AI 芯片景气现新变化AI 芯片的这轮景气正在出现一个值得关注的新变化。美国半导体行业协会SIA最新数据显示2026 年 7 月全球半导体销售额达到 1468 亿美元比 6 月增长 6.4%且这已经是全球半导体销售连续第 17 个月实现环比增长。今年二季度全球半导体销售额达到 4033 亿美元较一季度增长 35.1%芯片市场显然很热。景气传导方向渐明现在更重要的问题已不是“AI 芯片还热不热”而是当 GPU 成为市场最熟悉的 AI 硬件后这轮景气接下来会传导到哪里答案正越来越清晰。从存储、先进封装到半导体设备和材料再到电源、散热乃至高速互联AI 正在把过去围绕“一颗芯片”的行情逐渐扩展成围绕“一整台 AI 服务器”和“一整座数据中心”的产业链需求这可能是接下来理解 AI 硬件周期最重要的一条线索。1468 亿美元背后的产业逻辑SIA 公布的 7 月全球半导体销售额为 1468 亿美元高于 6 月的 1379 亿美元环比增长 6.4%。且 SIA 采用的是三个月移动平均口径反映的是一段时间内相对持续的产业变化。训练和运行大模型远不止需要一颗 GPU。一台高性能 AI 服务器背后至少要解决计算、把大量数据快速送进计算芯片、存储、把不同芯片封装到一起、给整台服务器稳定供电并把巨大热量带走等问题。所以 AI 基础设施进入大规模建设阶段后产业链的瓶颈会不断迁移从最早担心 GPU 够不够到后来关注 HBM 够不够、先进封装产能够不够、高速网络够不够、电够不够、散热能不能跟上。当一个瓶颈被解决下一个瓶颈就可能成为新的需求中心资金、订单和资本开支开始沿着产业链不断向外扩散。AI 景气扩散的各环节影响第一个明显受益的环节存储AI 景气扩散最明显的地方之一是存储。传统电脑时代一台电脑需要 CPU 和内存AI 服务器同样如此但数据吞吐量被放大很多倍。大模型训练需要芯片不断读取海量数据若计算能力强但数据送不过去昂贵的 GPU 也只能等待。于是高带宽存储器 HBM 成为 AI 服务器最关键的部件之一。这一轮 AI 周期中存储行业出现与传统消费电子周期不同的变化过去存储最大的需求来源往往是手机和 PC现在 AI 服务器正成为影响高端存储供需的重要变量这种变化甚至开始影响普通消费电子。路透社 9 月 16 日报道一些中小手机和笔记本厂商正在为持续多年的内存供应紧张做准备行业担忧的不仅是价格上涨还有未来一段时期能不能拿到足够产能。这就产生了一个值得注意的传导链AI 服务器抢高端存储产能→存储厂商调整资本开支和产品结构→部分通用存储供给受到影响→手机、PC 等传统终端重新计算成本即 AI 服务器的繁荣可能间接改变一部普通手机的成本结构AI 的产业影响开始从数据中心向消费电子外溢。第二个环节先进封装如果说 GPU 解决的是计算问题那么先进封装解决的是如何把越来越多计算能力“装到一起”。过去芯片行业重要的增长逻辑是不断缩小晶体管尺寸但随着制程越来越先进单纯依靠制造工艺继续提升性能变得困难且昂贵。于是把不同功能的芯片通过先进封装连接起来的路线重要性快速上升AI 芯片尤其需要这种能力GPU、HBM 以及其他芯粒之间需要极高的数据传输效率。所以先进封装已从半导体制造中的后端环节逐渐成为决定高端 AI 芯片产能的重要环节。过去市场关注芯片公司常问“它能不能设计先进芯片”现在还必须多问一句“设计出来之后能不能封得出来”对于产业链来说这意味着需求不仅向晶圆制造扩散也会传导至封装设备、测试设备、基板、材料以及检测等环节AI 芯片越复杂这条产业链越长。第三个环节半导体设备和材料还有一个常被忽略的逻辑卖芯片的人生意好最终往往会推动“卖铲子”的人增加订单。全球芯片销售持续增长后芯片制造商若扩充产能就会增加资本开支。而一座晶圆厂想增加产能需要光刻机、刻蚀设备、薄膜沉积设备、清洗设备、检测设备以及大量高纯度材料。所以半导体行业有一条经典传导链终端需求增长→芯片需求增加→晶圆厂提高产能利用率→增加资本开支→设备和材料需求增加。近期这个传导已出现明显信号路透社 9 月 14 日报道随着全球主要芯片厂商推进下一代制造工艺ASML 的新一代 High NA EUV 设备正在获得越来越多客户采用这类设备单台价格高达约 4 亿美元台积电、三星、SK 海力士和英特尔等厂商都在布局。这说明 AI 投资开始进一步改变半导体资本开支结构。设备之外材料也是一个体量巨大但易被忽视的市场一颗芯片制造过程可能涉及数百甚至上千道工序硅片、光刻胶、电子特气、湿电子化学品、高纯石英等每一种材料虽不像 GPU 那么吸引眼球却直接决定制造良率。AI 芯片越先进对材料纯度和设备精度的要求往往越高所以真正完整的 AI 半导体产业链不只是“芯片公司”它背后站着一长串装备和材料供应商。第四个环节电源和散热再往外走一步就会进入电和热的巨大市场。AI 服务器存在耗电、发热的现实问题芯片计算能力越强功耗往往越高于是过去服务器里相对不起眼的一些部件开始变得重要比如电源服务器需要把电稳定、安全、高效率地输送给 GPU、CPU 和存储系统再比如散热过去普通服务器依靠风冷基本能解决问题但随着 AI 服务器单机柜功率密度不断提升传统风冷逐渐接近效率瓶颈液冷开始进入越来越多数据中心。这意味着 AI 产业链正在发生价值迁移以前投资者最关心“芯片计算能力有多强”现在越来越需要关注“这些芯片需要多少电”以及“产生的热量怎么带走”所以电源模块、液冷系统、冷板、CDU、泵阀以及数据中心基础设施开始成为 AI 投资链条的重要组成部分它们本身不生产 AI但没有这些设备GPU 就无法持续工作。第五个环节高速连接还有一个易被忽略的环节——连接。单台服务器性能再强也无法完成超大规模 AI 训练现代 AI 数据中心往往需要成千上万颗 GPU 协同工作此时芯片之间、服务器之间、机柜之间传输数据的速度会直接决定整个系统效率。如果 GPU 计算速度很快但网络传输跟不上就会出现芯片等数据的昂贵浪费。因此 AI 数据中心正在推动高速网络、光模块、交换机以及相关光通信器件不断升级。简单来说过去数据中心最大的价值可能集中在“服务器”未来越来越多的价值会分布在芯片 存储 网络 电源 散热这也是为什么 AI 硬件行情越来越难用“GPU 产业链”概括它正在变成一个完整的 AI 基础设施产业。中国供应链的机会与误区这组全球半导体数据对中国企业最值得关注的是中国企业未必需要在每一个环节都直接参与最先进 GPU 竞争产业链变长意味着更多参与机会。例如存储产业需要设备、封测和材料先进封装需要设备、基板、检测以及材料AI 服务器需要 PCB、电源、散热以及高速连接数据中心又需要供配电、液冷、机柜甚至能源基础设施。真正值得观察的不是“中国有没有另一家 GPU 公司”而是中国企业能否在越来越长的 AI 基础设施供应链中拿到稳定订单并提高价值量。不过这里也必须警惕一个误区AI 景气向外扩散并不意味着产业链所有公司都会同步赚钱全球芯片销售增长不能直接推导任何一家中国企业利润增长。一个行业真正把 AI 需求变成利润至少还要经过进入核心客户供应链、提高产品价值量、提升产能利用率、避免价格被压低、留下新增收入的利润等几道关这也是分析 AI 产业链最需要区分的行业景气不等于公司业绩。未来观察 AI 硬件周期的方向这次全球半导体销售单月增长 6.4%重要的不只是“芯片市场继续增长”更值得关注的是增长正在扩散。未来观察这轮 AI 硬件周期可以沿着五层产业链逐层验证第一层算力芯片看 GPU、ASIC 等核心计算需求是否持续第二层存储看 HBM、DRAM 等价格、产能和资本开支第三层先进封装看封装产能利用率以及相关设备和材料订单第四层设备与材料看晶圆厂是否继续扩大资本开支第五层电源、散热和高速连接看 AI 服务器功率密度和数据中心建设到底有没有持续提高。如果这五层需求能够轮流出现新的订单和产能瓶颈那么这轮 AI 投资周期就不再只是少数 GPU 公司的景气而是一场更大范围的基础设施升级。过去两年市场一直在问“谁能造出更强的 AI 芯片”而接下来可能更重要的问题是“为了让这些芯片真正跑起来整个产业还需要增加多少设备、存储、电力、散热和连接”全球半导体销售达到 1468 亿美元也许只是其中一个数字节点真正值得看的是 GPU 之后越来越多产业正在被 AI 重新定价。
AI 芯片景气现新变化AI 芯片的这轮景气正在出现一个值得关注的新变化。美国半导体行业协会SIA最新数据显示2026 年 7 月全球半导体销售额达到 1468 亿美元比 6 月增长 6.4%且这已经是全球半导体销售连续第 17 个月实现环比增长。今年二季度全球半导体销售额达到 4033 亿美元较一季度增长 35.1%芯片市场显然很热。景气传导方向渐明现在更重要的问题已不是“AI 芯片还热不热”而是当 GPU 成为市场最熟悉的 AI 硬件后这轮景气接下来会传导到哪里答案正越来越清晰。从存储、先进封装到半导体设备和材料再到电源、散热乃至高速互联AI 正在把过去围绕“一颗芯片”的行情逐渐扩展成围绕“一整台 AI 服务器”和“一整座数据中心”的产业链需求这可能是接下来理解 AI 硬件周期最重要的一条线索。1468 亿美元背后的产业逻辑SIA 公布的 7 月全球半导体销售额为 1468 亿美元高于 6 月的 1379 亿美元环比增长 6.4%。且 SIA 采用的是三个月移动平均口径反映的是一段时间内相对持续的产业变化。训练和运行大模型远不止需要一颗 GPU。一台高性能 AI 服务器背后至少要解决计算、把大量数据快速送进计算芯片、存储、把不同芯片封装到一起、给整台服务器稳定供电并把巨大热量带走等问题。所以 AI 基础设施进入大规模建设阶段后产业链的瓶颈会不断迁移从最早担心 GPU 够不够到后来关注 HBM 够不够、先进封装产能够不够、高速网络够不够、电够不够、散热能不能跟上。当一个瓶颈被解决下一个瓶颈就可能成为新的需求中心资金、订单和资本开支开始沿着产业链不断向外扩散。AI 景气扩散的各环节影响第一个明显受益的环节存储AI 景气扩散最明显的地方之一是存储。传统电脑时代一台电脑需要 CPU 和内存AI 服务器同样如此但数据吞吐量被放大很多倍。大模型训练需要芯片不断读取海量数据若计算能力强但数据送不过去昂贵的 GPU 也只能等待。于是高带宽存储器 HBM 成为 AI 服务器最关键的部件之一。这一轮 AI 周期中存储行业出现与传统消费电子周期不同的变化过去存储最大的需求来源往往是手机和 PC现在 AI 服务器正成为影响高端存储供需的重要变量这种变化甚至开始影响普通消费电子。路透社 9 月 16 日报道一些中小手机和笔记本厂商正在为持续多年的内存供应紧张做准备行业担忧的不仅是价格上涨还有未来一段时期能不能拿到足够产能。这就产生了一个值得注意的传导链AI 服务器抢高端存储产能→存储厂商调整资本开支和产品结构→部分通用存储供给受到影响→手机、PC 等传统终端重新计算成本即 AI 服务器的繁荣可能间接改变一部普通手机的成本结构AI 的产业影响开始从数据中心向消费电子外溢。第二个环节先进封装如果说 GPU 解决的是计算问题那么先进封装解决的是如何把越来越多计算能力“装到一起”。过去芯片行业重要的增长逻辑是不断缩小晶体管尺寸但随着制程越来越先进单纯依靠制造工艺继续提升性能变得困难且昂贵。于是把不同功能的芯片通过先进封装连接起来的路线重要性快速上升AI 芯片尤其需要这种能力GPU、HBM 以及其他芯粒之间需要极高的数据传输效率。所以先进封装已从半导体制造中的后端环节逐渐成为决定高端 AI 芯片产能的重要环节。过去市场关注芯片公司常问“它能不能设计先进芯片”现在还必须多问一句“设计出来之后能不能封得出来”对于产业链来说这意味着需求不仅向晶圆制造扩散也会传导至封装设备、测试设备、基板、材料以及检测等环节AI 芯片越复杂这条产业链越长。第三个环节半导体设备和材料还有一个常被忽略的逻辑卖芯片的人生意好最终往往会推动“卖铲子”的人增加订单。全球芯片销售持续增长后芯片制造商若扩充产能就会增加资本开支。而一座晶圆厂想增加产能需要光刻机、刻蚀设备、薄膜沉积设备、清洗设备、检测设备以及大量高纯度材料。所以半导体行业有一条经典传导链终端需求增长→芯片需求增加→晶圆厂提高产能利用率→增加资本开支→设备和材料需求增加。近期这个传导已出现明显信号路透社 9 月 14 日报道随着全球主要芯片厂商推进下一代制造工艺ASML 的新一代 High NA EUV 设备正在获得越来越多客户采用这类设备单台价格高达约 4 亿美元台积电、三星、SK 海力士和英特尔等厂商都在布局。这说明 AI 投资开始进一步改变半导体资本开支结构。设备之外材料也是一个体量巨大但易被忽视的市场一颗芯片制造过程可能涉及数百甚至上千道工序硅片、光刻胶、电子特气、湿电子化学品、高纯石英等每一种材料虽不像 GPU 那么吸引眼球却直接决定制造良率。AI 芯片越先进对材料纯度和设备精度的要求往往越高所以真正完整的 AI 半导体产业链不只是“芯片公司”它背后站着一长串装备和材料供应商。第四个环节电源和散热再往外走一步就会进入电和热的巨大市场。AI 服务器存在耗电、发热的现实问题芯片计算能力越强功耗往往越高于是过去服务器里相对不起眼的一些部件开始变得重要比如电源服务器需要把电稳定、安全、高效率地输送给 GPU、CPU 和存储系统再比如散热过去普通服务器依靠风冷基本能解决问题但随着 AI 服务器单机柜功率密度不断提升传统风冷逐渐接近效率瓶颈液冷开始进入越来越多数据中心。这意味着 AI 产业链正在发生价值迁移以前投资者最关心“芯片计算能力有多强”现在越来越需要关注“这些芯片需要多少电”以及“产生的热量怎么带走”所以电源模块、液冷系统、冷板、CDU、泵阀以及数据中心基础设施开始成为 AI 投资链条的重要组成部分它们本身不生产 AI但没有这些设备GPU 就无法持续工作。第五个环节高速连接还有一个易被忽略的环节——连接。单台服务器性能再强也无法完成超大规模 AI 训练现代 AI 数据中心往往需要成千上万颗 GPU 协同工作此时芯片之间、服务器之间、机柜之间传输数据的速度会直接决定整个系统效率。如果 GPU 计算速度很快但网络传输跟不上就会出现芯片等数据的昂贵浪费。因此 AI 数据中心正在推动高速网络、光模块、交换机以及相关光通信器件不断升级。简单来说过去数据中心最大的价值可能集中在“服务器”未来越来越多的价值会分布在芯片 存储 网络 电源 散热这也是为什么 AI 硬件行情越来越难用“GPU 产业链”概括它正在变成一个完整的 AI 基础设施产业。中国供应链的机会与误区这组全球半导体数据对中国企业最值得关注的是中国企业未必需要在每一个环节都直接参与最先进 GPU 竞争产业链变长意味着更多参与机会。例如存储产业需要设备、封测和材料先进封装需要设备、基板、检测以及材料AI 服务器需要 PCB、电源、散热以及高速连接数据中心又需要供配电、液冷、机柜甚至能源基础设施。真正值得观察的不是“中国有没有另一家 GPU 公司”而是中国企业能否在越来越长的 AI 基础设施供应链中拿到稳定订单并提高价值量。不过这里也必须警惕一个误区AI 景气向外扩散并不意味着产业链所有公司都会同步赚钱全球芯片销售增长不能直接推导任何一家中国企业利润增长。一个行业真正把 AI 需求变成利润至少还要经过进入核心客户供应链、提高产品价值量、提升产能利用率、避免价格被压低、留下新增收入的利润等几道关这也是分析 AI 产业链最需要区分的行业景气不等于公司业绩。未来观察 AI 硬件周期的方向这次全球半导体销售单月增长 6.4%重要的不只是“芯片市场继续增长”更值得关注的是增长正在扩散。未来观察这轮 AI 硬件周期可以沿着五层产业链逐层验证第一层算力芯片看 GPU、ASIC 等核心计算需求是否持续第二层存储看 HBM、DRAM 等价格、产能和资本开支第三层先进封装看封装产能利用率以及相关设备和材料订单第四层设备与材料看晶圆厂是否继续扩大资本开支第五层电源、散热和高速连接看 AI 服务器功率密度和数据中心建设到底有没有持续提高。如果这五层需求能够轮流出现新的订单和产能瓶颈那么这轮 AI 投资周期就不再只是少数 GPU 公司的景气而是一场更大范围的基础设施升级。过去两年市场一直在问“谁能造出更强的 AI 芯片”而接下来可能更重要的问题是“为了让这些芯片真正跑起来整个产业还需要增加多少设备、存储、电力、散热和连接”全球半导体销售达到 1468 亿美元也许只是其中一个数字节点真正值得看的是 GPU 之后越来越多产业正在被 AI 重新定价。
