毛利率

3 秒看懂

毛利率衡量的是“賣掉一個產品，扣除直接生產成本後剩多少比例”。公式為：

毛利率 =（銷售營收 - 營業成本）/ 銷售營收 × 100%

在 AI 半導體產業鏈中，毛利率是判斷一家公司技術壁壘、定價權和規模效應的核心視窗：高毛利往往意味著你賣的不是標準化商品，而是別人難以複製的架構設計、軟體生態或製造工藝。

以當前最典型的 AI 訓練 GPU 為例（以 2024 年主流產品估測），其物料成本構成中，邏輯晶圓與先進封裝合計可能只佔最終售價的三分之一或更低，剩餘部分體現的是架構設計、互聯技術、軟體生態和稀缺性溢價。這部分溢價能否維持，取決於競爭格局變化和替代方案成熟度，因此毛利率也成為觀察 AI 產業鏈競爭烈度的最靈敏指標之一。

3 分鐘產業解釋

對 AI 晶片而言，營業成本主要包括晶圓採購、封裝測試、HBM（高頻寬記憶體）採購、掩模費用、IP 授權費、基板和散熱元件等硬開銷。毛利率的高低直接對映產業鏈各環節的議價地位：

• 晶片設計公司（Fabless）：以輝達為例，其資料中心 GPU 業務在 2024 財年各季度毛利率普遍維持在 70% 以上區間（含部分軟體與系統營收，口徑為公司揭露的 Data Center segment GAAP gross margin 估算；公司整體 Non-GAAP 毛利率在 2024 財年 Q2 約為 71.2%、Q3 約為 75.0%，來源：輝達季度財報新聞稿）。這類公司產品稀缺性強，定價遠超物理成本。
• 晶圓代工：以台積電為例，其 2024 年 Q3 合併毛利率約為 57.8%（來源：台積電 2024 年 Q3 投資者關係簡報，GAAP 口徑），但該數字是包含所有制程節點的綜合毛利率。先進製程（如 3nm、5nm）在產能爬坡初期毛利率通常會承受折舊和良率壓力，成熟後有望改善，但公司不會按節點逐一揭露具體數值。
• 封裝與基板：傳統 OSAT（委外封測）毛利率大多處於 15%–25% 區間；掌握 CoWoS、FOCoS 等先進封裝技術的服務商毛利率可能升至 30%–40% 甚至更高，具體取決於產能緊張程度和客戶議價能力。
• HBM 記憶體：技術門檻極高。2023–2024 年全球 HBM 產能緊缺，頭部供應商如 SK 海力士曾在其 2024 年 Q2 財報中指出 DRAM 業務營業獲利率因 HBM 佔比提升而顯著改善，市場普遍估計其 HBM 部分毛利率在緊缺期可達 40%–50% 區間，但這一推斷並未得到公司拆分資料的直接證實。

毛利率的提升路徑可歸納為三種：漲價（產品不可替代性帶來的定價權）、降本（規模效應、良率提升或製程微縮）、轉嫁（讓上游供應商或下游客戶承擔部分成本壓力）。在 AI 算力需求高速增長的背景下，越是掌握“標準制定權”——無論是架構標準、互聯標準還是製造工藝標準——的環節，其毛利率彈性越大。

技術原理

毛利率本身雖非物理技術引數，但可以通過建立“成本—定價”模型來理解其生成機理。設：

• P：晶片平均售價（ASP, Average Selling Price）
• C_total：單位總營業成本，可分解為以下主要子項：
  • C_wafer：邏輯晶圓採購成本。取決於所採用的製程節點、每片晶圓價格、裸晶面積（A_die）及良率（Y）。Fabless 公司從代工廠採購時，晶圓成本是營業成本中最大單項。
  • C_pkg：封裝成本。先進封裝（如 CoWoS-S/L/R 變體）按晶圓級或單晶片報價，高階封裝單位成本可達傳統封裝的數倍。封裝複雜度越高，C_pkg 在總成本中的佔比越大。
  • C_memory：HBM 堆疊成本。通常等於 HBM 容量 × 單位 GB 單價，同時受位寬、堆疊層數（如 HBM3 的 8 層或 12 層）、TSV 工藝良率和供應商議價影響。
  • C_other：測試、基板、散熱模組、組裝及物流、IP 授權攤銷、掩模費用分攤等。

其中 C_wafer 可進一步展開：

單位晶圓可切割的良品裸晶數 ≈ (π × (晶圓直徑/2)² / A_die) × Y

單個良品裸晶的晶圓成本 ≈ 晶圓單價 / 良品數

因此，毛利率公式為：

GM = (P - ΣC_i) / P

提升毛利率的技術路徑主要包括：

1. 微縮製程降 A_die（同樣功能用更小面積），但先進製程每片晶圓報價更高，會部分抵消面積縮小帶來的成本節省。
2. 提高良率 Y：工藝成熟度提升、設計可製造性（DFM）最佳化，均可減少晶圓和封裝的良率損失。
3. 先進封裝設計最佳化：採用更少 HBM 層數、更緊湊的 Interposer 面積或 Chiplet 架構，以降低 C_pkg 與 C_memory。
4. 產品定價能力：本質來源於效能/能耗比的領先幅度以及軟體生態的鎖定效應，這決定了 P 能在多大程度上遠離 ΣC_i。

以一顆面向 AI 訓練的高階 GPU 為例，其成本流動可直觀表示為：

晶圓代工 (邏輯 wafer) ──┐
HBM 供應商 (堆疊記憶體)  ──┤
先進封裝服務 (CoWoS等) ──┼──> GPU 模組物料成本 ──> 板卡整合/測試 ──> 系統整合商/OEM ──> 最終客戶 (雲端廠商等)
其他部件及 IP 授權      ──┘

GPU 設計公司（Fabless）在此成本結構上疊加毛利，其毛利率水平集中體現了對上游供應鏈的議價能力和對下游客戶的定價權。

關鍵引數

分析毛利率時，僅看絕對值遠遠不夠，需要建立一套多維觀察架構：

• 毛利率絕對值：與同業可比公司橫向比較，反映當前競爭地位的大致座標。但不同商業模式之間直接對比容易得出誤導性結論（例如設計公司 vs 代工廠）。
• 毛利率季增率/年增率趨勢：連續多個季度的變動方向，能揭示定價能力是否在邊際走弱、上游成本是否在持續傳導、產品結構是否向高階或低端偏移。
• 營業獲利率：扣除了研發、銷售和管理費用後的實際盈利能力。部分 AI 晶片公司毛利率雖高，但因其研發費用常年佔到營收的 20%–30%，營業獲利率可能與毛利率存在顯著落差。因此，營業獲利率是衡量“高毛利是否真正轉化為盈利”的關鍵引數。
• 分業務/分產品毛利率：當一家公司同時經營資料中心、遊戲、汽車、邊緣計算等多種晶片業務時，各產品線毛利率分化可能極大。觀察產品組合的結構性變化，有助於判斷整體毛利率走勢是被優質業務拉動還是被低毛利業務稀釋。
• 庫存週轉天數與毛利率的交叉：高毛利若伴隨存貨積壓，可能預示著渠道壓貨、產品需求降溫，未來可能需通過降價或計提跌價損失來消化庫存，最終侵蝕淨利。
• 單位成本分解的邊際變化：重點關注 HBM 採購價季度季增率變動幅度、晶圓代工報價是否有變動通知、先進封裝產能緊缺程度變化等，這些因子對毛利率具有“快變數”性質。
• 出貨量折算的單位 ASP：當公司不單獨揭露單價時，可由“某業務營收 / 出貨量估算”得到隱含 ASP。ASP 與成本變動的差值，反映的是議價力和成本控制力的合力結果。

一個有效的分析實踐是：將以上關鍵引數納入持續更新的追蹤表格，每季度查閱公司投資者關係公告（季度業績新聞稿、CFO 評論、分析師電話會議記錄），記錄管理層對毛利率變動的歸因說明（如“產品組合向資料中心傾斜”、“HBM 採購成本下降”、“先進製程良率提升”等），再結合第三方出貨量估算進行交叉驗證。

技術路線

半導體毛利率的演進歷程，與產業組織和競爭格局的變遷高度相關：

1. 1980–2000 年：IDM 主導時代 英特爾憑藉 x86 架構壟斷和自主工廠的工藝領先，毛利率長期維持在 60% 以上。IDM 模式將製造環節內部化，避免了向代工廠讓渡獲利，但需要承受鉅額資本支出和週期波動的壓力。這個階段，高毛利率直接等同於“架構壟斷 + 工藝壁壘”。

2. 2000–2015 年：Fabless-Foundry 專業分工確立 高通、輝達、博通等 Fabless 公司剝離製造，將晶圓成本外化為營業成本。表面上看，Fabless 公司毛利率進一步提升（不再包含工廠折舊），但實際上增加了代工和封裝環節對獲利的分成。同期，台積電通過製程追趕，將自身毛利率從約 30%+ 推升至接近 50%（台積電 2015 年全年毛利率約 48.7%，來源：台積電 2015 年年報），帶動 Foundry 環節在產業鏈獲利分配中的話語權上升。

3. 2016–2022 年：AI 訓練需求催生新錨點 輝達資料中心 GPU 毛利率從 60% 區間逐步攀升至接近 70%，建立在 CUDA 生態鎖定和 AI 訓練剛需之上。同時期，移動晶片市場增長趨緩、競爭加劇，毛利率承壓，AI 成為拉動高毛利的新引擎。HBM 方面，隨著高效能運算需求不斷進化，HBM 的出貨量與價格均進入快速增長通道，HBM 供應商在其儲存業務組合中的毛利率結構性最佳化開始顯現。

4. 2023 年至今：大型模型與生成式 AI 重塑分化 AI 加速器毛利率出現極致分化態勢：具備完整軟體棧和互聯生態者毛利率仍高企；提供 ASIC 定製服務的廠商因客戶集中度高、缺少自有軟體棧，毛利率大多落在 40%–55% 區間；雲端廠商自研訓練/推論晶片（例如 Google TPU、Amazon Trainium/Inferentia、微軟 Maia、Meta 自研加速器等）的意圖，是將外購 GPU 所對應的“供應商毛利”內部化，這一趨勢正在持續重塑中游 GPU/ASIC 供應商的毛利率邊界。

5. 當前演進方向 未來技術路線圖顯示兩條並行路徑：一條是繼續向上突破的“巨核 GPU + 更大規模 HBM + 更精密封裝”，成本結構持續膨脹，對毛利率的負擔加重；另一條是以 Chiplet 實現模組化設計，通過 UCIe 等開放互聯標準降低對大晶片的依賴，這可能在成本端帶來最佳化，但也可能降低設計環節的集中度和定價權。兩條路徑的角力，將在未來 3–5 年直接決定 AI 晶片設計環節毛利率的中樞水平。

上游

毛利率水平的上邊界，在很大程度上由上游供應鏈決定。AI 晶片的上游環節包括：

• 高純度矽晶圓與電子級化學品：全球 12 英寸矽片產能主要集中於信越化學、SUMCO、環球晶圓等供應商。2023–2024 年矽片整體供給偏寬鬆，但先進製程所需的高質量晶圓議價空間相對有限。化學品（光刻膠、蝕刻液、CMP 拋光液等）在先進製程成本中的佔比逐步抬高，其價格變動會間接影響代工報價。
• ABF 基板：AI 晶片因封裝面積大、層數多，對 ABF 基板的消耗顯著高於傳統晶片。2024 年 ABF 基板產能整體趨於平衡，但高階大尺寸基板仍屬緊俏資源，價格對封裝成本構成支撐。主要供應商包括 Ibiden、Shinko Electric 和欣興電子等。
• 封裝裝置：先進封裝對鍵合機、臨時鍵合/解鍵合裝置、TSV 刻蝕與填充裝置等的精度和產能有極高要求。主要裝置商如 ASM Pacific Technology、K&S、Disco 等，其高階裝置交期和定價影響封裝廠擴產節奏，間接約束封裝產能供給，從而影響晶片廠商的成本端。
• EDA 工具與 IP 核：Synopsys、Cadence 的 EDA 工具授權費及各類高速介面、HBM 控制器、PCIe 控制器等 IP 核授權費用，是晶片設計一次性投入（NRE）的重要組成部分。雖然這些費用在營業成本中的攤銷佔比通常不大，但對於中小型設計公司而言可能形成顯著成本壓力，從而制約其毛利率空間。
• 矽中介層（Interposer）與先進封裝基板材料：CoWoS-S 等方案需要大面積矽中介層，其製造和良率均影響封裝交付成本，間接決定晶片公司可獲得的毛利上限。

上游供應商自身的毛利率訴求會在整個鏈條中傳導。例如，當 ABF 基板供應緊張時，基板廠提價，封裝廠可能將成本壓力轉嫁給晶片設計公司，進而擠壓設計公司的毛利率——除非設計公司能將成本轉嫁給最終客戶。上游材料與裝置的集中度、可替代性和擴產週期，因此成為影響 AI 晶片毛利率的重要外部變數。

下游

下游客戶的結構和議價能力，是決定 AI 晶片毛利率浮動區間的另一極：

• 雲端服務商（Hyperscalers）：微軟、亞馬遜 AWS、Google GCP、Meta、甲骨文等是 AI 訓練與推論 GPU/ASIC 的最大買方群體。雲端廠商集中採購規模龐大，理論上擁有更強議價權，但在 GPU 嚴重供不應求的 2023–2024 年階段，供應端掌握絕對定價主動權。隨著供給逐步釋放，雲端廠商的議價空間正在擴大。雲端廠商自研晶片的成熟度和部署比例，也將直接影響其對商用 GPU/ASIC 供應商的毛利率容忍度。
• 伺服器系統整合商與 OEM：Dell、HPE、Supermicro、Quanta 等將 GPU 模組與系統整合後出售，其自身毛利率普遍處於個位數至低雙位數區間，對晶片毛利率的緩衝層作用有限，成本壓力大多向上游傳導或向下遊客戶轉移。
• AI 實驗室與初創公司：OpenAI、Anthropic 等獨立 AI 實驗室，以及眾多獲得風險投資的 AI 原生公司，在 2023–2024 年的算力競賽中，多通過雲端廠商間接採購算力，對晶片定價的直接影響力較弱，但它們的總需求體量推動了終端市場的緊張程度，間接支撐了晶片端的高毛利。
• 企業客戶與主權 AI：部分大型企業和政府機構開始直接建置 AI 基礎設施（主權 AI 資料中心），往往通過系統整合商採購，對晶片價格的敏感度可能低於雲端廠商，當前仍是高毛利的重要需求來源。

從“自制 vs 外購”決策角度分析，雲端廠商自研 ASIC 若達到足夠效能和部署規模，可將原本支付給外部晶片商的毛利轉化為內部成本節約。這一轉換並不改變物理晶片的製造成本（C_wafer、C_pkg、C_memory 仍需如數支付），但壓縮了設計環節的獲利空間。這個趨勢能否加速，取決於自研 ASIC 在軟體生態成熟度、迭代速度和通用性方面能否縮小與領先 GPU 的差距。當前（截至 2024 年底），公開資料顯示 Google TPU 在大規模訓練中的部署已較為成熟，Amazon Trainium2 於 2024 年進入量產爬坡，而微軟 Maia 和 Meta MTIA 尚處於早期或特定工作負載驗證階段，大規模替代商用 GPU 仍需時間。自研晶片滲透率的提升節奏，將是影響未來 3–5 年 AI 晶片設計環節毛利率走向的最關鍵下游變數。

受益公司

本段僅分析產業鏈中毛利率特徵具有代表性的公司型別，以結構性的產業邏輯呈現，不構成任何投資建議或推薦。

第一類：生態鎖定型設計公司 這類公司憑藉軟體平台（如 CUDA）和大規模晶片互聯方案（如 NVLink、InfiniBand/Spectrum-X 配套），在產品均價高位維持高毛利率。代表性公司為輝達，其 2024 財年 Q3 整體 Non-GAAP 毛利率約為 75.0%（來源：輝達 2024 年 11 月 20 日釋出的 2024 財年第三季度財務摘要）。另一關注物件為 AMD，其 Instinct 系列 GPU 在 2023–2024 年逐步上量，但其資料中心業務毛利率因統計口徑含 EPYC CPU 而難以單獨拆分，且軟硬體生態仍在追趕階段。

第二類：先進製程獨佔型代工廠 典型代表為台積電。其 2024 年 Q3 毛利率約為 57.8%（來源：台積電 2024 年 Q3 投資者關係簡報），先進製程（N3、N4、N5 系列）貢獻了主要營收增量，但具體到單一製程節點的毛利率未公開揭露。隨著 N3 節點良率爬坡和產能利用率維持高位，台積電在 2024 年下半年財報電話會中表示對毛利率前景持積極展望，但也提及海外廠擴張、電力成本上升等結構性因素可能對長期毛利率帶來稀釋。三星代工方面，公開資料未見其對先進製程毛利率的具體拆分資料。

第三類：先進封裝與 HBM 彈性型供應商 在 2023–2024 年的 AI 晶片緊缺中，先進封裝和 HBM 環節成為顯著瓶頸。台積電 CoWoS 產能持續擴張，其先進封裝業務的具體毛利率未單獨揭露，市場估計存在不同版本，無法確認精確區間。日月光投控（ASE）等 OSAT 廠商在 2024 年加速先進封裝版面配置，其毛利率改善進度有待持續追蹤。HBM 方面，SK 海力士在 2024 年 Q2 財報電話會中提到 HBM 銷售佔比提升對 DRAM 業務營業獲利率的正向貢獻，但未單獨給出 HBM 毛利率具體數值。

第四類：自研 ASIC 服務商 博通（Google TPU 合作方）、Marvell 等公司為雲端廠商提供定製 ASIC 設計服務，毛利率通常處於 40%–55% 區間（基於公司整體半導體業務或特定業務部財報的行業共識推估，非公司單獨拆分的定製 ASIC 資料）。這類業務的客戶集中度較高，毛利率受單一客戶訂單量和開發費攤銷方式影響較大。

市場規模

AI 晶片的市場規模是毛利率分析的重要背景變數，兩者存在“供不應求→高毛利→資本湧入→供給擴張→毛利率承壓”的週期性關係。

• 整體 AI 晶片市場：根據第三方研究機構 Gartner 的資料（具體報告版本因聯網限制未獲更新），全球 AI 晶片市場規模在 2023 年估計約為 500 億美元量級，涵蓋 GPU、ASIC、FPGA 和其他加速器。面向生成式 AI 的訓練和推論需求在 2024 年高速增長，分析師普遍預期市場規模將持續擴張。
• HBM 市場：根據市場研究機構 TrendForce 的估算（其公開摘要可見於官方新聞稿），2024 年全球 HBM 市場規模可能超過 150 億美元，較 2023 年有數倍增長，HBM 佔整體 DRAM 市場的營收比重快速攀升。這一結構性變化直接支撐了儲存廠商在 HBM 相關產品上的獲利率。
• 先進封裝市場：根據 Yole Group 等機構的研究，先進封裝市場（含 CoWoS、FoCoS、EMIB 等）在 2024–2028 年間預計將保持較高增速。其中 CoWoS 產能從 2023 年的嚴重不足到 2024–2025 年的快速擴張，對相關服務商的議價能力和毛利率產生動態影響。
• 自研 ASIC 相關市場：雲端廠商自研 ASIC 的累計投入規模在 2024 年尚無完整的第三方統計。公開資訊顯示，Google 已連續多代部署 TPU，Amazon 釋出了 Trainium2，微軟和 Meta 則處於相對早期的階段，其自研晶片的累計設計、流片和部署成本預估不易準確量化，相關市場規模資料公開資料未見。

在強勁的需求預期下，AI 晶片供給端的資本支出在 2023–2024 年顯著增加，台積電、三星、SK 海力士、美光等的資本支出均向 AI 相關產能傾斜。根據台積電 2024 年 Q3 電話會揭露，其 2024 年全年資本支出預計接近 300 億美元（中位數展望），其中相當部分用於先進製程和先進封裝擴產。資本密集投入帶來的折舊爬坡，將在未來幾個季度開始影響毛利率的核算基礎，需要持續追蹤。

玩家對比

為直觀展示 AI 產業鏈不同環節毛利率的差異，以下表格以 2024 年最新可得的代表性公司資料或行業公認區間進行對比。所有資料來源均標註年份和口徑，區間估算已註明“行業估計”；無法確認的精確數值註明“未單獨揭露”。

典型環節/公司	觀察時間視窗	毛利率指標（口徑）	數值	來源/備註
輝達（整體）	FY2024 Q3（2023年8–10月）	Non-GAAP 毛利率	75.0%	輝達 FY24 Q3 財報新聞稿
輝達（整體）	FY2024 Q2（2023年5–7月）	Non-GAAP 毛利率	71.2%	輝達 FY24 Q2 財報新聞稿
AMD（整體）	2024 Q3	Non-GAAP 毛利率	約 54%	AMD 2024 Q3 財報新聞稿；Data Center 業務毛利率未單獨揭露
台積電（整體）	2024 Q3	GAAP 毛利率	57.8%	台積電 2024 Q3 投資者關係簡報
台積電（先進製程）	2024 Q3	按節點拆分毛利率	未單獨揭露	公司財報僅提供分製程營收佔比，不提供分製程毛利率
SK 海力士（HBM）	2024 Q2	HBM 毛利率	未單獨揭露	公司稱 HBM 銷售佔比提升對營業獲利率有正面貢獻，未給具體數值
博通（半導體解決方案）	FY2024 Q3（截至2024.8.4）	Non-GAAP 毛利率	約 68%	博通 FY24 Q3 財報新聞稿；含定製 ASIC、網路、儲存等多業務，非 ASIC 單獨資料
日月光投控（封裝測試）	2024 Q3	毛利率	約 17.5%（行業共識估算）	公開資料未見精確拆分先進封裝與傳統封裝毛利率

對比要點：

• 輝達的整體毛利率在 2024 財年逐季攀升，主要受資料中心業務佔比提高驅動，其資料中心 GPU 毛利率被市場普遍認為高於公司整體水平，但公司不單獨揭露此資料。
• 台積電的毛利率體現了先進製程和產能利用率雙輪驅動的結果，但也受到海外廠擴張成本、電價上漲、N3 折舊等結構性因素的拉低。
• 博通等 ASIC 服務商的毛利率包含了大量軟體和網路裝置業務，不可簡單等同於定製 ASIC 業務的盈利能力。
• 封裝環節整體毛利率較低，但部分公司的先進封裝業務因產能緊缺而享有階段性溢價，該溢價的持續性和幅度需要逐季驗證。

風險

毛利率在 AI 半導體產業中並非線性向上的穩定變數，以下幾類風險可能對其形成衝擊：

• 競爭加劇導致定價權鬆動：若 AMD 的 MI300 系列及後續產品、Intel 的 Gaudi 系列等競爭方案在軟體成熟度和互聯效能上拉近與領先者的差距，AI GPU 領域將從“一強獨大”轉向更激烈的競爭，ASP 可能承壓，高毛利率面臨向下修正壓力。2024 年公開測試結果顯示，AMD MI300X 在特定推論和訓練工作負載中展現出一定的價效比優勢，但整體軟體棧遷移成本仍是障礙，競爭效果的釋放需持續觀察。
• 雲端廠商自研替代加速：若 Google TPU v5、Amazon Trainium2 等自研晶片在未來 2–3 年內在主流大型模型訓練場景中證明自身競爭力，雲端廠商外購 GPU 的比例可能下降，直接侵蝕商用 GPU 的市場空間，倒逼供應商降價或讓利。
• 產能週期波動：HBM 和先進封裝在 2023–2024 年的緊缺狀態，吸引了大量資本投入擴產。根據 TrendForce 等機構的預測，2025 年 HBM 產能可能大幅增長，若同期需求增速放緩，將從緊缺轉為供需平衡甚至階段性過剩，HBM 價格下行將拉低儲存廠商相關業務毛利率。同樣，一旦先進封裝產能從瓶頸變為充裕，封裝服務溢價將萎縮。
• 地緣政策與出口管制：美國對華先進晶片及製造裝置出口管制政策的範圍和執行力度持續演變，若管制進一步收緊導致部分市場需求無法有效觸達，可能壓抑整體出貨量和 ASP。2024 年公開報道提及美國商務部更新出口管制規則，對中國市場特定算力產品設限，對相關廠商在該市場的營收與定價策略已產生影響。
• 研發投入的持續性壓力：維持高毛利率的技術領先，需要持續、加大的研發投入。若未來 AI 晶片創新趨緩，行業走向架構同質化，則高毛利率將缺乏基本面支撐。研發產出效率（每單位研發費用帶來的效能代差）的邊際變化，是值得長期追蹤的風險指標。

誤讀糾偏

誤讀 1：“毛利率高 = 公司一定很賺錢” 不對。毛利率僅扣減營業成本，不包含研發、銷售、管理及所得稅等費用。以 AI 晶片設計公司為例，其研發費用率常年在 20%–30% 區間，部分年份甚至更高。輝達 2024 財年 Q3 研發費用約佔營收的 12%（該季度營收異常高增，研發比率被攤薄），此前多個季度該比率在 20% 左右；銷售及管理費用合計也在個位數百分比。毛利率高是必要條件，但若研發投入失控、銷售費用膨脹，營業獲利率和淨利可能遠低於毛利率所暗示的盈利水平。

誤讀 2：“代工廠毛利率低說明技術含量低” 錯。晶圓代工是典型的高資本密集度商業模式。營業成本中包含鉅額裝置折舊（例如一臺 EUV 光刻機價格超過 2 億歐元，需在 5–7 年內加速折舊），這部分在 Fabless 模式下並不存在。Foundry 的護城河在於持續領先的製程工藝和龐大的產能規模，這些需要通過營業獲利率（而非毛利率）與 ROIC（投入資本回報率）來評估。將 Fabless 和 Foundry 的毛利率直接對比，如年增率較品牌持有人與代工廠的“出廠價獲利率”，忽略了兩者資產結構和風險承擔的本質差異。

誤讀 3：“自研晶片的‘內部毛利率’比外購低，所以自研一定划算” 不準確。雲端廠商若將採購 GPU 的支出轉為自研 ASIC，其成本結構包括：晶片物料成本（晶圓、封裝、HBM）、一次性設計開發費用（NRE）、晶片設計團隊的人力成本、流片費用以及後續多代迭代的機會成本。公司內部核算時，通常不按市場價計算“轉移毛利率”，而是使用總所有權成本（TCO，Total Cost of Ownership）模型來評估。TCO 中還包括軟體棧遷移、維護和開發者培訓等隱性成本。因此，僅通過比較自研晶片物料成本與外購晶片價格來得出“毛利率更低因此更划算”的結論，會忽略大量非物料成本因素。

誤讀 4：“毛利率越高越值得投資” 片面。毛利率是競爭地位的滯後反映指標，而不是領先預測指標。當一個行業的毛利率持續處於異常高位時，往往會吸引新進入者、替代方案和監管關注。在半導體歷史上，DRAM 週期、LCD 面板週期都反覆驗證了“高毛利率→過度擴產→價格崩潰”的規律。分析毛利率時，需要將其與進入壁壘的變化趨勢、行業總供給的擴產計劃以及下游客戶的議價能力變化綜合考慮，才能避免被歷史高點迷惑。

最新事件

本部分基於 2024 年公開報道和公司揭露，梳理與 AI 晶片毛利率相關的最新動態：

• 輝達 Blackwell 毛利率展望（2024 年 8–11 月）： 在 2024 年 8 月釋出的 FY2025 Q2 財報電話會（注：輝達財年與自然年錯位）上，公司 CFO 表示 Blackwell 架構產品大規模量產的初期將對毛利率產生一定壓力，預計毛利率從當時的約 75%（Non-GAAP）回落至“mid-70s 百分比較低區間”。主要原因為 Blackwell 採用更復雜的封裝方案和 HBM3e 配置，物料成本增加，且早期良率和產量爬坡需要時間。該資訊在 2024 年 11 月 Q3 電話會中得到更新，管理層表示量產進度順利，毛利率趨勢與前期展望一致。來源：輝達 FY2025 Q2 和 Q3 財報電話會記錄（可於輝達投資者關係網站公開查取）。

• 台積電毛利率展望中的結構性因素（2024 年 Q3）： 台積電 2024 年 Q3 電話會中，管理層提及多項影響未來毛利率的因素：海外晶圓廠（美國亞利桑那、日本熊本、德國德累斯頓）的擴張將在未來數年內帶來成本和折舊增加；臺灣地區電價持續上漲對能源密集型製程的成本影響顯著；N3 節點的折舊高峰仍在持續。綜合來看，公司認為毛利率的長期中樞面臨一定挑戰，但也強調了 AI 相關需求的強勁和產能利用率的支撐作用。來源：台積電 2024 年 Q3 投資者關係簡報及電話會摘要。

• HBM 供應的價格與擴產動態（2024 年）： 根據公開報道，SK 海力士、三星和美光在 2024 年均宣佈了 HBM 擴產計劃。SK 海力士在 2024 年 Q2 電話會中表示其 2024 年 HBM 產能已售罄，2025 年產能也已基本被客戶預訂；三星在 2024 年推進 HBM3e 的客戶認證，並積極擴大 HBM 產能。TrendForce 的公開分析指出，2025 年全球 HBM 產能將從緊缺逐步走向供需平衡，HBM 價格的上漲動力可能減弱，對相關供應商毛利率產生的邊際影響值得關注。

• 中國 AI 晶片公司的毛利率挑戰： 受美國出口管制限制，中國大陸 AI 晶片公司面臨先進製程和先進封裝的雙重獲取瓶頸。已上市的 AI 晶片設計公司（如寒武紀等）在 2023 年年報中揭露的毛利率水平相對分散，部分公司因產品結構變化、客戶集中度較高、晶圓成本上升等因素，毛利率波動較大，具體資料因公司各異，在此不逐項列舉。公開資料未見對這些公司 AI 晶片毛利率的統一行業估算，建議直接查閱各家公司最新年報和半年報獲取原始資料。

追蹤指標

建立毛利率監控儀表盤，建議系統性追蹤以下指標：

• 公司層面（按季度採集）：

  • 各主要 AI 晶片公司（輝達、AMD、博通等）的季度總毛利率及分業務毛利率（如公司揭露），逐季記錄並觀察趨勢。
  • 公司電話會中管理層對毛利率變動的歸因（產品組合、良率、定價、原材料成本）。
  • 研發費用率與營業獲利率變化，用於評估高毛利率向淨利的轉化效率。
  • 庫存金額與庫存週轉天數，與毛利率聯合解讀供需態勢。

• 供應鏈層面：

  • 台積電季度毛利率及 CFO 對先進製程成本、折舊、產能利用率的評論。
  • HBM 現貨與合約價格走勢（來源：DRAMeXchange / TrendForce 公開摘要）。
  • CoWoS 及其他先進封裝交付週期和產能擴張進度（台積電、ASE 等定期公告）。
  • 基板（ABF）供需緊張程度和價格動態。

• 下游需求層面：

  • 主要雲端廠商（微軟、亞馬遜、Google、Meta）的資本支出展望和實際支出，尤其關注其中 AI 基礎設施相關的比例。
  • 雲端廠商自研 ASIC 部署比例的公開訊號（如 Google 對外公佈 TPU 使用規模、Amazon 公佈 Trainium 例項增長情況等）。
  • 主權 AI 和大型企業自建資料中心專案的公開新聞。

• 宏觀與政策層面：

  • 美國對華先進晶片出口管制條例更新及其覆蓋範圍變化。
  • 全球半導體行業資本支出週期（參照 SEMI、Gartner、IC Insights 等機構的定期報告摘要）。
  • 終端 AI 應用滲透率和大型模型推論需求的增長率，這是支撐長期毛利率中樞的需求側基礎。

建議資料採集和更新的最低頻率為每季度一次（對應主要公司財報釋出），對關鍵快變數（如 HBM 價格、管制政策變動）可提高至按月度或事件驅動追蹤。所有追蹤指標均屬於公開資訊或基於公開資訊加工整理，不涉及內幕資訊。

信源

本概念頁內容基於以下公開資訊和行業研究架構整理，未使用付費研究報告或內幕資料。建議讀者結合最新公告進行交叉驗證：

• 公司官方揭露：輝達（investor.nvidia.com）、台積電（investor.tsmc.com）、AMD（ir.amd.com）、SK 海力士、博通、日月光投控等公司的季度財報新聞稿、投資者關係簡報及電話會記錄，是毛利率數字與定性歸因的第一手信源。
• 行業研究機構公開摘要：
  • TrendForce（www.trendforce.com）在儲存、封裝和晶圓代工領域的定期市場評述。
  • Yole Group（www.yolegroup.com）關於先進封裝和半導體制造的技術與市場報告簡介。
  • Gartner、IDC、IC Insights 等機構的半導體行業資料摘要，本概念頁因聯網搜尋限制未獲取完整報告內部資料，僅引用了其公開可見的架構或定性判斷，凡具體數值均已標註“行業估計”或“公開資料未見”。
• 分析師公開評論：部分知名半導體分析師（如 Stacy Rasgon、Mark Li 等）在公開媒體或研究摘要中對毛利率趨勢的定性分析，已作為輔助邏輯架構參考，未引用精確估值或目標價相關內容。
• 政策檔案：美國商務部工業與安全域性（BIS）關於先進半導體與裝置出口管制的公開規則文本和新聞公告。
• 行業專著與公開文章：
  • 《晶片戰爭》（Chris Miller）中關於半導體產業鏈分工與獲利分配的背景闡述。
  • 公開平台（如 SemiAnalysis 的免費文章）對晶片成本結構的估算模型，本概念頁的成本分解邏輯借鑑了行業通用的成本建模思路，但未直接引用其具體估算數值，所有數字均重新基於公司官方資料或註明“行業估計”。

免責宣告：本概念頁僅為產業知識整理和分析方法討論，所有涉及公司毛利率的資料均來源於上述公開信源，分析架構性質的內容不構成任何形式的投資建議、股票推薦或交易建議。市場有風險，決策需謹慎。