炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

（来源：华泰证券研究所）

2026年主线：关注AI链、存储周期以及自主可控加速

2025年电子行业在AI链引领创新以及下游终端需求整体持续复苏的带动下持续上行，同时2H25开始存储板块也在大幅供需差下开启涨价周期，展望2026年，我们建议关注几个方向：1）继续看好存储周期，涨价在AI数据中心的拉动下或具备一定持续性，国内存储芯片及配套环节均有望受益；2）看好全球头部CSP厂ASIC加速落地，带动PCB等算力产业链向高端化持续演进；3）国内代工厂以及存储IDM扩产有望在26年开始加速，同时技术节点向先进制程以及3D堆叠等方向迈进，上游国产设备商同步受益；4）消费电子端侧AI产品创新或加速换机周期带动产业链受益。

AI链：Scaling Law仍然有效，带动PCB等算力链需求持续释放

我们认为Scaling Law仍然有效，目前已步入到2.0阶段，从预训练拓展到后训练和推理，为模型能力增强带来新的路径，从而继续带动算力链需求增长。2026年，随着英伟达新一代AI服务器平台批量上量，全球头部云服务商自研ASIC加速落地，加之高速交换机与光模块需求增长，我们预计算力PCB需求有望同比大幅提升。同时，算力终端对PCB的供给规格提出了更高要求，正推动PCB向多层化、高精度和高可靠性方向迭代。我们看好AI服务器平台升级驱动板侧价值量持续提升，助推高多层板与高阶HDI成为行业核心增量，并带动高频高速覆铜板及其前端材料迎来行业扩容。

存储：AI驱动需求快速增长，看好大周期继续上行

闪迪、美光、三星等海外存储原厂陆续发布涨价函，奠定4Q25存储价格持续上涨趋势。我们看到AI数据中心建设持续加码、AI应用进一步深化对存储需求的显著拉动，且短期存储产能供给释放有限，看好2026年存储周期持续上行。DRAM方面，AI驱动的HBM及高容量DDR5需求仍保持旺盛，预计2026年DRAM市场供需关系仍将保持紧张；NAND方面，HDD供应已经出现短缺，叠加AI推理应用快速增加，将共同拉动企业级SSD需求增长，推动NAND供需结构持续优化。国内存储模组、存储芯片以及主控/配套芯片等产业链上各个环节厂商均有望受益于周期上行带来的量价齐升。

自主可控：关注存储+先进制程的长期国产化产业趋势

存储芯粒国产化为长期产业趋势，我们看到长鑫、长存持续推进产能扩张以及市占率提升，同时存储产业持续向3D化发展，未来DRAM同样有望通过4F²+CBA的方案走向3D DRAM，NAND逐步往300层及更先进节点演进，而存储在高深宽比刻蚀和沉积设备上价值量亦显著增加。逻辑芯片方面，先进制程持续构成高性能/AI芯片的放量瓶颈，且在地缘政治因素波动的背景下先进制程产能已具备国家战略地位，我们看好国内龙头晶圆厂持续推进产能释放打开收入增长空间，同时提升设备国产化率，拉动上游国产设备商订单释放。

消费电子：存储涨价部分消费终端承压，关注新产品形态预期差

我们预计存储持续涨价会使安卓手机/PC等消费终端产业承压：1）安卓手机等产业链出货量或出现同比下滑，同时品牌商竞争格局可能发生变化，手机厂商如苹果、三星受到存储涨价影响或更小，而部分厂商或需要在硬件利润与市占率间做权衡，2）产业链零部件环节利润率或受挤压，建议关注生产稼动率下降幅度和个别行业是否可能发生价格战。但同时26年在消费电子硬件新品方面可能是承上启下的一年，折叠屏、桌面机器人、消费级3D打印、AI/AR眼镜、OpenAI硬件等均有望带来行业新催化。

风险提示：贸易摩擦升级，产品渗透率不及预期，AI技术发展不及预期。

正文

AI链：看好Scaling Law仍然有效持续带动算力链发展

AI模型：Scaling Law继续有效，中美路径分化

Scaling Law迭代，模型性能继续提升

从维度上看，Scaling从预训练拓展到后训练和推理，为模型能力增强带来新的路径。早期的Scaling Law主要聚焦于预训练阶段，强调增加模型大小、数据集大小和训练量，就可以提升大语言模型的性能。2024年9月OpenAI发布o系列模型以来，强化学习被系统性引入后训练流程，使模型在强化学习中形成可扩展的能力增益。此后，大模型通过增长思维链，通过增加思考时间提升模型效果。Scaling Law的拓展为模型的性能带来新的提升路径，包含三种Scaling Law的推理模型在性能对比中占据优势。

从算法上看，各家大厂通过算法优化提升模型性能，推动Scaling Law继续有效。部分算法的改进路线在于Scaling Law本身，阿里的千问团队在Scaling Law的基础上拓展了数据并行维度，在不显著增加显存和推理时间的情况下增加计算量，提升效果。Meta团队推出2-单纯形注意力，在标准Transformer的基础上，增加了新的键矩阵和值矩阵，将二维关系拓展到三维关系，对Scaling Law的指数项进行优化；部分算法的改进路线为LLM组件的优化，例如Kimi使用Muon替代一般的AdamW优化器，提升优化速率；部分算法尝试解决LLM的遗忘问题，例如Google参考大脑记忆过程提出嵌套学习方案，将模型结构设计和模型参数训练用嵌套学习的语言统一化，尝试缓解LLM的顺行性遗忘，而DeepSeek则用视觉方案的模糊去平滑LLM的遗忘过程，提出DeepSeek-OCR模型。算法的改进也是Scaling Law继续有效的重要原因。

Scaling Law要求数据和参数量同比例增长，头部厂商通过新增标注和合成数据等方法持续扩容训练数据。2022年3月，DeepMind提出Chinchilla Scaling Laws，指出为了使模型达到最佳性能，模型参数量应与训练集的大小成等比例扩张，并给出算力、模型和训练Token间的比例关系。我们观察到新近模型的训练tokens继续上行：例如阿里Qwen系列由18万亿提升至36万亿，Meta在训练Llama 4 Scout时引入部分社交数据，使总体训练数据约达40万亿。我们认为，随“垂类”数据与新标注数据的不断累积，训练tokens仍将增加，且从模型泛化性和性能表现来看，OpenAI、Google等头部模型的训练规模或高于公开口径。

Gemini 3性能领先，背后是预训练和后训练的持续改进，预训练继续有效。2025年11月19日，Google Gemini 3发布，在各类测试中达到性能领先，高于其他可比模型。Google DeepMind研究副总裁兼深度学习负责人Oriol Vinyals表示，Gemini 3背后的秘密是改进预训练和后训练阶段，他们认为预训练的Scaling尚未结束，Gemini 3和Gemini 2.5之间的差距较大，而后训练阶段仍然是全新领域，算法方面仍有很大的进步和改进空间。我们认为，Scaling Law的几个阶段仍有较大的提升空间，看好Scaling继续推动模型性能提升和算力需求增长。

模型迭代：中美的差异化路径

海外：增大算力推动模型性能提升。Grok模型系列模型迭代，主要通过将大量算力投入不同的Scaling Law维度，Grok 2到Grok 3的迭代，主要通过将预训练算力扩大约10倍带来性能跃升；Grok 3的推理模型标志着Grok模型进入后训练阶段；至Grok4发布，其后训练（Reasoning）相较Grok3再度将算力放大约10倍，使得后训练算力需求接近预训练。从算力建设端来看，据xAI官网，Grok 4依托20万卡级别的Colossus大规模集群进行训练，OpenAI在后训练Scaling领域或也进入重投入阶段, 从“Stargate（星际之门）”项目的规划细节与算力布局来看，其在后训练方向的资源投入已具备显著规模。

国内：聚焦架构优化和成本降低。在受限于算力基础层的情况下，国内基础模型的发展更依赖于架构优化和效率提升。阿里为进一步增强模型在长上下文与大规模参数条件下的训练及推理效率，其Qwen3-Next在保持Transformer与MoE总体框架不变的前提下引入线性注意力和传统注意力的混合机制，DeepSeek V3.2引入动态稀疏注意力，实现厂商下文推理的高效稀疏化，分阶段计算注意力，从而显著提升模型训练和推理效率。Kimi使用Muon优化器，在3B/16B的MoE模型上，用一半算力达到相同结果。根据CNBC报道，Kimi K2 Thinking的训练成本为 460 万美元，对比之下DeepSeek V3 560万美元，OpenAI则花费了数十亿美元。总体上来看，国内通过架构的精细优化设计，实现成本的降低。

互联：算力互联推动互联组件需求加速增长

AI算力需求的扩张催生了三大互联需求。1）伴随单一集群的不断扩大，从此前的千卡集群，到如今的万卡，再到将来的几十万卡甚至百万卡集群，Scale-out层级的互联不断扩大。2）伴随AI推理需求的放量，张量并行、专家并行等并行策略对卡间通信与内存提出了更高的要求，Scale up网络可以实现高带宽低延迟的数据传输与内存池化，成为推理放量后的必然选择。3）由于单个数据中心电力/散热等条件存在限制，Scale across互联可以使得多个数据中心跨越几十公里连接成一个统一的集群，打破单一数据中心在电力、功率与物理中心的限制。

Scale-out域的扩大带来互联组件非线性增长

Scale-out域一般采用叶脊架构，互联组件需求随GPU增长而增加。Scale-out域是每个GPU通过网卡与交换机相连，从而与其他GPU进行互联的域。Scale-out域通过交换机将GPU两两相连，从而实现十万甚至百万卡集群的构建，相对的，对于互联的速度要求低于Scale-up，一般应用于流水线并行、数据并行等场景。由于Scale out域涉及柜外的互联，需要使用光模块进行光-电转化，因此集群内GPU数量增长的背景下，交换机、光模块的需求也随之增加。

互联组件随着GPU增长非线性增长。我们注意到，随着GPU数量的增长，构建Scale-out需要的交换机、光模块数量并非线性增长，斜率存在逐步增长的趋势。如下图所示，在使用相同交换机的情况下，光模块与GPU的比例逐渐从2.5增长到3.5。

互联组件的非线性增长主要因为Scale-out网络层数的增加,我们看好算力需求增长对互联组件的强劲推动。根据我们的测算，在使用64口400G交换机(Nvidia Quantum-2 QM9700)的情况下，当GPU数量小于2048时，只需要两层交换机即可实现Scale-out网络的构建，但GPU数继续增长后，需要三层网络才能完成GPU间互联。网络结构的复杂化使得互联组件的需求非线性增长，两层网络的交换机数量是GPU数的4.7%，光模块是GPU数的2.5倍，但拓展到三层后，交换机和光模块比例分别达到7.8%和3.5倍。

Scale-up域的拓展带来互联组件的额外需求

Scale Up侧交换机规模快速增长，目前市场规模已超过ScaleOut以太网和InfiniBand市场总和，2028年市场规模有望达130亿美元。随着模型并行计算带来的带宽需求持续攀升，AI Scale up机柜方案逐渐被市场验证（英伟达NVL72、华为384等），Scale UP网络互联市场需求快速增长。根据Lightcounting数据，目前Scale Up市场规模已超过Scale Out以太网和InfiniBand市场总和，2028年有望达到130亿美元，其中包括以英伟达Feynman架构（2028）为代表的七代NVLink技术，以及新的SUE、Ultra Accelerator Link（UALink）规范，将提供一条从专有协议向200G/通道标准化的路径。同时据Lightcounting预测，到2028年，UALink交换机可能占据Scale up交换机市场总量的20%。

Scale-up域从柜内拓展到柜外，带来对互联组件的新增需求。Scale-up域的核心是多GPU共享内存，过去以机柜内的铜缆互联为主，随着对高速互联的需求不断增长，Scale-up域逐渐从柜内拓展到柜外，类“超节点”模式的Scale-up域引发越来越多的关注。以Google为例，Google的TPU V7集群的Super Pod包含9,216个共享内存的TPU卡，柜内的64个芯片通过PCB或铜缆连接，柜间144个机柜中的TPU通过光路交换机连接，带来对光路交换机和光模块的增量需求。

重视Scale-up域的拓展趋势，看好Scale域拓展对互联组件的推动。我们对Google SuperPod的交换机和光模块需求进行测算，在假设使用300*300光路交换机的情况下，结合TPU间3D堆叠的连接结构，我们得到9,214卡的SuperPod使用约48个光路交换机和13,824个光模块，对应新增1.5倍的光模块需求。今年以来超节点形式的产品在国内外持续推出，我们也看到TPU性能得到广泛认可，看好后续互联组件需求的持续增长。

单一数据中心限制驱动Scale across（DCI）扩展迅速

Scale Across（DCI、数据中心互联）市场规模增长迅速，跨DC训练与推理将具备可行性。Scale Across通过高速光网络连接分散的数据中心形成一个统一的计算集群，打破单一数据中心电力、散热与物理空间的限制，实现算力资源的跨区域协同，是Scale up/Scale out外更广的互联。英伟达也在今年8月份推出Spectrum-XGS交换机，通过优化以太网算法，实现跨几十公里、甚至跨城市的稳定互联，把多个数据中心“拼接”成一个统一的超级计算单元，一个巨大的“AI工厂”。根据Marvell预测，DCI市场规模有望从2023年的10亿美元增长至2028年的30亿美元，23-28E CAGR达到25%。

AI芯片：单芯片及系统级性能提升并驱，关注产能瓶颈改善

AI军备竞赛仍在持续，预计2026年全球主要CSP厂商资本支出同比增长40%。全球科技巨头持续投入AI军备竞赛，不断加码数据中心资本支出，TrendForce（11月）上修2025年谷歌、亚马逊、Meta等全球八大CSP厂商资本支出合计总额增速至65%，并预计2026年各大CSP厂商将维持积极投资节奏，合计资本支出将达6000亿美金，同比增速为40%。

AI芯片需求保持旺盛，2030年全球GPU市场规模预计4724亿美元，25-30E CAGR达35.19%。大模型训练和推理对AI芯片需求保持强劲，11月8日，黄仁勋受访时表示，公司业务表现非常强劲，并为月复一月增强。根据Verified Market Research的数据，2024年全球GPU市场规模为773.9亿美元，2030年有望达到4724亿美元，对应年复合增长率高达35.19%，呈现强劲增长态势。其中，中国智算中心建设亦持续加速，IDC数据显示，中国智能算力规模预计将由2020年的75.0EFLOPS增至2028年的2,781.9EFLOPS，CAGR达57.1%。

AI芯片国产替代仍为大势所趋。根据Bernstein Research数据，2024年中国AI加速芯片市场中，英伟达和AMD合计占据71%的市场份额，其中英伟达以66%的份额占据绝对主导地位。在此背景下，受益于国产替代趋势及供应链安全需求，国内计算芯片公司正迅速发展。当前，美国政府仍严格限制高性能AI芯片对华出口，国内市场AI芯片国产替代意愿较高，伴随国产AI芯片厂商技术实力快速提升，综合考虑性价比优势以及安全性，我们认为即便后续美国政府对华出口高性能AI芯片限制有所放松，国产替代仍为大势所趋。

国产AI芯片单芯片及系统级性能提升并驱，2026年产能瓶颈有望进一步改善。国产AI芯片设计水平提升迅速，目前主流产品性能表现已向英伟达A100看齐。例如，根据沐曦招股说明书，其当前主要产品C500/C550系列算力表现处于英伟达A100区间，而下一代产品曦云C588芯片将大幅缩小与英伟达H100产品差距。除了提升单芯片性能表现之外，国内AI芯片厂商研发逻辑亦逐步向系统级性能提升过渡。2025年华为开发者大会上，华为宣布基于CloudMatrix 384超节点的新一代昇腾AI云服务全面上线，CloudMatrix 384超节点将384颗昇腾NPU和192颗鲲鹏CPU通过全新高速网络MatrixLink全对等互联，形成一台超级“AI服务器”，单卡推理吞吐量跃升到2300 Tokens/s，与非超节点相比提升近4倍。此外，当前国内AI芯片放量瓶颈在先进制造产能，伴随国内代工厂先进制造能力持续提升，2026年国产AI芯片产能瓶颈有望取得较大改善。

互联网厂商AI芯片采购“第三方+自研”路径并行，带动定制芯片市场空间快速增长。国内互联网厂商除积极采购国产AI芯片外，亦纷纷布局自研ASIC加速计算芯片。相较GPU，ASIC加速计算芯片针对特定应用场景设计具备高性能和低功耗特点，其专用性优势更利于云服务商的软件适配，并且伴随AI应用需求量快速增长能分摊ASIC芯片前期较大研发成本，可同时兼具成本、效率等优势。2025年6月，Marvell在Custom AI Investor Event上修2028年AI定制芯片市场规模预测至554亿美金，2024-2028年CAGR达53%。看好AI加速芯片定制进一步渗透至终端芯片领域，国内定制芯片服务厂商亦有望充分受益定制芯片市场规模的快速增长。

PCB：AI驱动高端PCB需求在2026年加速释放

AI算力PCB进入量价齐升阶段，高端化迭代趋势明显

近年来，随着生成式AI和高性能计算的快速发展，数据中心服务器成为PCB行业最具活力的下游领域。根据胜宏科技招股书，2024年全球AI及高性能计算领域PCB市场规模为60亿美元，预计2029年将达到150亿美元，24-29年复合增长率高达20.1%，远高于整体PCB市场复合增速4.6%。

同时，AI服务器、网络交换机、光模块等算力类终端对PCB的供给规格提出了更高要求，正推动PCB产品向多层化、高精度和高可靠性的方向迭代。根据沙利文研究预测，14层及以上高多层板、高阶HDI等高端产品市场份额持续增长，2024-2029年复合增速均显著高于行业均值。展望未来，看好AI服务器平台升级驱动板侧价值量持续提升，助推高多层PCB与高阶HDI成为行业核心增量，并带动高频高速覆铜板及其前端材料迎来行业扩容。

未来技术迭代趋势1：CCL材料向M8/M9升级

CCL作为PCB核心基材，其性能直接决定PCB的信号传输速度、损耗和可靠性。业界常用松下Megtron系列作为CCL材料性能标杆，主要衡量指标为介电常数Dk和损耗因子Df，指标越低越适用于高频高速场景。AI算力提升驱动PCB向更高层数和更精细线路发展，传统CCL材料无法满足低损耗要求，而M8/M9是当前最高等级材料，可支持单通道224Gbps传输需求。CCL材料升级将推动行业产业链向高附加值材料和配套供应转移，上游原材料商（高纯树脂和石英纤维生产商）受益，中游铜箔、玻纤布生产商也需推出HVLP4铜箔等配套产品，PCB成本结构倾向于上升，市场格局趋于集中。联茂电子、台光电、台燿科技等中国台湾厂商已量产M8并积极试样M9；中国大陆生益科技、华正新材等也加速布局M8并试产验证M9。

未来技术迭代趋势2：CoWoP封装带动mSAP工艺，PCB环节价值量有望大幅提升

英伟达计划在后续GPU封装中尝试CoWoP方案，简化CoWoS的中间层，直接使用PCB取代载板，将芯片封装于PCB上。该方案目前处于研发阶段，预计2028年后推出，加工方式倾向于采用SLP工艺。SLP作为更高规格的HDI，其线宽/线距介于ABF载板和传统HDI之间，最低可达15-18μm，BGA pitch约110μm。从价值量而言，为满足CoWoP封装标准，PCB价值量将大幅提升。

2026年服务器/交换机/光模块驱动高端PCB需求攀升，看好ASIC成为增长新驱动

进入2026年，英伟达新一代AI服务器平台（GB300、Rubin）有望批量上量，全球头部云服务商自研ASIC加速落地，加之高速交换机与光模块需求增长，我们预计算力PCB需求有望达人民币1000亿元，同比大幅提升。尤其ASIC板卡因更复杂的系统和更高的性能目标，对单卡PCB价值拉动更为显著。2026年随海外云厂 ASIC 项目的推进，搭载这些 ASIC 芯片的 AI 服务器陆续出货，我们测算这些项目将在2026年给PCB厂商带来300亿元以上的需求，成为PCB板块增长的新驱动。

高端产能持续吃紧，关注PCB公司新产能投放节奏

2025年初以来PCB行业高端产能紧缺成为市场焦点。由于PCB设备采购和产线认证周期较长，叠加海外新厂投产需经历爬坡期，短期缺口难以快速弥补，我们认为供给端约束或将助推PCB板块在2026年延续高景气的特征。

PCB公司已加速新产能建设应对高端需求。面对高端运算类PCB的结构性景气，行业龙头正加速高多层板、高阶HDI等新产线的投资扩充。国内企业不仅持续扩建中国大陆本地高端厂区，更积极布局泰国、越南等东南亚基地，以抓住国际客户供应链多元化与本地化趋势。鹏鼎控股、胜宏科技、深南电路等已披露数十亿元甚至上百亿元级别的扩产计划，海外工厂陆续进入认证与量产阶段。我们预计高端产能建设更积极、新产线良率爬坡更顺利的PCB企业在2026年有望获取更多AI类订单或突破更多AI类客户。

存储：AI驱动需求快速增长，周期继续向上

价格：4Q25 DRAM/NAND价格环增扩大，看好1H26存储价格进一步上行

海外存储原厂陆续发布涨价函，4Q25 DRAM/NAND价格环比增幅扩大。25年9月初，闪迪率先发布涨价函，面向渠道和消费者客户的新报价及订单涨价超10%，反映人工智能应用以及数据中心、客户端和移动领域日益增长的存储需求；随后美光通知客户，包括DDR4、DDR5、LPDDR4、LPDDR5等内存产品全部停止报价，且相关产品价格可能调涨20%-30%；9月下旬，三星电子亦宣布第四季度将涨价，其中，LPDDR4X、LPDDR5/5X等DRAM产品预计上涨15%-30%，eMMC/UFS预计上涨5%-10%；11月初，闪迪再次向客户通知11月NAND涨价50%，11月12日，据韩国《朝鲜日报》报道，三星电子、SK海力士和铠侠等亦正在谋划推动NAND价格进一步上调。各大原厂陆续发布涨价函，奠定4Q25存储价格持续上涨趋势，考虑AI数据中心对存储需求旺盛，且短期产能供给释放有限，我们看好1H26存储价格进一步上行。

9月，TrendForce预计4Q25 DRAM整体合约价格将环比增长13%~18%，但由于CSP厂商持续扩充数据中心建设，存储原厂收到对应加单需求后，调升报价意愿提升， TrendForce（10月）将4Q25 DRAM整体合约价格预测涨幅上调至23%-28%。其中，DDR4/LPDDR4虽面临原厂延长供应时间影响，但由于原厂及下游整体库存水位均较低且客户端DDR5/LPDDR5升级仍需一定时间周期，我们预计4Q25/1Q26价格环比亦将继续上行。NAND方面，市场原本普遍预估4Q25 价格将进入盘整，但受HDD供应短缺以及AI推理应用快速增长，NAND供需结构加速优化，TrendForce（9月）预计NAND Flash 4Q25平均合约价格涨幅为5%~10%（3Q25：3%-8%）。

供给：HDD供应短缺，2026年海外存储原厂资本支出仍较保守

HDD供应短缺，驱动SSD加速渗透。AI带来数据中心海量数据存储需求，其中，机械硬盘（HDD）承担数据中心超80%存储容量需求。据TrendForce（9月） 报道，因西部数据及希捷等全球主要HDD供应商近年未规划扩大产能，致使Nearline HDD（近线硬盘）已出现供应短缺，交期达52周，从而进一步加速北美CSP厂商对高效能、高成本的企业级SSD应用。

2026年海外存储原厂资本支出仍较保守，DRAM/NAND产业资本支出增幅为14%/5%。展望2026年，海外存储原厂资本支出仍较保守，根据TrendForce数据，2025年DRAM产业资本支出约537亿美元，预计2026年为613亿美元，同比增长幅度为14%，NAND Flash资本支出将从2025年的211亿美元提升至222亿美元，同比增长5%。同时，DRAM和NAND Flash产业投资重心正逐渐转变，逐步从单纯扩充产能，转向制程技术升级、高层数堆栈、混合键合以及HBM等高附加价值产品。

需求：企业级存储需求旺盛，推理应用快速增长或进一步拉动NAND需求

2024年企业级SSD及HBM市场规模分别为262/200亿美金，2025-2027年CAGR达10/35%。自2022年11月ChatGPT发布以来，生成式AI进入快速发展阶段。AI大模型持续迭代驱动云端AI算力需求快速增长，海内外主要云厂商持续加大数据中心资本开支投入。AI大模型训练及推理对高速存储需求显著提升，既需要高容量DDR5及HBM存储巨量参数和中间计算数据，又需要企业级SSD存储大量数据集（LLM训练语料、图片、视频等）。2024年，AI数据中心建设驱动下，全球企业级SSD需求旺盛，SK海力士、铠侠企业级SSD全年收入增长超300%。据IDC数据，2024年全球企业级SSD/HBM市场规模为262.2/200亿美金，预计2027年将增长至351/488亿美金，对应年复合增速10.2/34.6%。

AI推理快速增长，有望进一步拉动NAND需求。目前，微软、谷歌等头部厂商日均token调用量均已突破万亿级别，AI大模型推理应用正加速落地。在AI推理中，以往SSD主要应用于存储RAG和LLM参考的相关文档和知识库。此外，需要在HBM或DRAM中加载模型权重，以及持续缓存注意力计算的中间状态（KV Cache）。

KV Cache容量主要受模型Transformer层数、注意力头（head）、注意力头维度、单个请求最大token数、数据精度以及并发请求数等因素影响。以LLaMA-2-13B模型为例，若单个请求token数达4096，并发请求数10个，且以FP16精度进行缓存，则对应所需KV Cache容量达31.25GB。伴随AI推理中处理的上下文长度持续加长以及对话轮次进一步增长，KV Cache容量将快速提升，逐渐成为大模型推理效率及效果提升的主要矛盾。

铠侠、美光等均积极推进AI SSD产品的研发和推出，致力于将KV Cache从更高成本的HBM、DRAM中部分卸载至大容量、高性价比SSD。8/27，华为举行数据存储AI SSD新品发布会，通过AI SSD产品构造HBM+DRAM+SSD三级缓存体系，其中在SSD层通过存算一体技术，将AI 推理的中间结果（如长序列对话历史）持久化存储，形成PB级KV Cache池，带来AI推理效率和时延表现提升。

自主可控：看好先进逻辑+先进封装的长期产业趋势

制造封测：看好先进制程以及存储产能瓶颈逐步突破，带动产业链整体放量

十五五重申“科技自立自强”，制造端28nm及以上成熟节点份额已逐渐向中国大陆迁移，先进制程产能仍为国内稀缺资源，未来先进制程扩产已具有重大战略意义。在十五五规划的三大核心目标中，“加快高水平科技自立自强”被重申，我们认为先进制造作为高性能芯片起量的核心瓶颈环节，其产能扩张已具备重大战略意义与价值。据Trendforce数据，截至2Q25，在成熟制程份额持续向中国大陆晶圆厂迁移的趋势下，中芯国际、华虹以及晶合已成长为三家全球前十大晶圆厂，先进产能方面，目前中国大陆在中芯国际为代表的代工厂加速推进先进制程国产化的带动下，未来在产能与技术节点上与台积电的代差有望缩小。而份额上，据Trendforce数据，2023年中国大陆先进工艺份额占比仅8%，2027年中国大陆先进工艺收入绝对体量上有望加速增长，而在美国地区推进先进工艺本土化的带动下，美国地区先进工艺份额有望从2023年的9%增长至2027年的21%，成为第二个先进制造中心。我们看好先进制程的国家战略地位进一步提升，有望推动并扶持国内头部晶圆厂进行先进制程扩产，推动市占率以及自给率加速提高。

技术节点上目前国内距全球龙头在先进工艺上尚有4-5年左右的差距，看好国内企业随先进制程良率爬坡加速实现节点追赶。技术代差上，目前全球晶圆代工龙头台积电已在2018年/2020年/2022年分别量产领先业界的7/5/3nm制程技术，其规划2nm在预计在2H25年实现量产。中国大陆方面，中芯国际已在2019年量产14nm FinFET工艺，2022年量产N+2工艺。未来随着国产设备陆续突破，有望逐步追赶全球龙头。

先进封装为AI算力带动下的先进制造配套环节，看好中长期国内先进制造产能放量带动下先进封装产业发展机遇。2.5D/3D封装为封测行业收入空间以及盈利水平拐点的重要增长机遇，参考台积电CoWoS/SoIC产能扩张幅度，未来随AI算力需求持续拉动、先进制造产能持续释放，国内2.5D/3D封装市场空间也将同步扩张。技术方案上，据台积电2025 technology symposium，未来的HPC/AI芯片将向3D堆叠+CoWoS L+CPO的封装形式演进，随高性能AI芯片对互联带宽以及通讯密度/速度的要求逐步提升，先进封装在芯片当中的价值量也将逐步提升。

2.5D/3D封装市场增长明显高于行业平均，国内2.5D/3D先进封装产能同样加速释放。据盛合晶微招股说明书数据，全球芯粒多芯片集成封装市场在2025~2029年CAGR可达25.8%，国内芯粒多芯片集成封装市场同期CAGR达43.7%，增速预期显著高于其他先进封装市场。国内多家OSAT封装厂正加速布局2.5D/3D封装，包括盛合晶微、长电科技、通富微电等，盛合晶微已于2019年在中国大陆率先发布三维多芯片集成技术品牌SmartPoser，涵盖2.5D/3DIC、3D Package等各类技术方案；长电科技2023年推出的XDFOI Chiplet高密度多维异构集成系列工艺已按计划进入稳定量产阶段；通富微电超威槟城厂持续布局先进封装业务，持续推进建设Bumping、EFB等生产线。

我们看好未来随国内先进制程产能释放，2.5D/3D封装也将为国内OSAT封测厂带来广阔市场空间，同时在技术迭代的推动下迎来量价齐升的发展机遇。

长鑫与长存扩产、存储芯粒国产替代为长期产业趋势，国产化率长期持续提升预期下将带动制造、封测等相关配套产业链打开增长空间。中国为存储芯片消耗大国，而目前2Q25国产存储IDM长鑫、长存分别在DRAM与NAND行业全球市占率仅为3%与4%，国内需求量与供应能力存在高度失衡，在地缘政治因素持续波动的背景下，国产化诉求同样急迫，我们看好长鑫、长存作为国内存储颗粒的两家核心主体，在中长期中持续推动产能扩张，实现国产化率持续提升，同时相关配套的制造与封测产业链，包括DRAM controller制造、存储芯片封测等环节公司同步受益。国内DRAM产业在DDR制程微缩以及HBM技术上与海外存在一定代差，而3D DRAM作为未来DRAM的一大技术方向，海外大厂也同样处于布局初期阶段，国内存储产业链有望通过率先布局实现市占率上的追赶，相关配套的制造封测等环节也将有望同步受益存储扩产与价值量提升。

设备：看好国产存储厂商新技术扩产对刻蚀、沉积、键合等设备拉动

技术路线上，DRAM将逐步走向3D架构，4F²为3D DRAM一大技术方向，目前海外大厂已在布局。在约2000-2010年DRAM主流结构为8F²，即word line间距为4F，bit line间距为2F，目前DRAM行业主流技术已从8F²切换至6F²，6F²通过旋转并偏移晶体管以填充8F²布局中存在的空白空间，而下一代将进一步向4F²迭代，通过垂直堆叠方式进一步提高空间利用率，以增大单位面积位元容量，三星下一代VCT架构将采用4F²技术，采用垂直结构从下到上依次放置源极、栅极、漏极和电容，并将word line和bit line分别连接到栅极和源极，从而word line和bit line的间距各为2F，形成4F²结构。

CBA架构与4F²技术存在技术协同，4F²+CBA的方案或将成为3D DRAM主流。CBA架构的核心思想为存储晶圆与外围器件制造的解耦，在8F²与6F²的平面时代，存储晶圆与外围电路可协同制造，而进入4F²的3D结构之后，其所需要的工艺条件和材料与高性能外围线路的要求逐渐不兼容，而CBA架构将DRAM芯片将存储晶圆与外围电路制造解耦，其中一个晶圆包含存储单元阵列及其数十亿个存储电容器和访问晶体管，而第二个晶圆容纳所有外围线路，包括感测放大器、行和列解码器、输入/输出驱动器以及控制逻辑，在使用优化技术处理每个晶圆后，再用wafer to wafer混合键合的方式连接起来，从而外围电路制造也可以采用比存储阵列更为先进的制程，故综合来讲，CBA架构与4F²技术存在天然协同，我们认为4F²+CBA在未来有望成为3D DRAM的主流方案。

随着制造工艺完善及产能爬坡，Yole预计2029年CBA-DRAM约占总体DRAM产量中的29%。Yole预计两家主要制造商将积极扩大CBA-DRAM产能，2027年开始全面大规模生产。根据Yole模型预测，CBA-DRAM年产能有望从2027年的约93万片增长到2029年的640万片，占总体DRAM产量中的29%。

3D NAND市场正朝着更高层数的方向发展，目前供应商们正在竞相增加超过300层的字线层数，未来预计达到1000层以上，其中孔刻蚀能力和薄膜沉积是关键。随着3D NAND的层数增加，内存的堆叠高度也在不断增加，随着堆叠层数的增加，蚀刻过程中出现的挑战也愈发严峻，比如蚀刻速率随深度增加而减缓、蚀刻轮廓的变化等。我们看到对刻蚀设备带动新技术需求如1）低温蚀刻技术，以增强蚀刻速率和表面扩散，同时控制聚合物沉积，避免顶部结构堵塞；2）400层以上Nand，通孔的深度在10微米左右，而通孔的直径仅为100nm，需要采用高深宽比的蚀刻。同样随着层数的增加，需要更厚的硬掩模沉积来进行后续处理。在阶梯形成之后，刻蚀出的区域需要用介电薄膜填充。这一过程是通过等离子体增强高纵横比工艺（PE-HARP）介电间隙填充工艺完成的。垂直扩展的下一个关键工艺是高纵横比接触的金属间隙填充。在3D NAND中，化学气相沉积钨（W）被广泛用于实现垂直方向上的许多连接。

3D DRAM向着垂直方向的发展，制造设备端对刻和沉积设备亦显著增加。3D DRAM的结构涵盖垂直Bitline（VBL）、水平Wordline（WL）及水平电容阵列，从 3D DRAM 的工艺流程来看，光刻步骤较少，而刻蚀和沉积步骤却极为复杂。目前的刻蚀顶尖工艺已能实现深宽比为10:1至100:1的孔洞刻蚀。然而3D DRAM刻蚀和沉积工艺不仅要进入高纵横比孔洞的底部，还需横向进入高纵横比的通道，且在没有直线视线的情况下进行，未来或需要结合低温刻蚀处理垂直方向和湿法刻蚀处理水平方向的综合工艺。传统DRAM中光刻设备占生产总成本约25，3D DRAM中这一比例进一步下降，从而转移至刻蚀和沉积设备。看好国产NAND和DRAM扩产带动设备公司受益。

3D DRAM 和NAND亦增加 W2W 键合需求。各大 3D NAND 闪存制造商都在其最新一代产品通过将存储单元阵列布局在 CMOS 外围电路之上来减少硅片面积。CBA架构虽然会增加晶圆键合的成本，但可以优化外围电路和存储单元阵列的性能。长江存储凭借Xtacking和1.0 微米间距混合键合处于领先地位。WDC/Kioxia BiCS8 218 层也将采用混合键合工艺，其他制造商也将效仿。混合键合在两个晶圆上的铜焊盘之间实现直接的金属对金属接触，成功混合键合的技术要求极其苛刻，表面粗糙度必须在整个晶圆上控制到低于一纳米均方根，这同时需要复杂的CMP工艺。目前设备产业链中的主要参与者以及使用和涉及混合键合的主要厂商有台积电、英特尔、三星、SK海力士、美光、长鑫存储、索尼、豪威科技、长江存储、西部数据、Besi、应用材料、ASM Pacific、EV Group、SUSS Microtec等，国产产业链布局公司有拓荆科技等。

消费电子：存储涨价基本面承压，关注新品催化

消费电子方面，我们预计存储持续涨价也会对消费端产生影响：1）影响品牌商出货量以及利润率情况。26年若国内消费补贴力度的同比降低趋势持续，品牌商能够涨价的空间有限，此时品牌商可能陷入两难，一方面，若涨价则可能造成出货量压力，另一方面，不涨价则需自己承担部分涨价的影响，硬件生产成本上行，2）影响除存储外其他零部件环节利润率。品牌商或将一部分生产成本压力向供应商传导，我们认为对安卓供应商的影响大于苹果供应商。但同时26年在消费电子硬件新品方面可能是承上启下的一年，折叠屏、桌面机器人、AI/AR眼镜、OpenAI硬件等均有望带来新催化。

存储影响：关注出货量、利润率，安卓链压力大于苹果链

NAND Flash市场供不应求情况可能延续至26年全年。根据TrendForce，尽管消费市场需求不强，但由于HDD供给短缺与过长交期，使CSP将储存需求快速转向QLC Enterprise SSD，短期内急单大量涌入，造成市场明显波动，闪迪率先宣布调涨10%，美光也因价格与产能配置考量暂停报价，NAND Flash第四季各类产品合约价将全面上涨，平均涨幅达5-10%，供不应求状态或将延续2026年。

DRAM供应吃紧持续推高合约价。根据TrendForce，4Q25 Server DRAM合约价受惠于CSP扩充数据中心规模，涨势转强，并带动整体DRAM价格上扬，涨幅或在18-23%，并且很有可能再度上修。展望2026年，因各CSP积极导入高效能运算架构以支援大型模型运算，Server单机DRAM搭载容量将随之提高，推升整体DRAM位元需求强劲，供给短缺情况延续，DDR5合约价于2026全年都将呈上涨态势，尤其以上半年较为显著。

我们预计26年手机、PC等存储涨价叠加国补退坡，影响出货量情况，安卓链压力大于苹果链。存储方面，我们预计26年上半年DRAM+NAND在手机中成本平均上涨或在50%左右甚至更高，品牌厂商或可能通过涨价方式抵消部分存储涨价影响。以手机为例，我们测算存储在安卓手机生产成本中平均大约占25%左右成本，低端机中占比可能接近30%，而在苹果手机中占10-20%，且涨价幅度或少于安卓手机厂商，因此我们判断存储涨价对安卓链影响大于苹果产业链。

关注新品催化带来的预期差

尽管存储对产业链造成压力，但我们认为26/27年大量新型硬件有望涌现，为产业链公司带来业绩预计差。苹果方面，26/27年折叠屏手机和全面屏手机有望推出，同时带摄像头的耳机、桌面机器人、监控等家居类产品、AI眼镜/AR眼镜类产品也有望推出。OpenAI方面，公司推出的类徽章硬件有望于26年底推出，有望给产业链公司带来业绩新增量。除此之外，AI/AR眼镜新品也有望持续迭代。

苹果产业链：26/27年进入新品迭代密集期

我们认为苹果产业链未来两年有望进入新品发布密集迭代期。2027年是iPhone发布20周年重要纪念，手机、Mac、可穿戴、眼镜、家居类产品有望密集推出。

手机：中端机型有望春季发布，折叠屏、全玻璃版本相继推出。根据MacRumers，未来两年，苹果可能将iPhone标准款机型放置在春季发售，其他高端款式在秋季发售。Air机型不确定下一年是否继续迭代。但折叠屏产品仍在开发当中。27年有望推出全玻璃的20周年纪念版本产品。

其中折叠屏采用大折叠形态，整机厚度在折叠状态下仅9-9.5毫米，展开后薄至4.5-4.8毫米，外屏为5.5英寸打孔屏，分辨率2088×1422；内屏展开后达7.8英寸，4:3比例，分辨率2713×1920。我们估计其折叠屏售价可能超过2000美元，26年秋季发布，出货量有望达到600-800万台。27年有望迭代大折叠产品，28年小折叠有望上线。

根据彭博社，为庆祝iPhone问世20周年，苹果正计划推进一款代号为“Glasswing” 的特别版机型。该机型设计灵感源自拥有透明翅膀的蝴蝶，旨在通过“极简主义全玻璃机身”重现自然造物的轻盈与通透感。从目前曝光的设计方向看，新机将采用弧形玻璃边框设计，搭配超窄金属中框，实现屏幕与机身的无缝过渡，同时首次引入摒弃物理开孔的全面屏方案，前置摄像头、传感器等元件或将通过屏下隐藏技术实现视觉无感化，打造真正意义上的 "一体成型" 美学。

新产品或为产业链公司带来迭代机会。折叠屏产品涉及UTG（Ultra-Thin-Glass）、铰链等多个环节零部件的新增。

除折叠屏之外，平板机VC均热板、可变光圈、钢壳电池等迭代也有望为行业带来新增量。我们认为26年有希望在直板机型上也都采用VC均热板产品。除此之外，摄像头的某些料号或采用可变光圈新技术。电池有望普及钢壳电池。

除手机之外其他新品硬件也持续迭代。或推出新一代iPad/Mac产品，组装和零部件份额有望继续向中国大陆厂商倾斜，或推出配置摄像头的耳机产品，或推出AI眼镜类产品，或推出桌面机器人和智能安防类产品。

关注Apple Intelligence推进节奏

中国区推出时间不明，关注下个时间点26年3-4月。此前根据彭博社等媒体报道，11月份中国版本的本地化AI有望上线，但后续又有报道称因数据等问题尚未解决，中国区AI推出的具体时间点仍然未定。下一个需要关注的时间点可能是26年3-4月，此前苹果高管在演讲中表示Apple Intelligence支持的Siri有希望在26年春季推出，苹果正在选择一些三方App合作测试Siri，建议关注苹果是否能够如期推出产品。

OpenAI产业链：1亿台目标是否能够完成？

9/19，The information报道，OpenAI正与供应商讨论制造多款硬件产品，包括无显示屏的智能音箱、可穿戴徽章（类似AI pin）、眼镜、数字录音笔等一系列产品。

第一代产品猜想：类似AI pin的全年AI伴侣。根据OpenAI高管演讲中透露的信息，OpenAI+Ive合作开发的首款设备将是一种无屏幕、非穿戴式的AI数字终端，其形态不同于现有的智能手机或AR眼镜，将是一种口袋大小、隐蔽不显眼的小装置，具备对用户环境和生活状态的全方位感知，被称为“用户日常生活的全时智能伴侣”。这款无屏AI设备可能通过语音、听觉等方式与用户交互，主动融入用户生活场景。例如，当用户把它随身携带时，设备可通过内置的麦克风和摄像头感知环境，对用户的语音指令或情境触发做出智能响应 。其目标是成为比手机更“随时随地”、更“默默无形”的AI助手，实现从主动问答到环境感知式服务的飞跃。

产品形态：口袋大小、隐蔽不显眼的小装置。该设备体积略大于此前推出的AI pin，大致与iPod Shuffle相当，配备了摄像头与麦克风，用于感知环境，没有显示功能，预计需要与智能手机或PC联网，由后者为其提供计算与显示功能。产品生产可能与中国国内供应商合作，但生产地可能会选在其海外（如越南）工厂。

我们认为第一代产品用于收集大量个人数据，奥特曼期待“最快达到1亿台销售量级”。OpenAI CEO奥特曼此前在红杉资本演讲时表示，未来智能体将都进入物理世界创造价值，“核心AI订阅”会渗透到每个人的生活和工作，“人的一生就是不断向这个上下文添加新的内容的过程。”他说，未来，会有一个非常小的推理模型，拥有万亿个 token 的上下文，可以把人的整个生活都放进去。我们认为这样的模型需要硬件：1）在前期的广泛铺设、大规模个人数据的收集以及模型的持续训练，2）后期，随着大模型逐步走向商业化，如何通过硬件形态更直接地触达用户，提供与人之间更好的交互，构建起属于自己的生态闭环。第一代产品及用于收集数据，OpenAI有快速分发大量硬件的动力。

与前苹果设计师、工程师合作提高硬件质量，OpenAI软件或提供额外吸引力。根据The information，OpenAI近年来向苹果员工提供丰厚的薪酬待遇、更少的官僚主义工作环境、更多的协作机会，招募了数十名从事消费硬件业务的员工，包括前知名设计师Jony Ive、工程师Tan等一系列高级别人才。同时，OpenAI软硬件绑定的方式或能够为消费者提供硬件之外额外的吸引力。

期待新产品重新定义个人智能终端。产品可能重新定义个人智能终端的形态，让AI从屏幕中解放出来，融入我们日常环境。用户不再需要时刻注视或触碰屏幕，而是通过语言对话、听觉提醒等更自然的方式与数字世界交互。相比智能手机，这是一次范式转变：信息和服务将更加主动地出现在用户面前，而非等待用户低头去检索。

新产品也对硬件、模型、隐私保障等提出要求。例如超强的语音识别与自然语言理解，设备的场景语义理解和用户意图捕获，以及隐私安全的保障。OpenAI是否能够破解此前AI pin的产品痛点，实现OpenAI模型＋算力＋终端全栈生态的战略野心十分重要。

复用苹果产业链供应商，建议关注业绩预期差。我们估计OpenAI产品可能将在26年底推出，26年出货量级或接近千万，若顺利有望在27年出货量继续增长。建议关注产品在消费者端接受程度。相关产业链公司可能包括整机、声学、马达，天线、电芯、结构件、PCB/FPC。

AI/AR眼镜：AR产品拐点或将加速到来，全产业链蓄势待发

回顾2025，我们看到AI眼镜已跨越概念与原型机阶段，进入新品密集发布的“产品元年”。

海外市场：目前全球智能眼镜行业的龙头Meta于2025年9月正式发布首款带有显示功能的Meta Ray-Ban Display眼镜，定价799美元。这款眼镜在右侧单目配置了小型HUD（抬头显示屏）并搭载了肌电神经接口腕带，通过识别手腕上的肌电信号以及手腕运动，以实现精确的隔空操控。Meta Ray-Ban Display眼镜对显示功能的定位在于“信息提醒”，例如骑行导航、即时消息、视频通话、视觉识别、实时字幕与翻译、拍摄预览与变焦提示等应用场景。谷歌2025年I/O大会上展示了其正在进行中的智能眼镜项目Project Aura，这是Google在其Android XR 平台上发布的第一款官方智能眼镜产品。

国内市场：进入4Q25，在“双十一”的催化下国内AI眼镜新品发售密集度达到新高峰，阿里、百度、雷鸟创新、影目、Rokid等接连发布AI眼镜新品。根据VRAR星球及电商平台统计，2025年双十一期间参与促销的智能眼镜品牌和产品数量创下历史新高。

2026年起，Meta、字节、小米、亚马逊、苹果等更多新产品线仍待推向市场，AI眼镜行业有望迎来“量产大年”。同时，部分企业已率先研发智能眼镜的终极形态，即带显示的 AR 眼镜。光波导作为 AR 眼镜中技术难度和价值量占比排前列的核心组件，是下一阶段 AR 眼镜规模量产与体验提升的关键。随着 Meta 等头部企业协同核心供应链加速入局，光波导技术有望逐步突破瓶颈，使得 AR 眼镜在显示效果、模组重量以及模组成本上得到优化，带动 AI+AR 眼镜拐点加速到来。

建议关注 Meta 供应链以及AR核心增量环节。当前持续看好AI眼镜板块机会，建议关注两大主线：其一，Meta新品发布或将带动25-26年销量预期上修，对其核心供应链带来潜在催化；其二，AR 眼镜产品拐点将至，关注1）具有量价齐升逻辑的光学显示等环节，上游玻璃晶圆、碳化硅衬底环节；2）显示：3）镜片及贴合。

风险提示

中美贸易摩擦升级风险。基于2020年5月15日美国BIS宣布加大对华为限制事件，以及2024年12月2日美国再次宣布增加多家中国公司进入实体清单，国内半导体产业链或面临新品研发进程受阻、供应链供应受限以及新品需求下滑的风险。同时，国内消费电子产业链也面临因中美贸易摩擦升级所导致的需求下滑、业绩不及预期的风险。

电子产品渗透率不及预期的风险。电子行业创新性强、技术迭代快，新产品的渗透速度直接影响供应链厂商的业绩增速，而创新是否能激发消费需求往往需要市场的检验，因此具有不确定性的风险。

AI技术发展不及预期。Al 的进步可赋能行业各个环节，推动行业降本增效，但其发展受到各因素影响，存在发展不及预期的可能。

本研报涉及的未上市或未覆盖个股内容，均系对其客观信息的整理，并不代表团队对该公司、该股票的推荐或覆盖。

研报：《持续看好AI链，关注存储周期影响》2025年12月5日

谢春生 分析师 S0570519080006 | BQZ938

郭龙飞 分析师 S0570525080001

丁宁 分析师 S0570522120003

张皓怡 分析师 S0570522020001

吕兰兰 分析师 S0570523120003

黄礼悦 分析师 S0570523070007 | BRH099

王心怡 分析师 S0570523110001 | BTB527

林文富 分析师 S0570525100003

魏靖松 联系人 S0570124070135