摩根士丹利解讀：AI晶片狂奔，電力能否跟上？2027年隱含需求約38GW

TL;DR
· 摩根士丹利按約 1900 萬顆 GPU/ASIC、平均每顆 2kW TDP 估算，2027 年晶片隱含電力需求約 38GW，其中英偉達約占 16GW。
· 38GW 不是數據中心總用電量或已經建成的電力容量，而是檢驗基礎設施能否承接晶片出貨的壓力測試。
· 報告測算 2027 年 AI HBM 需求約 486 億 Gb、CoWoS 需求約 266 萬至 269 萬片，但 Rubin Ultra 分層內存方案尚未最終確定。
· 谷歌 TPU 出貨預計從 2026 年的 370 萬顆升至 2027 年的 735 萬顆，並帶動 KYEC 等測試供應鏈訂單。

摩根士丹利最新亞洲供應鏈檢查把 AI 擴張換算成了一個更直觀的電力數字：按照 2027 年約 1900 萬顆 CoWoS 隱含 GPU 和 ASIC、平均每顆 2kW TDP 估算，這批晶片對應的電力容量約為 38GW。

其中，英偉達約占 16GW，谷歌約 9GW，AMD 約 7GW，AWS 約 2GW，微軟、Meta 和其他廠商各約 1GW。

需要強調的是，38GW 不是屆時全球 AI 數據中心的總用電量，也不是已經落實的電力容量。它沒有完整計入 CPU、網絡、存儲、制冷及其他配套設施用電，更接近一個由晶片出貨量推導出的壓力測試：如果 2027 年 AI 加速器按供應鏈模型放量，電力基礎設施能否同步承接這些晶片？

這意味著，AI 計算力擴張的約束正在從「GPU 能否生產出來」，進一步延伸至 HBM、CoWoS、測試、機架交付和電力接入能否同時到位。

38GW 壓力測試，把 AI 瓶頸推向電力

摩根士丹利此次測算基於兩個核心假設：2027 年 CoWoS 對應的 GPU 和 ASIC 晶片量約為 1900 萬顆，每顆晶片平均 TDP 按 2kW 計算，由此得到約 38GW 的晶片隱含電力需求。

2kW 是為了估算總量而採用的平均假設，並不代表所有 GPU 和 ASIC 都具有相同功耗。38GW 也不等於數據中心實際運行負荷，因為晶片不會始終滿載運行，伺服器中的 CPU、網絡、存儲和制冷系統又會帶來額外用電。

但這個數字仍然具有參考價值。過去兩年，AI 供應鏈討論主要集中在 GPU 排產、HBM 供給和 CoWoS 產能。隨著晶片出貨繼續上升，電網接入、變電站建設、數據中心選址和長期購電安排，可能直接影響晶片能否轉化為實際可用計算力。

晶片交付只是第一步。GPU 或 ASIC 進入數據中心後，還需要伺服器、機架、網絡、散熱、電力和運維系統配套。如果基礎設施建設慢於晶片出貨，市場可能出現「晶片到了，但機房和電力沒有到位」的錯配。

2027 年 GPU/ASIC 晶片隱含電力需求約 38GW，其中英偉達 16GW、谷歌 9GW、AMD 7GW。

對英偉達來說，16GW 的隱含需求也解釋了為什麼公司持續提高單機架的 GPU 密度。報告稱，英偉達長期希望通過 scale-up 架構連接更多 GPU，提高機架級計算能力和性能。

但第一代 Rubin Ultra 機架的 Kyber 方案仍面臨 PCB 和散熱挑戰，可能繼續採用 Oberon NVL72 設計，再通過 CPO 或 NPO 互聯擴展至 NVL576 規模。提高機架密度不會消除電力需求，反而會把供電、散熱和互聯壓力集中到更高規格的數據中心設計上。

HBM 與 CoWoS 同步擴張，Rubin Ultra 規格仍待確定

電力之外，HBM 和先進封裝仍是 2027 年前後 AI 晶片擴張的主要約束。

按摩根士丹利供應鏈模型，2027 年 AI 晶片對應的 HBM 需求約為 486.18 億 Gb。Exhibit 3 列出的 CoWoS 配置量約為 266.4 萬片晶圓，Exhibit 5 給出的全球 CoWoS 需求約為 269.4 萬片，兩者因統計範圍不同略有差異。

報告同時測算，2027 年 AI 計算晶片對應的晶圓收入市場規模至少達到 588 億美元。英偉達仍是 CoWoS 最大需求方，預計占約 122.2 萬片；AMD 和博通分別約為 53 萬片和 48.4 萬片。

2027 年 AI HBM 需求約 486 億 Gb，以及不同 GPU、ASIC 的 CoWoS 配置與 HBM 需求。

需求預測仍存在一個重要變量：Rubin Ultra 的 HBM 配置尚未最終確定。

供應鏈檢查顯示，Rubin Ultra 可能採用分層規格，高配版本使用 HBM4e 8Hi，低配版本則可能採用 HBM4 12Hi 或 8Hi。摩根士丹利預計，英偉達可能在 2026 年第三季度末前作出最終決定。

這一調整主要反映三方面壓力：HBM 產能短缺、內存成本上升，以及不同 AI 工作負載對容量和帶寬的需求並不相同。報告認為，降低 HBM 配置對解碼工作負載的影響可能大於預填充，尤其是在長上下文大模型中。

需要注意的是，Exhibit 3 仍按 Rubin Ultra 配置 HBM4e 12Hi、單顆總容量 384GB 測算。因此，486 億 Gb 的 HBM 需求尚未完全反映潛在的分層降規格方案。如果最終配置下調，單顆晶片的 HBM 用量可能減少，但更低的內存成本也可能推動晶片出貨增加，部分抵消單顆用量下降的影響。

美光公開信息顯示，其 HBM4 已進入大批量出貨階段，HBM4E 預計於 2027 年量產。供應端正在推進新產品，但 Rubin Ultra 最終採用何種配置，仍取決於英偉達對性能、成本和供應保障的綜合權衡。

Rubin 系列的出貨節奏仍然激進。報告預計，2027 年 Rubin 和 Rubin Ultra 合計出貨接近 700 萬顆，其中 Rubin 約 592 萬顆、Rubin Ultra 約 104 萬顆；Rubin NVL72 機架出貨可能達到約 9 萬台。

Rubin 預計從 2026 年第三季度開始爬坡，第四季度啟動機架出貨。報告還認為，此前市場擔憂的 Blackwell「庫存」更多是供應鏈緩衝庫存，預計將在 2026 年被完全消化。

Rubin 與 Rubin Ultra 晶片出貨及 Rubin NVL72 機架出貨預測。

這意味著，從 2026 年下半年到 2027 年，英偉達供應鏈需要同時完成 Blackwell 庫存消化、Rubin 爬坡、HBM 規格切換和機架交付。任何一個環節放慢，都可能影響最終可交付的計算力規模。

谷歌 TPU 增至 735 萬顆，訂單向測試鏈傳導

除英偉達外，谷歌 TPU 是報告中另一條明顯的增長主線。

按摩根士丹利預測，谷歌 TPU 出貨量將從 2026 年的 370 萬顆增加至 2027 年的 735 萬顆。其中，由博通參與的 v8i 預計出貨 400 萬顆，由聯發科參與的 v8t 預計出貨 300 萬顆，v9 預計約 15 萬顆，其餘約 20 萬顆來自 v7。

谷歌各代 TPU 出貨預測及其對 KYEC 收入的潛在貢獻。

TPU 放量將把訂單傳導至晶片設計、晶圓製造、先進封裝和測試環節。報告預計，TPU 相關業務可能占 KYEC 2026 年收入的 7% 至 8%，2027 年占比略高於 10%，包括最終測試和部分晶圓探測收入。

如果把谷歌 CPU、TPU、最終測試和部分晶圓探測業務全部納入，谷歌相關需求預計將占 KYEC 2027 年收入的 10% 至 15%，高於 2026 年的 8% 至 10%。

測試需求也在變得更加複雜。報告稱，聯發科參與的 3nm TPU 預計採用 Burn-in 測試，以提高 AI 晶片的性能穩定性和可靠性；谷歌 CPU 項目也需要 Burn-in 和系統級測試。

更複雜的測試流程和更長的測試周期將增加測試廠訂單，但測試產能是否會成為瓶頸，還取決於單顆晶片測試時間與整體出貨量的共同變化。報告同時提示，部分測試時間縮短可能緩解近期產能壓力，因此不能簡單把測試需求增長等同於產能必然短缺。

38GW 不是需求終點，而是交付能力測試

這份供應鏈檢查最值得關注的地方，不只是給出更多 AI 晶片出貨數字，而是把 2027 年的主要擴張約束放在了同一套模型中：英偉達繼續提高 GPU 密度，谷歌 TPU 快速放量，HBM 和 CoWoS 需求同步上升，晶片隱含電力需求則被推高至 38GW。

這些數字仍然依賴多個前提。Rubin Ultra 的分層 HBM 方案尚未最終確定，降低內存配置對長上下文解碼性能的影響仍需驗證；CoWoS 和 HBM 產能需要按計劃擴張；伺服器、機架、電力和散熱建設也要跟上晶片交付。

互聯方案同樣可能帶來差異。報告稱，由於本土代工工藝限制，中國 AI GPU 廠商的 SerDes 速度可能仍停留在每通道 100Gb/s，因此其超節點架構正在更多採用 NPO 互聯，而英偉達長期更看重 CPO。不同路線將影響超節點設計、部署成本和系統效率。

所以，38GW 並不是對 2027 年實際用電量的精確預測，而是一個從晶片出貨側推導出的壓力測試。它顯示 AI 晶片需求依然強勁，也提醒市場：決定 AI 計算力能否兌現的，可能不再只是 GPU 排產，而是 HBM、CoWoS、測試、機架和電力能否在同一時間到位。