全球经济和大类资产半年报：美股或有一轮诱多式上涨

全球经济和大类资产半年报 证监许可【2011】1288号 上半年的纳指上涨，主要来自4月初 费城半导体指数的上涨，是美股上半年的景气之源 韩国股指，演化为大号半导体指数 韩国进行万亿美元的大规模半导体投资，举国all in AI 6月29日，韩国总统李在明在总统府青瓦台主持韩国“三大超级项目国民报告会”，该项目核心宗旨是推动韩国成为“不可替代”、““超级差距”的产业强国，把存储半导体、物理人工智能（AI）、AI数据中心列为三大重心。李在明表示，在全球AI竞争不断升温背景下，韩国必须以“速度战略”抢占产业先机。 韩国将在西南地区建设总投资约800万亿韩元（约合3.52万亿元人民币）的半导体制造基地，包括4座晶圆厂及配套产业集群，三星和海力士各两座；在忠清地区打造总投资81万亿韩元的先进封装中心；同时投资550万亿韩元（约合2.42万亿元人民币）建设AI数据中心。 三大项目总投资规模逾1800万亿韩元（约合7.92万亿元人民币）。但从三星和SK集团披露的方案看，其整体AI投资额远超政府公布的数据。 当日，三星集团也发布投资计划，宣布将投资2655万亿韩元（约合11.68万亿元人民币）布局未来产业。其中，2030万亿韩元（约合8.93万亿元人民币）将投向半导体产业集群建设，625万亿韩元（约合2.75万亿元人民币）将布局AI半导体、机器人、电池、IT零部件等未来产业。 今年四月份推理大规模爆发，对存储芯片的需求比训练要多好几倍，导致存储DRAM和NAND容量都在大幅增加。韩国整体还是围绕存储产业链去做投资。 数据来源：WIND，格林大华期货 Meta出售剩余算力，属于改善财务，并不影响资本开支 Meta拟出租多余算力，AI硬件链应声重挫，市场担忧算力过剩与资本开支下修。但Meta出租算力更多源于大模型训练完成后转入推理，但推理算力用量只有训练阶段的30%--50%。 摩根士丹利模型里，Meta预计在2026年、2027年分别新增约2GW、3.5GW自有运营IT容量，基准是2025年底约3GW。作为对比，Amazon和Google等超大云厂在2027年的新增IT容量量级分别可到5GW、9GW。换句话说，即使Meta拿出一部分自有容量对外出租，也很难单独改变未来三年云厂建设的大盘子。 更反直觉的是，有消息称Google因自身容量限制而限制Meta的计算使用。若这一说法成立，Meta一边还在争取外部算力，一边又准备未来对外卖一部分算力，这更像是“不同代际、不同用途、不同时间窗口”的再分配，而不是简单的“用不完”。 如果Meta真的把外部云服务做大，尤其是做模型/API平台，而不是临时出租裸算力，资本开支反而可能有上行压力。因为完整云业务需要更长期的数据中心容量、更复杂的软件平台，以及面向企业客户的交付能力。 “临时外租”与“永久扩张云业务”对资本开支含义不同，不能混在一起。 数据来源：WIND，格林大华期货这轮分歧的关键不是“Meta会不会卖算力”，而是AI需求曲线是不是还在变陡。如果海外ARR加速、推理应用增长、云厂资本开支继续上修，Meta外租算力就更像阶段性资产变现；如果后续财报季集体下修资本开支，那这件事才会变成行业拐点信号。 AI大规模基建方向并未改变，但开始关注提效增收 Meta公告的原文：我们正在建设超大规模的AI算力与数据中心能力，某些时间或某些集群可能存在未被充分使用的算力。 Meta真正想要表达的是——AI基础设施存在一定“富余产能”（因为算力规模是为未来而不是为现在设计的），部分算力资源处于阶段性利用率偏低状态。 彭博的报道：“Meta Is Planning a Cloud Business to Sell AI Computing Power”（Meta正计划打造云业务出售AI计算能力）。 Meta强调的是算力“短期与长期的不匹配”，彭博从新闻效果则解读为“现在出现算力过剩”。 如果Meta要转型为云服务提供商，2027年资本支出将激增至2000亿美元（之前预期为1600亿美元），并且大概率需要大规模融资（增发／举债）。 AI发展的新趋势，不再仅仅是简单的堆算力，而是转向“效率为王”，通过提高效率降低成本，创造未来现金流，改善大规模AI基建的财务收益。 华为“韬定律”横空出世中国国产芯片迎来DeepSeek时刻 华为在2026年国际电路与系统大会（ISCAS 2026）上正式发布"τ缩放定律"（Tau Scaling Law，又称韬定律） 以压缩时间常数τ取代晶体管几何微缩，作为芯片性能提升的新驱动范式，为国产半导体在不依赖EUV光刻机的前提下实现持续性能跃升，提供了一套完整的技术路线图。 τ定律的核心逻辑在于，将优化目标从晶体管物理面积转向信号延迟，通过在晶体管、电路、芯片、系统四个层级协同压缩时间常数τ，实现跨越摩尔定律约束的性能增长。 这一框架为中国半导体产业提供了可预期、可扩展的技术路线图，使其得以在EUV约束下持续迭代、逐步缩短与全球领先者的差距。 摩尔定律通过持续缩小晶体管几何尺寸来驱动半导体性能提升。随着前沿制程单颗芯片研发成本突破十亿美元，最先进节点的单晶体管成本已不再持续下降，纯粹的几何微缩已进入收益递减区间。 华为将"时间常数τ"确立为跨越整个计算堆栈的统一优化目标——涵盖从单颗晶体管开关延迟到数据中心级别的工作负载，横跨十二个数量级。 华为“韬定律”横空出世中国国产芯片迎来DeepSeek时刻 τ定律通过四个协同层级加以实施：晶体管层（压缩本征开关与互连延迟）、电路层（通过LogicFolding垂直堆叠缩短关键布线及RC负载）、芯片层（设计与工艺协同优化，压缩总执行时间）、系统层（通过统一总线UnifiedBus与近封装光学互连Hi-ONE，将集群通信延迟从数十微秒压缩至约100纳秒）。 在电路层，华为的核心创新是"LogicFolding"技术。华为通过实现低于2微米的混合键合间距（bondingpitch），将堆叠粒度从"芯片对芯片"（die-to-die）推进至"单元对单元"（cell-to-cell）——即将逻辑电路中的组合逻辑与时序逻辑分别对应的计算与存储功能进行垂直堆叠。 这一突破的意义在于，LogicFolding不仅提升了晶体管密度，还通过缩短相邻晶体管之间的关键路径互连RC延迟，在密度与频率两个维度实现同步改善。 在具体数据上，LogicFolding在移动端SoC上实现了晶体管密度55%的阶梯式提升，同时在固定制程节点下带来41%的功耗效率改善。 华为的近封装光学互连技术Hi-ONE与统一总线网络UnifiedBus，旨在从根本上绕开物理距离带来的带宽瓶颈，将集群间通信延迟大幅压缩。 数据来源：WIND，格林大华期货集群级别的大规模算力提升才是AI客户的核心需求，这也使得τ定律的价值不局限于单颗芯片的性能参数，而是延伸至整个AI基础设施体系。 7月3日，华为发布“韬定律”V2版，从工程实证角度对韬定律进行验证 论文全称：《面向多层级电子系统的时间缩微理论》V2，7月3日发布于中科院ChinaXiv预印平台。 1. LogicFolding逻辑折叠（核心支柱）打破单层平面芯片限制，将标准逻辑单元垂直分层堆叠，用混合键合做高密度垂直互连，直接缩短信号关键 路径，是V2重点量化论述的技术。 2.多层有源3D集成TSV微缩下移至下层金属，多有源层叠加，不再局限单晶硅基底，持续提升垂直晶体管数量。 3. Unified Bus统一全局互连重构片上总线架构，消除多模块之间传输瓶颈，降低长距离数据搬运τ。 4. Hi-ONE片上光互连引擎用电光替代金属铜线，解决高频下铜线RC延迟暴涨问题，面向昇腾AI大算力场景。 5.全栈协同热管理V2新增独立章节，3D堆叠散热分层设计，避免堆叠升温导致τ恶化，保障高频稳定运行。 数据来源：华为，格林大华期货 华为“韬定律”V2版，量产实测数据实证 新增核心工程理论：LogicFolding齿比（Gear Ratio） V2最大新增创新参数，解决传统3D堆叠“只能整块分层”的局限：齿比定义：混合键合垂直互连间距÷顶层金属布线间距；最优区间：齿比趋近于1，上限不超过3；技术价值：当齿比达标，3D堆叠从宏块离散分层升级为标准单元级连续垂直优化，EDA可全局跨层拆分重组晶体管，大幅压缩关键路径τ；工艺落地：混合键合1.5μm间距、TSV下移至M6金属层，适配国内14/28nm成熟产线。 以麒麟2026为实测样本，基准芯片为麒麟9030 Pro（同制程、无逻辑折叠），室温1.1V供电实测结论： 1.同等性能下，功耗降低41%；2.核心工作频率提升13%；3.单位面积等效晶体管密度提升62%；4.芯片总布线长度缩短37%，RC延迟τ下降44%; 华为韬定律，全栈缩短时长 华为逻辑折叠，两层单元间安装数百万部垂直电梯，然后共组为一个芯片 华为“韬定律”2.0的深远意义，公开了逻辑折叠的工艺技术参数，将芯片设计变成数学计算 混合键合间距1.5μm（微米），是两层楼之间的“垂直电梯间距”。（比细菌还窄，大肠杆菌平均长度约2μm）关键连接结构参数（齿比Gear Ratio），不同层之间什么时候同步一次的规则。 分层互联限制与覆盖范围。不是所有楼层都能互通，有些楼层只能连接“附近几层”，有些通信必须绕路。 华为韬定律2.0，最深远的意义，把芯片设计变成了“数学计算”。 华为韬定律将芯片设计“参数化”。模块之间的距离= d、信号跨层次数= k、折叠层数= n、互联密度= p、延迟=t。 系统会自动计算和设计最佳结构，使t最小。把“芯片设计”从绘图模式，转化为数学计算模式。 传统AI算力产业链可以简化成——算力＝制程x架构x互联x内存带宽。制程是核心。 韬定律，EDA＞系统架构＞先进封装＋3D互联能力＞HBM/DRAM /高带宽内存。芯片设计成为核心。 数据来源：WIND，格林大华期货 华为韬定律，同等设备下，持续全栈缩短时长 国内半导体设备、材料迎来存储芯片大扩产、“韬定律”2.0的双击 数据来源：WIND，格林大华期货云服务商大规模资本开支---存储芯片公司大规模扩产--半导体设备材料需求激增。对应英伟达GPU---韩国三星、海力士、美国美光---中国科创50指数。中国在半导体设备、半导体材料领域具有更强的技术优势、供应优势。国际、国内存储芯片公司大规模扩产，对半导体设备、材料的需求将激增。美欧限制半导体高端设备、日本限制半导体高端材料，为中国半导体设备材料高端替代提供了广阔的替代空间。华为韬定律2.0，需要对应逻辑折叠技术的EDA芯片设计软件，从平房平面设计转为楼房立体设计。需要对应逻辑折叠技术的半导体设备，从平面单元转向立体单元的制造、封装、检测设备。需要对应逻辑折叠技术的半导体材料，两层单元间的垂直通道需要全新的半导体材料。国内半导体设备、半导体材料迎来存储芯片大扩产、“韬定律”2.0的双击。韬定律半导体专用设备、半导体专用材料，将走在未来芯片产业的前沿。 微软49%Oracle54%Google43%Amazon51%Anthropic与OpenAI的云计算合同加在一起，已占四大云商约2万亿美元长期合同的近50%。但OpenAI和Anthropic的真实需求？可持续收入？OpenAI和Anthropic能否获得足够多的资金去完成承诺的云服务支出订单？全球芯片产能否支撑美国AI高速扩张？美国电力供应是否支持美国AI高速扩张？以DeepSeek为代表的中国AI快速进化，是否会击垮美国AI的商业模式与护城河？ 中国AI大模型美国市场占比达46%，和美国大模型性能接近，而成本极低 中国AI大模型凭借极致性价比与逼近前沿的性能，在美国市场Token占比从一年前的不足2%飙升至46%，超过80%的美国AI初创企业正在使用中国开源模型，彻底打破美国AI巨头长期垄断的格局。 2026年以来，美国科技企业掀起集体切换中国大