市场大波动如何看待当前电子板块产业趋势20260719

AI资本开支上修驱动存储与半导体全产业链景气共振 摘要 ●存储在AI资本开支中占比升至30%-50%,2026年服务器DRAM/NAND需求占比将分别达55%和40%,AI取代消费电子成为核心驱动力。●Meta自建云业务并非算力过剩，其2027年算力目标由8GW翻倍至14GW,预计Capex将上修至2,500亿美元以上，远超市场预期。●存储长协锁定2026Q2价格上限及61%-62%毛利下限，行业由剧烈波动周期转向3-5年稳定增长模式，利好原厂锁定利润并配合扩产。·台积电上修全年营收增速至40%以上，资本开支调增至600-640亿美元；ASML上修全年营收指引至430-450亿欧元，验证先进制程需求强劲。·国产算力硬件由单卡向集群演进，万卡集群技术已落地；KimiK3等模型迭代使国产与全球顶尖差距缩短至3个月，Token消耗量持续非线性增长。●国内晶圆代工与封测Q2稼动率已满并开启涨价，预计未来6-8个季度利润弹性持续释放，中芯国际等净利率具备从10%向30%修复的空间。●半导体设备板块迎大扩产潮，北方华创等龙头对应2027年终局峰值订单的PE仅10倍出头，板块AI业务敞口正从PCB向存储、模拟芯片全面扩散。 Q&A 电子板块自2026年7月1日以来出现大幅调整，其背后的主要原因是什么? 电子板块自2026年7月1日至今的调整幅度接近30%,尽管年初至今仍有34.7%的收益率，但近期调整显著,部分个股调整幅度甚至超过50%。此次调整的核心原因可归结为三个层面：首先，美光公司业绩发布后，市场开始出现对存储及涨价链相关公司业绩的负面反馈；其次，市场担忧六月份部分大模型厂商的年化经常性收入增速可能放缓；最后，Meta宣布开展云业务引发了市场对算力过剩的担忧，认为其需要将算力转向云服务出租。 市场担忧存储价格高速上涨可能影响资本开支，进而冲击整个半导体市场，这一担忧的逻辑基础是什么? 市场担忧的逻辑基础在于存储在AI资本开支中的占比迅速提升。2026年全球半导体市场规模预计接近1.5万亿美元，其中存储市场规模预计约为3,600亿美元，占比约25%。基于当前价格线性外推，市场曾预期2027年存储市场规模可能达到7,000亿美元。同时，存储在AI服务器中的成本占比已从A100时代的低个位数，提升至AI资本开支的30%至50%,并可能继续升高。目前，四大CSP厂商(谷歌、Meta、微软、亚马逊)2026年的资本开支规划为7,100亿美元，市场此前预期2027年将增长至1万亿美元。若CSP厂商的资本开支增速(约50%)跟不上存储市场的增长，或存储在总开支中占比过高而整体资本开支未能进一步增加，则可能对整个市场造成负面影响。 如何看待大模型发展趋势及其对未来资本开支的影响? 资本开支的本质与大模型的发展阶段密切相关。近期数据显示，大模型仍在激烈竞争并快速发展，这将支撑资本开支的持续投入。首先，海外大模型的发展并未放缓。根据2026年6月底的数据，Anthropic的月度收入达到690亿美元，OpenAI达到420亿美元，单月净增额分别为150亿美元和50亿美元。值得注意的是，Anthropic的增长是在其Fabie大模型受限使用的前提下实现的。其次，海外大模型竞争加剧，2026年7月，Meta发布了Muse Spark 1.1,xAI发布了Grok 4.5,OpenAI也发布了5.6版本模型，谷歌预计在7月底发布Gemini Pro新版本。这些模型的发布表明，即使是曾被市场担忧发展放缓的Meta,也在持续推进其大模型。最后，国内大模型同样在快速迭代，例如近期备受关注的Kimi发布了K3,DeepSeek也即将发布V4版本。这些海内外模型的激烈竞争态势表明，对算力的需求依然强劲，资本开支下降的可能性不大。 近期国产大模型kimiK3的定价较低，这是否会因降低token成本而抑制算力需求? token价格下降对行业发展实际上是有利的。历史数据显示，2026年3月，在OpenCloud发布相关模型后，全球token消耗量相较1月增长了近三倍。随后，行业为降低成本采取措施，导致4月和5月token使用量下滑。但在成本降低后，6月的token使用量环比5月实现了一倍的增长，并创下新高。具体到KimiK3,其定价约为海外主流模型的一半，例如输入端为3美元/百万token,输出端为15美元/百万token,而GPT-4.5的对应价格分别为5美元和30美元。然而，由于K3模型的MoE架构较为稀疏，在实际使用中，其token消耗量较大，综合成本基本与海外模型持平，价格优势并不显著。这表明，优质模型无论开源或闭源，其趋势是价格更高且消耗更多token,因此并不会抑制整体算力需求。 从需求结构和增长动力的角度看，存储市场的本质发生了哪些变化? 存储市场的需求结构已发生根本性变化，AI成为核心驱动力，削弱了消费电子需求波动带来的影响。从下游结构看，DRAM在2024年的需求主要来自手机(37%)和服务器(37%);而到2026年，包含HBM在内的服务器领域占比预计将达到55%左右，2027年可能进一步提升至60%-70%。对于NAND,2024年其最大下游是手机(33%),服务器占24%;到2026年，服务器占比预计将接近40%,成为第一大下游，2027年该比例有望达到50%-60%。AI对存储需求的拉动是持续且非线性的，体现在训练和推理两个方面。在训练端，模型参数的持续升级推动了对HBM容量和层数要求的不断提高。在推理端，数据处理需求带来了非线性的增长拉动。因此，尽管苹果等消费电子厂商对存储价格上涨表示担忧，但存储市场的主要增长动力已转向AI领域，且该领域的需求并未看到放缓迹象。 AI大模型的发展对存储需求的具体影响是怎样的，尤其是在云端和端侧AI两个维度? AI大模型在计算与存储之间存在大量数据搬运，且多智能体(multi-agent)并行处理各类任务，导致了非线性的需求增长。具体来看，KV cache机制使得存储需求从DRAM、HBM扩展至NAND和HD,层级不断增加。因此，AI大模型推理业务的发展速度与存储消耗量成正比。即便仅匹配GPU使用量50%-60%的增长，存储需求本身也在持续上升。从非AI的消费类电子来看，尽管过去五年手机和笔记本电脑的年复合销量呈下滑趋势，但其单机存储容量却显著增长。以DRAM为例，过去五年手机的年复合容量增长率为17%,笔记本电脑为10%。在NAND方面，手机的年复合容量增长率为14%,PC为12%。展望未来，随着端侧AI的发展，即便是在手机或笔记本电脑中部署一个70亿参数的轻量化模型，也会对DRAM和NAND产生更大的需求。综上，无论是云端的训练与推理，还是端侧的物理AI发展，对存储的需求都呈现出只增不减的趋势。 市场对于存储行业签订长期协议(长协)存在担忧，认为可能影响价格，这一轮长协签订对产业的实际影响是什么? 市场对签订长协后的价格波动存在担忧，但我们认为此举有利于产业稳定。此前价格快速上涨的部分原因是供给端从2025年下半年到2026年增长有限，主要存储厂商扩产意愿不强。本轮长协的签订，例如三星、海力士、美光等原厂与下游CSP或手机、汽车厂商签订为期三至五年的协议，并将价格锁定在特定区间(如以2026年第二季度价格为上限，或以第一、二季度平均价为下限),能够帮助原厂锁定未来的收入和利润。这种确定性使得原厂有能力配合下游需求进行扩产，从而支持CSP厂商的资本开支落地。若存储厂商持续不扩产，反而不利于行业的长期发展。因此，签订长协对三大原厂及后续厂商而言，是提前锁定了未来收入与利润，有助于产业稳定。这可能将行业从以往价格剧烈波动的周期模式，转变为未来三到五年内价格在一定区间内波动的成长模式，使我们能更多地从成 长维度评估这些公司。因此，我们认为长协的签订有利于AI产业的整体发展。 市场担忧Meta开展云业务是由于其算力过剩，真实情况如何?从行业竞争格局和其自身规划来看，Meta发展云业务的动机和影响是什么? 市场担忧Meta因算力过剩而转向云业务，这是一种误解。在谷歌、微软、亚马逊、Meta这四家主要CSP厂商中，Meta是唯一没有云业务的公司，但从2024年起已开始进行相关储备。回顾来看，Meta在2024年底已获得云资源容量，并在过去两年中打通了整个云业务的产业链。公司在2025年10月和2026年5月均表达过开展云业务的意向。从行业需求看，其他主要CSP厂商的云服务积压订单数量巨大。根据一季度财报，谷歌云业务积压订单环比增长近三倍，达4,620亿美元；亚马逊积压订单为3,640亿美元，环比增长50%(此数据未包含与Anthropic达成超1,000亿美元的协议);微软的剩余履约订单达6,270亿美元，同比增长近三倍。这几家公司的积压订单总额达到1.15万亿美元，是其一季度单季收入的14倍。在这样的市场背景下，已跑通全产业链的Meta没有理由不进入云业务领域。根据Meta的规划，其算力将从2026年的7-8GW提升至2027年的14GW。为实现这一目标，其资本开支也将相应增加。原先预计2026年为1,350亿美元，2027年为1,600亿美元，但若要支撑14GW的算力规模，2027年的投资额预计至少要达到2,500亿美元，这一数字甚至高于海外买方上修后的预期。这再次印证了行业资本开支不会放缓的趋势。 近期AI相关板块股价出现调整，其背后的主要原因是什么?这是否反映了市场对AI基本面的担忧? 本轮股价调整的核心原因更多在于交易层面的拥挤度和杠杆因素，而非AI产业基本面出现问题。海内外市场的交易拥挤度都集中在半导体和存储领域，尤其是韩国存储板块存在显著的杠杆因素。从美股市场看，2026年费城半导体指数(费半)的涨幅远超标普500和纳斯达克指数，最高时涨幅超过100%,近期的调整幅度也因此较大。相比之下，纳斯达克指数整体走势较为稳定。如果全球投资者对AI基本面产生普遍担忧，那么首先应体现在纳斯达克龙头公司，如四大CSP厂商和英伟达等股价的大幅波动上。然而，实际情况是存储和半导体相关股票的波动更为剧烈。存储板块的波动，除了业绩增长较多外，还受到海力士赴美发行，导致资金从韩国市场流出以及连锁的去杠杆效应影响。总结来看，此轮调整是AI发展到一定阶段后的正常休整，市场需要时间观察产业的进一步发展，尤其是在基本面信息相对真空的七月份。同时，股价在大幅上涨后，资金层面本身也存在出清的需求，市场在等待新的产业催化剂。因此，我们对AI的长期发展趋势依然看好。 在当前AI发展趋势下，电子板块的投资机会呈现出哪些新变化和特点? 随着AI技术的发展，整个电子板块的AI相关业务敞口(AIaperature)正在显著扩大。在2023年至2025年上半年，电子行业与AI的关联主要集中在PCB等 领域，国内则以GPU相关公司为主。从2025年下半年开始，随着存储行业的加入，AI敞口从PCB扩展至存储。进入2026年，AI敞口已全面扩大至电子板块的多个领域：一、半导体：IC设计领域除了算力芯片，模拟芯片的AI敞口也在变大，部分龙头公司的AI相关业务占比已接近30%。电源管理等需求增加，对功率半导体也形成向上拉动。先进制程和先进封装的需求拉动尤为明显，自2026年6月以来，海内外均明确表示这两个领域出现供给缺口，特别是先进封装。国内封装公司也因此纷纷加大资本开支进行扩产。值得注意的是，先进封装的应用正从GPU和HBM扩展至CPU,预计到2027年CPU也将采用CoWoS等技术，进一步扩大了半导体领域的AI敞口。二、半导体设备：2026年之前，半导体设备的需求更多由国产化驱动。但今年以来，存储厂商的扩产、先进制程的发展以及先进封装的大规模扩产，都直接利好设备厂商，使其与AI的关联度显著增强。预计2027年国产设备在先进制程领域的导入也将加速。三、被动元件与PCB上游：这些领域也受益于行业发展，产能趋紧，价格传导变得更为顺畅。整体来看，半导体领域的供需紧张局面可能持续到2027年，整个电子板块的AI