量需要协同提升。因此，随着Meta Muse等前沿智能体进一步引爆AI算力需求，对于AI算力产业核心推论在于，GPU、TPU承接模型计算，CPU承接工具执行与任务编排，HBM、服务器DRAM、存储和高性能网络基础设施、数据中心光互连器件共同支撑数据高效率运输与状态管理;最终需要由一整套完整且未来规模愈发庞大的AI算力服务器集群交付可持续运行的服务。

Meta的Muse以及OpenAI的Astra强化了计算机操作、编程及多步骤化的极度专业工作能力，由此可以推演出的是，AI应用的加速扩张正同时增加“模型思考”和“实际执行工作”所需的基础设施投入。这也是为何随着AI商业化进程大幅改善，瑞银集团的资深分析师团队将全球超大规模云计算厂商及新云类型企业2027年的经营现金流预测大幅上调30%，并将AI算力主题的投资偏好排序明确为“存储芯片>半导体设备>多层陶瓷电容器(MLCC)>精选中国台湾半导体产业”，尤其看好亚太地区半导体板块，强调AI算力产业链的核心参与者们多数位于亚太地区。

瑞银对于亚太区域则重点推荐三星电子、联发科、东京电子和北方华创，同时也长期看好台积电、SK海力士、台达电、智邦、日月光半导体等AI算力产业链中的最核心算力供应企业。下表汇总的是瑞银分析师们全部21家“最偏好”公司，并补充阿斯麦(ASML)、铠侠、南亚科及世芯四家直接相关标的。星号代表的是瑞银分析师们点名的四大区域首选AI股票;目标价均为相应上市股票的本币每股价格。

从万亿美元级别资本开支到存储大幅涨价：瑞银拆解AI算力基础设施投资狂潮背后的六大逻辑

首先瑞银聚焦的是，AI商业化改善，为持续扩张的资本开支提供现金流支撑。瑞银预计，其覆盖的12家云计算及AI基础设施企业，2026—2028年资本开支合计分别达到约1.009万亿、1.447万亿和1.619万亿美元，同比增长98.5%、43.5%和11.8%;2027年上行情景则达到1.8万亿美元。其中，2027年谷歌和Meta资本开支预计分别约为3,531亿美元和2,449亿美元。

这里的关键变化，是瑞银同时上调了经营现金流预测，使投资扩张获得更强的商业化支撑;报告仍将资本开支与经营现金流之间的融资缺口列为首要观察因素，但判断总体可管理。需求增长也体现在芯片收入结构：瑞银预计，AI云计算半导体收入由2026年的5,310亿美元增至2027年的1.183万亿美元，2028年进一步达到1.443万亿美元，占全球半导体收入的比例升至53%。需要注意的是，这些数据均为瑞银分析师团队最新预测，其中收入增长包含产品升级和存储涨价的贡献。

第二，存储芯片投资主题是本报告最鲜明的配置主线，增长动力覆盖HBM、服务器内存和企业级SSD。瑞银预计，DRAM上行周期延续至2028年第二季度，NAND延续至2027年第四季度;服务器DRAM比特需求2026年增长49.9%，2027年进一步增长83.1%，服务器平均DRAM容量由927GB增至1,455GB。与此同时，2027年HBM终端需求预计增长约91%，AI服务器高性能DDR层面需求增长约192%。

瑞银表示，供给端新增DRAM晶圆产能主要流向HBM，传统DRAM与NAND的供给扩张相对受限;在计入库存调整后，瑞银模型显示2027年DRAM、NAND供给缺口分别约为4.9%和1.4%，对应混合均价分别上涨44.1%和34.6%。

瑞银还预计，增强型长期供货协议覆盖行业超过50%的出货量，其中超过40%采用固定数量、固定价格条款，提高收入可见度。其预测模型中，云厂商2027年存储芯片相关联的采购支出达到约9,332亿美元，占基准资本开支的高达64%，远高于瑞银预测的206年存储开支占比37%这一测算，因此客户购买能力也成为报告的重要观察点。个股层面，三星受益于HBM执行改善与扩产能力，瑞银预计其2027年HBM比特份额可能达到41%;SK海力士则继续受益于HBM及其他存储产品的盈利扩张。两家公司更强的自由现金流及分红、回购能力，是瑞银认为市场将进一步关注它们的股东回报价值层面逻辑。

第三，GPU与ASIC这两条最核心的AI加速器计算技术路线共同加速扩张，服务器投资机会向多种计算架构和整机架升级延伸。按照瑞银的AI加速器汇总口径，瑞银预计2026年GPU及加速器数量约为1,693.3万颗，同比增长32%，2027年增至2,849.3万颗，同比增长68%。英伟达机架交付预计由2026年的80,090台升至2027年的95,098台，期间Blackwell或者Blackwell Ultra向Rubin加速切换，因此旧平台机架减少应结合新平台大规模放量来进行推演与理解。

AI ASIC/谷歌TPU供需方面，联发科是重点：报告转述其将2027年TPU销售目标由70亿—120亿美元提高至120亿—160亿美元，瑞银自身预测更高，达到180亿美元，2028年进一步达到350亿美元，背后是TPU市场扩大、份额提升及v9项目推进。

AI服务器/AI服务器整合机柜整机供应链环节，鸿海受益于Rubin机架更高的售价、非芯片部件整合及制造附加值;智邦则受益于Trainium板卡、800G/1.6T交换机、液冷和光交换的内容增加。CPU与存储配套也同步升级，例如瑞银预计Simmtech的SOCAMM2相关收入由2026年的2,240亿韩元升至2027年的4,530亿韩元。

第四，先进制程、封装复杂度与存储扩产，共同拉动设备、材料和测试需求。瑞银预计，全球晶圆制造设备(WFE)市场2026—2028年分别达到1,580亿、2,260亿和2,745亿美元，其中2027年DRAM设备支出增长约60%。瑞银表示，台积电AI/高性能计算需求可见度延伸至2029—2030年，瑞银预计其2026—2028年资本开支分别为630亿、800亿和950亿美元;全行业层面的2.5D级别CoWoS先进封装月产能则由2026年底的16万片增至2027年底的27万片。

瑞银强调，全球2.5D/3D先进封装扩张将加速进一步传导至日月光、万润和测试厂商：日月光2027年LEAP先进封装测试业务收入指引提高至超过70亿美元，瑞银预测为75亿美元;Chiplet、多裸片集成及复杂封装增加测试步骤和测试时间，支持爱德万、AEM、京元电子及HBM测试设备企业。更长期的HBM4/HBM4E、4F²垂直沟道DRAM和CoPoS路线，又增加沉积、刻蚀、光刻、键合及检测需求。对应个股，东京电子受益于DRAM设备敞口及产品提价，北方华创受益于中国存储扩产与设备国产化，总部位于荷兰的光刻机巨头阿斯麦(ASML)则受益于先进逻辑和DRAM共同增加的光刻需求。

第五，数据中心光互连、供电/配电和MLCC的增长，来自数据中心带宽与功率密度同步提升。瑞银对光收发器可服务市场的基准预测，是由2025年的120亿美元增至2030年的323亿美元，其中CPO贡献65亿美元、占20%;上行情景下，总市场达到552亿美元，其中CPO贡献138亿美元、占25%。

瑞银的这些预测意味着，可插拔光模块与CPO都存在增长空间，价值增量覆盖光芯片、激光器、光纤、交换ASIC、封装与测试设备。供电方面，瑞银预计AI服务器供电市场2025—2030年复合增长约69%，2030年达到911亿美元;台达电凭借从电网侧到芯片侧的产品组合受益，400V/800V供电架构预计在2028—2029年成为更大的增长驱动。

MLCC方面，AI服务器需要更多高规格去耦、滤波元件，而高端产品生产周期与良率限制供给扩张：瑞银预计三星电机AI服务器MLCC收入2025—2030年复合增长约80%;村田则已将截至2027年3月财年的数据中心收入指引提高至3,706亿日元，同比增长110%。这些机会共同指向单位机架内电子元器件价值的提升。

第六，瑞银的配置强调行业分化，并结合估值、持仓和盈利兑现选择公司标的。区域配置上，瑞银的这份研究报告超配韩国和中国台湾半导体，中性配置日本;行业配置超配先进制程代工、存储、封测、服务器ODM和晶圆设备。尽管MLCC在其偏好排序中靠前，正式行业权重仍为中性，推荐主要体现在具体具备超额阿尔法价值的公司标的。

消费电子方面，瑞银预计全球PC出货2026年下降11%、2027年下降约4%;智能手机出货2026—2028年分别下降10%、下降3%和增长2%，存储涨价、终端购买能力及换机意愿分化，是其审慎看待相关板块的重要依据。此外，瑞银表示个股选择也具有区分度：韩美半导体维持卖出、目标价170,000韩元，大立光为卖出、目标价5,000新台币，原因涉及竞争、估值及认证进度;华硕、仁宝和和硕即使扩大AI服务器业务，仍获中性评级;由此可见瑞银分析师团队似乎更重视需求最终转化为利润、自由现金流和股东回报的能力。

AI开始替人高效率干活，为何全球需要加速推进AI数据中心升级与新建设进程?

Muse与Astra迅速爆火带来的最核心变化与AI应用趋势，是一次用户指令可以触发持续、多阶段的计算工作。一个研究、编程或办公任务，可能依次包含规划、检索、读取文档、调用工具、执行代码、检查结果和修正错误，其中多个步骤需要重新调用模型，复杂任务还可能采用并行探索与验证。

Muse的云端虚拟机和后台执行机制，以及Astra的计算机操作能力，扩大了能够交给AI完成的工作范围。从需求模型看，总计算量由活跃用户数量、任务频次及每项任务的推理工作量共同决定，峰值并发和响应时间要求则决定基础设施需要配置多少容量。

更强的模型还能通过提高成功率、降低完成任务的成本，吸引更多工作进入AI系统。Meta披露，Muse Spark 1.3在其工程师比较测试中，工具调用和token使用量分别减少约20%和25%(相较于Muse Spark 1.2的内部工程比较结果);这一效率大幅提升，使更多原本成本过高或可靠性不足的任务具备商业可行性，从而通过用户规模与任务量扩张，为总体AI应用加速渗透以及用户Token输入/使用消耗量指数级增长创造有利条件。

这也是为何在瑞银分析师团队看来这类近乎天量级别且极度复杂的AI推理工作负载会把增长机会传导至GPU之外的完整计算系统。GPU与ASIC承担神经网络计算，AMD、英特尔以及Arm架构CPU则可承接虚拟机、浏览器、代码执行、任务调度及数据处理;模型权重、长上下文和KV缓存增加HBM及系统内存容量、带宽需求，长期记忆、文件与适当的缓存分层增加企业级SSD需求;分布式推理、多节点数据交换及存储访问进一步拉动高速网络和光互连。

OpenAI在9月11日披露，其Habitat在线存储平台已处理每秒超过7,000万次存储请求、管理超过500PB的创纪录式里程碑数据，并明确列举路由、压缩、加密和校验等CPU密集工作，这为“AI应用增长同时拉动CPU与存储等AI半导体以及数据中心光互连传输”提供了实际工程依据。随着更多任务进入生产环境，新增服务器及更高的机架功率密度，又将需求传导至供电、液冷和电网接入。因此，从工程与投资角度推演，Muse、Astra所代表的智能体普及，有望同时扩大AI计算容量、存储、数据中心高速光互连和能源系统的强劲需求，这也与瑞银对存储芯片、支撑AI半导体大规模扩产的半导体设备瓶颈以及AI数据中心基建核心供应链的重点布局相呼应。