2026年4月29日，彭博社发布了一篇很少被中文AI媒体转载的报道，标题是《AI Rally Ripples Through Chip Supply Chain, Minting New Winners》。故事的主角不是NVIDIA，不是台积电，更不是英特尔——而是一批你可能从未听说过的亚洲制造商。它们的股票在过去12个月里涨了770%。

这个数字需要放在正确的坐标系里理解。NVIDIA过去12个月的涨幅约为120%到150%；台积电大约是80%到100%。但那些制造AI芯片所需的MLCC电容、先进封装基板、热压键合设备的亚洲”隐形冠军”，跑赢了所有人。

值得注意的是，Bloomberg的原报道提及了具体的受益公司名称，但因付费墙限制无法独立核实每家公司的具体数字。本文的分析基于Bloomberg报道所描述的行业类别（MLCC、封装基板、TCB设备），以及可公开获取的四大超级云厂商Q1 2026财报数据。

这件事之所以重要，不仅仅是因为某些小公司的股票涨了很多。它揭示了一个关于AI产业化成熟度的深层信号：当金融市场开始认真研究MLCC和封装基板的供应约束，AI就不再只是一个概念，而是真正进入了工业现实。

第一层：把3000亿美元的资本支出翻译成物理订单

要理解AI供应链财富转移的量级，需要先把抽象的”数百亿美元AI资本支出”翻译成具体的物理订单。

以Q1 2026的四大超级云厂商财报为参照（来自CNBC和各公司官方财报）：

  • Google母公司Alphabet：一季度资本支出约170亿美元，全年指引超过700亿美元。Alphabet CEO Sundar Pichai在财报电话会议中表示”我们不会因为任何短期波动而减少AI基础设施投资”。
  • Microsoft：一季度资本支出约160亿美元，继续增加。CEO Satya Nadella直接将AI资本支出类比为”工业革命时期的铁路建设”。
  • Amazon AWS：全年资本支出指引超过1000亿美元，其中相当大比例用于AI加速器服务器和数据中心扩建。AWS CEO Matt Garman在财报会议上表示需求端根本跟不上供给扩张的速度。
  • Meta：全年资本支出指引在640亿到720亿美元之间，其中大量资金投入到自建AI训练超算集群。

四家合计，2026年全年AI相关资本支出保守估算在3000亿美元规模。这不是软件订阅，不是云服务收入——这是需要在物理世界里建设的东西：服务器、机架、冷却系统、电力基础设施、以及运行全部这些所需的芯片。3000亿美元买的是有形资产，是钢铁、硅片、陶瓷、铜线、特种化学品。每一笔支出，最终都会在某家工厂的订单系统里变成一个具体的数量需求。

当NVIDIA一季度出货数十万颗B200，每颗需要数千颗MLCC（多层陶瓷电容）来稳定电压时，MLCC制造商的订单量就自动乘以了这个放大系数。一块NVIDIA B200 NVL72服务器机柜包含72颗B200芯片，每颗芯片周边电路需要约2000到3000颗高规格MLCC；每排72块GPU的服务器机柜需要约15万到20万颗MLCC。当亚马逊、谷歌、微软同时部署数百万颗GPU时，这个需求的数学结果触目惊心。服务器需要先进封装基板将芯片和内存堆叠在一起；CoWoS封装工艺需要热压键合（TCB）设备来精密施压加温；高频信号传输需要低损耗特种PCB；超高功耗需要相变材料和液冷系统。

这些材料和设备，都有一个共同特征：它们是AI算力得以物理实现的必要条件，而非可选配件。放在传统消费电子周期里，它们被视为”低调的大宗材料供应商”，估值倍数远低于芯片设计公司。AI基础设施建设重新定义了它们的战略地位，也重新定价了它们的市值。

这是供应链传导逻辑的数学本质：越靠近上游的基础材料，对下游需求的敏感度越高，但也往往越被市场低估——直到某一天，短缺或涨价的消息震动了整条链。

第二层：为什么是亚洲公司，以及60年积累形成的壁垒

MLCC市场的地理集中性极为罕见。全球前三大MLCC制造商分别是日本的村田制作所（Murata Manufacturing）、TDK，以及韩国的三星电机（Samsung Electro-Mechanics）。其中，村田一家就占据全球市场份额的约40%，三家合计超过70%。这是一个极度寡头化的市场——而寡头格局的形成，需要数十年的技术积累。

MLCC看起来只是一粒比米更小的陶瓷颗粒，但制造过程涉及数百层陶瓷薄膜的精密叠压、高温烧结和电气性能控制。AI芯片对MLCC的规格要求远超普通消费电子：需要耐受AI芯片5到10倍于普通处理器的功耗发热、更稳定的电容量（高速运算对电源波动极其敏感）、更小的体积（服务器密度持续提高）。村田和TDK在这个领域的研发投入超过营收的6%，每年申请数以千计的新专利，这种技术壁垒不是竞争对手在5年内能复制的。更重要的是，高端MLCC所需的特种陶瓷粉末配方，是村田等厂商数十年研发积累的核心机密，这些材料配方没有被申请为专利（因为申请专利意味着公开），而是作为商业秘密保护，形成了真正难以突破的技术护城河。

先进封装基板方面，台湾的欣兴电子（Unimicron）、日本的揖斐电（Ibiden）和新光电气（Shinko Electric），构成了CoWoS和HBM封装所需基板的核心供应圈。台积电的CoWoS封装能力被普遍视为NVIDIA H100和B200量产的关键瓶颈，而基板供应能力是CoWoS扩产的前置条件。以欣兴电子为例，2025年全年营收年增幅超过40%，服务器相关基板已成为其营收最重要的成长动力——这是Bloomberg所描述的供应链涨幅现象的一个可独立验证的数据点，欣兴2025年股价表现也远超台湾大盘。

热压键合设备方面，荷兰的BESI（BE Semiconductor Industries）几乎垄断了高精度TCB设备市场，设备交货期通常在12个月到18个月以上，产能扩张速度被设备交期硬性约束。

部分半导体产业分析师指出，上述供应链的瓶颈特性，是2025年到2026年间AI算力扩张速度低于云厂商规划目标的重要原因之一——不是需求不足，而是物理材料的供给跟不上云厂商的投资节奏。这种”供不应求”的持续状态，是亚洲供应链股票估值持续上行的基本面支撑。

为什么涨幅超过NVIDIA，原因是信息的传递存在时滞，这就是典型的牛鞭效应（Bullwhip Effect）。下游需求（云厂商订购GPU服务器）经过层层传导，到了最上游的材料和设备商，接到的订单量往往是实际需求的1.5倍到2倍——各层级都在备货以防缺货。这种需求放大，叠加供应约束，形成了极端的供需失衡，推动价格和估值快速上涨。而NVIDIA的估值在2024年就已经充分反映了AI需求，MLCC制造商、封装基板厂商的估值在2025年初还没有充分反映供应链传导的强度——这是一个明显的市场定价偏差。770%的涨幅，是市场纠正这个认知偏差的代价，也是”被低估的必要条件”这个逻辑被充分定价的过程。

第三层：中国AI基建——亚洲供应链故事的第二曲线

Bloomberg报道特别提到了中国AI基础设施建设为本土芯片制造商创造了价值数十亿美元的市场——这是理解这个故事的第二个关键维度。

2024年至2026年初，美国不断升级对华芯片出口管制，先后限制H100、H20等NVIDIA高端芯片进入中国市场。这产生了一个意外的结果：出口管制加速了，而非阻止了，中国AI基建对上游材料的需求。

逻辑如下：由于无法获得台积电的最先进制程（受美国出口管制约束），中国AI芯片设计企业（华为昇腾、寒武纪、壁仞科技等）转向更激进的”chiplet”（芯粒）封装架构——将多个计算单元和存储单元通过先进封装技术集成，从架构层面追平性能差距。chiplet封装策略对先进封装基板和热压键合设备的需求，实际上比单一大芯片更高，而非更低。

结果是：部分中国本土封装基板厂商（如珠海越亚、深南电路等高密度互联基板制造商）的国产替代订单量在2025年到2026年间出现了显著增长。同时，日韩供应商的中国客户构成，从主要是消费电子（手机、家电）逐渐扩展到了AI服务器，这对出货量和盈利能力都有明显拉升。

更深层的逻辑是：中国AI基建投资的规模，在本土大模型竞争（DeepSeek V4、通义千问、文心一言等的持续迭代升级需要大量算力）和政府推动数字基础设施建设的双重驱动下，并没有因为芯片出口管制而放缓，反而在某些细分领域加速了。2025年国内新投产的大型数据中心（主要集中在内蒙古、贵州、宁夏等电力成本低的地区）以及一线城市的AI算力租赁服务快速扩张，都在大量消耗MLCC、封装基板、散热材料。这部分增量需求，无论最终落在哪家AI芯片上，都需要消耗同样的上游材料——而这些材料的核心供应商，很多正是Bloomberg这篇报道所点名的亚洲”隐形冠军”。

这创造了一个独特的”多极驱动”格局：美国超级云厂商的需求，加上中国本土AI基建的国产替代需求，从两个方向同时拉动同一批亚洲材料供应商。这种双向驱动的结构，在以往的半导体上行周期中从未出现过——过去，要么是美国独大，要么是中国消费电子驱动，两者很少同时以如此大的规模拉动同一批上游材料商。

对立视角：繁荣之下的四个结构性风险

当一个行业的股票以770%的幅度上涨，通常意味着市场已经在价格中反映了很多乐观预期。有几个反向论据值得认真对待。

风险一：半导体供应链的周期性宿命

半导体供应链历来是高度周期性的行业。2021年到2022年的芯片短缺推动了一波零部件厂商的大规模扩产，然后在2022年到2023年的下行周期中出现了严重的产能过剩——MLCC厂商经历了价格暴跌和库存积压，村田等主要厂商的营收和利润均出现明显回落。日经新闻当时报道了多家日本零部件厂商开始削减产能和裁员，这些公司在2020-2021年还因芯片荒而疯狂扩产。

当前AI需求的结构性，是否足以支撑供应链持续扩张而不重演产能过剩？云厂商的资本支出增长，依赖AI应用在企业端的商业化落地持续加速。一旦这个转化出现停滞，资本支出的高增速就不可持续，而扩产的产能不会因此自动消失。历史证明，即便是超级明星行业，周期性也从未真正消失——只是波峰和波谷的高度都更极端了。

风险二：地缘政治不确定性

供应链的亚洲集中化，在AI时代被赋予了新的地缘政治含义。美国已与日本、荷兰合作将部分半导体设备纳入出口管制体系；对封装基板和MLCC等材料的管制讨论，虽然尚未实施，但已出现在多份政策研究报告中。对于在中国有大量业务的日韩供应商来说，这是需要关注的合规尾部风险。

风险三：估值已透支未来涨幅

一家此前市值只有20亿到30亿美元的亚洲零部件厂商，股价在12个月内涨了770%，其当前估值隐含的盈利增长预期已经非常激进。这意味着市场假设它们的净利润在未来3到5年内将以每年30%到50%的速度增长——这是消费电子行业的厂商很难长期维持的增速。如果AI资本支出增速在2026年底放缓（哪怕只是从60%降到20%），这类股票的估值收缩会比正常消费电子股更剧烈。涨了770%的股票，其下跌空间同样不容忽视。高度依赖单一下游行业（AI基建）的供应商，估值波动通常比下游本身更大——这既是涨幅更大的原因，也是跌幅可能更深的理由。

风险四：技术路线切换的颠覆性

当前AI芯片供应链的繁荣，建立在CoWoS封装、HBM内存架构这条特定技术路线上。如果未来AI硬件出现颠覆性的架构转变——光子计算、存内计算（Processing-in-Memory）或新型内存架构的突破——当前高度依赖特定封装工艺的供应链格局，可能在5到10年内出现重大重构。高度专业化、难以转型的零部件制造商，在技术路线风险面前尤为脆弱。

洞察：锹镐商人的锹镐商人

Bloomberg这篇报道的真正价值，在于它提供了一个观察AI产业化成熟度的独特信号。

AI时代真正盈利的，不是AI模型本身，而是卖算力基础设施的云厂商——这是”卖锹镐的比淘金者赚钱”的比喻。但Bloomberg这篇报道揭示了更深一层：就连制造锹镐所需的铁矿、冶炼厂和锻造工具，也在被重新定价。

MLCC制造商、封装基板厂商、热压键合设备商——这些”锹镐的零件供应商”，在过去12个月里的市场表现，超过了锹镐本身（NVIDIA），更远超过了淘金者（AI应用公司）。这个现象提醒我们：当一个产业进入真正的工业化阶段，资本总是会向最稀缺、最不可替代的节点流动，而不是停留在最受媒体关注的地方。

这告诉我们：真正具有护城河的资产，是那些供应高度集中、技术壁垒高、短期内无法大幅扩产、且被系统性低估的节点。它们的名字在AI会议上从未被提及，但它们的产能约束，可以直接拖慢NVIDIA的出货节奏，进而拖慢云厂商的数据中心扩张计划。

这里有一个有趣的历史对照：2000年互联网泡沫时期，思科（Cisco）和朗讯（Lucent）是最受追捧的公司，代表了”互联网基础设施建设者”的价值。但在那个时代真正稳定盈利、且在泡沫破灭后依然存活并增长的，是一批做光纤连接器、交换机芯片、PCB板的供应商——它们的故事没有思科精彩，但它们的生意更稳健。AI时代是否会重演这个模式？目前还言之过早，但Bloomberg这篇报道至少提示了这种可能性的存在。

770%的股价涨幅，不是泡沫，也不是理所当然——它是市场对”这些公司之前被定价错误”的补偿，以及对”未来需求可能持续超出想象”的溢价支付。两者都包含风险，但两者也都有扎实的基本面支撑。

当主流投资者开始认真研究MLCC规格和封装基板产能，AI就不再只是软件行业的故事，而是嵌入了制造业和材料科学的最深处——嵌入了那些在过去60年里慢慢构建起来、没有捷径可走的工业能力积累。

这是AI工业化进程到达某个重要节点的标志，也是它真正变得不可逆的证明。当一个产业的发展需要依赖数百种不可快速复制的材料和设备，并且这些材料和设备的供应高度集中在少数几家深耕数十年的亚洲制造商手中，这个产业的发展轨迹就不再只取决于下一个模型的参数规模或算法创新，而是取决于村田的烧结炉是否还有产能，欣兴电子的基板厂是否已经排满了台积电的CoWoS订单，以及BESI的TCB设备生产线是否已经工作在最高负荷。

这就是为什么Bloomberg把这篇报道放在了AI基础设施系列的重要位置，而不只是一篇普通的股市涨幅报道。它在说：AI的未来，在相当程度上，被锁定在这些你从未听说过的亚洲工厂里。

参考资料

  1. Bloomberg, “AI Rally Ripples Through Chip Supply Chain, Minting New Winners”, 2026-04-29. 来源：bloomberg.com（付费墙，具体公司名称和股价数字来自Bloomberg报道，需订阅核实）
  2. CNBC, “OpenAI looms over earnings from tech hyperscalers”, 2026-04-29. [cnbc.com/amp/2026/04/29/openai-looms-over-earnings-from-tech-hyperscalers.html]
  3. Amazon官方公告, “Amazon Bedrock adds OpenAI models”, 2026-04-28. [aboutamazon.com/news/aws/bedrock-openai-models]
  4. The Register, “OpenAI climbs into Amazon’s Bedrock”, 2026-04-28. [theregister.com/2026/04/28/openai_climbs_into_amazons_bedrock/]