站在光里，存在芯里：芯片半导体行业报告

文 泽平宏观团队

我在2024年9月预测“信心牛、科技牛”。今年1月初从美国考察回来提醒：AI不是风口，是海啸，远超30年前的IT互联网。超级应用大爆发，中国力量崛起。AI的背后是算力，算力的背后是电力。站在光里，存在芯里。这是我们这代人最重要的机遇，人生发财靠周期。

本文将系统深度介绍芯片半导体行业的赛道和机会。

10日晚，我将进行新的大势研判。

目录

1 AI算力芯片：快速崛起，国产芯大爆发

2 AI存储：全球存储超级周期，国产力量快速破局

3 AI光互联：AI数据通信，算力基础设施

4 AI PCB：算力底座、AI倒逼技术升级

5 AI电力：AI新货币， 决定产出上限

6 AI半导体材料：国产替代加速

7 物理AI爆发：AI 改变现实世界

正文

1 AI算力芯片：快速崛起，国产芯大爆发

今年4月DeepSeekV4重大更新，顶级性能、极致低价，全面采用国产算力和新架构，中国“芯”爆发。

一是硬件适配。DeepSeekV4在发布首日即实现华为昇腾、寒武纪、海光、摩尔线程、沐曦、昆仑芯、阿里平头哥、天数智芯八大国产芯片厂商的全量适配。“发布即跑通”，有力证明国产算力足以支撑万亿级参数的大模型运行。

二是生态破局。DeepSeekV4拥抱了华为CANN、摩尔线程MUSA等国产生态。为全球开发者提供了绕开英伟达CUDA生态壁垒的替代路径，直接动摇了英伟达的软件护城河。

中国AI算力开始正式摆脱对英伟达的单一依赖，大模型训练进入自主可控的国产算力新阶段。

未来，国产GPU正从“能用”跨越到“好用又便宜”，凭借产业链、规模化和成本优势，有望复制新能源汽车和光伏的奇迹，重构全球芯片格局。

只要给机会，国产“芯”将越用越强。

一是成本红利。 DeepSeekV4通过架构创新，大幅提升计算效率，API定价低至GPT-5.5的百分之一。这种极致性价比彻底颠覆了“高算力必然高价”的行业规则。模型性能追平、成本实现碾压，国产AI应用即将迎来大爆发。

二是国产算力在实战中不断进化，国产芯片在大模型商用实战中进入“越用越强”的正向循环。

根据IDC数据，2025年中国AI加速卡总出货约400万张，国产厂商出货165万张，本土渗透率突破40%。格局初显：华为昇腾、平头哥、昆仑芯、寒武纪、海光、沐曦、天数智芯等本土芯片企业高速崛起。

中国算力芯片正以极高的效率迭代。DeepSeekV4的适配主力产品华为昇腾950PR，产品推理能力已领先英伟达特供版芯片。目前，头部算力国产集群的训练、并行效率已达80%–85%以上。

芯片制造方面，成熟反哺先进，国产替代窗口已至。

全球芯片制造，中国力量三家进前十。2025年全球前十大晶圆代工企业合计产值1695亿美元，市场集中度高，前十家产值占比97%。

中国企业已有三家跻身前十。其中，中芯国际营收93亿美元、市占率5.3%，全球第三。华虹营收45亿美元、市占率2.6%，全球第六。晶合集成营收15亿美元，市占率0.9%，全球第九。

成熟制程造血，反哺先进制程。

成熟制程芯片构成产业基石。按晶圆产能计，28nm及以上成熟制程占全球晶圆代工市场近80%。中国成熟制程产能已占全球约三成，成为核心供给地。

成熟制程芯片应用领域覆盖广泛。汽车电子、工业控制及物联网等绝大多数场景无需顶尖先进制程，28nm及以上工艺即可满足。以新能源汽车为例，单车所需芯片中约90%均采用28-130nm工艺节点。

先进制程聚焦高端场景。3、5、7nm芯片主要应用于智能手机SoC、高性能计算及AI加速芯片等前沿领域，技术壁垒高。

中国立足成熟制程、反哺突破先进制程。以中芯国际为例，依托28nm及以上成熟制程稳健扩张，2025年折合8英寸月产能100万片，全年营收673亿、同比增长16.5%，毛利率稳在20%。持续向先进制程突围：14nm FinFET工艺已实现规模化量产，良率逐步爬坡；并基于现有DUV光刻设备，通过多重曝光等技术成功开发出N+1/N+2工艺，对标等效7nm，目前正处于小批量试产与良率优化阶段。

国产替代窗口已至， 未来从光刻机、核心原料等环节突破。

AI时代算力爆发，这是国产替代时间窗口。从DeepseekV4开始，大模型适配国产AI芯片，为国产芯片制造提供更多验证场景，这是国产算力链重构的最佳机遇。

目前，7nm及以下节点延伸面临两大核心卡点：一是EUV光刻机获取受限，依赖DUV多重曝光导致工艺复杂、成本高企，量产经济性承压；二是关键材料国产化仍在攻坚，全自主产线尚未完全打通，制约了产能释放节奏与迭代速度。

一是光刻机。全球90%以上的光刻机市场被荷兰和日本占据。阿斯麦市占80%，佳能、尼康占15%。用于7nm以下制程的高端EUV光刻机只有阿斯麦能生产，国产28nm DUV光刻机已经实现突破，等待EUV研发破局。

二是原材料。高纯度硅片、光刻胶、特种气体等基础原材料仍依赖进口。比如日本信越化学、JSR垄断的ArF光刻胶等。未来需要更多工业积累和研究突破。

2026年5月，韬定律提出，意义重大。华为提出韬（τ）定律，是全球半导体领域首个由中国企业主导的产业原则。

这是全球芯片发展的全新思路：不再死磕缩小芯片体积，而是通过"时间缩微"替代传统"几何缩微"，用时间效率提升芯片性能。用"逻辑折叠"的方式重构芯片布局。把平面电路像折纸一样立体堆叠。可以大幅压缩线路长度，有效降低电阻和电容带来的信号损耗，同时实现电路、芯片、系统的全层级优化。传统芯片信号传输需跨越数百微米，韬定律新方案可压缩至几微米。基于韬定律，在过去六年已成功设计并量产了381款芯片。到2031年高端芯片晶体管密度将达到1.4纳米制程的同等水平。

AI时代，中国给出了半导体“新基建”标准。韬定律促进全球半导体产业链格局重塑。未来，中国的EDA工具、先进封装技术、芯片散热材料等领域全面升级，先进封装成为必选路线，话语权增强。

2 AI 存储：全球存 储超级周期，国产力量快速破局

存储决定算力上限。AI训练、推理均需海量数据支撑，存储数据的读取运行效率直接决定AI模型跑的速度。如果存储速度滞后于算力速度，就会形成“内存墙”，导致芯片闲置、算力损耗。

数据搬运能耗极高，占AI芯片运行能耗的一半以上，存储综合性能对算力有决定性影响。

当前AI大模型参数规模突破万亿级，对存储容量、带宽的需求呈指数级增长，重要性不言而喻。

芯片堆叠技术、存算一体是存储未来两大关键技术方向。

第一是芯片堆叠，以HBM为代表，把多颗DRAM芯片堆叠封装、并与GPU集成，拓宽数据通道、提升算力吞吐。未来带宽跃迁，从HBM3E向HBM4迭代升级，单颗芯片容量达24GB，带宽突破2.4Tbps，读写速度倍增，成为AI服务器核心技术支撑，更适配下一代AI大模型训练。

第二是存算一体，就是让存储离计算更近。在存储单元内嵌计算能力，实现数据原地计算，大幅减少数据传输延迟和能耗损耗。存算一体芯片可将数据传输延迟降低50%以上，运算能耗减少30%-60%。

全球存储格局：寡头垄断、国产崛起。

全球存储市场呈寡头垄断格局，赛道分为DRAM、NAND、HBM。

DRAM领域，三星、SK海力士、美光占据超90%市场份额。

NAND闪存领域，三星、SK海力士、铠侠等市占率超85%。

近两年存储涨价、供不应求。DRAM、NAND、HBM三大类全线史诗级涨价。HBM作为AI核心显存，价格整体翻了2-3倍，长期有价无货、产能被头部云厂商提前锁单。

存储厂商扩产周期长，至少需要18–24个月。三星、SK海力士等厂商优先HBM存储产能，对成熟制程扩产保守，造成传统存储供给紧缺，涨价外溢。

以长江存储、长鑫存储等为代表的国产高端存储快速突破，填补国产化缺口。长鑫存储DRAM全球份额近10%，长江存储NAND市占率超12%。目前国产HBM已进入小批量产阶段，借AI弯道超车，开始打破海外垄断。

3 AI 光互 联 ： AI数据通信，算力基础设施

AI的背后是算力，算力芯片、互联系统、存储系统是AI算力的三大支柱。 光互联技术保障 高效、可靠的AI数据交换。

光互联，是以光波为传输载体，实现芯片、设备、网络间高速互联。有效突破了传统的电互联在带宽、功耗方面的瓶颈，应用于AI算力、5G通信等。

光互联行业在向共封装光学CPO、近封装光学NPO新架构升级。随着传输速率突破800G、1.6T，传统可插拔光模块面临挑战。CPO、NPO将光引擎与交换芯片、AI加速芯片进行高度集成，缩短电互联路径，实现更高带宽密度、更低传输功耗，更适配未来超大规模计算集群。

全球 光互联市场 快速扩张。2026年，AI大模型加速迭代，全球科技巨头加大投入超大规模AI数据中心，对高速光互联产品需求强劲。沙利文数据预测：2025年至2030年，全球光模块销售额的年度复合增长率将超过30%。

光互联产业链的上游是核心材料与零部件，包括光芯片、电芯片、印制电路板PCB等关键组件；

中游是光互联产品的集成环节，有可插拔光模块、共封装光学CPO、近封装光学NPO的研发生产，通过对光、电两大类零部件的整合适配与技术集成，实现数据高速、稳定的传输；

下游则覆盖AI云、电信运营商等核心客户，应用于AI数据通信，支撑算力基础设施。

光互联 未来三大趋势：

一是速率迭代提速。800G光互联产品已成为AI训练集群的主流，1.6T产品也已进入大规模商用前期。随着模型参数量持续扩大，技术迭代加快。

二是硅光技术渗透。硅光技术在集成度、功耗、成本上有优势，正成为高速光互联产品的核心。

三是商业航天、低轨卫星互联创造对光模块的新需求，一片蓝海。低轨卫星星座如星链等布局上万颗卫星，传统微波通信已无法满足。星间激光通信有高带宽、低时延优势，而光模块是激光终端的核心，新需求增量空间大。

4 AI PCB：算力底座、AI倒逼技术升级

PCB，印制电路板，电子产品之母。GPU、CPU、内存条都需要焊在PCB板上。没有高性能PCB，再先进的GPU、HBM、光模块都无法协同工作。

PCB一度沦为传统行业，AI让PCB重新焕发。过去PCB是手机、电脑产业的配角、受消费电子大周期影响。AI时代，一台AI服务器的PCB的物理面积、层数增长约3-5倍，价值量提升8-12倍。比如英伟达最新的Rubin平台，一块PCB的价值量提升就是前代的几倍。

高端PCB供不应求。特别是18层以上高多层、M8、M9高阶基材的，受限于高端覆铜板CCL和电子玻纤布的产能，交付周期已拉长至2-3个月，价格呈上涨趋势。

未来技术迭代，材料升级四大趋势：

第一，信号传输更快。AI算力发展倒逼信号传输速率提升，需求是传输更快、信号不衰减。因此，低损耗、超低损耗的新材料正在替代传统材料。比如，新一代覆铜板CCL从M7向M9甚至M10级别推进，能大幅降低信号损耗。全球覆铜板市场2025年达到160亿美元，预计2026年将增至215亿美元，年增长率达30%+。

第二，高密度化升级。芯片堆叠、CPO共封装技术发展，对底层承载材料提出了更高要求，IC载板作为芯片与PCB之间的关键连接，技术壁垒高、附加值高，需缺口持续拉大，是当前PCB行业增速快、价值提升显著的核心领域之一。

第三，高散热效率。AI芯片功耗飙升，单颗GPU功耗已达数百瓦、整机超千瓦，常规散热方案无法满足高密度算力设备的热管理需求。因此，金属基、陶瓷等高导热基板、厚铜、埋入散热等结构进化，成为PCB行业解决高功率散热痛点的方向。

第四，PCB类芯片化、封装一体化。传统PCB仅承担电气连接和载体功能，未来将是“PCB+芯片”集成模式。通过高阶HDI、埋入式元件、硅中介层键合等先进工艺，直接集成。缩短信号路径、降低延迟，又缩小体积、提升散热效率。如英伟达CoWoP方案，就是将GPU与HBM直接集成于强化型PCB上。

5 AI电力：AI新货币， 决定产出上限

AI的背后是算力，算力的背后是电力。电力已成为AI新货币，电决定了AI的产出上限。未来谁掌握了稳定、廉价且充沛的电力，谁就掌握了AI时代入场券。

电力上游，绿电猛增、核电复兴。

一是绿电。IEA数据预测2026年全球数据中心总耗电将突破1000TWh，其中 AI负载占比1/3。全球对绿电需求缺口巨大。AI带动中国新能源电力出口。全球光伏、逆变器需求旺盛，中国企业市占率超90%，欧洲、中东为核心市场。

二是核电。核电特点是单堆功率大、年利用小时数超8000小时，适合配套大型AI算力集群。全球科技巨头正加速用电力采购协议和股权投资，锁定核能。比如，美国三哩岛核电站加速重启，预计于2027年并网，为微软提供AI算力能耗。小型模块化核电反应堆SMR是新趋势，或是未来AI数据中心的供电主力。

电力中游，电网设备升级。

AI拉动电网升级。AI数据中心单机柜功率密度大增，且需要24小时高可靠运行，远超传统电网承载极限，倒逼电网扩容与智能化改造。

建设需求大幅提升。AI算力集群建设带来变压器、高压直流电源等设备的增量需求。十五五期间国网固定资产投资预计达4万亿，比十四五大增40%。

智能化升级需求。为适配AI高功率密度与稳定性，电网设备未来向智能化、柔性化升级成为大势所趋。

电力下游，AI+储能。

AI必须配储能。AI模型训练极其挑剔，需24小时无间断、稳定的电。储能可以作为缓冲，将不稳定的新能源供电，转化为高可靠性的电，确保AI训练稳定。

全球大力发展储能。十五五末，预计我国新型储能装机规模达300GW，AI数据中心配储是重要增量。美国大力补贴储能，未来储能投资超1000亿美元，重点布局德州等AI数据中心密集区。

未来AI+储能，盈利闭环。用储能参与调频、峰谷套利，创造额外收益，让AI的高额资本支出转变为回报。

6 AI半导体材料：国产替代加速

半导体材料是芯片制造的关键，包括芯片基底制备，电路光刻，刻蚀沉积全流程。半导体材料整体国产化率约20%，未来空间巨大。

按环节分为：前道晶圆制造材料，后道封装材料。晶圆制造材料有：硅片、电子特气、光刻胶、湿电子化学品、抛光材料、靶材、光掩膜版等。封装材料有：引线框架、陶瓷材料、切割材料、环氧塑封料、导电胶等。

前道材料价值高，国产化率低。据SEMI，2025年全球半导体材料市场规模为860亿美元，同比增长7%。其中，晶圆制造材料为562亿美元，占65%。

从价值量看，三大AI半导体材料分别是：硅片、电子特气、光刻胶。

硅片是芯片基底载体，半导体用量最大、价值占比最高的基础材料。8英寸硅片为成熟制程核心，12英寸大硅片覆盖主流成熟制程和先进制程，是中高端的核心。

光刻胶，光刻工艺的核心感光材料，直接决定芯片制程精度。原理是通过光照发生化学反应，配合掩模版，将精密电路图精准复刻到硅片表面，为后续刻蚀、离子注入等工序奠定基础。

特种气体，用于刻蚀、沉积、清洗等工序，占材料成本高，对纯度的要求极为苛刻：行业主流纯度等级为6N-9N，其中，先进制程刻蚀、掺杂核心特气普遍要求9N超高纯度。

硅片全球前五大厂商分别是信越化学、SUMCO、环球晶圆、Siltronic、SKSiltron，合计份额约80%以上。硅片国产化加速：一是6英寸及以下国产化率超60%，基本自给。二是8英寸国产化率达55%，显著提升，可满足成熟制程需求，但高端外延片、抛光片仍有缺口。三是12英寸国产化率约25%，产能缺口70%以上，本土企业加速扩产，2026年末国产化率有望突破30%。

全球光刻胶主要企业有日本东京应化、JSR、信越化学、富士胶片，占率超80%，高端市占率95%。半导体光刻胶整体国产化未来空间大：一是g线光刻胶国产化率超90%、i线光刻胶国产化率约60%，已实现规模化国产替代；二是中端KrF光刻胶国产化率不足15%；三是高端ArF干式、湿式光刻胶、EUV光刻胶目前无规模化国产产能。

全球特气市场主要玩家有美国空气化工、德国林德集团、法国液化空气、日本大阳日酸，四大巨头合计占全球约80%份额。电子特气整体国产化率不足30%：基础电子特气实现国产，中端刻蚀气加速替代，高端掺杂气、先进制程特气进口依赖高，是国产替代突破的关键。半导体材料国产替代空间巨大。

7 物理AI爆发：AI 改变现实世界

物理AI就是让AI走出云端，拥有物理躯体，看懂、理解、改造现实世界。物理AI爆发，有四大领域：

物理AI，一是人形机器人。

人形机器人是物理AI最典型的实体载体，高速发展。IDC数据，2025年全球人形机器人出货1.8万台，同比增长5倍。国内宇树科技2025年人形机器人出货超5500台，海外Optimus2026开始量产，目标2030年产量100万台

人形机器人先进入工厂、再进入家用。目前正从“商演”转向场景落地，优先切入搬运、巡检等工业场景。

人形机器人的下一个重点在“大脑”。机器人AI模型能力决定智能化实力，AI大模型+数据+算力，是下一轮商业化分水岭。

二是自动驾驶。自动驾驶是物理AI在出行场景的核心应用。自动驾驶大爆发，比预想更快。

年初我去美国考察驾驶了FSD，全程无接管，红绿灯、调头、进出主路，系统处理的比老司机还稳。今年，特斯拉官宣FSD监督版将入华，萝卜快跑等跑通出行服务，累计完成2000万次服务。

自动驾驶发展三大加速度：一是政策加速，全国多城开放无人驾驶商业化运营区域。二是成本下降，车载激光雷达、摄像头方案快速普惠化。三是AI数据飞轮加速，自动驾驶每多跑一公里，模型就更聪明。

物理AI，第三大领域是AIPC。Agent时代到来后，越来越多任务需要本地完成。本地算力、低延迟、保护隐私的AI PC成为必选项。

2026年是AIPC爆发元年。联想、戴尔等主流PC厂商都已全线投入AIPC。英伟达正式发布AIPC芯片N1，联合微软、Arm，打造Win+Arm+CUDA生态，挑战传统Wintel联盟。黄仁勋说：AI PC不只是一台运行AI软件的电脑，它是为AI时代重新设计的个人计算平台。

未来，AI算力从云端走向边端。硬件上，NPU算力突破100TOPS，支持更大规模参数模型在本地运行；软件上，个人智能体Agent、本地知识库深度融合，以AI PC为代表的端侧AI成为家庭、个人的智能中枢。

物理AI，第四大领域是AI眼镜。

AI眼镜代表了下一代交互革命。过去是手机+AI，未来是眼镜+AI。AI眼镜将摄像头捕捉的影像，用AI大模型实时理解，实时语音、文字互动，成为AI的随身入口，让AI更融入日常。

2025年全球AI眼镜出货870万副，同比增长3倍以上。Meta-RayBan、小米眼镜、Rokid、夸克眼镜等是主要玩家。