2025年电子行业2026年度投资策略：人工智能产业变革持续推进，半导体周期继续上行

1. 2025 年初以来电子行业市场回顾

2025 年初以来，全球领先企业加速迭代 AI 大模型，大模型 token 处理量快速增长，国内 外云厂商受益于 AI 对核心业务的推动，持续加大资本开支，AI 算力硬件基础设施需求仍然旺 盛，推动 AI 算力芯片、AI PCB、铜连接等板块大幅上涨；半导体行业 2025 年延续上行趋势， AI 驱动存储器价格大幅上涨，美国半导体出口管制不断升级，半导体国产替代继续推进，带动 存储器、半导体设备、晶圆制造等板块上涨。展望 2026 年，AI 算力需求持续景气，云侧 AI 算力硬件基础设施仍处于高速成长中，AI 眼镜、智能驾驶、具身智能等端侧 AI 创新百花齐放； AI 推动半导体周期继续上行，存储器或迎来超级周期，半导体自主可控有望加速推进。 电子行业 2025 年初至今市场表现大幅强于沪深 300。2025 年初至今电子行业（中信）上 涨 38.35%，同期沪深 300 上涨 16.85%；其中半导体（中信）、元器件（中信）、其他电子零组 件（中信）年初至今分别上涨 39.38%、89.51%、66.55%，市场表现强于电子行业指数。

2. 人工智能产业变革持续推进，终端创新百花齐放

2.1. 国内外云厂商持续加大资本支出，推动 AI 算力硬件基础设施需求高速成长

2.1.1. 大模型 token 处理量快速增长，国内外云厂商持续加大资本支出

全球领先企业加速迭代 AI 大模型。ChatGPT 是由美国公司 OpenAI 开发、在 2022 年 11 月发布上线的人工智能对话机器人，ChatGPT 标志着自然语言处理和对话 AI 领域的一大步。 ChatGPT 上线两个月后月活跃用户数突破 1 亿，是历史上用户增长速度最快的消费级应用程序。 ChatGPT 热潮引发全球科技企业加速布局，谷歌、Meta、百度、阿里巴巴、华为、DeepSeek 等科技企业随后相继推出 AI 大模型产品，并持续迭代升级。2024 年以来全球领先企业加速迭 代大模型，更新频率明显加速，2025 年延续密集更新的节奏，大模型能力也在加速迭代升级。

国内前沿 AI 大模型与海外差距逐步缩小。以 OpenAI 为代表的海外厂商在持续引领 AI 大 模型技术，2022 年 ChatGPT 发布后中国领先的大模型与海外领导者的差距超过一年，尽管中 国与海外前沿语言模型的差距持续存在，但如今差距已经缩小到约三个月，阿里巴巴与 DeepSeek 是中国前沿模型的主要推动者。

阿里巴巴 AI 大模型布局较早，已达国际领先水平。2019 年阿里巴巴达摩院与阿里云团队 启动大模型专项研究，2023 年正式发布通义千问大模型。2025 年 9 月 24 日，阿里巴巴在云 栖大会上正式发布通义千问系列旗舰模型 ——Qwen3-Max，Qwen3-Max 是阿里巴巴迄今为 止规模最大、能力最强的通用大语言模型，该模型以超万亿参数规模、36 万亿 tokens 预训练 数据及全球顶尖综合性能，标志着中国大模型技术跻身全球第一梯队。Qwen3-Max-Instruct 的 预览版在 LMArena 文本排行榜上稳居全球前三，超越了 GPT-5-Chat。正式版本在代码能力和 智能体能力方面进一步提升，在涵盖知识、推理、编程、指令遵循、人类偏好对齐、智能体任 务和多语言理解的全面基准测试中均达到业界领先水平。Qwen3-Max 的推理增强版本—— Qwen3-Max-Thinking，通过集成代码解释器并运用并行测试时计算技术，展现了前所未有的推 理能力，尤其在极具挑战性的数学推理基准测试 AIME 25 和 HMMT 上，均取得了满分，表明 其在复杂逻辑推理方面具有突出能力。

DeepSeek 通过技术创新实现大模型训练及推理极高性价比。2024 年 12 月 26 日， DeepSeek 正式发布全新系列模型 DeepSeek-V3，DeepSeek-V3 为自研 MoE 模型，总参数 量为 671B，每个 token 激活 37B 参数，在 14.8T token 上进行了预训练。2025 年 1 月 20 日 DeepSeek-R1 正式发布，DeepSeek-R1 是基于强化学习（RL）的推理模型。DeepSeek 模型 的技术创新主要体现在采用混合专家（MoE）架构，动态选择最合适的子模型来处理输入数据， 以降低计算量；引入多头潜在注意力机制（MLA）降低内存占用和计算成本，同时保持高性能； 采用 FP8 混合精度训练降低算力资源消耗，同时保持模型性能；采用多 Token 预测（MTP） 方法提升模型训练和推理的效率。DeepSeek-R1 发布时的 API 定价为每百万输入 tokens 1 元 （缓存命中）/ 4 元（缓存未命中），每百万输出 tokens 16 元；OpenAl o1 定价为每百万输入 tokens 55 元（缓存命中）/110 元（缓存未命中），每百万输出 tokens 438 元；DeepSeek-R1 API 调用成本不到 OpenAl o1 的 5%。DeepSeek-V3 性能对标 GPT-4o，DeepSeek-R1 性能对 标 OpenAI o1，并且 DeepSeek 模型成本优势巨大，并采用开源模式，有望推动 AI 应用大规 模落地。

大模型 token 处理量快速增长。由于大模型多模态技术与 AI 智能体技术的发展，需要处 理的数据类型及数据量大幅提升，同时使用模型的用户数量急剧增加，推动大模型 token 处理量快速增长。根据谷歌 2025 年 I/O 大会上公布的数据，2024 年 4 月谷歌月均处理的 Tokens 数量为 9.7 万亿，2025 年 4 月达 480 万亿，一年增长约 50 倍，2025 年 10 月谷歌月均处理的 Tokens 数量已达 1300 万亿。根据火山引擎披露的数据，豆包大模型日均 tokens 使用量从 2024 年 5 月 1200 亿 tokens 增长 253 倍至 2025 年 9 月的超 30 万亿 tokens。

北美四大云厂商受益于 AI 对核心业务的推动，持续加大资本开支。受益于 AI 对于公司核 心业务的推动，北美四大云厂商谷歌、微软、Meta、亚马逊 2023 年开始持续加大资本开支， 2025 年三季度四大云厂商的资本开支合计为 964 亿美元，同比增长 67%，环比增长 9%，推 动 AI 算力硬件基础设施需求旺盛。 北美四大云厂商上调 2025-2026 年资本支出预算。目前北美四大云厂商的资本开支增长主 要用于 AI 基础设施的投资，并从 AI 投资中获得了积极回报，谷歌将 2025 年资本支出上调至 910-930 亿美元（前值 850 亿美元），同比增长 73%-77%，预计 2026 年资本支出将大幅增加； Meta 将 2025 年资本支出预算上调至 700-720 亿美元（前值 680-720 亿美元），同比增长 73%-84%，预计 2026 年资本支出增长规模显著高于 2025 年；微软预计 2026 财年资本支出 增速高于 2025 财年（2025 财年资本支出同比增长 58%），持续加大 AI 基础设施的投资力度。 黄仁勋预计超大规模云厂商 2025-2030 年资本支出复合增速高达 46%。英伟达创始人兼 首席执行官黄仁勋表示：超大规模云服务商的资本支出在 2025 年将达到 6000 亿美元，预计 2030 年 AI 基础设施市场规模将达到 3 万亿至 4 万亿美元；因此未来几年，乃至整个十年期， 我们都将面临极其迅猛且极具分量的增长机遇。

国内三大互联网厂商不断提升资本开支，25Q2 阿里巴巴资本开支超预期。国内三大互联 网厂商阿里巴巴、百度、腾讯 2023 年也开始不断加大资本开支，2025 年二季度三大互联网厂 商的资本开支合计为 616 亿元，同比增长 168%，环比增长 12%；25Q2 阿里巴巴资本开支为 386.76 亿元，同比增长 220%，环比增长 57%；预计 2025 年国内三大互联网厂商将继续加大 用于 AI 基础设施建设的资本开支。

人工智能进入算力新时代，全球算力规模高速增长。随着人工智能的快速发展以及 AI 大 模型带来的算力需求爆发，算力已经成为推动数字经济飞速发展的新引擎，人工智能进入算力 新时代，全球算力规模呈现高速增长态势。根据 IDC、Gartner、TOP500、中国信通院的预测， 预计全球算力规模将从 2023 年的 1397 EFLOPS 增长至 2030 年的 16 ZFLOPS，预计 2023-2030 年全球算力规模复合增速达 50%。根据 IDC 的数据，2024 年中国智能算力规模为 725.3 EFLOPS，预计 2028 年将达到 2781.9 EFLOPS，预计 2023-2028 年中国智能算力规模 的复合增速为 46.2%。

AI 服务器是支撑生成式 AI 应用的核心基础设施。人工智能产业链一般为三层结构，包括 基础层、技术层和应用层，其中基础层是人工智能产业的基础，为人工智能提供数据及算力支 撑。服务器一般可分为通用服务器、云计算服务器、边缘服务器、AI 服务器等类型，AI 服务器 专为人工智能训练和推理应用而设计。大模型兴起和生成式 AI 应用显著提升了对高性能计算资 源的需求，AI 服务器是支撑这些复杂人工智能应用的核心基础设施，AI 服务器的其核心器件包 括 CPU、GPU、FPGA、NPU、存储器等芯片，以及 PCB、高速连接器等。

大模型有望推动 AI 服务器出货量高速成长。大模型带来算力的巨量需求，有望进一步推 动 AI 服务器市场的增长。根据 IDC 的数据，2024 年全球 AI 服务器市场规模预计为 1251 亿美 元，2025 年将增至 1587 亿美元，2028 年有望达到 2227 亿美元，预计 2024-2028 年复合增 速达 15.5%，其中生成式 AI 服务器占比将从 2025 年的 29.6%提升至 2028 年的 37.7%。IDC 预计2024年中国AI服务器市场规模为190亿美元，2025年将达259亿美元，同比增长36.2%， 2028 年将达到 552 亿美元，预计 2024-2028 年复合增速达 30.6%。

2.1.2. AI 算力芯片是“AI 时代的引擎”，有望畅享 AI 算力需求爆发浪潮

AI 算力芯片是算力的基石。CPU+GPU 是目前 AI 服务器主流的异构计算系统方案，根据 IDC 2018 年服务器成本构成的数据，推理型和机器学习型服务器中 CPU+GPU 成本占比达到 50-82.6%，其中机器学习型服务器 GPU 成本占比达到 72.8%。AI 算力芯片具备强大的并行计 算能力，能够快速处理大规模数据和复杂的神经网络模型，并实现人工智能训练与推理任务； AI 算力芯片占 AI 服务器成本主要部分，为 AI 服务器提供算力的底层支撑，是算力的基石。AI 算力芯片作为“AI 时代的引擎”，有望畅享 AI 算力需求爆发浪潮，并推动 AI 技术的快速发展 和广泛应用。

根据芯片的设计方法及应用， AI 算力芯片可分为通用型 AI 芯片和专用型 AI 芯片。通用 型 AI 芯片为实现通用任务设计的芯片，主要包括 CPU、GPU、FPGA 等；专用型 AI 芯片是专 门针对人工智能领域设计的芯片，主要包括 TPU（Tensor Processing Unit）、NPU（Neural Network Processing Unit）、ASIC 等。在通用型 AI 芯片中，由于在计算架构和性能特点上的不 同，CPU 适合处理逻辑复杂、顺序性强的串行任务；GPU 是为图形渲染和并行计算设计的处 理器，具有大量的计算核心，适合处理大规模并行任务；FPGA 通过集成大量的可重构逻辑单 元阵列，可支持硬件架构的重构，从而灵活支持不同的人工智能模型。专用型 AI 芯片是针对面向特定的、具体的、相对单一的人工智能应用专门设计的芯片，其架构和指令集针对人工智能 领域中的各类算法和应用作了专门优化，具体实现方法为在架构层面对特定智能算法作硬化支 持，可高效支持视觉、语音、自然语言处理和传统机器学习等智能处理任务。

当前 AI 算力芯片以 GPU 为主流，英伟达主导全球 AI 算力芯片市场。根据的 IDC 数据， 2024 上半年，中国 AI 加速芯片的市场规模达超过 90 万张；从技术角度来看，GPU 卡占据 80% 的市场份额。根据 Precedence Research 数据，2022 年英伟达占据全球 AI 芯片市场份额超过 80%，其中英伟达占全球 AI 服务器加速芯片市场份额超过 95%。

GPU（Graphics Processing Unit）即图形处理单元，是计算机的图形处理及并行计算的 核心。GPU 最初主要应用于加速图形渲染，如 3D 渲染、图像处理和视频解码等，是计算机显 卡的核心；随着技术的发展，GPU 也被广泛应用于通用计算领域，如人工智能、深度学习、科 学计算、大数据处理等领域，用于通用计算的 GPU 被称为 GPGPU（General-Purpose computing on Graphics Processing Units），即通用 GPU。 GPU 与 CPU 在内部架构上有显著差异，决定了它们各自的优势领域。GPU 通过大量简 单核心和高带宽内存架构，优化并行计算能力，适合处理大规模数据和高吞吐量任务；CPU 通 过少量高性能核心和复杂控制单元优化单线程性能，适合复杂任务和低延迟需求。

GPU 是 AI 服务器算力的基石，有望畅享 AI 算力需求爆发浪潮。GPU 是 AI 服务器算力的 基石，随着 AI 算力规模的快速增长将催生更大的 GPU 芯片需求。根据 Statista 的数据，2023 年全球 GPU 市场规模为 436 亿美元，预计 2029 年市场规模将达到 2742 亿美元，预计 2024-2029 年复合增速达 33.2%。

英伟达主导全球 GPU 市场。根据 TechInsights 的数据，2023 年全球数据中心 GPU 总出 货量达到了 385 万颗，相比 2022 年的 267 万颗同比增长 44.2%，其中英伟达数据中心 2023 年 GPU 出货量呈现爆发式增长，总计约 376 万台，英伟达在数据中心 GPU 出货量中占据 98% 的市场份额，英伟达还占据全球数据中心 GPU 市场 98%的收入份额，达到 362 亿美元，是 2022 年 109 亿美元的三倍多。根据 Jon Peddie Research 的数据， 2024 年第四季度全球 PC GPU 出货量达到 7800 万颗，同比增长 0.8%，环比增长 6.2%，其中英特尔、AMD、英伟达的市场 份额分别为 65%、18%、16%。

GPU 生态体系主要由三部分构成，包括底层硬件，中间层 API 接口、算法库、开发工具 等，上层应用。以英伟达数据中心平台 GPU 生态体系为例，底层硬件的核心是英伟达的 GPU 产品、用于 GPU 之间高速连接的 NVSwitch 、节点之间互联的各种高速网卡、交换机等，以 及基于 GPU 构建的服务器；中间层是软件层面的建设，包括计算相关的 CUDA-X、网络存储 及安全相关的 DOCA 和 MAGNUM IO 加速库，以及编译器、调试和优化工具等开发者工具包 和基于各种行业的应用框架；上层是开发者基于英伟达提供的软硬件平台能力，所构建的行业 应用。

GPU 生态体系建立极高的行业壁垒。GPU 一方面有对硬件性能的要求，还需要软件体系 进行配套，而 GPU 软件生态系统复杂，建设周期长、难度大。英伟达 CUDA 生态从 2006 年 开始建设，经过多年的积累，建立强大的先发优势，英伟达通过与客户进行平台适配、软件开 源合作，不断加强客户粘性，GPU 行业新进入者转移客户的难度极大，GPU 生态体系建立极 高的行业壁垒。

AI ASIC 是一种专为人工智能应用设计的定制集成电路，具有高性能、低功耗、定制化、 低成本等特点。与通用处理器相比，AI ASIC 针对特定的 AI 任务和算法进行了优化，如深度学 习中的矩阵乘法、卷积等运算，能在短时间内完成大量计算任务，提供高吞吐量和低延迟，满 足 AI 应用对实时性的要求；AI ASIC 通过优化电路设计和采用先进的工艺技术，在处理 AI 工 作负载时具有较高的能效比，适合大规模数据中心等对能耗敏感的场景；虽然前期研发和设计 成本较高，在大规模部署时，ASIC 的单位计算成本通常低于通用处理器。

AI ASIC 与 GPU 在 AI 计算任务中各有优势和劣势。在算力上，先进 GPU 比 ASIC 有明 显的优势；ASIC 针对特定任务优化，通常能提供更高的计算效率，ASIC 在矩阵乘法、卷积运 算等特定 AI 任务上性能可能优于 GPU；GPU 通用性强，能够运行各种不同类型的算法和模型， ASIC 功能固定，难以修改和扩展，灵活性较差；ASIC 针对特定任务优化，功耗显著低于 GPU； GPU 研发和制造成本较高，硬件成本是大规模部署的重要制约因素，ASIC 在大规模量产时单 位成本相对较低。

云厂商等大厂自研芯片趋势明显，推动数据中心定制 ASIC 芯片市场高速增长。由于全球 头部云厂商、互联网厂商等对 AI 算力芯片需求量巨大，英伟达垄断全球数据中心 GPU 市场， 因成本、差异化竞争、创新性、供应链多元化等原因，越来越多地大厂开始设计自有品牌的芯 片，大厂自研芯片趋势明显；云厂商等大力投入自研 AI ASIC，推动数据中心定制 ASIC 芯片 市场高速增长，预计增速快于通用 AI 算力芯片。根据 Marvell 的数据，2023 年数据中心定制 ASIC 芯片市场规模约为 66 亿美元，预计 2028 年数据中心定制 ASIC 芯片市场规模将达到 554 亿美元，2023-2028 年复合增速将达到 53%。

云厂商自研 AI ASIC 芯片时，通常会与芯片设计厂商合作，然后再由台积电等晶圆代工厂 进行芯片制造，目前全球定制 AI ASIC 市场竞争格局以博通、Marvell 等厂商为主。博通为全 球定制 AI ASIC 市场领导厂商，已经为大客户实现 AI ASIC 大规模量产。博通在多年的发展中 已经积累了大量的成体系的高性能计算/互连 IP 核及相关技术，除了传统的CPU/DSP IP 核外，博通还具有交换、互连接口、存储接口等关键 IP 核；这些成体系的 IP 核可以帮助博通降低 ASIC 产品成本和研发周期，以及降低不同 IP 核联合使用的设计风险，并建立博通强大的竞争优势。 博通 2024 财年 AI 收入达到 120 亿美元，公司 CEO 表示，到 2027 年，公司在 AI 芯片和网络 组件的市场规模将达到 600 亿到 900 亿美元。

DeepSeek 有望推动推理需求加速释放，国产 AI 算力芯片或持续提升市场份额。随着大 模型的成熟及AI应用的不断拓展，推理场景需求日益增加，推理服务器的占比将显著提高；IDC 预计 2028 年中国 AI 服务器用于推理工作负载占比将达到 73%。根据的 IDC 数据，2024 上半 年，中国加速芯片的市场规模达超过 90 万张，国产 AI 芯片出货量已接近 20 万张，约占整个 市场份额的 20%；用于推理的 AI 芯片占据 61%的市场份额。DeepSeek-R1 通过技术创新实现 模型推理极高性价比，蒸馏技术使小模型也具有强大的推理能力及低成本，将助力 AI 应用大规 模落地，有望推动推理需求加速释放。由于推理服务器占比远高于训练服务器，在 AI 算力芯片 进口受限的背景下，用于推理的 AI 算力芯片国产替代空间更为广阔，国产 AI 算力芯片厂商已 完成适配 DeepSeek，DeepSeek 通过技术创新提升 AI 算力芯片的效率，进而加快国产 AI 算 力芯片自主可控的进程，国产 AI 算力芯片有望持续提升市场份额。

2.1.3. AI 驱动 PCB 行业技术变革，AI PCB 厂商有望持续高速成长

PCB（Printed Circuit Board，印制电路板）是电子设备的“神经中枢”，通过预设的铜 箔线路和焊盘，实现电子元器件（如芯片、电阻、电容等）的机械固定与电气连接，替代传统的手工焊接导线，是现代电子设备不可或缺的核心载体。随着电子元器件的片式化和集成化应 用日益广泛，电子产品对 PCB 板的高密度、高精度、高性能、高效率的要求更加突出，多层 板、HDI 板、封装基板、FPC 等高端 PCB 产品的市场地位提升。根据 Prismark 的数据，2024 年全球多层板的市场规模最大，占比达 38.05%；其次是封装基板和 HDI，占比分别为 17.13% 和 17.02%；FPC 占比达 17.00%。

PCB 行业稳健增长，或将迎来新一轮成长周期。根据 Prismark 的数据，预计 2024 年全 球 PCB 市场规模将接近 740 亿美元，同比增长约 5.8%，预计 2025 年将接近 790 亿美元，同 比增长约 6.8%，预计 2029 年全球 PCB 市场规模将接近 950 亿美元，2024-2029 年复合增速 约为 5.2%。人工智能、高速网络和汽车系统等领域的强劲需求或将推动高端 HDI、高速高层板 和封装基板细分市场的增长，并为 PCB 行业带来新一轮成长周期，未来全球 PCB 行业仍将呈 现增长趋势。

AI 驱动 PCB 行业技术变革，AI PCB 持续向高频、高速及高密度方向发展。高性能 AI 服 务器及 AI 算力卡集成了多颗高性能芯片，需要高速信号传输以进行数据交换，并且布线密度越 来越高，PCB 制造商需采用特殊材料与设计以确保信号传输的完整性。高多层 PCB 凭借其能 够实现更短的信号路径及更优的阻抗和电源/接地设计，对于支撑 AI 硬件至关重要；HDI PCB 指采用细线路、微小孔、薄介电层的高密度 PCB 产品，高阶 HDI PCB 可以助力 AI 算力卡实现更高的布线密度与更复杂的电路设计；为满足 AI 领域日益增长的高速数据传输需求，越来越 多的 PCB 厂商已使用 M7、M8 等高速材料，以有效降低信号损耗，确保高速数据传输的稳定 性和可靠性，未来将向采用 M9 等更低损耗等级的材料持续推进；随着 AI 技术的广泛应用和计 算需求的不断攀升，高多层及高阶 HDI PCB 的市场需求将持续上升，推动全球高多层及高阶 HDI PCB 市场规模的持续扩张。 AI 服务器持续迭代升级，有望推动 PCB 量价齐升。在传统服务器中，PCB 主要应用于服 务器中主板、CPU 板、内存、电源背板、硬盘背板、网卡、Riser 卡等核心部分；AI 服务器中 PCB 增加 GPU 板卡、交换板卡等，AI 服务器将为 PCB 带来新的增量。人工智能训练和推理 需求持续扩大，AI 服务器随着 GPU 持续迭代升级，对于 PCB 传输速率、层数、密度、制造工 艺等要求不断提升，将推动对大尺寸、高多层 PCB 及高阶 HDI 的旺盛需求, 其高负载工作环 境也对 PCB 的规格、品质提出了更高的要求，AI 服务器有望推动 PCB 量价提升。

全球人工智能及高性能计算领域 PCB 市场快速增长。北美云厂商的大规模资本投入，正 加速推动新一代 AI 服务器、数据中心等基础设施的建设与升级换代，进而大幅提升对用于高 速运算、高密度互联的高端 PCB 产品的需求，为未来五年全球人工智能及高性能计算领域的 PCB 市场带来强劲增长动力。根据沙利文研究的数据，2024 年全球人工智能及高性能计算领 域的 PCB 市场规模为 60 亿美元，预计 2029 年将达到 150 亿美元，2024-2029 年复合年增长 率达 20.1%。

AI PCB 厂商有望持续高速成长。受益于人工智能领域的旺盛需求，2025 年三季度高端 HDI、高速高层板和封装基板等细分市场实现高速增长。AI PCB 厂商 25Q3 业绩继续高速成长， 其中沪电股份、胜宏科技、生益电子、深南电路 25Q3 的营收同比增速分别为 39.92%、78.95%、 153.71%、33.25%，归母净利润同比增速分别为 46.25%、260.52%、545.95%、92.87%。AI PCB 是 AI 算力产业链中 AI 服务器、交换机、光模块等的 PCB 配套产品，目前 AI 训练及推理 需求持续释放，国内外云厂商持续加大资本支出，AI 算力硬件基础设施需求旺盛，AI PCB 厂 商有望持续高速成长。

2.2. 端侧 AI 加速发展，终端创新百花齐放

2.2.1. AI 眼镜有望成为端侧 AI 落地最佳硬件之一

AI 眼镜是端侧 AI 最佳硬件载体之一。嘴巴、耳朵和眼睛是人体三大重要感官器官，嘴巴 是语言输出器官，耳朵是语音接受的器官，眼睛则是人类最重要的信息摄入器官，人 80%的信 息来源于视觉。眼镜是最靠近人体三大重要感官的穿戴设备，是端侧 AI 最佳硬件载体之一，可 以非常直接和自然的实现声音、语言、视觉的输入和输出。

AI 眼镜是在普通眼镜的基础上，增加 AI 功能，拍照 AI 眼镜为当前主流形态。AI 眼镜的 产品形态包括音频 AI 眼镜、拍照 AI 眼镜、AR+AI 眼镜；传统蓝牙音频眼镜接入 AI 大模型，是 AI 眼镜的基础形态，AI 大模型通过语音交互方式提供基础的智能服务；拍照 AI 眼镜是在音频 AI 眼镜的基础上增加摄像头，AI 大模型可通过摄像头感知周边环境，提供与当下环境具备交互能力的智能服务；AR+AI 眼镜是具备 AR 显示功能、并且接入大模型的眼镜，部分眼镜具备拍 照、空间定位等多模态感知能力，AI 大模型可通过 AR 显示实现实时信息输出，实现更简便的 信息交互。根据 wellsenn XR 的数据，2024 年全球 AI 眼镜销量中 94%为拍照 AI 眼镜，4%为 AR+AI 眼镜，2%为音频 AI 眼镜。

Ray-Ban Meta 发布后热销，带动大量厂商加速进入 AI 眼镜市场。2023 年 9 月，Meta 联合雷朋推出 Ray-Ban Meta 智能眼镜，Ray-Ban Meta 为眼镜增加了摄像、耳机，以及 AI 功 能。用户可以通过语音与 Meta AI 进行互动，获取各种信息和服务；支持英语、西班牙语、意 大利语、法语和德语之间的互译，能够翻译所拍摄到的标识和文字，并以对应的语言念出来。 根据 wellsenn XR 的数据，2024 年 Ray-Ban Meta 眼镜出货量达 142 万台。Ray-Ban Meta 智 能眼镜发布后热销,带动百度、华为、小米、三星、雷鸟等厂商加速进入 AI 眼镜市场。

华为发布智能眼镜 2——钛空圆框光学镜。2025 年 4 月 16 日消息，华为正式发布智能眼 镜 2——钛空圆框光学镜；华为智能眼镜 2 设计整体风格时尚，眼镜的“鸢尾”雕花设计精致 高雅，钛金属镜框不仅轻巧坚固，还经过 33 道工序精雕细琢，确保了产品的耐用性和美观性； 华为智能眼镜 2 配备小艺翻译、头部控制等功能，支持面对面翻译、同声传译、全天候智慧播 报，续航为 11 小时，售价 2299 元。

雷鸟发布 AI 拍摄智能眼镜及全彩光波导 AR 眼镜。2025 年 1 月 7 日，雷鸟 V3 AI 拍摄智 能眼镜正式发布，售价 1799 元起；雷鸟 V3 搭载第一代高通骁龙 AR1 平台，采用台积电 4nm 工艺；搭载与 TCL 联合调教的“猎鹰影像”，采用 5 层镀膜光学镜片，搭载索尼 IMX681 背照 式 CMOS；雷鸟 AI 支持全景式智能搜索，覆盖海量知识领域；电池容量 159mAh，40 分钟可 充满，可用 7 小时；重量为 39g（不含镜片），采用钛合金金属转轴、肤感鼻托，专为亚洲人脸 型设计。2025 年 5 月 27 日，雷鸟 X3 Pro 旗舰 AR 眼镜正式发布；雷鸟 X3 Pro 为全彩光波 导 AR 眼镜，采用新一代二维扩瞳衍射光波导镜片，搭载新一代萤火光引擎，采用三色合色全 彩方案，内置 JBD 定制红绿蓝三原色屏幕，配合 0.1cc 超小聚合 Cube 棱镜，实现 1670 万色 全彩显示输出，峰值入眼亮度 6000nits，平均入眼亮度 3500nits，光引擎大小 0.36cc；雷鸟 X3 Pro 推出安卓虚拟机功能，可将手机 App 搬到眼镜中使用；持语音翻译、同声传译、图像 翻译等多种翻译模式，以及高德地图 AR 导航、AI 助手连续对话等功能。

Meta 与欧克利联合发布新款 AI 眼镜 Oakley Meta HSTN。2025 年 6 月 21 日，Meta 与 美国知名运动品牌欧克利（Oakley）联合发布了新款 AI 眼镜 Oakley Meta HSTN，其定位为“高 性能 AI 眼镜（Performance AI Glass）”，主打运动场景。Oakley Meta HSTN 支持 POV 视频 拍摄、Meta AI 助理，常规使用状态下续航时间可达 8 小时，待机续航时间长达 19 小时，并 且支持快充；这款眼镜采用最先进的 Oakley PRIZM 镜片，结合 Oakley 的 PRIZM Lens 技术， 旨在帮助运动员在不断变化的光线和天气条件下获得更清晰的视野；该产品将于 7 月 11 日开 始预售，起售价 399 美元（约 2868 元人民币），限量版 499 美元（约 3587 元人民币）。

小米发布首款 AI 眼镜。2025 年 6 月 26 日，小米首款 AI 眼镜发布，小米 AI 眼镜是面向 下一代的个人智能设备，售价 1999 元起，电致变色版本 2699 元，彩色版本 2999 元。小米 AI 眼镜采用经典威灵顿式 D 型方框设计，12 度外翻转轴解决传统智能眼镜夹头痛点，40 克裸 框重量搭配黑、玳瑁棕、鹦鹉绿三色半透明镜架，支持线下 400 家门店验光与线上定制处方镜 片；1200 万像素 IMX681 传感器实现 0.8 秒疾速拍摄与 2K 视频录制；四麦克风阵列结合骨传 导技术提升复杂环境收音效果；通过 HyperOS 系统，眼镜可替代手机摄像头用于微信、QQ 视 频通话，还与 B 站、抖音等平台打通直播推流功能；内置小爱同学支持十语种同声传译、卡路 里识别等 AI 应用，可呼唤小爱同学开启第一人称视角拍摄录像。

多款 AI 眼镜新品放量在即，有望推动全球 AI 眼镜出货量快速增长。根据 wellsenn XR 的 数据，2024 年全球 AI 眼镜销量为 152 万台，主要销量贡献来自于 RayBan Meta 智能眼镜； 预计 2025 年全球 AI 眼镜销量达到 350 万台，同比增长 230%，主要受益于 Ray Ban Meta 的 销量持续增长，以及华为、小米、三星、Meta、雷鸟等厂商的多款 AI 眼镜新品陆续上市，预 计 2026 年全球 AI 眼镜销量将达到千万台。

雷鸟目前在国内 AI/AR 眼镜市场处于领先地位。在消费级 AI/AR 眼镜市场中，头部品牌与 新兴势力正上演着激烈的角逐。根据 CINNO Research 的数据，2025 年一季度国内消费级 AI/AR 市场销量中，雷鸟创新以 45%的市场份额位居第一，展现出“硬件+算法+生态”的垂直 布局实力；XREAL 销量份额占比 18%，排名第二；星纪魅族位列第三。

芯片占 AI 眼镜成本大部分，关注 AI 眼镜产业链核心环节投资机会。根据 wellsenn XR 的 数据，RayBan Meta AI 眼镜成本总计 174 美元，主板芯片的成本约 99.1 美元，占比约 56.95%， 成本占比超一半；眼镜充电盒的成本约 17.5 美元，占比约 10.06%；结构件的成本约 16.9 美 元，占比约 9.71%；OEM 的成本约 15 美元，占比约 8.62%。AI 眼镜主要芯片包括 SoC、MCU、 存储器、电源、射频等，建议关注 SoC、存储器、光学、电池、镜片、OEM 等产业链核心环 节投资机会。

2.2.2. 传感器是具身智能的核心感知器官，有望畅享行业爆发浪潮

根据中国计算机学会的定义，具身智能(Embodied Artificial Intelligence)是指一种基于物理 身体进行感知和行动的智能系统，其通过智能体与环境的交互获取信息、理解问题、做出决策 并实现行动，从而产生智能行为和适应性。具身智能的载体可以是人形机器人、轮式机器人、 机械臂等。

传感器是具身智能的核心感知器官。传感器是能感受规定的被测量并按照一定规律转换成 可用输出信号的器件或装置，是连接物理世界和数字世界的桥梁。传感器遍布具身智能机器人 全身，与人体的感官神经类似。传感器采集到的视觉、位觉、触觉、力觉等信息，通过软硬件 算法进行数据融合，它为交互和运控模块提供实时信息，使机器人能够感知外部环境和自身状 态，并调整运控规划，传感器在具身智能机器人中扮演着至关重要的角色。 具身智能机器人常用的传感器包括视觉传感器、触觉传感器、力传感器、惯性传感器和声 学传感器等。视觉传感器主要用于人/物识别、目标追踪、路标识别、自主导航等。触觉传感器 广泛应用于机器人抓取、物体识别和场景感知等场景。力传感器可以帮助机器人在操作中自主 调整自身姿态，保证稳定性和精度。惯性传感器用于感知机器人的运动状态，确保及时调整。 声学传感器主要用于语音识别和语音交互，以实现人机交互。

力/力矩传感器能够感知并测量机械部件的扭转力矩，将物理变化转换成电信号，对于人形 机器人的精确控制至关重要。人形机器人中，对柔顺控制要求高的手腕和脚踝使用六维力传感 器，用于准确获取驱动关节和肢体末端触感力学信号的感知，以及防摔倒等功能，而身体的其 他关节则使用关节扭矩传感器。 六维力传感器能够同时测量沿三个坐标轴方向的力和绕三个坐标轴方向的力矩，是维度最 高的力传感器，能够给出最全面的力觉信息。相较于低维力传感器，六维力传感器的技术难度 和使用难度高，但对于机器人产业链的智能装配和以及人形机器人的精密场景应用非常重要。

人形机器人使用大量的力/力矩传感器。根据人形机器人的工作原理，平均每台人形机器人 需要 26 个一维力传感器、10 个旋转关节力矩传感器和 4 个六维力传感器。

人形机器人推动力传感器需求高速成长。随着人形机器人量产及商业化进程的推进，力传 感器进入高速成长期，根据高工机器人产业研究所的预测，到 2030 年，全球人形机器人领域 力传感器市场规模将达 328 亿元，其中人形机器人领域六维力传感器市场规模将达 138 亿元。

IMU 由加速度计和陀螺仪组成。IMU（惯性测量单元）作为姿态测量和惯性导航技术的核 心传感器，一般由两个或更多的加速度计和陀螺仪组成，用于精确测量和监测物体的加速度、 角速度以及方向等关键信息。

IMU 帮助人形机器人实现姿态感知和维持平衡。特斯拉新一代人形机器人 Optimus 展示出 的高难度动作，展现了在平衡控制和行走导航方面的卓越能力，IMU（惯性测量单元）传感器 起到了重要作用。在人形机器人领域，IMU 负责感知和维持平衡，可以帮助机器人在行走跨越 障碍物等复杂动作中保持平衡和稳定性，以确保运动姿态的准确和流畅。

人形机器人将成为推动 IMU 市场增长的重要动力。MEMS 惯性传感器广泛应用于消费电 子、汽车、工业、医疗等领域，IMU 为惯性传感器最大的品类，人形机器人中 IMU 分别配置在 头部、双足和胯部等关键部位，人形机器人将成为推动 IMU 市场增长的重要动力。根据 Yole 的数据，2021 年全球 MEMS 惯性传感器市场规模为 35.09 亿美元，预计 2027 年将达到 49.43 亿美元，2022-2027 年复合增速为 5.9%；2021 年全球 IMU 市场规模为 18.30 亿美元，预计 2027 年将达到 27.92 亿美元，2022-2027 年复合增速为 7.3%。根据芯谋研究的数据，2022 年中国IMU市场规模为43.1亿元，预计2027年将达75.5亿元，2023-2027年复合增速为11.9%。

触觉传感器是一种能够模拟人类触觉，并感知物体形态、质地、压力等信息的设备。触觉 传感器就像是机器的“皮肤”，能让机器与周围环境进行更自然、更智能的交互。根据触觉传感 器的工作原理，触觉传感器包括压阻式触觉传感器、电容式触觉传感器、压电式触觉传感器、 光学式触觉传感器、磁电式触觉传感器等类型。

电子皮肤，是一种模拟天然皮肤功能的设备, 柔性触觉传感电子皮肤可以模仿人体皮肤的 触觉传感功能和灵活性能, 可以附着在人体皮肤或机器人等表面, 感知各种刺激,如压力、温度 等，主要应用于人形机器人、医疗健康监测、智能穿戴设备、智能假肢等场景。 电子皮肤是实现人形机器人智能感知与交互的核心器件，具有柔韧性好、耐弯折、灵敏度 高、能适应复杂形状表面等优点，适合应用于机器人的电子皮肤，用于感知机器人与物体接触 的压力分布，帮助机器人精准的判断物体的形状、温度和硬度。

汉威科技率先布局电子皮肤，构建具身智能多维产品矩阵。汉威科技是国内最早布局柔性 触觉传感器的企业之一，现已构建了稳定的纳米敏感材料体系，掌握了柔性压阻、柔性压电、 柔性电容、柔性汗液四大核心技术，具备了大面积阵列设计、敏感材料及导电墨水合成制备、 大面积印刷电子批量制造等核心能力，拥有数条年产千万支柔性传感器的生产线。汉威科技形 成了自主知识产权的多品种、多量程的柔性触觉传感器，并已取得百余项核心专利；以柔性压 力传感器为例，其综合性能已达国际先进水平。目前汉威科技柔性电子皮肤产品与多家人形机 器人本体厂商展开合作，同时已经向部分机器人厂家进行小批量供货。在具身智能领域，汉威 科技拥有柔性触觉传感器、惯性测量单元、MEMS 压力应变片、气味嗅觉传感器等产品，已构建起覆盖“触觉-平衡-力控-嗅觉”的多维产品矩阵，为具身智能发展提供了多种感知解决方案。

传感器有望畅享人形机器人行业爆发浪潮。根据 GGII 的预测，2025 年全球人形机器人销 量有望达到 1.24 万台，市场规模达 63.39 亿元，预计 2030 年全球人形机器人销量将接近 34 万台，市场规模将超过 640 亿元，预计 2035 年全球人形机器人销量将超过 500 万台，市场规 模将超过 4000 亿元，预计 2025-2035 年全球人形机器人销量复合增速达 82%；其中，2025 年中国人形机器人销量将达到 7300 台，市场规模有望接近 24 亿元，预计 2030 年中国人形机 器人销量将达到 16.25 万台，市场规模将超过 250 亿元，预计 2031 年人形机器人进入快速起 量期，预计 2035 年销量有望达到 200 万台左右，市场规模有望接近 1400 亿元，预计 2025-2035 年中国人形机器人销量复合增速达 75%。人形机器人中使用力/力矩传感器、IMU、视觉传感器、 触觉传感器和声学传感器等，传感器有望畅享人形机器人行业爆发浪潮。

2.2.3. 国内高阶智驾渗透率或加速提升，产业链核心环节有望充分受益

根据美国汽车工程师协会（SAE）对自动化程度的定义，自动驾驶可以分为 L0-L5 六个等 级；L0-L2 为辅助驾驶，需人工全程监管；L3-L5 逐步实现系统主导；L5 为完全无人驾驶。从 智能驾驶实现的功能上看，L2 级包括 ACC（自适应巡航）、LKA（车道保持辅助）、AEB（自 动紧急制动）等，目前智能驾驶正在从 L2 向以 NOA（领航辅助驾驶）功能为代表的高阶智驾L2+发展。

NOA（Navigate on Autopilot）即领航辅助驾驶，是智能驾驶的核心功能之一，根据适 用场景可分为高速 NOA 和城市 NOA。高速 NOA 指在封闭结构化道路（如高速公路、城市快 速路）上，车辆可自主完成车道保持、自动变道超车、进出匝道、根据导航路线切换高速等操 作。城市 NOA 指在非结构化城市道路（如路口、环岛、拥堵路段）中，车辆可处理复杂交通 流，识别红绿灯、行人、非机动车，并完成无保护左转、避让加塞车辆、绕行障碍物等操作。

比亚迪推动高阶智驾车型下沉到 10 万元以内，开启全民智驾时代。2025 年 2 月 10 日， 比亚迪召开智能化战略发布会，发布“天神之眼”高阶智驾系统，天神之眼针对不同级别车型 分为 A、B、C 三个版本；天神之眼 A 为三激光版（DiPilot 600），主要搭载于仰望品牌，可实 现城市 NOA；天神之眼 B 为激光版（DiPilot 300），主要搭载于腾势、比亚迪品牌，可实现城 市 NOA；天神之眼 C 为三目版（DiPilot 100），主要搭载于比亚迪品牌，可实现高速 NOA。比 亚迪表示，10 万元以上车型将全系标配天神之眼，10 万元以下的车型包括海鸥、海豹 05DM-i 和第二代秦 PLUS DM-i 多数将搭载天神之眼，未来将有更多 10 万元以下的车能享受到“智驾 平权”，全民智驾时代开启。

比亚迪推动智驾平权，中国高阶智驾渗透率有望加速提升。根据亿欧智库的数据，预计 2024 年中国 L2 及以上智驾功能渗透率接近 40%，中国 L2+智驾功能渗透率进一步提升，2024 年高 速 NOA 渗透率预计将从 2023 年的 4%提升至 8%，2024 年城市 NOA 渗透率预计将从 2023 年的 0.1%提升至 0.5%，2024 年 L2+智驾功能渗透率预计将达到 8.5%。比亚迪推动智驾平权， 有望带动国内其他车厂加速智驾应用，中国高阶智驾渗透率有望加速提升。

智驾产业链包括芯片、传感器、算法、线控底盘、高精地图等环节。智驾芯片是智能驾驶 系统的核心，为汽车智能驾驶功能提供强大的计算能力；传感器是“智驾系统之眼”，通过多种 传感器协同工作，为汽车提供环境感知、定位导航、状态监测等功能。

高阶智驾推动车载摄像头使用量大幅提升，像素规格显著升级。根据索尼的预测，预计 2024-2025 年发布的汽车将配备约 8 个车载摄像头，预计在 2027-2028 年将增加到约 12 个； 虽然中长期汽车销量将温和增长，但汽车多摄像头趋势明显，高阶智驾推动车载摄像头使用量 大幅提升，预计2030年车载摄像头销量预计将比2019增长六倍以上。根据比亚迪智驾的配置， 天神之眼 A、B、C 三种智驾方案均采用 12 颗摄像头配置，其中 2-3 颗前视摄像头为 800 万像 素规格，环视 4 颗、侧视 4 颗、后视 1 颗均为 300 万像素规格。高阶智驾对车载摄像头的像素 规格提出了更高的要求，从 L2 到 L2+及以上级别，前视、环视和侧视摄像头的像素规格都在 逐步提升，以满足高阶智驾系统对更高分辨率、更广动态范围和更快帧率的需求。

CIS 是智驾感知系统升级的核心组件。车载摄像头模组主要包括光学镜头、CMOS 图像传 感器（CIS）、图像信号处理器（ISP）、串行器和连接器等元器件。CIS 是车载摄像头模组的核 心组件，利用光电转换元件将镜头投射到 CIS 表面上的光信号转换为电信号，并进一步数字化 处理，对图像质量起到决定性作用。在智能驾驶系统中，CIS 通过捕捉外界场景的光学信息， 即时生成高分辨率的图像或视频数据，为后续的视觉处理算法提供至关重要的原始输入，其性 能优劣直接关系到系统在各种复杂情境下的感知能力。随着智能驾驶技术的发展，CIS 需要满 足更高的技术要求，以适应复杂光照条件和实时决策需求，CIS 技术升级推动智驾感知系统升级。

智驾推动汽车 CIS 量价齐升，全球汽车 CIS 市场高速增长。CIS 是智驾系统的重要组成 部分，根据 Frost&Sullivan 的数据，每辆车的平均 CIS 数量从 2020 年的 2.2 个增加到 2024 年的 3.4 个，预计到 2029 年将进一步增加到 8.0 个。汽车 CIS 也在朝着更高的分辨率发展， 以实现对感知及观测 CIS 更复杂的要求，例如更快的自动对焦和更快的响应时间，以应对快速 变化的路况；随着更复杂的应用场景对像素要求的提升，汽车 CIS 的单颗价值量也将有一定幅 度的提升。根据 Frost&Sullivan 的数据，2024 年全球汽车 CIS 市场规模为 24.99 亿美元，预 计 2029 年将达到 70.28 亿美元，预计 2024-2029 年复合增速达 23%；2024 年全球 CIS 市场 规模为 195 亿美元，预计 2029 年将达到 292 亿美元，预计 2024-2029 年复合增速达 8.4%。

豪威集团 CIS 市占率全球第三，汽车 CIS 有望持续提升市场份额。根据 Yole 的数据，在 2023 年全球 CIS 市场中，索尼以 45%的市占率位居第一，三星市场份额为 19%，豪威集团以 11%的市占率位列第三；在汽车 CIS 市场，豪威集团市占率仅次于安森美排名全球第二。2024 年，豪威集团推出采用 TheiaCel 技术的 1200 万像素、800 万像素、500 万像素和 300 万像素 汽车 CIS 产品，也发布了可用于高级驾驶辅助系统和自动驾驶的高性能前置机器视觉摄像头新 品；豪威集团汽车 CIS 产品性能优异，并不断丰富车规级产品矩阵，有望推动市场份额持续提 升。

3. AI 驱动存储器迎来超级周期，半导体自主可控加速推进

3.1. 半导体周期延续上行趋势

全球半导体行业兼具周期与成长属性，每隔 4-5 年经历一轮周期。2000 年至今全球半导 体行业经历几轮周期，通过分析全球半导体月度销售额数据，结合全球半导体月度销售额同比 增速的趋势，按照一轮周期中同比增速的最小值为周期底部、同比增速的最大值为周期顶部， 得出 2001 年 9 月、2009 年 3 月、2011 年 12 月、2016 年 5 月、2019 年 6 月、2023 年 5 月 是周期底部，2004 年 6 月、2010 年 3 月、2014 年 2 月、2018 年 5 月、2022 年 1 月是周期 顶部。全球半导体行业大约每隔 4-5 年经历一轮周期，上行周期从周期底部到周期顶部一般经 历 1-3 年时间，下行周期从周期顶部到周期底部一般经历 1-2 年时间。

半导体周期所处阶段可以通过半导体销售额、库存水位、晶圆厂产能利用率、存储器价格、设备销售额、硅片出货量等指标进行验证。根据 SIA 的数据，2025 年 9 月份全球半导体销售 额约为 695 亿美元，同比增长 25.1%，连续 23 个月实现同比增长，环比增长 7.0%；WSTS 预计 2026 年全球半导体市场销售额将达到 7607 亿美元，同比增长 8.5%；晶圆厂产能利用率 持续提升，中芯国际25Q3产能利用率已达95.8%,华虹持续满产；2024年10月DRAM与NAND Flash 月度现货价格大幅上涨，TrendForce 预计 25Q4 存储器价格将持续上涨；根据 SEAJ 的 数据，25Q2 全球半导体设备销售额同比增长 23%；SEMI 预计 2025 年全球晶圆厂设备支出将 同比增长2%，2026 年继续增长18%；根据SEMI的数据，25Q3全球硅片出货量同比增长3.1%， 预计 2025 年全球硅晶圆出货量将增长 5.4%，预计 2026 年将继续增长 5.2%。综上所述，我们 认为目前半导体行业仍处于上行周期，AI 为推动半导体行业成长的重要动力，2026 年半导体 行业有望延续上行趋势。

3.2. AI 驱动存储器迎来超级周期，价格加速上涨

在 Al 时代，存储支撑着最核心的资产——数据。在 AI 数据中心部署中，AI 相关数据在使 用和创建的无限循环中流动，工作流程的每个阶段都需要不同组合的内存和存储设备。

数据存储在整个 AI 业务流程和生态系统中至关重要，存储与计算共同构成 AI 关键基础设 施。AI 相关数据周而复始的无限循环从定义、查找和准备数据开始。通过网络访问的存储便于共享和扩展，其中机械式硬盘（HDD）能够长期保存原始数据并提供数据保护，固态硬盘（SSD） 则充当可即时访问的数据层。在模型的训练过程中，先要快速地从存储中加载数据到 HBM（高 带宽内存）、DRAM 以及本地 SSD 以供后续的计算密集型操作使用；网络 HDD 和 SSD 存储检 查点，以保护和优化模型训练。推理过程中的内容创建主要依靠 HBM、DRAM 和本地 SSD 或 HDD 完成；随后，内容被存储起来，以便不断进行优化；HDD 用于存储并保护内容的副本。 在这一系列步骤之后，数据被妥善保存下来，成为构建可信赖 AI 的基础。最后，数据会被重新 利用，为 AI 模型提供反馈信息。网络 HDD 和 SSD 在不同的地理位置存储 AI 数据。数据的持 续生成带来更多存储需求，而后者反过来又推动数据生成和人工智能的进化，形成了一种良性 循环。

数据中心存储按数据被调用的频率分为在线存储、近线存储和离线存储。在线存储指存储 设备和所存储的数据时刻保持“在线”状态，可供用户随时读取。近线存储定位于在线存储和 离线存储间的应用场景，是指那些并不是经常用到，或者访问量并不大的数据存储在性能较低 的设备上。离线存储一般是用于归档、备份用途，离线存储的数据不常被调用。

AI 需求导致近线 HDD 严重缺货，预计 2026 年企业级 SSD 出货量有望呈现爆发式增长。在传统数据中心储存分层架构中，近线 HDD 凭借每单位存储容量的极低成本优势，稳居冷数 据主流存储方案。随着 AI 推理应用扩张，冷数据存储需求快速增长。TrendForce 表示，由于 全球主要 HDD 制造商近年未规划扩大产线，无法及时满足 AI 刺激的突发性、巨量存储需求， 目前近线 HDD 交期已从原本的数周，急剧延长为 52 周以上，加速扩大 CSP 的存储缺口。北 美CSP已规划温数据应用扩大采用SSD，HDD供应短缺导致CSP开始考虑冷数据采用SSD， TrendForce预计2026年大容量企业级SSD出货量有望呈现爆发性增长，2027年或持续增长。

DRAM 现货价格加速上涨。根据中国闪存市场的数据，2025 年 10 月 DRAM 指数环比上 涨 33.98%，2025 年 3 月至 10 月 DRAM 指数上涨约 167%。根据 DRAMexchange 的数据， 2025 年 10 月，DDR4 8Gb(512Mx16)3200 的现货价格环比上涨 27.08%，DDR4 16Gb(1Gx16)3200 的现货价格环比上涨 38.49%，DDR5 16G(2Gx8)4800/5600 的现货价格环 比上涨 101.69%。

NAND Flash 现货价格加速上涨。根据中国闪存市场的数据， 2025 年 10 月 NAND 指数 环比上涨 29.69%，2025 年 3 月至 10 月 NAND 指数上涨约 55%；其中 TLC 闪存 256Gb 的 现货价格环比上涨 9.37%，TLC 闪存 512Gb 的现货价格环比上涨 42.86%。

TrendForce 上调 25Q4 DRAM 价格预测。根据 TrendForce 集邦咨询最新调查，2025 年 第四季Server DRAM 合约价受惠于全球CSP 扩充数据中心规模，涨势转强，并带动整体DRAM 价格上扬；尽管第四季 DRAM 合约价尚未完整开出，供应商先前收到 CSP 加单需求后，调升 报价的意愿明显提高；TrendForce 上调 25Q4 一般型价格预估，涨幅从先前的 8-13%上修至 18-23%，HBM 涨幅从先前的 13-18%上修至 23-28%，并且很有可能再度上修。

TrendForce 预计 25Q4 NAND Flash 价格将持续上涨。根据 TrendForce 集邦咨询最新调 查，由于消费市场需求提前在上半年被透支，下半年旺季未能如预期发挥效应，市场原本普遍 预估 4Q25 价格将进入盘整；然而，HDD 供给短缺与过长交期，使 CSP 将储存需求快速转向 QLC 企业级 SSD，短期内急单大量涌入，造成市场明显波动；同时，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，使得供应端氛围由保守转为积极；在此外溢效应带动 下，预估 NAND Flash 25Q4 各类产品合约价将全面上涨，平均涨幅达 5-10%。

AI 驱动存储器或迎来超级周期。随着大模型向多模态演进，AI 时代数据存储需求呈急剧增 长趋势，存储器价格加速上涨，AI 驱动存储器行业或迎来超级周期。根据 Precedence Research 的数据，2024 年全球 AI 驱动存储市场规模约为 287 亿美元，预计 2034 年激增至 2552 亿美 元，预计 2024-2034 年复合增长率达 24%。

国内存储器模组厂商在品牌、技术、供应链等方面不断建立竞争优势，有望持续提升市场 份额。根据灼识咨询的数据，2023 年，江波龙 FORESEE 品牌 B2B 收入在全球独立存储器品 牌中排名第五，Lexar 品牌 B2C 收入在全球独立存储器品牌中排名第二，Zilia 品牌收入在拉丁 美洲和巴西的独立存储器企业中位居第一，国内存储模组厂商已逐步建立了品牌优势。德明利 通过自研主控芯片提升产品竞争力，佰维存储通过研发封测一体化建立竞争优势，国内存储模 组厂商已经在产品创新、固件开发、芯片设计、先进封测等方面积累了核心技术优势。目前存 储器周期继续上行，阿里巴巴、字节跳动等互联网厂商持续加大 AI 基础设施建设相关的资本开 支，国内存储模组厂商在品牌、技术、供应链等方面不断建立竞争优势，AI 及存储器国产替代 需求有望推动国内存储器模组厂商不断提升市场份额，未来有广阔的成长空间。

CPU 片上存储器、主存储器、外部存储器之间的读写速度差距形成“存储墙”。在冯诺依 曼架构下，计算和存储功能分别由中央处理器和存储器完成，目前 PC、服务器、智能手机都 遵循冯诺依曼体系结构。现代计算系统通常采用多级存储器结构，主要包括 CPU 寄存器、CPU 高速缓存、主存、外部存储器，自上而下容量逐渐增大，速度逐渐减慢。由于处理器与存储器 的工艺、封装、需求的不同，处理器在跟随摩尔定律逐年提升性能的过程中，与存储器的性能 差距不断扩大，存储器数据访问速度跟不上处理器的数据处理速度，存储器性能严重限制处理 器性能发挥。CPU 片上存储器、主存、外部存储器之间均存在较大的读写速度差距，形成了制 约整个系统性能的“存储墙”。存储墙导致访存时延高、效率低、存算性能失配，AI 时代存储 带宽限制 AI 算力芯片的性能发挥，目前 HBM 为云侧 AI 大算力及高带宽存储解决方案，定制 化存储为端侧 AI 内存解决方案发展趋势。

华邦 CUBE 为定制化高带宽 3D DRAM，为边缘 AI 提供极具性价比的内存解决方案。华 邦电子开发的 CUBE（定制化超高带宽元件）为一款高带宽、低功耗、紧凑尺寸，以及极具成 本效益的内存解决方案，大幅提升内存接口带宽，以满足边缘计算平台上快速增长的 AI 应用需 求，适用于功耗敏感的高带宽端侧 AI 设备，并且可供模组制造商和 SoC 厂商直接部署。CUBE 通过增加 I/O 数量、提高数据速度、支持 TSV、提供散热优秀的 3D 架构，解决了传统内存 IC 和模组解决方案的痛点。CUBE 的创新 3D 架构将 SoC 置上，更加靠近散热器，从而有效缓解 边缘 AI 计算的散热问题，多层 DRAM 在下面；CUBE 提供从 16GB/s 至 256GB/s 的总带宽； CUBE 具有出色的能效，功耗低于 1pJ/bit。

端侧 AI 应用对存储芯片要求高，兆易创新积极布局定制化存储。端侧 AI 应用对即时数据 处理和快速响应的要求极高，要求存储芯片具有高带宽，能够在短时间内完成大量数据的读写 操作，并支持高并发的数据访问请求。端侧 AI 设备通常对功耗和空间有严格限制，存储芯片需 要在不增加功耗的前提下，提供尽可能高的吞吐量；存储芯片小型化也是端侧 AI 设备的重要需 求之一。端侧 AI 存储器要求具有高带宽、低功耗、小尺寸、定制化、低成本等特点，兆易创新 具有多年存储器设计经验，公司积极布局定制化存储，在 AI 手机、AI PC 等多领域持续推进， 有望逐步迎来积极进展。

3.3. 半导体产业链卡脖子核心环节自主可控需求迫切，国产替代有望加速推进

3.3.1. 美日荷不断加大对中国半导体产业限制，卡脖子核心环节自主可控需求迫切

外部环境对中国半导体产业限制不断升级，半导体产业链卡脖子环节国产替代有望加速推 进。近年来美日荷不断加大对中国半导体产业的限制，主要针对半导体先进制造、先进制程半 导体设备、先进存储器、先进计算芯片等环节，限制中国购买和制造高端芯片的能力，以延缓 中国科技产业的发展；美国半导体出口管制不断升级，半导体设备及零部件、先进制造、先进 封装、先进计算芯片、EDA 软件等半导体产业链卡脖子核心环节自主可控需求仍然迫切。《中 共中央关于制定国民经济和社会发展第十五个五年规划的建议》将科技自立自强水平大幅提高 列入“十五五”时期经济社会发展的主要目标，半导体是实现科技自主的关键领域，半导体自 主可控有望加速推进，国内半导体产业链国产化率较低的环节有望充分受益，建议关注 AI 算力 芯片、CPU、FPGA、半导体设备、晶圆制造、EDA 软件等环节。

3.3.2. 半导体设备自主可控加速推进中，关注国产化率较低的环节及具备突破先进制程能力的 设备公司

受益于全球晶圆厂持续提高资本支出，半导体设备市场空间广阔。由于数字化基础设施的 持续投资，半导体产业持续不断增加产能。根据日本半导体制造装置协会的数据，全球半导体 设备的市场规模从2005年329亿美元增加到2024年1171亿美元，近19年复合增速约为7%； 中国半导体设备市场规模从 2005 年 13 亿美元增加到 2024 年 496 亿美元，近 19 年复合增速 约为 21%，中国半导体设备市场空间广阔，且长期高速成长。

半导体设备国产化率目前仍相对较低，预计未来仍有较大的提升空间。目前我国半导体设 备国产化率仍处于快速提升的阶段，国产替代带动市场份额不断提升，行业增长及国产替代共 同驱动国产半导体设备厂商高速成长。根据中国电子专用设备工业协会的数据，2023 年国产半 导体设备销售额为 878.3 亿元，同比增长 48%，以日本半导体制造装置协会公布的 2023 年中 国半导体设备市场规模作为分母，测算得出 2023 年国内半导体设备国产化率约为 33%，目前 整体国产率仍处于相对较低的水平，预计未来仍有较大的提升空间。

部分半导体设备环节未来国产化率继续提升将是大势所趋。全球半导体设备主要被日美荷 等厂商垄断，目前去胶设备、清洗设备等国产化率相对较高，光刻机、离子注入设备、薄膜沉 积设备、涂胶显影设备等国产化率相对较低，刻蚀设备、量测设备、CMP 设备等国产化率仍有 较大提升空间。随着外部环境监管逐步趋严，部分半导体设备环节未来国产化率继续提升将是 大势所趋。

2025 年前三季度半导体设备板块继续高速成长。根据 Wind 的数据，2025 年前三季度半 导体设备板块（中信）营业收入为 775.98 亿元，同比增长 32.41%；2025 年前三季度半导体 设备板块（中信）归母净利润为 127.09 亿元，同比增长 28.39%；在半导体产业链自主可控驱 动下，半导体设备板块 2025 年前三季度继续保持高速成长。

国内主要半导体设备公司目前在手订单仍处于相对较好水平。从国内主要半导体设备厂商 25Q3 末的合同负债和存货情况来看，部分设备厂商合同负债同比保持快速增长，大部分设备 厂商 25Q3 末存货实现快速同比增长。合同负债和存货是反映在手订单的指标，表明国内主要 半导体设备厂商目前在手订单仍处于相对较好水平，为后续业绩做好了保障。

半导体设备自主可控需求迫切，关注国产化率较低的环节及具备突破先进制程能力的设备 公司。根据 SEMI 的预测，预计 2025 年全球用于前端设施的晶圆厂设备支出自 2020 年以来 连续六年增长，同比增长 2%，达到 1100 亿美元；预计 2026 年晶圆厂设备支出将成长 18%， 到达 1300 亿美元。海外加大对中国半导体的限制，半导体国产替代的进程加速推进，国内半 导体设备国产化率仍然相对较低，自主可控需求迫切，国产化率较低的环节及具备突破先进制 程能力的公司有望充分受益。

3.3.3. 美国限制高端 AI 算力芯片供应，国产厂商迎来黄金发展期

美国对高端 GPU 供应限制不断趋严，国产 AI 算力芯片厂商迎来黄金发展期。美国商务部 在 2022、2023 年连续对高端 AI 算力芯片进行出口管制，2025 年进一步升级出口管制措施， 英伟达及 AMD 高端 GPU 芯片供应受限，国产 AI 算力芯片厂商迎来黄金发展机遇，但国产厂 商华为海思、寒武纪、海光信息、壁仞科技和摩尔线程等进入出口管制“实体清单”，晶圆代工 产能供应受限，影响国产 AI 算力芯片发展速度。 国产 AI 算力芯片厂商不断追赶海外龙头厂商，但在硬件性能上与全球领先水平仍有一定 的差距。随着 AI 应用计算量的不断增加，要实现 AI 算力的持续大幅增长，既要单卡性能提升， 又要多卡组合。从 AI 算力芯片硬件来看，单个芯片硬件性能及卡间互联性能是评估 AI 算力芯 片产品水平的核心指标。国产厂商在芯片微架构、制程等方面不断追赶海外龙头厂商，产品性 能逐步提升，但与全球领先水平仍有 1-2 代的差距。

AI 算力芯片软件生态壁垒极高，国产领先厂商华为昇腾、寒武纪等未来有望在生态上取得 突破。在软件生态方面，英伟达经过十几年的积累，其 CUDA 生态建立极高的竞争壁垒，国产 厂商通过兼容 CUDA 及自建生态两条路径发展，国内领先厂商华为昇腾、寒武纪等未来有望在 生态上取得突破。华为基于昇腾系列 AI 芯片，通过模组、板卡、小站、服务器、集群等丰富的 产品形态，打造面向“端、边、云”的全场景 AI 基础设施方案。昇腾计算是基于硬件和基础软 件构建的全栈 AI 计算基础设施、行业应用及服务，包括昇腾系列 AI 芯片、系列硬件、CANN （异构计算架构）、Al 计算框架、应用使能、开发工具链、管理运维工具、行业应用及服务等 全产业链。昇腾计算已建立基于昇腾计算技术与产品、各种合作伙伴，为千行百业赋能的生态 体系。昇腾计算以华为昇腾 AI 芯片为算力基石，已经建立了良好的生态系统，具有较强的竞争 力，关注昇腾计算产业链相关的投资机会。

编辑：火腿肠