亞洲科技股在本輪AI驅動上行周期中經歷了第三次逾20%的深度回調，市場定價已隱含EPS即將下調或超大規模雲服務商（hyperscaler）削減資本開支的悲觀預期。摩根大通認為，現實走向恰恰相反。

據追風交易台，摩根大通在8月5日發布的亞洲科技策略報告中表示，亞洲科技股及費城半導體指數（SOX）近期累計下跌25%至30%，但基本面並未出現任何預示未來6至12個月實質性走弱的信號。該行明確表示，EPS預期在未來數個季度內仍將持續上調，修正廣度將進一步擴大，超大規模雲服務商2027年資本開支指引亦呈上行趨勢。

摩根大通在報告中宣佈，當前是買入亞洲科技股的時機，該行認為，估值經過此輪修正後已趨於合理，亞洲科技股（剔除存儲）目前交易於10年平均市盈率上方約一個標準差水平，並非過度昂貴。

AI擴展定律完好，算力需求加速兌現

摩根大通強調，本輪上行周期的核心邏輯——AI擴展定律（Scaling Laws）——依然成立。"投入10倍算力訓練模型可帶來約2倍智能提升"的經驗法則基本延續，多家前沿AI實驗室正競相推進模型能力突破，部分廠商已就遞歸自我改進（RSI）方向取得進展，有望加速前沿模型演進節奏。

公有云收入數據印證了AI算力消費的強勁勢頭。谷歌、微軟、亞馬遜及甲骨文四大雲廠商合計公有云收入按年增速已連續多個季度加速，2026年第二季度單季新增收入約150億美元，較第一季度近乎翻倍。與此同時，三大公有云廠商的合同積壓規模持續擴張——谷歌雲積壓訂單已超5140億美元，亞馬遜AWS達4960億美元，微軟商業剩餘履約義務為6780億美元——為超大規模雲服務商維持高強度資本開支提供了堅實支撐。

開源大模型的崛起並未被視為利空。該行認為，前沿模型競爭格局日趨激烈、領導地位頻繁更迭，反而有利於科技硬件需求和AI算力資本開支的持續擴張。

超大規模雲服務商資本開支2027年仍將強勁，孖展或帶來短期波動

2027年超大規模雲服務商資本開支將保持強勁增長。據該行分析師Doug Anmuth和Samik Chatterjee的預測，亞馬遜、微軟、谷歌、Meta、甲骨文、Coreweave及SpaceX七大超大規模雲服務商合計資本開支2026年預計按年增長約103%至約9010億美元，2027年將進一步增長65%至約1.49萬億美元。SpaceX亦被視為新興重量級資本開支主體，有望與傳統雲服務商並駕齊驅。

對於市場擔憂的資本開支可持續性問題，超大規模雲服務商自由現金流將在2026年下半年及2027年轉負，但報告認為其資產負債表整體仍屬健康——截至2026年第二季度，超大規模雲服務商合計淨債務與股權比率約為12%。該行預計，相關企業將通過股權及債務孖展渠道補充資金，不會在2027年收縮AI算力投資。

在庫存層面，未發現任何AI關鍵組件（GPU、ASIC、存儲等）出現庫存積壓跡象，與2022年汽車零部件或2017年雲服務商DRAM芯片的周期頂部特徵截然不同。該行預計，未來12個月內AI芯片需求將持續超出供應鏈供給能力及數據中心電力預算上限。

半導體設備與IC基板最具配置價值，存儲敘事存在隱患

在子板塊配置上，摩根大通認為半導體設備（SPE）是未來12個月內最具優勢的細分領域。該行預計台積電及主要存儲廠商資本開支預期將出現顯著上調，設備與潔淨室空間有望成為2027至2028年的下一個瓶頸。

IC基板被列為組件板塊中基本面最為紮實的細分領域，受益邏輯包括：AI加速器封裝尺寸持續增大、服務器CPU需求強勁、EMIB-T封裝技術自2027年底起加速滲透，以及CPO相關解決方案帶來的增量需求。供給端集中度高，未來兩年內難以出現大規模產能擴張，利潤率仍遠低於前期峯值，EPS上調空間充裕。

存儲板塊則是態度相對審慎的例外。儘管供需基本面健康，供給缺口預計延續2至3年，但英偉達和AMD計劃推出低HBM密度加速器（Vera Rubin和MI455的8HBM4堆疊方案），並削減2027年Vera CPU的SoCAMM內存配置以應對DRAM供應緊張和成本壓力，這與歷史周期中的降配行為高度相似，可能對存儲股估值形成天花板效應。經歷逾40%的深度回調後，存儲股未來6個月或有較強反彈，但短期內難以收復2026年5月的前期高點。

互聯效率與電力供應或成下一階段關鍵變量

報告還就中期潛在瓶頸轉移提出前瞻性判斷。當前GPU和ASIC集群的模型算力利用率（MFU）普遍偏低，僅為20%至40%，部分大型集群甚至低於20%。隨着資本開支攀升、電力預算趨緊及芯片供應受限，AI基礎設施提供商和模型實驗室將更加重視集群效率提升，互聯技術——包括CPO與光學連接、網絡開銷優化等——有望成為下一個關鍵瓶頸，並推動3DSoIC先進封裝、SRAM存儲層級擴展及CPO在中介層上的加速應用。

在更長時間維度上，報告認為，2026年至2027年大部分時間內，AI芯片仍將是算力基礎設施的主要瓶頸，但在未來18至24個月內，隨着半導體供給持續爬坡，數據中心部署延遲及電力供應（包括電網接入和表後電源方案）或將取代芯片，成為制約AI算力擴張的核心變量，這一風險因素預計將在2027年下半年至2028年進入更清晰的視野。