> **来源：[研报客](https://pc.yanbaoke.cn)** # 看好2026年AI产业端云并进大趋势 分析师：唐佳 SAC: S0160525110002 分析师：朱陈星 SAC: S0160525020002 分析师：吴姣晨 SAC: S0160522090001 分析师：詹小瑁 SAC: S0160525120008 分析师：王雨然 SAC: S0160524120003 联系人：周勃宇 01. AI驱动先进逻辑和存储需求增长 02. 国内模型迭代持续，国产算力趋势明确 03. AI服务器架构迭代，驱动AIPC升级 04. 国产算力核心配套，看好先进封装 05. 风险提示 # 先进逻辑：AI芯片需求旺盛，为国产先进制程带来机遇 # 晶圆代工需求持续增长 Semiconductor Foundry Market # Market Size in USD # 晶圆代工厂不断扩大资本开支规模 # □ 人工智能算力需求快速增长带动下，全球晶圆代工行业持续景气。 > 据智库P&S intelligence估计，全球晶圆代工市场2024年的市场规模为1556亿美元，预计2032年将增长至2683亿美元。台积电预测，其2024至2029年来自AI大芯片领域的营收年复合增长率(CAGR)有望接近 $50\%$ 。 > GPU芯片生产需消耗大量的晶圆代工产能。GPU芯片的面积相比手机SOC和CPU更大，以面积约为810平方毫米的H100为例，单晶圆上的最大芯片数量仅约为65个，而且受制于晶圆生产工艺的单位面积良率制约，实际良品GPU芯片的数量更少。为满足不断增长的需求，台积电已将用于产能扩张的预计资本支出金额，上调至2026年的520-560亿美元。 在模型训练过程中，HBM、DRAM与NAND分别承担计算态、调度态与存储态的不同角色。 □ HBM 作为 GPU 的高带宽工作内存，直接参与模型前向与反向计算，是算力发挥的必要条件； □ DRAM位于CPU侧，主要用于数据加载、预处理与缓存，起到解耦I/O与计算、提升GPU利用率的作用； □ 而NAND则承担训练数据集与模型Checkpoint的长期存储任务，其核心价值在于提供大容量、低成本的存储基础。 口 三者构成分层协同关系，缺一不可，且在功能上难以相互替代。 □ 在模型推理过程中，HBM、DRAM与NAND构成分层协同的存储体系。 □ HBM 作为 GPU 的高带宽工作内存，主要承载对延迟极度敏感的热计算态数据； □ DRAM 用于缓冲与调度非最热状态，显著提升系统并发能力； □ 长上下文与高并发推理导致KV Cache规模快速膨胀，推理系统通过分层存储架构将容量压力从HBM/DRAM下沉至NVMe SSD层。 # DRAM合约价涨幅预测 - 消费级：智能手机端 DDR4率先开涨，DDR5x价格后续涨幅有望跟进。 数据中心：涨幅大，持续性更强。 4Q25-1Q26存储器价格预测 <table><tr><td></td><td>4Q25</td><td>1Q26E revised</td></tr><tr><td>PC DRAM</td><td>DDR4&DDR5 blended: up 38~43%</td><td>DDR4&DDR5 blended: up 105~110%</td></tr><tr><td>Server DRAM</td><td>DDR4&DDR5 blended: up 53~58%</td><td>DDR4&DDR5 blended: up 88~93%</td></tr><tr><td>Mobile DRAM</td><td>LPDDR4X: up 48~53% LPDDR5X: up 43~48%</td><td>LPDDR4X: up 88~93% LPDDR5X: up 88~93%</td></tr><tr><td>Total DRAM</td><td>Conventional DRAM: up 45~50% HBM Blended: up 50~55%</td><td>Conventional DRAM: up 90~95% HBM Blended: up 80~85%</td></tr><tr><td>Enterprise SSD</td><td>up 25~30%</td><td>up 53~58%</td></tr><tr><td>Total NAND Flash</td><td>up 33~38%</td><td>up 55~60%</td></tr></table> 资料来源：Trendforce，财通证券研究所 # 国产半导体设备有望受益于先进逻辑、存储扩产 芯片生产流程 全球半导体设备规模持续增长 > SEMI估计，2025年全球半导体制造设备原始设备制造商（OEM）销售额预计将达到1330亿美元，同比增长 $13.7\%$ ，创下历史新高。其中，Foundry与逻辑芯片相关设备，2025年销售额约同比增长 $9.8\%$ ，达666亿美元；NAND闪存产线相关设备，2025年销售额有望大幅增长 $45.4\%$ ，达140亿美元。DRAM设备2025年销售额预计增长 $15.4\%$ ，至225亿美元。 > 展望未来，全球半导体设备销售额有望在2026年和2027年继续攀升，分别达到1450亿美元和1560亿美元。中国大陆有望继续保持第一大半导体设备市场的地位，为国产半导体设备、零部件、材料企业带来旺盛的需求。着眼于防范海外供应链风险，国内主要晶圆厂的半导体设备国产化率有望实现稳步提升。 01. AI驱动先进逻辑和存储需求增长 02. 国内模型迭代持续，国产算力趋势明确 03. AI服务器架构迭代，驱PCB升级 04. 国产算力核心配套，看好先进封装 05. 风险提示 # 国产模型商业化落地加速，推理侧算力需求提升 □大量模型侧更新将加速驱动模型整体商用进度。2026年，国产大模型迭代加速，春节前后国产模型进入发布窗口期，DeepSeek开源OCR2，Kimi发布并开源K2.5，阿里Qwen3-Max-Thinking，百度文心5.0等重量级模型接连发布。此外字节在2月推出三款全新的AI模型，分别为豆包2.0（新一代旗舰大语言模型）、Seedream 5.0（图像生成模型）以及SeedDance 2.0（视频生成模型），另外阿里同样在春节假期间发布新一代旗舰AI模型Qwen 3.5。 □ 国产模型快速迭代抢占用户AI交互入口，交互方式也正在被塑造，对应推理侧算力需求有望迎来加速提升。 中文大模型加速迭代推出 豆包模型tokens消耗量快速提升 资料来源：火山引擎公众号，36Kr，财通证券研究所 # 云商CAPEX持续上调，国产算力走向超节点和系统化 □根据金融时报2025年12月23日报道，字节已初步规划2026年资本开支1600亿元，高于2025年约1500亿元。此外阿里在2025年云栖大会表示，正在积极推进3年3800亿元的AI基础设施建设计划。云厂商capex持续投入奠定国产算力需求基础。同时，2026年也是推理侧国产超节点上量元年，目前已有大量国产厂商发布新一代超节点方案。华为Atlas950/960，搭载8192/15488张算力卡，曙光scale x 640、沐曦、昆仑芯、阿里磐久等均有超节点布局。供需两侧双向奔赴，产业链即将迎来放量时点。 华为CloudMatrix384超节点 资料来源：华为，semianalysis，财通证券研究所 华为Cloud Matrix 384与英伟达NML72性能对比 <table><tr><td colspan="5">单芯片层面</td></tr><tr><td>性能指标</td><td>单位</td><td>GB200</td><td>Ascend 910C</td><td>华为vs英伟达</td></tr><tr><td>BF 16 dense TFLOPS</td><td>TFLOPS</td><td>2,500</td><td>780</td><td>0.3x</td></tr><tr><td>HBM capacity</td><td>GB</td><td>192</td><td>128</td><td>0.7x</td></tr><tr><td>HBM bandwidth</td><td>TB/s</td><td>8.0</td><td>3.2</td><td>0.4x</td></tr><tr><td>Scale Up Bandwidth</td><td>Gb/s uni-di</td><td>7,200</td><td>2,800</td><td>0.4x</td></tr><tr><td>Scale Out Bandwidth</td><td>Gb/s uni-di</td><td>400</td><td>400</td><td>1.0x</td></tr><tr><td colspan="5">系统层面</td></tr><tr><td>性能指标</td><td>单位</td><td>GB200 NVL72</td><td>CloudMatrix CM384</td><td>华为vs英伟达</td></tr><tr><td>BF 16 dense PFLOPS</td><td>PFLOPS</td><td>180</td><td>300</td><td>1.7x</td></tr><tr><td>HBM capacity</td><td>TB</td><td>13.8</td><td>49.2</td><td>3.6x</td></tr><tr><td>HBM bandwidth</td><td>TB/s</td><td>576</td><td>1,229</td><td>2.1x</td></tr><tr><td>Scale Up Bandwidth</td><td>GB/s uni-di</td><td>518,400</td><td>1,075,200</td><td>2.1x</td></tr><tr><td>Scale Up Domain Size</td><td>GPUs</td><td>72</td><td>384</td><td>5.3x</td></tr><tr><td>Scale Out Bandwidth</td><td>GB/s uni-di</td><td>28,800</td><td>153,600</td><td>5.3x</td></tr><tr><td>All-In System Power</td><td>W</td><td>145,000</td><td>599,821</td><td>4.1x</td></tr><tr><td>All-in Power per BF16 dense FLOP</td><td>W/TFLOP</td><td>0.81</td><td>2.00</td><td>2.5x</td></tr><tr><td>All-in Power per memory bandwidth</td><td>W per TB/s</td><td>251.7</td><td>488.1</td><td>1.9x</td></tr><tr><td>All-in Power per capacity</td><td>kW/TB</td><td>10.5</td><td>12.2</td><td>1.2x</td></tr></table> # 大厂自研ASIC趋势明确 □伴随推理侧需求快速提升，大厂自研ASIC性价比凸显，推理阶段的算力需求主要用于对输入数据进行高效预测和分类，对计算精度要求较低，但对计算速度、能效和推理成本等要求较高； □而大厂自研ASIC在有一定量的推理需求支撑下，其定制化的算子和模块设计能针对特定任务进行优化，相较于通用加速芯片能够更加适配各家厂商模型需求，显著降低TCO。 大厂自研ASIC Roadmap <table><tr><td colspan="4">Process node</td></tr><tr><td>N7</td><td>N4/N5</td><td>N3</td><td>N2/A16</td></tr><tr><td>Company</td><td>Chips type</td><td>Chips</td><td></td></tr><tr><td>AI GPU</td><td></td><td></td><td>1H24</td></tr><tr><td rowspan="6">Nvidia</td><td>AI GPU</td><td>B200</td><td></td></tr><tr><td>AI GPU</td><td>B300</td><td></td></tr><tr><td>AI GPU</td><td>RTX Pro series</td><td></td></tr><tr><td>AI GPU</td><td>Rubin</td><td></td></tr><tr><td>AI GPU</td><td>Rubin Ultra</td><td></td></tr><tr><td>AI GPU</td><td>Feynman</td><td></td></tr><tr><td rowspan="3">AMD</td><td>AI GPU</td><td>MI325X</td><td></td></tr><tr><td>AI GPU</td><td>MI350X</td><td></td></tr><tr><td>AI GPU</td><td>MI400</td><td></td></tr><tr><td>AI ASIC</td><td></td><td></td><td>1H24</td></tr><tr><td rowspan="3">Google</td><td>AI ASIC</td><td>TPU v6</td><td></td></tr><tr><td>AI ASIC</td><td>TPUv7</td><td></td></tr><tr><td>AI ASIC</td><td>TPUv8</td><td></td></tr><tr><td rowspan="3">AWS</td><td>AI ASIC</td><td>Trainium 2</td><td></td></tr><tr><td>AI ASIC</td><td>Trainium 3</td><td></td></tr><tr><td>AI ASIC</td><td>Trainium 4</td><td></td></tr><tr><td rowspan="3">Meta</td><td>AI ASIC</td><td>MTIA v1</td><td></td></tr><tr><td>AI ASIC</td><td>MTIA v2</td><td></td></tr><tr><td>AI ASIC</td><td>MTIA v3</td><td></td></tr><tr><td rowspan="2">Microsoft</td><td>AI ASIC</td><td>Maia 1</td><td></td></tr><tr><td>AI ASIC</td><td>Maia 2</td><td></td></tr><tr><td>OpenAI</td><td>AI ASIC</td><td>?</td><td></td></tr></table> 以谷歌TPU为例，TCO更低 <table><tr><td>Chip</td><td>Unit</td><td>GB200 NVL72 (Spectrum)</td><td>GB300 NVL 72 (Spectrum)</td><td>TPU v7 - 3D Torus - Internal</td><td>TPU v7 - 3D Torus - External</td></tr><tr><td>Customer Profile</td><td></td><td>Hyperscaler</td><td>Hyperscaler</td><td>Hyperscaler</td><td>Neocloud Giants</td></tr><tr><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>Total Cost per Unit per Hour</td><td>USD/hr/GPU</td><td>$2.28</td><td>$2.73</td><td>$1.28</td><td>$1.60</td></tr><tr><td>Capital Cost as % of Total Ownership Cost</td><td>%</td><td>77.40%</td><td>79.00%</td><td>72.70%</td><td>72.70%</td></tr><tr><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>Marketed TFLOPS (BF16)</td><td>TFLOPS</td><td>2,500</td><td>2,500</td><td>2,307</td><td>2,307</td></tr><tr><td>Marketed TFLOPS (8 Bit)</td><td>TFLOPS</td><td>5,000</td><td>5,000</td><td>4,614</td><td>4,614</td></tr><tr><td>Marketed TFLOPS (FP4)1</td><td>TFLOPS</td><td>10,000</td><td>15,000</td><td>4,614</td><td>4,614</td></tr><tr><td>Memory Bandwidth per Logical GPU</td><td>TB/s</td><td>8</td><td>8</td><td>7.6</td><td>7.6</td></tr><tr><td>Memory Capacity</td><td>GB</td><td>192</td><td>288</td><td>16</td><td>32</td></tr><tr><td>Marketed TFLOPS (FP8) / Memory Bandwidth</td><td>TFLOPS/TB/s</td><td>625</td><td>625</td><td>609</td><td>609</td></tr><tr><td></td><td></td><td></td><td></td><td></td><td></td></tr><tr><td>TCO per Marketed BF16 Dense PFLOP</td><td>$/hr per PFLOP</td><td>$0.91</td><td>$1.09</td><td>$0.56</td><td>$0.69</td></tr><tr><td>TCO per Marketed 8 Bit Dense PFLOP</td><td>$/hr per PFLOP</td><td>$0.46</td><td>$0.55</td><td>$0.28</td><td>$0.35</td></tr><tr><td>TCO per Marketed FP4 Dense PFLOP1</td><td>$/hr per PFLOP</td><td>$0.23</td><td>$0.18</td><td>$0.28</td><td>$0.35</td></tr><tr><td>TCO per Memory Bandwidth</td><td>$/hr per TB/s</td><td>$0.28</td><td>$0.34</td><td>$0.17</td><td>$0.21</td></tr><tr><td>TCO per Memory Capacity</td><td>$/hr per TB</td><td>$11.87</td><td>$9.47</td><td>$6.67</td><td>$8.33</td></tr></table> 资料来源：AGM, semianalysis, 财通证券研究所 01. AI驱动先进逻辑和存储需求增长 02. 国内模型迭代持续，国产算力趋势明确 03. AI服务器架构迭代，驱动AIPC升级 04. 国产算力核心配套，看好先进封装 05. 风险提示 GB200 VR NVL144 CPX Compute Tray Top View VR CPX Compute Tray Top View VR NVL144 CPX Compute Tray Side View VR NVL144 Compute Tray Side View # AI驱动PCB高端化，价值量有望提升 英伟达通过GB200系统将GPU全连接拓扑从8个扩展至72个，实现了显著的性能飞跃。后续推出的Rubin架构进一步升级，计划提供多种机柜规格，如CPX NVL144机柜将在计算托盘（Compute Tray）中增加CPX，并采用高端HDI承载，同时以Midplane PCB中板替代内部线缆；交换托盘（Switch Tray）也应用高多层、高性能材料，推动PCB价值量大幅提升。 此外，英伟达在2025年GTC上展示的Rubin Ultra极端Kyber机架架构可扩展至144个GPU组件（576个芯片），其密度达到GB200 NVL72机架的四倍。这种高度集成化设计在提升性能与空间效率的同时，也将制造的复杂程度推向新的高度。正交背板有望采用超高多层+M9材料等高规格设计，对工艺要求较高，价值量有望实现较大幅度提升。 VR CPX Compute Tray Side View # AI覆铜板材料：围绕电子布、铜箔、树脂、耗材进行升级 AI服务器技术升级对覆铜板材料要求提高。GPU用量的提升以及GPU技术升级、多卡互联等要求PCB层数从以往的8~24层提升至28~46层，同时也催生更低损耗等级的覆铜板需求。通用服务器常用的Low Loss级别已经不能满足高速传输速率的要求，需要使用到Very Low Loss，以及Ultra Low Loss材料以降低信号传输损耗。随着Rubin平台渐行渐近，M9材料需求有望增加。 # 低介电/Q布 低介电常数电子布需求大增，其技术正从LowDK一代布、二代布向性能更极致的石英电子布（Q布）快速演进。后者因其极低的介电损耗等优异特性，有望成为下一代高端材料（如M9）的核心基材。 <table><tr><td>Electrical Property</td><td>E-glass</td><td>Low Dk-Glass</td><td>Low Dk2-Glass</td><td>Q-Glass</td></tr><tr><td>Dk@10GHz</td><td>6.9</td><td>4.8</td><td>4.4</td><td>3.74</td></tr><tr><td>Df@10GHz</td><td>0.007</td><td>0.0033</td><td>0.002</td><td><0.001</td></tr><tr><td>SiO₂含量</td><td>52-56</td><td>52-56</td><td>52-56</td><td>99.99</td></tr></table> # 铜箔 HVLP4等高阶铜箔的需求激增，推动产品加工价格上涨；目前市场由日企主导，但国内厂商正加速技术研发与产能建设以抢占市场。 # 树脂 新型碳氢树脂已成为M9等顶级覆铜板材料的主流迭代方向，其使用比例和价值量大幅提升；目前该领域由海外企业主导，但国内厂商正加速扩充产能以推动国产化进程。 # 钻针 PCB技术升级（如M9等高硬度材料）使钻针磨损急剧加速、寿命大幅缩短，同时因加工要求提升而单价上涨，推动钻针环节量价齐升。目前该领域供不应求，具备技术和产能优势的龙头厂商将核心受益。 # 传统覆铜板：原材料成本涨价传导 # 铜箔 铜箔作为覆铜板最大的成本构成，其价格走势主要受大宗商品铜价主导。受全球矿端供应扰动及需求回暖影响，铜价震荡上行，2025年，宏观流动性宽松与矿端供应紧缺共振，推动铜价中枢显著上移。铜价运行重心有望进一步抬升。 # 玻纤 传统电子纱及电子布各产品均货源紧俏，下游节前提货积极性尚存，需求支撑较强。后续高端产品供不应求状态持续，价格存持续上涨预期，传统电子布供需或继续趋紧，价格仍延续跟涨预期。 # 树脂 传统液体环氧树脂的价格在成本线附近呈现区间震荡态势，2025年较前期低位温和回升。其价格走势主要受上游原料（如环氧氯丙烷）成本变动驱动，但因行业本身产能原因，整体价格维持平稳。 # 覆铜板 受消费电子需求复苏和AI算力对高端材料需求的双重驱动，叠加原材料成本持续高企，覆铜板行业正通过顺畅的价格传导机制进行多轮提价，这有望显著提振覆铜板公司营收并驱动未来业绩持续修复。 01. AI驱动先进逻辑和存储需求增长 02. 国内模型迭代持续，国产算力趋势明确 03. AI服务器架构迭代，驱动AIPC升级 04. 国产算力核心配套，看好先进封装 05. 风险提示 # AI芯片需求爆发，先进封装迎重大发展机遇 - 在算力需求的持续推动下，AI芯片市场规模与占比不断增长。根据TrendForce的预计，从AI芯片在整个先进工艺中的产能占比来看，2022年的占比仅有 $2\%$ ，2024年预计将会达到 $4\%$ ，预计到2027年占比将会达到 $7\%$ ，其对整个晶圆代工产业的产值贡献正在快速增长。据弗若斯特沙利文预测，中国AI芯片市场规模将从2024年的1425.37亿元激增至2029年的1.34万亿元，2025-2029年年均复合增长率 $53.7\%$ 。 - 在AI大模型、数据中心、智能驾驶、高端消费电子设备、创新性终端等的强势需求下，全球先进封装产业正迎来前所未有的发展机遇。目前，从凸块、重布线层等基础互连工艺出发，逐步扩展至倒装芯片、晶圆级封装以及2.5D/3D立体堆叠等先进方案，已构建起涵盖异构集成与高密度互连的全方位技术架构。根据Yole数据，全球先进封装市场规模将从2024年的约450亿美元大幅跃升至2030年的约800亿美元，展现出强劲的增长动能。在众多技术路径中，2.5/3D封装技术将以21.71%的复合年增长率（2023-2029）快速发展，成为推动整个行业技术迭代升级的核心引擎。 - CoWoS是AI芯片的核心适配方案。作为台积电主导的2.5D封装技术，CoWoS将HBM存储器与逻辑芯片物理紧邻堆叠在中介层上，距离仅数十微米，显著缩短数据传输距离，带宽可达传统封装的数倍以上，直接提升AI训推速度；同时支持不同制程、功能芯片的异构封装，兼顾性能与成本，还能优化高功率AI芯片的热管理、压缩封装尺寸，搭配低热膨胀系数匹配保障信号完整，精准契合AI芯片的高算力、高效能需求最新的CoWoS-S5技术已将中介层面积拓展至 $2400\mathrm{mm}^2$ ，支持8颗HBM3内存与2颗SoC芯片集成，内存带宽高达5.3TB/s。CoWoS作为高端AI芯片的核心先进封装技术，已是AI半导体供应链的关键瓶颈， 2020-2030AI芯片市场规模及预测（十亿美元） 先进封装市场规模（亿美元） 资料来源：弗若斯特沙利文，Yole，财通证券研究所 # 先进封装供不应求，全球大厂加速扩产 - AI芯片需求井喷，先进封装供不应求。据《科创板日报》报道，在6月6日的台积电股东常会上，公司表示AI订单需求突然增加，先进封装需求远大于现有产能，公司被迫紧急增加产能。英伟达等HPC客户订单旺盛，客户要求台积电扩充CoWoS产能，导致台积电先进封装CoWoS产能吃紧，缺口高达一至二成。面对产能缺口，台积电正积极扩产以应对新一轮需求浪潮。根据半导体产业纵横数据，目前台积电的CoWoS封装产能大概在每月3.5万片晶圆，约占总收入的7%到9%，到2026年末，月产能将进一步扩大至超过每月9万片晶圆，2022-2026年台积电CoWoS封装产能大概以50%的复合年增长率增长。 - 台积电2026年资本开支创纪录，先进封装成战略布局核心。台积电在2025Q4绩后法说会上将2026年资本支出上调至最高560亿美元，较2025年实际支出的409亿美元大幅增长 $37\%$ ，创下历史新高，同时先进封装在其资本开支中的占比达 $10\% - 20\%$ ，凸显出先进封装在台积电布局中的战略重要性。此外，台积电自身财务状况充裕，具备持续投入的能力，预计未来三年资本支出将明显高于过去三年的1010亿美元，重点支撑AI需求与全球先进制程产能扩张。 CoWoS产能及预测（WPM） CoWoS客户需求及预测（’000 wafers） 资料来源：SEMI VISION, KGI estimates, 半导体行业观察,半导体产业纵横,未来半导体,半导体国产化,财通证券研究所 # 封测进入高景气周期，头部厂商涨价浪潮已至 国科微电子、中微半导等接连发布涨价通知，涨价原因明确包含封测费用等成本的持续上涨，封测厂商亦已开启涨价浪潮。据半导体产业纵横，行业龙头日月光的封测报价涨幅将从原预期的5%-10%上调至5%-20%。据半导体产业纵横数据，中国台湾封测厂如力成/华东/南茂等也已启动首轮涨价，涨幅接近30%。行业内厂商称不排除“第二波涨价”评估，封测服务价格中枢持续抬升。本轮封测行业涨价的核心逻辑，在于供需端的结构性错配，叠加黄金、白银、铜等封装核心原材料价格上涨的双重驱动。需求端，数据中心扩容直接提振DDR4、DDR5及NAND芯片的采购需求，而三星、SK海力士等存储巨头为全力扩产HBM大幅倾斜产能，标准型DRAM、NAND芯片的产出因此被持续挤压，旧规格产品供给快速趋紧，进一步推升了国内封测需求；同时工业控制领域完成库存去化后订单稳步恢复，消费电子虽疲软但刚性需求仍在。多领域需求形成共振，共同夯实了封测行业的需求基础。而封测行业作为典型的重资产赛道，整体产能供给难以在短期内匹配需求端的快速增长，供需缺口持续扩大，成为本轮封测涨价的关键支撑。 # 国科微电子、中微半导、必易微、士兰微涨价通知函 Cmsemicn # 涨价通知函 尊敬的客户： 您好，受当前全行业芯片供应紧张、成本上升等因素的影响，封装成品交付周期变长，成本较此前大幅度增加，框架、封测费用等成本也持续上涨。 鉴于当前严峻的供需形势以及巨大的成本压力，我司经过慎重研究，决定于即日起对MCU、Nor flash等产品进行价格调整，涨价幅度 $15\% - 50\%$ 我们将一如既往的为合作伙伴提供稳定的交付支持和有竞争力的商务条件，希望我们能互相理解，互相支持，共克时艰，顺利共度本次芯片行业周期波动。若后续成本再次发生大幅变动，价格也将跟进调整。 具体型号的价格调整，请与我司销售人员进行确认。 感谢您长期以来对中微半导的支持和信赖。 # 涨价通知函 尊敬的客户，您好 受当前全行业存储芯片供应紧张，成本上升等因素的影响，合封KGD的芯片供应缺口将会扩大，成本较此前大幅度增加，基板，框架，封测费用等成本也持续上涨。 鉴于当前严峻的供需形势以及巨大的成本压力，我司经过慎重研究，决定将于2026年1月起对以下产品进行价格调整： 1，合封512Mb的KGD产品价格上调 $40\%$ 2，合封1Gb的KGD产品价格上调 $60\%$ 3，合封2Gb的KGD产品价格上调80% 4，外挂DDR的产品价格另行通知 另外，2026年Q2的涨幅，会根据Q2KGD的涨幅进行调整，具体执行策略另行通知。 我们将一如既往的为合作伙伴提供稳定的技术支持和有竞争力的商务支持，希望我们能互相理解，互相支持，携手并肩，顺利度过本次存储行业周期波动。 具体调整价格，请与我司销售人员进行确认！感谢您长期以来对国科微的支持和信赖。 No.:K1WI-20260130-1 # 产品调价通知函 尊敬的客户/合作伙伴： 首先衷心感谢贵司长期以来对我的信任与鼎力支持。正因与您携手合作，我们才能稳步发展！ 我司一直竭尽全力为客户提供优质可靠的产品和服务，然目前上游原材料持续不断涨价，产能继续紧缺，原有价格无法满足供货需求，为了保障供应链的长期稳定，争端产能，保证产品交付，经公司慎重考虑，我们不得不作出以下艰难决定： 即日起，我司产品价格将进行上浮调整，具体调整型号和幅度将由我司销售团队与贵司沟通对接。 此次价格调整给贵司带来不便，我们表歉意。未来我司将持续优化生产与运营，努力为贵司提供更优质的产品与服务。希望能与各位合作伙伴一起共克时艰，共同推动行业健康、可持续发展！ 顺祝商祺！ 深圳前海开源证券股份有限公司 法定代表人：陈晓峰 电话：0755-82196348 传真：0755-82196300 网址：Sinoamc.com.cn 联系人：周志敏、孙建宁、王博、吴德华、潘静 E-mail:zbs@swsc.com.cn 杭州士兰微电子股份有限公司 HANGZHOU SILAN MICROELECTRONICS CO.,LTD 地址（Add）：杭州市黄姑山路4号（No.4Hu 电话(Tel)：86-571-88210880(总机OPR) http://www.silan.com.cn 传真(Fax):86-571-88211612 E-mail: silan@silan.com.cn # 价格调整通知函 尊敬的客户： 您好！ 衷心感谢您长期以来对杭州士兰微电子股份有限公司的信任与支持！ 鉴于近期全球金属市场价格波动剧烈，尤其是晶片生产所需的关键贵金属价格显著上涨，导致我司晶圆制造成本持续攀升，我司在积极提升内部运营效率、优化生产工艺的同时，仍难以完全抵消成本压力。经全面核算与慎重讨论，决定对部分器件类产品价格进行适当调整。 本次价格调整涉及以下产品： 小信号二极管/三极管芯片 ·沟槽TNBS芯 MOS类芯片 调整幅度：上调10% 生效日期：2026年3月1日 我们深知，当前市场环境对所有客户均带来一定挑战，此次价格调整并非轻易决定，我司始终致力于在成本压力与客户需求之间寻求平衡，并希望通过与贵司的深入沟通，进一步优化合作模式，确保供应稳定与产品质量。 后续，我司客户经理将与您联系，就本次价格调整进行详细说明，并解答您的疑问。如您有任何问题，也欢迎随时与我们联系。 再次感谢您在我行业发展过程中理解与支持！ # 先进封装工艺不断升级，技术壁垒高筑 - 为配合AI需求和芯片制程的演进，先进封装技术也在不断延伸和迭代中。目前先进封装的主要特征包括：从封装元件概念演变为封装系统、平面封装（MCM）向立体封装（3D）发展、倒装/TSV硅通孔/混合键合成为主要键合方式等。 - 整体来看，不管是单芯片（芯片级封装）内部的工艺优化、还是多芯片（系统级封装）协同和堆叠集成上，先进封装都在快速发展中，其主要的发展趋势有两个方向：（1）小型化：从平面封装向2.5D/3D立体封装的转变，控制封装体厚度能够更好地适配便携设备微型化的需求；（2）高集成：通过三维堆叠和异构集成等技术，能够将多个芯片或不同功能的器件集成在一个封装体内，提高集成度和数据传输速度。 - 在互联方式上，先进封装的实现核心依托凸块工艺（Bumping）、重布线技术（RDL）、硅通孔技术（TSV）、混合键合（Hybrid Bonding）等核心互联技术，这类技术均属于工艺要求严苛的中道工艺，多技术的协同应用让先进封装的整体制造工艺复杂度大幅提升，也铸就了较高的行业技术壁垒，而高壁垒也使得先进封装产品具备更高的定价空间，因此普遍拥有更高的盈利能力。 半导体封装路线与技术架构 # 先进封装国产化落地，设备材料迎来新机遇 - 先进封装工艺的演进对设备提出更高要求。相较于传统封装，先进封装设备核心差异体现在两大维度：一是传统封装设备持续升级，例如，为适应先进封装更精密的结构需求，贴片机精度显著提升，划片技术从刀片切割转向激光加工，塑封工艺也向压塑演进等；二是新增前道制程设备，由于倒装、RDL重布线层及TSV硅通孔等技术的引入，薄膜沉积、光刻、刻蚀等传统前道装备开始在封装环节应用。 - 先进封装技术的发展正在重构半导体材料的应用边界，呈现出前道制造材料向后道封装工艺渗透的显著趋势。传统封装主要依赖封装基板、引线框架、键合丝、环氧塑封料等材料，而先进封装技术从2D封装的Bump和RDL制造，发展到2.5D/3D封装的TSV工艺，技术迭代催生了光刻、电镀、刻蚀、沉积、抛光等工艺环节的材料需求。这一演进使得原本应用于晶圆制造的高端材料如光刻胶、CMP抛光液抛光垫、靶材、湿电子化学品等开始大量应用于封装工艺中。 # 主要封装设备类型及应用场景示意图 传统封装 背面减薄 减薄机 晶圆切割 划片机 晶圆贴装 固晶机/加热平台 引线键合 焊线机 塑封 封装成型机 激光打印 激光打标机 切筋成型 切筋成型机/电镀机 成品测试 测试机/检测设备 倒装封装 晶圆准备 研磨机/清洗设备/薄膜沉积 凸点下金属化 溅射机 凸点制作 电镀/印刷/蒸镀/钉头凸点设备 晶圆切割 切割机 芯片贴装 贴装/热压键合机 底部填充 点胶机、固化炉 清洗、检测与封装 清洗机/检测设备/塑封设备 晶圆级封装 晶圆准备 清洗机/沉积设备 光刻胶涂覆与光刻 旋涂机/光刻机/显影 凸点下金属化 溅射机 电镀金属引线/凸点 电镀机 光刻胶去除与金属刻蚀 涂胶显影设备、刻蚀设备 绝缘层沉积 薄膜沉积/旋涂机 重新分配层RDL制作 光刻/溅射/电镀机 植球 植球/晶圆级回流焊 2.5/3D 封装 中阶层/芯片基底制备 光刻机/薄膜沉积/电镀/CMP等 重布线RDL制作 光刻机/薄膜沉积/刻蚀机等 凸点制作 电镀机/光刻机等 芯片贴装与键合 倒装贴装机/键合机 底部填充 底部填充机 植球 植球机 清洗与去应力 清洗机/退火炉 解键合与切割 解键合/切割机 检测与封装 检测设备/封装成型 01. AI驱动先进逻辑和存储需求增长 02. 国内模型迭代持续，国产算力趋势明确 03. AI服务器架构迭代驱动AIPCB升级 04. 国产算力核心配套，看好先进封装 05. 风险提示 □ 存储涨价影响需求：存储器强势上行驱动整机成本上扬，可能提高消费电子供应链成本、影响智能手机、PC等终端出货量。 □国际贸易冲突：若关税抬升、或管制收紧，则可能导致国产供应链成本与交付时间受到双重压力。 □ AI落地不及预期：若云厂商资本开支不及预期，或算力资源供给不足，限制大模型训练规模与迭代速度，延缓技术突破与端侧应用商业化落地。 □ 竞争格局恶化：在政策支持背景下，新玩家若快速涌入，则可能使技术、产品、价格、人才等多维度竞争加剧，行业利润率承压与格局变动风险可能提升。 # 分析师承诺 作者具有中国证券业协会授予的证券投资咨询执业资格，并注册为证券分析师，具备专业胜任能力，保证报告所采用的数据均来自合规渠道，分析逻辑基于作者的职业理解。本报告清晰地反映了作者的研究观点，力求独立、客观和公正，结论不受任何第三方的授意或影响，作者也不会因本报告中的具体推荐意见或观点而直接或间接收到任何形式的补偿。 # 资质声明 财通证券股份有限公司具备中国证券监督管理委员会许可的证券投资咨询业务资格。 # 公司评级 以报告发布日后6个月内，证券相对于市场基准指数的涨跌幅为标准： 买入：相对同期相关证券市场代表性指数涨幅大于 $10\%$ ； 增持：相对同期相关证券市场代表性指数涨幅在 $5\% \sim 10\%$ 之间； 中性：相对同期相关证券市场代表性指数涨幅在 $-5\% \sim 5\%$ 之间； 减持：相对同期相关证券市场代表性指数涨幅小于 $-5\%$ 无评级：由于我们无法获取必要的资料，或者公司面临无法预见结果的重大不确定性事件，或者其他原因，致使我们无法给出明确的投资评级。 A股市场代表性指数以沪深300指数为基准；中证港股通性指数以恒生指数为基准；美国市场代表性指数以标普500指数为基准。 # 行业评级 以报告发布日后6个月内，行业相对于市场基准指数的涨跌幅为标准： 看好：相对表现优于同期相关证券市场代表性指数； 中性：相对表现与同期相关证券市场代表性指数持平； 看淡：相对表现弱于同期相关证券市场代表性指数。 A股市场代表性指数以沪深300指数为基准；中国香港市场代表性指数以恒生指数为基准；美国市场代表性指数以标普500指数为基准。 # 免责声明 本报告仅供财通证券股份有限公司的客户使用。本公司不会因接收人收到本报告而视其为本公司的当然客户。 本报告的信息来源于已公开的资料，本公司不保证该等信息的准确性、完整性。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他投资标的邀请或向他人作出邀请。 本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的价格、价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。 本公司通过信息隔离墙对可能存在利益冲突的业务部门或关联机构之间的信息流动进行控制。因此，客户应注意，在法律许可的情况下，本公司及其所属关联机构可能会持有报告中提到的公司所发行的证券或期权并进行证券或期权交易，也可能为这些公司提供或者争取提供投资银行、财务顾问或者金融产品等相关服务。在法律许可的情况下，本公司的员工可能担任本报告所提到的公司的董事。 本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。在任何情况下，本报告中的信息或所表述的意见均不构成对任何人的投资建议。在任何情况下，本公司不对任何人使用本报告中的任何内容所引致的任何损失负任何责任。 本报告仅作为客户作出投资决策和公司投资顾问为客户提供投资建议的参考。客户应当独立作出投资决策，而基于本报告作出任何投资决定或就本报告要求任何解释前应咨询所在证券机构投资顾问和服务人员的意见； 本报告的版权归本公司所有，未经书面许可，任何机构和个人不得以任何形式翻版、复制、发表或引用，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。 # 选择财通 财运亨通 欢迎关注财通证券研究所微信公众号 重要提示：本演示材料内容及路演交流内容仅供与会人员参考，未经许可，不得以录音、录像或文字材料等任何形式复制、发表、引用或对其他第三方传播，亦不得对路演内容进行歪曲、篡改或断章取义。