台积电上调营收预测，看好AI大趋势
![Item 1 of 2 People visit TSMC Museum of Innovation in Hsinchu, Taiwan May 29, 2024. REUTERS/Ann Wang [1/2]People visit TSMC Museum of Innovation in Hsinchu, Taiwan May 29, 2024. REUTERS/Ann Wang Purchase Licensing Rights, opens new tab](/_next/image?url=https%3A%2F%2Fwww.reuters.com%2Fresizer%2Fv2%2FDBPA5XAJ6RM6POOQVSEK4UHXVA.jpg%3Fauth%3D509d9c203a533bc2af001926912df74bd25b03eb0bffe0d6b6c40a5d7c3bfd41%26width%3D1200%26quality%3D80&w=1920&q=75)
新闻要点
全球最大的先进芯片制造商台积电（TSMC）上调了2025年全年营收预测，预计将以美元计算实现30%至35%的中段增长，高于此前约30%的预期。 这一乐观展望，以及第三季度净利润达到创纪录的4523亿新台币（约合147.6亿美元），远超市场预期，主要得益于对人工智能（AI）芯片的强劲需求持续增长，甚至超出三个月前的预期。台积电首席执行官魏哲家表示，客户及其客户的强烈需求进一步坚定了公司对AI大趋势的信心。 尽管AI领域存在泡沫担忧，但强劲的业绩暂时打消了这些疑虑。行业内，OpenAI等AI公司与英伟达、AMD和博通等芯片制造商达成了万亿美元级别的数据中心建设大额交易。ASML和三星电子等公司也从AI热潮中受益。 在特朗普总统贸易政策和关税威胁带来的不确定性下，台积电在美国承诺了1000亿美元的投资计划。魏哲家表示，即使中国市场受美国限制，AI的增长仍将非常显著。
背景介绍
台积电（TSMC）是全球最大的独立半导体代工厂，为高通、苹果和英伟达等众多领先的芯片设计公司生产芯片。其在先进工艺技术（如7纳米、5纳米及更先进节点）方面处于行业领先地位，这些技术对于高性能计算和人工智能应用至关重要。 自2023年以来，全球半导体行业受到AI技术爆炸式增长的推动，尤其是生成式AI的发展，大幅提升了对高性能AI芯片的需求。这些芯片是训练和部署复杂AI模型的关键，导致数据中心投资激增。 特朗普政府对中国科技行业的限制，特别是针对半导体领域的出口管制，给全球芯片供应链带来了持续的复杂性和不确定性。台积电作为关键供应商，需要在地缘政治紧张局势下平衡其全球业务布局，包括在美国进行大规模投资以响应政策激励。
深度 AI 洞察
台积电的乐观展望是否反映了AI需求的真实可持续性，还是市场过度兴奋的信号？ - 台积电的最新预测和CEO的评论表明，AI需求不仅真实，而且其强度超出了公司三个月前的预期，并得到了客户及其客户的直接验证。这表明并非仅仅是短期订单，而是基于终端市场对AI计算能力持续增长的结构性需求。 - 然而，万亿美元级别的数据中心投资规模也引发了对泡沫的担忧。虽然目前需求强劲，但未来几年内，如此大规模的资本开支是否能转化为等量的AI应用收入和盈利，仍需观察。如果应用落地速度不及预期，可能导致产能过剩。 - 鉴于台积电在全球芯片供应链中的核心地位，其对AI的看好具有极强的行业风向标意义，但投资者仍需警惕市场情绪可能超越基本面增长的情况。 美国限制和地缘政治紧张对台积电的长期战略和产能布局有何深层影响？ - 台积电CEO魏哲家表示，即使中国市场因美国限制而“不可用”，AI增长仍将“非常显著”，这反映了公司对非中国AI市场的信心，并暗示其正在加速调整全球化战略以适应地缘政治新常态。 - 在美国的大规模投资（包括亚利桑那州的工厂和1000亿美元的额外投资承诺），并非仅仅是商业决策，更是对美国政府半导体本土化政策的战略响应。这有助于台积电规避潜在的惩罚性关税，并确保其在美国市场的准入和客户关系。 - 长期来看，这种“去风险化”和供应链区域化趋势可能导致成本上升和效率下降，从而可能挤压利润空间。公司需要平衡政治压力与经济效益，例如通过政府补贴来抵消部分成本增长。 当前围绕AI芯片的“万亿美元”数据中心投资潮对相关供应链意味着什么？ - 对AI芯片和数据中心的万亿美元投资预示着对台积电等芯片制造商的持续、巨大需求，因为芯片在数据中心成本中占有重要部分。这不仅限于GPU，还包括高性能处理器、存储和网络芯片。 - 这种投资热潮将对整个半导体设备行业（如ASML）和相关基础设施提供商（如数据中心运营商、电源管理、冷却系统供应商）产生连锁效应。ASML报告的强劲订单也印证了这一点。 - 然而，巨大的投资也带来了潜在的供应链瓶颈和成本压力。例如，先进封装技术（如CoWoS）的产能可能成为限制AI芯片出货的关键因素。同时，如果数据中心建设速度过快，或AI应用商业化速度不及预期，可能导致投资回报率低于预期。