股指半年报：存储大扩产利多半导体设备材料

证监许可【2011】1288号 上半年，上证指数的高点出现在5月14日 上半年，科技板块通胀，资金持续向科技板块聚集 上半年，传统行业通缩，资金持续从传统行业流出（全A中位数） 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模型的浪潮：Coinbase将全体工程师默认模型从Anthropic、OpenAI替换为智谱GLM 5.2与月之暗面Kimi，实现AI开支减半；Lindy将全部流量从Claude迁移至DeepSeek，预计数月内节省数百万美元；Airbnb、Snowflake等巨头也纷纷将部分业务负载转向中国模型。 这一转变背后，是美国AI企业面临的成本失控危机与中国大模型技术突破的双重作用。中国开源模型以仅为美国产品10%-40%的价格，实现了接近前沿的性能表现，成为美国企业降本增效的最优解。 中国开源模型的使用成本比Anthropic和OpenAI的领先模型便宜60%至90%。在AI开支占企业技术预算比例从2025年的8%飙升至2026年的27%的背景下，成本控制成为美国企业的核心诉求。 除成本优势外，中国模型的性能表现已接近美国前沿产品。智谱GLM 5.2在第三方评测Artificial Analysis中成为当前得分最高的开源权重模型，在SWE-bench Pro等指标上超过OpenAI的GPT-5.5，在FrontierSWE等任务上接近Anthropic的Opus 4.8，而调用价格仅为Opus 4.8的五分之一。 数据来源：WIND，格林大华期货中国大模型在美国市场的渗透遵循了"开源先行、场景突破、生态构建"的渐进式路径，从初创企业向大型科技公司逐层渗透。 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。 摩根大通发声接下来半导体只聚焦设备与材料赛道 摩根大通发布重磅研报，给半导体行情划分了阶段：整个板块已经正式进入第二阶段行情。 第二阶段晶圆厂开始大规模花钱建厂、扩产能，而建一座芯片工厂，80%以上的钱都要花在设备和材料上面。芯片设计公司只画图，晶圆厂要扩产芯片，需要购买专用半导体设备、购买各种半导体材料。 最受益的是上游卖机器的半导体设备公司，还有生产各种化学耗材、靶材、光刻胶的半导体材料企业。 全球晶圆厂资本开支大规模上调，摩根大通调高了未来几年设备市场的增速预测，海外设备交期不断拉长，国内企业订单已经排到了后面好几年，业绩确定性非常强。 核心设备、高端光刻胶等材料方面，现在国内晶圆厂优先选用本土产品，验证通过之后，批量订单源源不断落地，企业收入逐步兑现到财报里。刻蚀、沉积、清洗设备，还有光刻胶、靶材、CMP材料这些细分领域，都处在突破的窗口期。 资金偏爱有订单、业绩支持的板块，半导体设备和材料企业营收稳步增长，股价走势会更稳，持续性更强。 设备重点在前道制造设备，刻蚀、薄膜沉积、量测检测这些核心工序，技术壁垒高，竞争格局更好。材料方面，光刻胶、靶材、抛光材料，国产化空间最大，也是供需缺口比较明显的方向。 数据来源：WIND，格林大华期货 华为“韬定律”横空出世国产芯片迎来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 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