毛利率

3 秒看懂

毛利率衡量的是“卖掉一个产品，扣除直接生产成本后剩多少比例”。公式为：

毛利率 =（销售收入 - 营业成本）/ 销售收入 × 100%

在 AI 半导体产业链中，毛利率是判断一家公司技术壁垒、定价权和规模效应的核心窗口：高毛利往往意味着你卖的不是标准化商品，而是别人难以复制的架构设计、软件生态或制造工艺。

以当前最典型的 AI 训练 GPU 为例（以 2024 年主流产品估测），其物料成本构成中，逻辑晶圆与先进封装合计可能只占最终售价的三分之一或更低，剩余部分体现的是架构设计、互联技术、软件生态和稀缺性溢价。这部分溢价能否维持，取决于竞争格局变化和替代方案成熟度，因此毛利率也成为观察 AI 产业链竞争烈度的最灵敏指标之一。

3 分钟产业解释

对 AI 芯片而言，营业成本主要包括晶圆采购、封装测试、HBM（高带宽内存）采购、掩模费用、IP 授权费、基板和散热组件等硬开销。毛利率的高低直接映射产业链各环节的议价地位：

• 芯片设计公司（Fabless）：以英伟达为例，其数据中心 GPU 业务在 2024 财年各季度毛利率普遍维持在 70% 以上区间（含部分软件与系统收入，口径为公司披露的 Data Center segment GAAP gross margin 估算；公司整体 Non-GAAP 毛利率在 2024 财年 Q2 约为 71.2%、Q3 约为 75.0%，来源：英伟达季度财报新闻稿）。这类公司产品稀缺性强，定价远超物理成本。
• 晶圆代工：以台积电为例，其 2024 年 Q3 合并毛利率约为 57.8%（来源：台积电 2024 年 Q3 投资者关系简报，GAAP 口径），但该数字是包含所有制程节点的综合毛利率。先进制程（如 3nm、5nm）在产能爬坡初期毛利率通常会承受折旧和良率压力，成熟后有望改善，但公司不会按节点逐一披露具体数值。
• 封装与基板：传统 OSAT（委外封测）毛利率大多处于 15%–25% 区间；掌握 CoWoS、FOCoS 等先进封装技术的服务商毛利率可能升至 30%–40% 甚至更高，具体取决于产能紧张程度和客户议价能力。
• HBM 内存：技术门槛极高。2023–2024 年全球 HBM 产能紧缺，头部供应商如 SK 海力士曾在其 2024 年 Q2 财报中指出 DRAM 业务营业利润率因 HBM 占比提升而显著改善，市场普遍估计其 HBM 部分毛利率在紧缺期可达 40%–50% 区间，但这一推断并未得到公司拆分数据的直接证实。

毛利率的提升路径可归纳为三种：涨价（产品不可替代性带来的定价权）、降本（规模效应、良率提升或制程微缩）、转嫁（让上游供应商或下游客户承担部分成本压力）。在 AI 算力需求高速增长的背景下，越是掌握“标准制定权”——无论是架构标准、互联标准还是制造工艺标准——的环节，其毛利率弹性越大。

技术原理

毛利率本身虽非物理技术参数，但可以通过建立“成本—定价”模型来理解其生成机理。设：

• P：芯片平均售价（ASP, Average Selling Price）
• C_total：单位总营业成本，可分解为以下主要子项：
  • C_wafer：逻辑晶圆采购成本。取决于所采用的制程节点、每片晶圆价格、裸晶面积（A_die）及良率（Y）。Fabless 公司从代工厂采购时，晶圆成本是营业成本中最大单项。
  • C_pkg：封装成本。先进封装（如 CoWoS-S/L/R 变体）按晶圆级或单芯片报价，高阶封装单位成本可达传统封装的数倍。封装复杂度越高，C_pkg 在总成本中的占比越大。
  • C_memory：HBM 堆叠成本。通常等于 HBM 容量 × 单位 GB 单价，同时受位宽、堆叠层数（如 HBM3 的 8 层或 12 层）、TSV 工艺良率和供应商议价影响。
  • C_other：测试、基板、散热模组、组装及物流、IP 授权摊销、掩模费用分摊等。

其中 C_wafer 可进一步展开：

单位晶圆可切割的良品裸晶数 ≈ (π × (晶圆直径/2)² / A_die) × Y

单个良品裸晶的晶圆成本 ≈ 晶圆单价 / 良品数

因此，毛利率公式为：

GM = (P - ΣC_i) / P

提升毛利率的技术路径主要包括：

1. 微缩制程降 A_die（同样功能用更小面积），但先进制程每片晶圆报价更高，会部分抵消面积缩小带来的成本节省。
2. 提高良率 Y：工艺成熟度提升、设计可制造性（DFM）优化，均可减少晶圆和封装的良率损失。
3. 先进封装设计优化：采用更少 HBM 层数、更紧凑的 Interposer 面积或 Chiplet 架构，以降低 C_pkg 与 C_memory。
4. 产品定价能力：本质来源于性能/能耗比的领先幅度以及软件生态的锁定效应，这决定了 P 能在多大程度上远离 ΣC_i。

以一颗面向 AI 训练的高端 GPU 为例，其成本流动可直观表示为：

晶圆代工 (逻辑 wafer) ──┐
HBM 供应商 (堆叠内存)  ──┤
先进封装服务 (CoWoS等) ──┼──> GPU 模组物料成本 ──> 板卡集成/测试 ──> 系统集成商/OEM ──> 最终客户 (云厂商等)
其他部件及 IP 授权      ──┘

GPU 设计公司（Fabless）在此成本结构上叠加毛利，其毛利率水平集中体现了对上游供应链的议价能力和对下游客户的定价权。

关键参数

分析毛利率时，仅看绝对值远远不够，需要建立一套多维观察框架：

• 毛利率绝对值：与同业可比公司横向比较，反映当前竞争地位的大致坐标。但不同商业模式之间直接对比容易得出误导性结论（例如设计公司 vs 代工厂）。
• 毛利率环比/同比趋势：连续多个季度的变动方向，能揭示定价能力是否在边际走弱、上游成本是否在持续传导、产品结构是否向高端或低端偏移。
• 营业利润率：扣除了研发、销售和管理费用后的实际盈利能力。部分 AI 芯片公司毛利率虽高，但因其研发费用常年占到营收的 20%–30%，营业利润率可能与毛利率存在显著落差。因此，营业利润率是衡量“高毛利是否真正转化为盈利”的关键参数。
• 分业务/分产品毛利率：当一家公司同时经营数据中心、游戏、汽车、边缘计算等多种芯片业务时，各产品线毛利率分化可能极大。观察产品组合的结构性变化，有助于判断整体毛利率走势是被优质业务拉动还是被低毛利业务稀释。
• 库存周转天数与毛利率的交叉：高毛利若伴随存货积压，可能预示着渠道压货、产品需求降温，未来可能需通过降价或计提跌价损失来消化库存，最终侵蚀净利。
• 单位成本分解的边际变化：重点关注 HBM 采购价季度环比变动幅度、晶圆代工报价是否有变动通知、先进封装产能紧缺程度变化等，这些因子对毛利率具有“快变量”性质。
• 出货量折算的单位 ASP：当公司不单独披露单价时，可由“某业务营收 / 出货量估算”得到隐含 ASP。ASP 与成本变动的差值，反映的是议价力和成本控制力的合力结果。

一个有效的分析实践是：将以上关键参数纳入持续更新的追踪表格，每季度查阅公司投资者关系公告（季度业绩新闻稿、CFO 评论、分析师电话会议记录），记录管理层对毛利率变动的归因说明（如“产品组合向数据中心倾斜”、“HBM 采购成本下降”、“先进制程良率提升”等），再结合第三方出货量估算进行交叉验证。

技术路线

半导体毛利率的演进历程，与产业组织和竞争格局的变迁高度相关：

1. 1980–2000 年：IDM 主导时代 英特尔凭借 x86 架构垄断和自主工厂的工艺领先，毛利率长期维持在 60% 以上。IDM 模式将制造环节内部化，避免了向代工厂让渡利润，但需要承受巨额资本支出和周期波动的压力。这个阶段，高毛利率直接等同于“架构垄断 + 工艺壁垒”。

2. 2000–2015 年：Fabless-Foundry 专业分工确立 高通、英伟达、博通等 Fabless 公司剥离制造，将晶圆成本外化为营业成本。表面上看，Fabless 公司毛利率进一步提升（不再包含工厂折旧），但实际上增加了代工和封装环节对利润的分成。同期，台积电通过制程追赶，将自身毛利率从约 30%+ 推升至接近 50%（台积电 2015 年全年毛利率约 48.7%，来源：台积电 2015 年年报），带动 Foundry 环节在产业链利润分配中的话语权上升。

3. 2016–2022 年：AI 训练需求催生新锚点 英伟达数据中心 GPU 毛利率从 60% 区间逐步攀升至接近 70%，建立在 CUDA 生态锁定和 AI 训练刚需之上。同时期，移动芯片市场增长趋缓、竞争加剧，毛利率承压，AI 成为拉动高毛利的新引擎。HBM 方面，随着高性能计算需求不断进化，HBM 的出货量与价格均进入快速增长通道，HBM 供应商在其存储业务组合中的毛利率结构性优化开始显现。

4. 2023 年至今：大模型与生成式 AI 重塑分化 AI 加速器毛利率出现极致分化态势：具备完整软件栈和互联生态者毛利率仍高企；提供 ASIC 定制服务的厂商因客户集中度高、缺少自有软件栈，毛利率大多落在 40%–55% 区间；云厂商自研训练/推理芯片（例如 Google TPU、Amazon Trainium/Inferentia、微软 Maia、Meta 自研加速器等）的意图，是将外购 GPU 所对应的“供应商毛利”内部化，这一趋势正在持续重塑中游 GPU/ASIC 供应商的毛利率边界。

5. 当前演进方向 未来技术路线图显示两条并行路径：一条是继续向上突破的“巨核 GPU + 更大规模 HBM + 更精密封装”，成本结构持续膨胀，对毛利率的负担加重；另一条是以 Chiplet 实现模块化设计，通过 UCIe 等开放互联标准降低对大芯片的依赖，这可能在成本端带来优化，但也可能降低设计环节的集中度和定价权。两条路径的角力，将在未来 3–5 年直接决定 AI 芯片设计环节毛利率的中枢水平。

上游

毛利率水平的上边界，在很大程度上由上游供应链决定。AI 芯片的上游环节包括：

• 高纯度硅晶圆与电子级化学品：全球 12 英寸硅片产能主要集中于信越化学、SUMCO、环球晶圆等供应商。2023–2024 年硅片整体供给偏宽松，但先进制程所需的高质量晶圆议价空间相对有限。化学品（光刻胶、蚀刻液、CMP 抛光液等）在先进制程成本中的占比逐步抬高，其价格变动会间接影响代工报价。
• ABF 基板：AI 芯片因封装面积大、层数多，对 ABF 基板的消耗显著高于传统芯片。2024 年 ABF 基板产能整体趋于平衡，但高端大尺寸基板仍属紧俏资源，价格对封装成本构成支撑。主要供应商包括 Ibiden、Shinko Electric 和欣兴电子等。
• 封装设备：先进封装对键合机、临时键合/解键合设备、TSV 刻蚀与填充设备等的精度和产能有极高要求。主要设备商如 ASM Pacific Technology、K&S、Disco 等，其高端设备交期和定价影响封装厂扩产节奏，间接约束封装产能供给，从而影响芯片厂商的成本端。
• EDA 工具与 IP 核：Synopsys、Cadence 的 EDA 工具授权费及各类高速接口、HBM 控制器、PCIe 控制器等 IP 核授权费用，是芯片设计一次性投入（NRE）的重要组成部分。虽然这些费用在营业成本中的摊销占比通常不大，但对于中小型设计公司而言可能形成显著成本压力，从而制约其毛利率空间。
• 硅中介层（Interposer）与先进封装基板材料：CoWoS-S 等方案需要大面积硅中介层，其制造和良率均影响封装交付成本，间接决定芯片公司可获得的毛利上限。

上游供应商自身的毛利率诉求会在整个链条中传导。例如，当 ABF 基板供应紧张时，基板厂提价，封装厂可能将成本压力转嫁给芯片设计公司，进而挤压设计公司的毛利率——除非设计公司能将成本转嫁给最终客户。上游材料与设备的集中度、可替代性和扩产周期，因此成为影响 AI 芯片毛利率的重要外部变量。

下游

下游客户的结构和议价能力，是决定 AI 芯片毛利率浮动区间的另一极：

• 云服务商（Hyperscalers）：微软、亚马逊 AWS、谷歌 GCP、Meta、甲骨文等是 AI 训练与推理 GPU/ASIC 的最大买方群体。云厂商集中采购规模庞大，理论上拥有更强议价权，但在 GPU 严重供不应求的 2023–2024 年阶段，供应端掌握绝对定价主动权。随着供给逐步释放，云厂商的议价空间正在扩大。云厂商自研芯片的成熟度和部署比例，也将直接影响其对商用 GPU/ASIC 供应商的毛利率容忍度。
• 服务器系统集成商与 OEM：Dell、HPE、Supermicro、Quanta 等将 GPU 模组与系统集成后出售，其自身毛利率普遍处于个位数至低双位数区间，对芯片毛利率的缓冲层作用有限，成本压力大多向上游传导或向下游客户转移。
• AI 实验室与初创公司：OpenAI、Anthropic 等独立 AI 实验室，以及众多获得风险投资的 AI 原生公司，在 2023–2024 年的算力竞赛中，多通过云厂商间接采购算力，对芯片定价的直接影响力较弱，但它们的总需求体量推动了终端市场的紧张程度，间接支撑了芯片端的高毛利。
• 企业客户与主权 AI：部分大型企业和政府机构开始直接构建 AI 基础设施（主权 AI 数据中心），往往通过系统集成商采购，对芯片价格的敏感度可能低于云厂商，当前仍是高毛利的重要需求来源。

从“自制 vs 外购”决策角度分析，云厂商自研 ASIC 若达到足够性能和部署规模，可将原本支付给外部芯片商的毛利转化为内部成本节约。这一转换并不改变物理芯片的制造成本（C_wafer、C_pkg、C_memory 仍需如数支付），但压缩了设计环节的利润空间。这个趋势能否加速，取决于自研 ASIC 在软件生态成熟度、迭代速度和通用性方面能否缩小与领先 GPU 的差距。当前（截至 2024 年底），公开资料显示 Google TPU 在大规模训练中的部署已较为成熟，Amazon Trainium2 于 2024 年进入量产爬坡，而微软 Maia 和 Meta MTIA 尚处于早期或特定工作负载验证阶段，大规模替代商用 GPU 仍需时间。自研芯片渗透率的提升节奏，将是影响未来 3–5 年 AI 芯片设计环节毛利率走向的最关键下游变量。

受益公司

本段仅分析产业链中毛利率特征具有代表性的公司类型，以结构性的产业逻辑呈现，不构成任何投资建议或推荐。

第一类：生态锁定型设计公司 这类公司凭借软件平台（如 CUDA）和大规模芯片互联方案（如 NVLink、InfiniBand/Spectrum-X 配套），在产品均价高位维持高毛利率。代表性公司为英伟达，其 2024 财年 Q3 整体 Non-GAAP 毛利率约为 75.0%（来源：英伟达 2024 年 11 月 20 日发布的 2024 财年第三季度财务摘要）。另一关注对象为 AMD，其 Instinct 系列 GPU 在 2023–2024 年逐步上量，但其数据中心业务毛利率因统计口径含 EPYC CPU 而难以单独拆分，且软硬件生态仍在追赶阶段。

第二类：先进制程独占型代工厂 典型代表为台积电。其 2024 年 Q3 毛利率约为 57.8%（来源：台积电 2024 年 Q3 投资者关系简报），先进制程（N3、N4、N5 系列）贡献了主要营收增量，但具体到单一制程节点的毛利率未公开披露。随着 N3 节点良率爬坡和产能利用率维持高位，台积电在 2024 年下半年财报电话会中表示对毛利率前景持积极展望，但也提及海外厂扩张、电力成本上升等结构性因素可能对长期毛利率带来稀释。三星代工方面，公开资料未见其对先进制程毛利率的具体拆分数据。

第三类：先进封装与 HBM 弹性型供应商 在 2023–2024 年的 AI 芯片紧缺中，先进封装和 HBM 环节成为显著瓶颈。台积电 CoWoS 产能持续扩张，其先进封装业务的具体毛利率未单独披露，市场估计存在不同版本，无法确认精确区间。日月光投控（ASE）等 OSAT 厂商在 2024 年加速先进封装布局，其毛利率改善进度有待持续跟踪。HBM 方面，SK 海力士在 2024 年 Q2 财报电话会中提到 HBM 销售占比提升对 DRAM 业务营业利润率的正向贡献，但未单独给出 HBM 毛利率具体数值。

第四类：自研 ASIC 服务商 博通（Google TPU 合作方）、Marvell 等公司为云厂商提供定制 ASIC 设计服务，毛利率通常处于 40%–55% 区间（基于公司整体半导体业务或特定业务部财报的行业共识推估，非公司单独拆分的定制 ASIC 数据）。这类业务的客户集中度较高，毛利率受单一客户订单量和开发费摊销方式影响较大。

市场规模

AI 芯片的市场规模是毛利率分析的重要背景变量，两者存在“供不应求→高毛利→资本涌入→供给扩张→毛利率承压”的周期性关系。

• 整体 AI 芯片市场：根据第三方研究机构 Gartner 的数据（具体报告版本因联网限制未获更新），全球 AI 芯片市场规模在 2023 年估计约为 500 亿美元量级，涵盖 GPU、ASIC、FPGA 和其他加速器。面向生成式 AI 的训练和推理需求在 2024 年高速增长，分析师普遍预期市场规模将持续扩张。
• HBM 市场：根据市场研究机构 TrendForce 的估算（其公开摘要可见于官方新闻稿），2024 年全球 HBM 市场规模可能超过 150 亿美元，较 2023 年有数倍增长，HBM 占整体 DRAM 市场的营收比重快速攀升。这一结构性变化直接支撑了存储厂商在 HBM 相关产品上的利润率。
• 先进封装市场：根据 Yole Group 等机构的研究，先进封装市场（含 CoWoS、FoCoS、EMIB 等）在 2024–2028 年间预计将保持较高增速。其中 CoWoS 产能从 2023 年的严重不足到 2024–2025 年的快速扩张，对相关服务商的议价能力和毛利率产生动态影响。
• 自研 ASIC 相关市场：云厂商自研 ASIC 的累计投入规模在 2024 年尚无完整的第三方统计。公开信息显示，Google 已连续多代部署 TPU，Amazon 发布了 Trainium2，微软和 Meta 则处于相对早期的阶段，其自研芯片的累计设计、流片和部署成本预估不易准确量化，相关市场规模数据公开资料未见。

在强劲的需求预期下，AI 芯片供给端的资本开支在 2023–2024 年显著增加，台积电、三星、SK 海力士、美光等的资本支出均向 AI 相关产能倾斜。根据台积电 2024 年 Q3 电话会披露，其 2024 年全年资本支出预计接近 300 亿美元（中位数指引），其中相当部分用于先进制程和先进封装扩产。资本密集投入带来的折旧爬坡，将在未来几个季度开始影响毛利率的核算基础，需要持续跟踪。

玩家对比

为直观展示 AI 产业链不同环节毛利率的差异，以下表格以 2024 年最新可得的代表性公司数据或行业公认区间进行对比。所有数据来源均标注年份和口径，区间估算已注明“行业估计”；无法确认的精确数值注明“未单独披露”。

对比要点：

• 英伟达的整体毛利率在 2024 财年逐季攀升，主要受数据中心业务占比提高驱动，其数据中心 GPU 毛利率被市场普遍认为高于公司整体水平，但公司不单独披露此数据。
• 台积电的毛利率体现了先进制程和产能利用率双轮驱动的结果，但也受到海外厂扩张成本、电价上涨、N3 折旧等结构性因素的拉低。
• 博通等 ASIC 服务商的毛利率包含了大量软件和网络设备业务，不可简单等同于定制 ASIC 业务的盈利能力。
• 封装环节整体毛利率较低，但部分公司的先进封装业务因产能紧缺而享有阶段性溢价，该溢价的持续性和幅度需要逐季验证。

风险

毛利率在 AI 半导体产业中并非线性向上的稳定变量，以下几类风险可能对其形成冲击：

• 竞争加剧导致定价权松动：若 AMD 的 MI300 系列及后续产品、Intel 的 Gaudi 系列等竞争方案在软件成熟度和互联性能上拉近与领先者的差距，AI GPU 领域将从“一强独大”转向更激烈的竞争，ASP 可能承压，高毛利率面临向下修正压力。2024 年公开测试结果显示，AMD MI300X 在特定推理和训练工作负载中展现出一定的性价比优势，但整体软件栈迁移成本仍是障碍，竞争效果的释放需持续观察。
• 云厂商自研替代加速：若 Google TPU v5、Amazon Trainium2 等自研芯片在未来 2–3 年内在主流大模型训练场景中证明自身竞争力，云厂商外购 GPU 的比例可能下降，直接侵蚀商用 GPU 的市场空间，倒逼供应商降价或让利。
• 产能周期波动：HBM 和先进封装在 2023–2024 年的紧缺状态，吸引了大量资本投入扩产。根据 TrendForce 等机构的预测，2025 年 HBM 产能可能大幅增长，若同期需求增速放缓，将从紧缺转为供需平衡甚至阶段性过剩，HBM 价格下行将拉低存储厂商相关业务毛利率。同样，一旦先进封装产能从瓶颈变为充裕，封装服务溢价将萎缩。
• 地缘政策与出口管制：美国对华先进芯片及制造设备出口管制政策的范围和执行力度持续演变，若管制进一步收紧导致部分市场需求无法有效触达，可能压抑整体出货量和 ASP。2024 年公开报道提及美国商务部更新出口管制规则，对中国市场特定算力产品设限，对相关厂商在该市场的收入与定价策略已产生影响。
• 研发投入的持续性压力：维持高毛利率的技术领先，需要持续、加大的研发投入。若未来 AI 芯片创新趋缓，行业走向架构同质化，则高毛利率将缺乏基本面支撑。研发产出效率（每单位研发费用带来的性能代差）的边际变化，是值得长期跟踪的风险指标。

误读纠偏

误读 1：“毛利率高 = 公司一定很赚钱” 不对。毛利率仅扣减营业成本，不包含研发、销售、管理及所得税等费用。以 AI 芯片设计公司为例，其研发费用率常年在 20%–30% 区间，部分年份甚至更高。英伟达 2024 财年 Q3 研发费用约占营收的 12%（该季度营收异常高增，研发比率被摊薄），此前多个季度该比率在 20% 左右；销售及管理费用合计也在个位数百分比。毛利率高是必要条件，但若研发投入失控、销售费用膨胀，营业利润率和净利润可能远低于毛利率所暗示的盈利水平。

误读 2：“代工厂毛利率低说明技术含量低” 错。晶圆代工是典型的高资本密集度商业模式。营业成本中包含巨额设备折旧（例如一台 EUV 光刻机价格超过 2 亿欧元，需在 5–7 年内加速折旧），这部分在 Fabless 模式下并不存在。Foundry 的护城河在于持续领先的制程工艺和庞大的产能规模，这些需要通过营业利润率（而非毛利率）与 ROIC（投入资本回报率）来评估。将 Fabless 和 Foundry 的毛利率直接对比，如同比较品牌持有人与代工厂的“出厂价利润率”，忽略了两者资产结构和风险承担的本质差异。

误读 3：“自研芯片的‘内部毛利率’比外购低，所以自研一定划算” 不准确。云厂商若将采购 GPU 的支出转为自研 ASIC，其成本结构包括：芯片物料成本（晶圆、封装、HBM）、一次性设计开发费用（NRE）、芯片设计团队的人力成本、流片费用以及后续多代迭代的机会成本。公司内部核算时，通常不按市场价计算“转移毛利率”，而是使用总所有权成本（TCO，Total Cost of Ownership）模型来评估。TCO 中还包括软件栈迁移、维护和开发者培训等隐性成本。因此，仅通过比较自研芯片物料成本与外购芯片价格来得出“毛利率更低因此更划算”的结论，会忽略大量非物料成本因素。

误读 4：“毛利率越高越值得投资” 片面。毛利率是竞争地位的滞后反映指标，而不是领先预测指标。当一个行业的毛利率持续处于异常高位时，往往会吸引新进入者、替代方案和监管关注。在半导体历史上，DRAM 周期、LCD 面板周期都反复验证了“高毛利率→过度扩产→价格崩溃”的规律。分析毛利率时，需要将其与进入壁垒的变化趋势、行业总供给的扩产计划以及下游客户的议价能力变化综合考虑，才能避免被历史高点迷惑。

最新事件

本部分基于 2024 年公开报道和公司披露，梳理与 AI 芯片毛利率相关的最新动态：

• 英伟达 Blackwell 毛利率展望（2024 年 8–11 月）： 在 2024 年 8 月发布的 FY2025 Q2 财报电话会（注：英伟达财年与自然年错位）上，公司 CFO 表示 Blackwell 架构产品大规模量产的初期将对毛利率产生一定压力，预计毛利率从当时的约 75%（Non-GAAP）回落至“mid-70s 百分比较低区间”。主要原因为 Blackwell 采用更复杂的封装方案和 HBM3e 配置，物料成本增加，且早期良率和产量爬坡需要时间。该信息在 2024 年 11 月 Q3 电话会中得到更新，管理层表示量产进度顺利，毛利率趋势与前期指引一致。来源：英伟达 FY2025 Q2 和 Q3 财报电话会记录（可于英伟达投资者关系网站公开查取）。

• 台积电毛利率展望中的结构性因素（2024 年 Q3）： 台积电 2024 年 Q3 电话会中，管理层提及多项影响未来毛利率的因素：海外晶圆厂（美国亚利桑那、日本熊本、德国德累斯顿）的扩张将在未来数年内带来成本和折旧增加；台湾地区电价持续上涨对能源密集型制程的成本影响显著；N3 节点的折旧高峰仍在持续。综合来看，公司认为毛利率的长期中枢面临一定挑战，但也强调了 AI 相关需求的强劲和产能利用率的支撑作用。来源：台积电 2024 年 Q3 投资者关系简报及电话会摘要。

• HBM 供应的价格与扩产动态（2024 年）： 根据公开报道，SK 海力士、三星和美光在 2024 年均宣布了 HBM 扩产计划。SK 海力士在 2024 年 Q2 电话会中表示其 2024 年 HBM 产能已售罄，2025 年产能也已基本被客户预订；三星在 2024 年推进 HBM3e 的客户认证，并积极扩大 HBM 产能。TrendForce 的公开分析指出，2025 年全球 HBM 产能将从紧缺逐步走向供需平衡，HBM 价格的上涨动力可能减弱，对相关供应商毛利率产生的边际影响值得关注。

• 中国 AI 芯片公司的毛利率挑战： 受美国出口管制限制，中国大陆 AI 芯片公司面临先进制程和先进封装的双重获取瓶颈。已上市的 AI 芯片设计公司（如寒武纪等）在 2023 年年报中披露的毛利率水平相对分散，部分公司因产品结构变化、客户集中度较高、晶圆成本上升等因素，毛利率波动较大，具体数据因公司各异，在此不逐项列举。公开资料未见对这些公司 AI 芯片毛利率的统一行业估算，建议直接查阅各家公司最新年报和半年报获取原始数据。

跟踪指标

建立毛利率监控仪表盘，建议系统性跟踪以下指标：

• 公司层面（按季度采集）：

  • 各主要 AI 芯片公司（英伟达、AMD、博通等）的季度总毛利率及分业务毛利率（如公司披露），逐季记录并观察趋势。
  • 公司电话会中管理层对毛利率变动的归因（产品组合、良率、定价、原材料成本）。
  • 研发费用率与营业利润率变化，用于评估高毛利率向净利润的转化效率。
  • 库存金额与库存周转天数，与毛利率联合解读供需态势。

• 供应链层面：

  • 台积电季度毛利率及 CFO 对先进制程成本、折旧、产能利用率的评论。
  • HBM 现货与合约价格走势（来源：DRAMeXchange / TrendForce 公开摘要）。
  • CoWoS 及其他先进封装交付周期和产能扩张进度（台积电、ASE 等定期公告）。
  • 基板（ABF）供需紧张程度和价格动态。

• 下游需求层面：

  • 主要云厂商（微软、亚马逊、谷歌、Meta）的资本开支指引和实际支出，尤其关注其中 AI 基础设施相关的比例。
  • 云厂商自研 ASIC 部署比例的公开信号（如 Google 对外公布 TPU 使用规模、Amazon 公布 Trainium 实例增长情况等）。
  • 主权 AI 和大型企业自建数据中心项目的公开新闻。

• 宏观与政策层面：

  • 美国对华先进芯片出口管制条例更新及其覆盖范围变化。
  • 全球半导体行业资本支出周期（参照 SEMI、Gartner、IC Insights 等机构的定期报告摘要）。
  • 终端 AI 应用渗透率和大模型推理需求的增长率，这是支撑长期毛利率中枢的需求侧基础。

建议数据采集和更新的最低频率为每季度一次（对应主要公司财报发布），对关键快变量（如 HBM 价格、管制政策变动）可提高至按月度或事件驱动跟踪。所有跟踪指标均属于公开信息或基于公开信息加工整理，不涉及内幕信息。

信源

本概念页内容基于以下公开信息和行业研究框架整理，未使用付费研报或内幕数据。建议读者结合最新公告进行交叉验证：

• 公司官方披露：英伟达（investor.nvidia.com）、台积电（investor.tsmc.com）、AMD（ir.amd.com）、SK 海力士、博通、日月光投控等公司的季度财报新闻稿、投资者关系简报及电话会记录，是毛利率数字与定性归因的第一手信源。
• 行业研究机构公开摘要：
  • TrendForce（www.trendforce.com）在存储、封装和晶圆代工领域的定期市场评述。
  • Yole Group（www.yolegroup.com）关于先进封装和半导体制造的技术与市场报告简介。
  • Gartner、IDC、IC Insights 等机构的半导体行业数据摘要，本概念页因联网搜索限制未获取完整报告内部数据，仅引用了其公开可见的框架或定性判断，凡具体数值均已标注“行业估计”或“公开资料未见”。
• 分析师公开评论：部分知名半导体分析师（如 Stacy Rasgon、Mark Li 等）在公开媒体或研究摘要中对毛利率趋势的定性分析，已作为辅助逻辑框架参考，未引用精确估值或目标价相关内容。
• 政策文件：美国商务部工业与安全局（BIS）关于先进半导体与设备出口管制的公开规则文本和新闻公告。
• 行业专著与公开文章：
  • 《芯片战争》（Chris Miller）中关于半导体产业链分工与利润分配的背景阐述。
  • 公开平台（如 SemiAnalysis 的免费文章）对芯片成本结构的估算模型，本概念页的成本分解逻辑借鉴了行业通用的成本建模思路，但未直接引用其具体估算数值，所有数字均重新基于公司官方数据或注明“行业估计”。

免责声明：本概念页仅为产业知识整理和分析方法讨论，所有涉及公司毛利率的数据均来源于上述公开信源，分析框架性质的内容不构成任何形式的投资建议、股票推荐或交易建议。市场有风险，决策需谨慎。