存储大扩产利多科创50指数--股指深度报告--

证监许可【2011】1288号 更多精彩内容请关注格林大华期货官方微信 本轮大跌由量化私募踩踏引发，上证指数跌至3800点平台支撑线，政策资金大规模涌入 7月13日宽基ETF大规模净流入440亿元，当日股票型ETF净流入600亿元 7月13日--20日，宽基ET净流入2152亿元，主要流向沪深300、科创50、中证1000、创业板指 7月20日周一，护盘资金上午护盘中证1000ETF，下午大量涌入创业板ETF、科创50ETF 韩国综合指数下跌至2月份的平台位，底部区域已探明，下跌幅度31%，调整基本结束 韩国拟将单股杠杆ETF保证金门槛大幅提高，杠杆ETF大跌后，本轮去杠杆基本完成 纳指技术指标修复接近尾声 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 7月20日，崔泰源在韩国商工会议所济州论坛上表示： 2027年AI半导体需求预计将同比增长60%至100%，整体存储半导体需求增幅也将达到50%至60%。 各大厂商2027年几乎没有实质性的扩产计划，供需缺口势必进一步拉大。 2027年全球企业争夺存储供应的激烈程度"必须用'恐慌'来形容"。 存储芯片的产能扩张需要大规模资本投入和较长建设周期，同时还面临设备和人员短缺的制约。 我们正在尽力最大化供应，但需求增长的速度远比我们快。 他警告称，PC和手机厂商无法持续将存储涨价转嫁至终端产品，若价格过高，新竞争者将涌入市场，各国政府也可能出手干预。 半导体企业不应通过限制供应来维持高价，扩大供给、做大市场才是更具长远价值的战略。 数据来源：WIND，格林大华期货 韩国6月出口金额当月值创记录，当月同比增速急升至70.9%，主要是芯片出口金额大幅增长 7月16日台积电财报资本支出意外增加提振AI供应链信心 台积电将2026年资本支出指引由520亿至560亿美元上调至600亿至640亿美元，上调幅度超过10%。全年美元营收增速指引也由此前的"超过30%"进一步提高至"超过40%"，明显高于市场此前35%至40%的普遍预期。 台积电董事长在业绩会上表示，AI需求仍然"极为强劲"，并宣布将在美国新增1000亿美元投资，建设四座晶圆厂，使当地累计投资规模扩大至2650亿美元。 首席财务官表示，公司对AI长期发展趋势保持高度信心，未来三年的资本支出将明显高于过去三年。 台积电再次交出一份超预期的成绩单，也为近期市场关于AI投资周期是否见顶的争论给出了明确答案。 公司不仅二季度营收和盈利维持高增长，更罕见地大幅上调全年营收和资本支出指引，并明确表示未来数年的投资强度将继续提升，释放出AI需求仍处于快速扩张阶段的强烈信号。 相比单季业绩，更重要的是管理层对未来需求的判断。随着资本开支上调、AI加速器增长预期进一步增强，以及先进产能持续扩建，市场对AI基础设施景气周期的持续时间再次获得验证。 台积电此次上调全年展望不仅意味着自身成长动能进一步增强，也将提振整个AI半导体产业链信心，半导体设备、先进封装、存储等环节均有望继续受益。 数据来源：华为，格林大华期货 阿斯麦Q2业绩全面超预期再度上调全年指引 阿斯麦将2026年全年净销售额预期上调至430亿至450亿欧元，较此前360亿至400亿欧元的区间大幅提升。 AI芯片需求持续强劲推动订单激增，半导体光刻设备巨头ASML季报表现强劲，多项核心指标超越市场预期，并上调全年业绩展望。 公司表示，计划在2026年约65台低数值孔径EUV设备产能的基础上，于2027年增加约30%，并正在研究2028年再增加30%的可能性。 上调过全年指引，其背后的核心驱动力在于客户持续扩大AI芯片产能。阿斯麦的EUV光刻机是全球唯一能够执行生产最先进AI芯片所需光刻工艺的设备，由此构成其不可替代的核心竞争力。 台积电6月销售额同比大增68%，受益于旗下芯片的强劲需求。 英特尔已在俄勒冈州工厂利用阿斯麦EXE High NA EUV设备制造部分Ultra 3（猎豹湖）笔记本处理器。英特尔在18A制造工艺中同时使用标准EUV及High NA EUV设备。 这一产能扩张路径表明，阿斯麦对半导体设备需求的持续性持乐观判断，并正为未来几年可能进一步提速的技术迭代周期预留供给空间。 数据来源：华为，格林大华期货 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。 5月31日，DeepSeek宣布V4-Pro API永久降价75%，基础输入价格由1.74美元/百万Token降至0.435美元/百万Token，输出价格由3.48美元/百万Token降至0.87美元/百万Token（这一波降价难的地方在于：全世界AI都在涨价） 6月23日，豆包大模型2.1 Pro发布，性能和Claude Opus 4.7持平，使用成本只有对方的20% Agent能力方面，豆包大模型2.1 Pro在MCP Atlas评测（覆盖36个真实MCP Server、220个工具、1000多个任务）得分超过Opus 4.7和GPT-5.5。 月之暗面K3大模型，参数2.8万亿，综合水平已和美国顶尖大模型接近 月之暗面Kimi K3体现“杰文斯悖论”效率提升反而增加资源消耗 花旗半导体分析师Peter Lee认为，Kimi K3触发“杰文斯悖论”，即技术效率提升降低单位使用成本后，最终资源总消耗不降反升，服务器DDR5和eSSD等通用内存需求仍会增加。 Kimi K3的吸引力来自低成本与高性能组合。公开价格显示，缓存命中输入价格为每百万token 0.3美元，输出价格为每百万token 15美元。目标是支持长周期智能体工作。 模型降价不会自动减少硬件需求。相反，低成本可能提高开发者和企业调用模型的意愿，推动更多AI智能体部署。智能体任务并非一次性问答，而是在连续任务中不断生成、读取和处理token。调用次数和任务长度上升，会把单位成本下降重新转化为总资源消耗。 Kimi K3仍不是轻量级部署方案，其运行需要多节点集群，超级节点配置超过64颗GPU。更重要的是，长上下文和智能体任务会推高KV Cache占用，进而增加推理端内存负担。 KV Cache需求直接关联服务器DDR5和eSSD。DDR5承担高频数据存取，eSSD受益于更大的缓存和数据存储需求。 美银证券指出，如果开源模型持续逼近，OpenAI，Anthropic和Google需要依靠更大规模训练，更多强化学习与合成数据循环，更重的测试时推理，以及更快的产品发布节奏来守住差异化。 数据来源：WIND，格林大华期货 阿里巴巴发布Qwen3.8，参数规模高达2.4万亿 7月19日，阿里巴巴发布旗舰大模型Qwen3.8 Max预览版，参数规模高达2.4万亿，官方称其综合能力在全球范围内仅次于Anthropic的Fable 5. 世界人工智能大会7月17日至20日在上海举行 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