文 澤平宏觀團隊

我在2024年9月預測“信心牛、科技牛”。今年1月初從美國考察回來提醒：AI不是風口，是海嘯，遠超30年前的IT互聯網。超級應用大爆發，中國力量崛起。AI的背后是算力，算力的背后是電力。站在光里，存在芯里。這是我們這代人最重要的機遇，人生發財靠周期。

本文將系統深度介紹芯片半導體行業的賽道和機會。

10日晚，我將進行新的大勢研判。

目錄

1 AI算力芯片：快速崛起，國產芯大爆發

2 AI存儲：全球存儲超級周期，國產力量快速破局

3 AI光互聯：AI數據通信，算力基礎設施

4 AI PCB：算力底座、AI倒逼技術升級

5 AI電力：AI新貨幣， 決定產出上限

6 AI半導體材料：國產替代加速

7 物理AI爆發：AI 改變現實世界

正文

1 AI算力芯片：快速崛起，國產芯大爆發

今年4月DeepSeekV4重大更新，頂級性能、極致低價，全面采用國產算力和新架構，中國“芯”爆發。

一是硬件適配。DeepSeekV4在發布首日即實現華為昇騰、寒武紀、海光、摩爾線程、沐曦、昆侖芯、阿里平頭哥、天數智芯八大國產芯片廠商的全量適配?！鞍l布即跑通”，有力證明國產算力足以支撐萬億級參數的大模型運行。

二是生態破局。DeepSeekV4擁抱了華為CANN、摩爾線程MUSA等國產生態。為全球開發者提供了繞開英偉達CUDA生態壁壘的替代路徑，直接動搖了英偉達的軟件護城河。

中國AI算力開始正式擺脫對英偉達的單一依賴，大模型訓練進入自主可控的國產算力新階段。

未來，國產GPU正從“能用”跨越到“好用又便宜”，憑借產業鏈、規?；统杀緝瀯?，有望復制新能源汽車和光伏的奇跡，重構全球芯片格局。

只要給機會，國產“芯”將越用越強。

一是成本紅利。 DeepSeekV4通過架構創新，大幅提升計算效率，API定價低至GPT-5.5的百分之一。這種極致性價比徹底顛覆了“高算力必然高價”的行業規則。模型性能追平、成本實現碾壓，國產AI應用即將迎來大爆發。

二是國產算力在實戰中不斷進化，國產芯片在大模型商用實戰中進入“越用越強”的正向循環。

根據IDC數據，2025年中國AI加速卡總出貨約400萬張，國產廠商出貨165萬張，本土滲透率突破40%。格局初顯：華為昇騰、平頭哥、昆侖芯、寒武紀、海光、沐曦、天數智芯等本土芯片企業高速崛起。

中國算力芯片正以極高的效率迭代。DeepSeekV4的適配主力產品華為昇騰950PR，產品推理能力已領先英偉達特供版芯片。目前，頭部算力國產集群的訓練、并行效率已達80%–85%以上。

芯片制造方面，成熟反哺先進，國產替代窗口已至。

全球芯片制造，中國力量三家進前十。2025年全球前十大晶圓代工企業合計產值1695億美元，市場集中度高，前十家產值占比97%。

中國企業已有三家躋身前十。其中，中芯國際營收93億美元、市占率5.3%，全球第三。華虹營收45億美元、市占率2.6%，全球第六。晶合集成營收15億美元，市占率0.9%，全球第九。

成熟制程造血，反哺先進制程。

成熟制程芯片構成產業基石。按晶圓產能計，28nm及以上成熟制程占全球晶圓代工市場近80%。中國成熟制程產能已占全球約三成，成為核心供給地。

成熟制程芯片應用領域覆蓋廣泛。汽車電子、工業控制及物聯網等絕大多數場景無需頂尖先進制程，28nm及以上工藝即可滿足。以新能源汽車為例，單車所需芯片中約90%均采用28-130nm工藝節點。

先進制程聚焦高端場景。3、5、7nm芯片主要應用于智能手機SoC、高性能計算及AI加速芯片等前沿領域，技術壁壘高。

中國立足成熟制程、反哺突破先進制程。以中芯國際為例，依托28nm及以上成熟制程穩健擴張，2025年折合8英寸月產能100萬片，全年營收673億、同比增長16.5%，毛利率穩在20%。持續向先進制程突圍：14nm FinFET工藝已實現規模化量產，良率逐步爬坡；并基于現有DUV光刻設備，通過多重曝光等技術成功開發出N+1/N+2工藝，對標等效7nm，目前正處于小批量試產與良率優化階段。

國產替代窗口已至， 未來從光刻機、核心原料等環節突破。

AI時代算力爆發，這是國產替代時間窗口。從DeepseekV4開始，大模型適配國產AI芯片，為國產芯片制造提供更多驗證場景，這是國產算力鏈重構的最佳機遇。

目前，7nm及以下節點延伸面臨兩大核心卡點：一是EUV光刻機獲取受限，依賴DUV多重曝光導致工藝復雜、成本高企，量產經濟性承壓；二是關鍵材料國產化仍在攻堅，全自主產線尚未完全打通，制約了產能釋放節奏與迭代速度。

一是光刻機。全球90%以上的光刻機市場被荷蘭和日本占據。阿斯麥市占80%，佳能、尼康占15%。用于7nm以下制程的高端EUV光刻機只有阿斯麥能生產，國產28nm DUV光刻機已經實現突破，等待EUV研發破局。

二是原材料。高純度硅片、光刻膠、特種氣體等基礎原材料仍依賴進口。比如日本信越化學、JSR壟斷的ArF光刻膠等。未來需要更多工業積累和研究突破。

2026年5月，韜定律提出，意義重大。華為提出韜（τ）定律，是全球半導體領域首個由中國企業主導的產業原則。

這是全球芯片發展的全新思路：不再死磕縮小芯片體積，而是通過"時間縮微"替代傳統"幾何縮微"，用時間效率提升芯片性能。用"邏輯折疊"的方式重構芯片布局。把平面電路像折紙一樣立體堆疊?？梢源蠓鶋嚎s線路長度，有效降低電阻和電容帶來的信號損耗，同時實現電路、芯片、系統的全層級優化。傳統芯片信號傳輸需跨越數百微米，韜定律新方案可壓縮至幾微米?；陧w定律，在過去六年已成功設計并量產了381款芯片。到2031年高端芯片晶體管密度將達到1.4納米制程的同等水平。

AI時代，中國給出了半導體“新基建”標準。韜定律促進全球半導體產業鏈格局重塑。未來，中國的EDA工具、先進封裝技術、芯片散熱材料等領域全面升級，先進封裝成為必選路線，話語權增強。

2 AI 存儲：全球存 儲超級周期，國產力量快速破局

存儲決定算力上限。AI訓練、推理均需海量數據支撐，存儲數據的讀取運行效率直接決定AI模型跑的速度。如果存儲速度滯后于算力速度，就會形成“內存墻”，導致芯片閑置、算力損耗。

數據搬運能耗極高，占AI芯片運行能耗的一半以上，存儲綜合性能對算力有決定性影響。

當前AI大模型參數規模突破萬億級，對存儲容量、帶寬的需求呈指數級增長，重要性不言而喻。

芯片堆疊技術、存算一體是存儲未來兩大關鍵技術方向。

第一是芯片堆疊，以HBM為代表，把多顆DRAM芯片堆疊封裝、并與GPU集成，拓寬數據通道、提升算力吞吐。未來帶寬躍遷，從HBM3E向HBM4迭代升級，單顆芯片容量達24GB，帶寬突破2.4Tbps，讀寫速度倍增，成為AI服務器核心技術支撐，更適配下一代AI大模型訓練。

第二是存算一體，就是讓存儲離計算更近。在存儲單元內嵌計算能力，實現數據原地計算，大幅減少數據傳輸延遲和能耗損耗。存算一體芯片可將數據傳輸延遲降低50%以上，運算能耗減少30%-60%。

全球存儲格局：寡頭壟斷、國產崛起。

全球存儲市場呈寡頭壟斷格局，賽道分為DRAM、NAND、HBM。

DRAM領域，三星、SK海力士、美光占據超90%市場份額。

NAND閃存領域，三星、SK海力士、鎧俠等市占率超85%。

近兩年存儲漲價、供不應求。DRAM、NAND、HBM三大類全線史詩級漲價。HBM作為AI核心顯存，價格整體翻了2-3倍，長期有價無貨、產能被頭部云廠商提前鎖單。

存儲廠商擴產周期長，至少需要18–24個月。三星、SK海力士等廠商優先HBM存儲產能，對成熟制程擴產保守，造成傳統存儲供給緊缺，漲價外溢。

以長江存儲、長鑫存儲等為代表的國產高端存儲快速突破，填補國產化缺口。長鑫存儲DRAM全球份額近10%，長江存儲NAND市占率超12%。目前國產HBM已進入小批量產階段，借AI彎道超車，開始打破海外壟斷。

3 AI 光互 聯 ： AI數據通信，算力基礎設施

AI的背后是算力，算力芯片、互聯系統、存儲系統是AI算力的三大支柱。 光互聯技術保障 高效、可靠的AI數據交換。

光互聯，是以光波為傳輸載體，實現芯片、設備、網絡間高速互聯。有效突破了傳統的電互聯在帶寬、功耗方面的瓶頸，應用于AI算力、5G通信等。

光互聯行業在向共封裝光學CPO、近封裝光學NPO新架構升級。隨著傳輸速率突破800G、1.6T，傳統可插拔光模塊面臨挑戰。CPO、NPO將光引擎與交換芯片、AI加速芯片進行高度集成，縮短電互聯路徑，實現更高帶寬密度、更低傳輸功耗，更適配未來超大規模計算集群。

全球 光互聯市場 快速擴張。2026年，AI大模型加速迭代，全球科技巨頭加大投入超大規模AI數據中心，對高速光互聯產品需求強勁。沙利文數據預測：2025年至2030年，全球光模塊銷售額的年度復合增長率將超過30%。

光互聯產業鏈的上游是核心材料與零部件，包括光芯片、電芯片、印制電路板PCB等關鍵組件；

中游是光互聯產品的集成環節，有可插拔光模塊、共封裝光學CPO、近封裝光學NPO的研發生產，通過對光、電兩大類零部件的整合適配與技術集成，實現數據高速、穩定的傳輸；

下游則覆蓋AI云、電信運營商等核心客戶，應用于AI數據通信，支撐算力基礎設施。

光互聯 未來三大趨勢：

一是速率迭代提速。800G光互聯產品已成為AI訓練集群的主流，1.6T產品也已進入大規模商用前期。隨著模型參數量持續擴大，技術迭代加快。

二是硅光技術滲透。硅光技術在集成度、功耗、成本上有優勢，正成為高速光互聯產品的核心。

三是商業航天、低軌衛星互聯創造對光模塊的新需求，一片藍海。低軌衛星星座如星鏈等布局上萬顆衛星，傳統微波通信已無法滿足。星間激光通信有高帶寬、低時延優勢，而光模塊是激光終端的核心，新需求增量空間大。

4 AI PCB：算力底座、AI倒逼技術升級

PCB，印制電路板，電子產品之母。GPU、CPU、內存條都需要焊在PCB板上。沒有高性能PCB，再先進的GPU、HBM、光模塊都無法協同工作。

PCB一度淪為傳統行業，AI讓PCB重新煥發。過去PCB是手機、電腦產業的配角、受消費電子大周期影響。AI時代，一臺AI服務器的PCB的物理面積、層數增長約3-5倍，價值量提升8-12倍。比如英偉達最新的Rubin平臺，一塊PCB的價值量提升就是前代的幾倍。

高端PCB供不應求。特別是18層以上高多層、M8、M9高階基材的，受限于高端覆銅板CCL和電子玻纖布的產能，交付周期已拉長至2-3個月，價格呈上漲趨勢。

未來技術迭代，材料升級四大趨勢：

第一，信號傳輸更快。AI算力發展倒逼信號傳輸速率提升，需求是傳輸更快、信號不衰減。因此，低損耗、超低損耗的新材料正在替代傳統材料。比如，新一代覆銅板CCL從M7向M9甚至M10級別推進，能大幅降低信號損耗。全球覆銅板市場2025年達到160億美元，預計2026年將增至215億美元，年增長率達30%+。

第二，高密度化升級。芯片堆疊、CPO共封裝技術發展，對底層承載材料提出了更高要求，IC載板作為芯片與PCB之間的關鍵連接，技術壁壘高、附加值高，需缺口持續拉大，是當前PCB行業增速快、價值提升顯著的核心領域之一。

第三，高散熱效率。AI芯片功耗飆升，單顆GPU功耗已達數百瓦、整機超千瓦，常規散熱方案無法滿足高密度算力設備的熱管理需求。因此，金屬基、陶瓷等高導熱基板、厚銅、埋入散熱等結構進化，成為PCB行業解決高功率散熱痛點的方向。

第四，PCB類芯片化、封裝一體化。傳統PCB僅承擔電氣連接和載體功能，未來將是“PCB+芯片”集成模式。通過高階HDI、埋入式元件、硅中介層鍵合等先進工藝，直接集成。縮短信號路徑、降低延遲，又縮小體積、提升散熱效率。如英偉達CoWoP方案，就是將GPU與HBM直接集成于強化型PCB上。

5 AI電力：AI新貨幣， 決定產出上限

AI的背后是算力，算力的背后是電力。電力已成為AI新貨幣，電決定了AI的產出上限。未來誰掌握了穩定、廉價且充沛的電力，誰就掌握了AI時代入場券。

電力上游，綠電猛增、核電復興。

一是綠電。IEA數據預測2026年全球數據中心總耗電將突破1000TWh，其中 AI負載占比1/3。全球對綠電需求缺口巨大。AI帶動中國新能源電力出口。全球光伏、逆變器需求旺盛，中國企業市占率超90%，歐洲、中東為核心市場。

二是核電。核電特點是單堆功率大、年利用小時數超8000小時，適合配套大型AI算力集群。全球科技巨頭正加速用電力采購協議和股權投資，鎖定核能。比如，美國三哩島核電站加速重啟，預計于2027年并網，為微軟提供AI算力能耗。小型模塊化核電反應堆SMR是新趨勢，或是未來AI數據中心的供電主力。

電力中游，電網設備升級。

AI拉動電網升級。AI數據中心單機柜功率密度大增，且需要24小時高可靠運行，遠超傳統電網承載極限，倒逼電網擴容與智能化改造。

建設需求大幅提升。AI算力集群建設帶來變壓器、高壓直流電源等設備的增量需求。十五五期間國網固定資產投資預計達4萬億，比十四五大增40%。

智能化升級需求。為適配AI高功率密度與穩定性，電網設備未來向智能化、柔性化升級成為大勢所趨。

電力下游，AI+儲能。

AI必須配儲能。AI模型訓練極其挑剔，需24小時無間斷、穩定的電。儲能可以作為緩沖，將不穩定的新能源供電，轉化為高可靠性的電，確保AI訓練穩定。

全球大力發展儲能。十五五末，預計我國新型儲能裝機規模達300GW，AI數據中心配儲是重要增量。美國大力補貼儲能，未來儲能投資超1000億美元，重點布局德州等AI數據中心密集區。

未來AI+儲能，盈利閉環。用儲能參與調頻、峰谷套利，創造額外收益，讓AI的高額資本支出轉變為回報。

6 AI半導體材料：國產替代加速

半導體材料是芯片制造的關鍵，包括芯片基底制備，電路光刻，刻蝕沉積全流程。半導體材料整體國產化率約20%，未來空間巨大。

按環節分為：前道晶圓制造材料，后道封裝材料。晶圓制造材料有：硅片、電子特氣、光刻膠、濕電子化學品、拋光材料、靶材、光掩膜版等。封裝材料有：引線框架、陶瓷材料、切割材料、環氧塑封料、導電膠等。

前道材料價值高，國產化率低。據SEMI，2025年全球半導體材料市場規模為860億美元，同比增長7%。其中，晶圓制造材料為562億美元，占65%。

從價值量看，三大AI半導體材料分別是：硅片、電子特氣、光刻膠。

硅片是芯片基底載體，半導體用量最大、價值占比最高的基礎材料。8英寸硅片為成熟制程核心，12英寸大硅片覆蓋主流成熟制程和先進制程，是中高端的核心。

光刻膠，光刻工藝的核心感光材料，直接決定芯片制程精度。原理是通過光照發生化學反應，配合掩模版，將精密電路圖精準復刻到硅片表面，為后續刻蝕、離子注入等工序奠定基礎。

特種氣體，用于刻蝕、沉積、清洗等工序，占材料成本高，對純度的要求極為苛刻：行業主流純度等級為6N-9N，其中，先進制程刻蝕、摻雜核心特氣普遍要求9N超高純度。

硅片全球前五大廠商分別是信越化學、SUMCO、環球晶圓、Siltronic、SKSiltron，合計份額約80%以上。硅片國產化加速：一是6英寸及以下國產化率超60%，基本自給。二是8英寸國產化率達55%，顯著提升，可滿足成熟制程需求，但高端外延片、拋光片仍有缺口。三是12英寸國產化率約25%，產能缺口70%以上，本土企業加速擴產，2026年末國產化率有望突破30%。

全球光刻膠主要企業有日本東京應化、JSR、信越化學、富士膠片，占率超80%，高端市占率95%。半導體光刻膠整體國產化未來空間大：一是g線光刻膠國產化率超90%、i線光刻膠國產化率約60%，已實現規模化國產替代；二是中端KrF光刻膠國產化率不足15%；三是高端ArF干式、濕式光刻膠、EUV光刻膠目前無規?；瘒a產能。

全球特氣市場主要玩家有美國空氣化工、德國林德集團、法國液化空氣、日本大陽日酸，四大巨頭合計占全球約80%份額。電子特氣整體國產化率不足30%：基礎電子特氣實現國產，中端刻蝕氣加速替代，高端摻雜氣、先進制程特氣進口依賴高，是國產替代突破的關鍵。半導體材料國產替代空間巨大。

7 物理AI爆發：AI 改變現實世界

物理AI就是讓AI走出云端，擁有物理軀體，看懂、理解、改造現實世界。物理AI爆發，有四大領域：

物理AI，一是人形機器人。

人形機器人是物理AI最典型的實體載體，高速發展。IDC數據，2025年全球人形機器人出貨1.8萬臺，同比增長5倍。國內宇樹科技2025年人形機器人出貨超5500臺，海外Optimus2026開始量產，目標2030年產量100萬臺

人形機器人先進入工廠、再進入家用。目前正從“商演”轉向場景落地，優先切入搬運、巡檢等工業場景。

人形機器人的下一個重點在“大腦”。機器人AI模型能力決定智能化實力，AI大模型+數據+算力，是下一輪商業化分水嶺。

二是自動駕駛。自動駕駛是物理AI在出行場景的核心應用。自動駕駛大爆發，比預想更快。

年初我去美國考察駕駛了FSD，全程無接管，紅綠燈、調頭、進出主路，系統處理的比老司機還穩。今年，特斯拉官宣FSD監督版將入華，蘿卜快跑等跑通出行服務，累計完成2000萬次服務。

自動駕駛發展三大加速度：一是政策加速，全國多城開放無人駕駛商業化運營區域。二是成本下降，車載激光雷達、攝像頭方案快速普惠化。三是AI數據飛輪加速，自動駕駛每多跑一公里，模型就更聰明。

物理AI，第三大領域是AIPC。Agent時代到來后，越來越多任務需要本地完成。本地算力、低延遲、保護隱私的AI PC成為必選項。

2026年是AIPC爆發元年。聯想、戴爾等主流PC廠商都已全線投入AIPC。英偉達正式發布AIPC芯片N1，聯合微軟、Arm，打造Win+Arm+CUDA生態，挑戰傳統Wintel聯盟。黃仁勛說：AI PC不只是一臺運行AI軟件的電腦，它是為AI時代重新設計的個人計算平臺。

未來，AI算力從云端走向邊端。硬件上，NPU算力突破100TOPS，支持更大規模參數模型在本地運行；軟件上，個人智能體Agent、本地知識庫深度融合，以AI PC為代表的端側AI成為家庭、個人的智能中樞。

物理AI，第四大領域是AI眼鏡。

AI眼鏡代表了下一代交互革命。過去是手機+AI，未來是眼鏡+AI。AI眼鏡將攝像頭捕捉的影像，用AI大模型實時理解，實時語音、文字互動，成為AI的隨身入口，讓AI更融入日常。

2025年全球AI眼鏡出貨870萬副，同比增長3倍以上。Meta-RayBan、小米眼鏡、Rokid、夸克眼鏡等是主要玩家。