英特尔推出酷睿系列 3 移动处理器，主要定位是入门级家庭和商用设备，也可以用于边缘计算等领域。 该系列芯片主打性价比，单线程和多线程性能提高 47% 和 41%(与 5 年前的同类芯片相比)，提供最高 40 TOPS 的 AI 算力支持，可以在本地运行 AI 任务。 查看详情：

英伟达与高通猝不及防，中 国车企自研芯片纷纷登场！ 当英伟达CEO黄仁勋在CES 2025上自信地宣布"自动驾驶 汽车已经到来"时，他可能没 有意识到，他口中那些"必须 使用自动驾驶技术"的汽车公 司，正悄然将他从核心供应 商的名单上划掉。同样，高 通CEO安蒙或许也没想到， 那个在汽车座舱芯片市场占 据70%份额的巨头，在智能 驾驶领域正遭遇中国车企的 集体"叛逃"。一场由中国车企 主导的自研芯片浪潮，正在 改写全球汽车半导体的权力 版图。 01 从"买买买"到"造造造"：中国 车企的芯片觉醒 时间回到几年前，英伟达的 Orin系列还是中国高端智驾 市场的绝对王者。小米 SU7、理想L系列、极氪001 等明星车型，无不以搭载双 Orin X芯片（508 TOPS算 力）作为智能化卖点。高通 则凭借骁龙8295座舱芯片， 几乎垄断了智能座舱市场。 彼时，英伟达Orin-X单一型 号即占据中国智驾域控芯片 约45%的装机量，高通在座 舱领域的统治力更是无人能 及。 然而，转折来得比想象中更 快。2025年，中国车企自研 智驾芯片进入规模化量产元 年：小鹏的"图灵"AI芯片在二 季度量产上车，蔚来ET9搭 载自研的5nm"神玑 NX9031"芯片交付，吉利旗 下芯擎科技的"星辰一号"7nm 芯片也实现量产。甚至连一 向在智能化上"慢半拍"的比亚 迪，也在2024年启动了自研 芯片项目，推出4nm制程的 BYD 9000座舱芯片。 这场自研浪潮的导火索，首 先是成本。> 蔚来创始人李 斌曾算过一笔账：自研芯片 后，"一年可以少花几十亿人 民币采购英伟达的芯片"。小 鹏汽车为研发图灵芯片耗资 超百亿元，历时五年，其间 甚至因架构错误赔偿数亿元 推倒重来。何小鹏坦言，虽 然投入巨大，但自研芯片在 BOM成本上每颗可节约约 1200元，大规模出货后将显 著优化整车成本结构。 更深层的动机，是对技术自 主权的渴望。英伟达和高通 的芯片本质是"通用平台"，车 企只能在其框架内做算法适 配，大量算力被闲置。而小 鹏的图灵芯片专为AI大模型 设计，算力利用率比通用芯 片提升20%，最高支持本地 运行300亿参数的大模型。蔚 来神玑NX9031采用5nm工 艺，拥有500亿晶体管规模， 官方宣称"一颗抵四颗Orin"。 这种软硬件深度耦合带来的 效率提升，是外采芯片无法 比拟的。 02 英伟达的"Thor焦虑"与高通 的"融合困境" 面对中国车企的集体转向， 英伟达并非没有准备。其新 一代Thor芯片将算力天花板 推至2000 TOPS，试图以绝 对性能优势巩固地位。然 而，Thor芯片的量产时间多 次延期，引发部分车企转向 自研或国产方案。更致命的 是，Thor的"黑盒属性"让车企 担忧——一旦深度绑定英伟达 生态，未来的算法迭代将受 制于其技术路线。 英伟达汽车业务的增长"失 速"已现端倪。虽然其在AI算 力上的技术积淀短期内仍不 可替代，但市场份额的下滑 趋势明显。2025年下半年， 地平线的征程J6P开始交 付，直接挑战英伟达在 L2++市场的地位；华为昇腾 MDC平台搭载量突破100万 辆，与特斯拉自研FSD并列 成为行业标杆。英伟达在中 国市场的统治力，正从"绝对 垄断"退化为"多元竞争中的一 极"。 高通的情况则更为微妙。它 在座舱芯片市场的优势无人 能撼动，全球超3.5亿辆汽车 搭载骁龙数字底盘，中国市 场覆盖超210款车型。但在智 驾领域，高通走的是"舱驾融 合"差异化路线，主打中低端 车型的成本优化。骁龙8650 智驾芯片算力仅30 TOPS， 与英伟达Orin X的254 TOPS 相去甚远；即便是最新的 Ride Elite至尊版，约720 TOPS的AI算力也未能打开高 端市场。 中国车企的自研策略，恰恰 精准打击了高通的软肋。小 鹏图灵芯片不仅用于智驾， 还能支持智能座舱功能，实 现"一颗芯片管全车"的舱驾融 合。蔚来、吉利也在推进类 似的全融合SoC方案。这意 味着，高通赖以生存的"座舱 优势带动智驾"逻辑，正在被 车企自研的"全域融合"芯片所 颠覆。 03 从"供应商时代"到"战国时 代"：格局重构 2025年的中国智驾芯片市 场，可以用"旧王新贵的战国 时代"来形容。英伟达、高 通、Mobileye等国际巨头， 华为、地平线等本土供应 商，以及小鹏、蔚来、吉利 等车企自研力量，三方势力 交织缠斗。 一个显著的趋势是：车企自 研并非要完全取代供应商， 而是构建"自研+外购"的混合 模式。理想汽车仍在部分车 型上使用英伟达Orin X，但同 时推进自研M100芯片，预计 2026年量产；小米SU7继续 搭载英伟达双Orin X，但业内 传闻其自研的"玄戒O2"芯片 将于明年上车。这种"多条腿 走路"的策略，既保障了供应 链安全，又为技术迭代预留 了空间。 对英伟达和高通而言，真正 的威胁不在于失去某几个客 户，而在于行业规则的改 写。过去，芯片厂商定义算 力标准，车企被动跟随；如 今，车企根据自研算法需求 反向定义芯片架构。端到端 大模型、VLA（视觉-语言-动 作）模型的兴起，让"有效算 力"取代"峰值算力"成为新的 评价标准。英伟达Thor的 2000 TOPS固然耀眼，但如 果无法高效运行车企的特定 模型，不过是数字游戏。 更深远的影响在于生态。小 鹏图灵芯片不仅用于汽车， 还将搭载于AI机器人和飞行 汽车；蔚来神玑芯片未来可 能外供其他车企。一旦车企 自研芯片从"成本中心"转变为 可外供的产品线，英伟达和 高通将面临来自下游客户的 直接竞争。 Synopsys首席执 行官曾预言："更多汽车制造 商将不得不在公司内部构建 芯片开发设计能力。"这一预 言正在中国率先成为现实。 04 未来：开放与封闭的博弈 站在2026年的门槛回望，中 国车企自研芯片的浪潮绝非 一时冲动，而是智能电动汽 车产业成熟的必然结果。当 软件定义汽车成为共识，硬 件必须与算法深度协同；当 数据成为核心资产，算力平 台必须掌握在自己手中。英 伟达和高通或许曾以为，凭 借技术优势和生态壁垒可以 高枕无忧，但他们低估了中 国车企对技术主权的执念， 也高估了"通用平台"在垂直场 景中的不可替代性。 当然，这场变革并非零和博 弈。英伟达的CUDA生态、高 通的连接技术，短期内仍是 行业基础设施。中国车企的 自研芯片，更多是在"增量市 场"中争夺定义权，而非在"存 量市场"中彻底颠覆。但一个 不可否认的事实是：全球汽 车半导体的权力中心，正在 从硅谷向东方转移。 英伟达与高通没想到的，或 许不是中国车企会自研芯片 ——毕竟特斯拉早已做出示范 ——而是这股浪潮来得如此迅 猛、如此决绝。当小鹏 MONA M03的升级版悄然换 上自研图灵芯片，当蔚来 ET9以78.8万元的身价搭载神 玑NX9031驶下生产线，当比 亚迪将自研芯片铺向10万至 20万元的主流市场，一个属 于中国"芯"的时代，已然开 启。 而对于英伟达和高通来说， 最紧迫的问题不再是"如何卖 出更多芯片"，而是"如何在车 企自研的时代找到自己的新 位置"。毕竟，当曾经的客户 变成竞争对手，游戏规则已 经彻底改变。

兄弟们这个吃瓜把我看傻了！现在的学生妹玩得真花啊…男朋友在打游戏，她直接钻到桌子底下，撅起屁股就吃大屌！这操作也太会玩了吧？

近期市場在傳 Qualcomm 跟長鑫存儲（CXMT）合作客製化記憶體消息，以下是沒提到的重點： 1. 這是指 Qualcomm 與兆易創新合作，應用於手機獨立 NPU，目標客戶為中國手機品牌。 2. 預計 2026 年底或 2027 年初大量出貨，定位人民幣 4,000–4,500 元以上機種。 3. 該 NPU 擁有約 40 TOPS 算力，配備 4GB 客製化 3D DRAM，由長鑫負責製造。 4. 採用 TSV 與 Hybrid bonding 堆疊技術，使其記憶體頻寬高於 LPDDR5X。 5. 出貨展望與開案數量低於 1H25 開案時的預期，主因為：(1) 記憶體漲價推升NPU成本；(2) 裝置端 AI 應用與商業模式至今仍未明朗。

说点得罪人的话： U 卡这行，90% 都是割韭菜的。 开卡收你一笔，月费收你一笔，充值再收你一笔，最后告诉你这不能用那不能用。 别家 U 卡：手续费藏着掖着，用着用着就扣没了 MiPay：官网写得明明白白，2%+2U，一分不多 别家 U 卡：说是全球通用，实际这不能用那不能用 MiPay：绑支付宝微信，直接消费，T+1 到账 选哪个，你自己判断。 Mipay下载链接： 官方中文客服群： To be blunt: 90% of the U-card industry is a scam. They charge you a fee to open the card, a monthly fee, another fee for topping up, and then tell you it can't be used for this or that. Other U-cards: Hidden fees that disappear over time. MiPay: Clearly states on the official website: 2% + 2U, no more. Other U-cards: Claim to be globally usable, but in reality, they can't be used for this or that. MiPay: Link to Alipay or WeChat, make purchases directly, T+1 settlement. Choose whichever you prefer. MiPay Download Link: Official Chinese Customer Service Group:

AI半导体终局推演2026(I) 当新token经济学范式从GPU算力转移到HBM 本文从从GPU架构进化路线本质出发，解释这个市场长久以来担心的问题: 每个GPU的HBM内存需求为什么一定会是指数增长，为什么HBM需求指数增长不会停滞? 并推导token经济学在当前架构下第一性原理:token吞吐 = HBM size X HBM BW带宽 同时讨论了，为什么GPU的天花板被HBM的两个发展维度所决定 HBM周期性这个话题争议一直很大，乐观派认为AI带来的需求比以前要大的多，但市场主流仍然认为前几次上升周期也有需求每年20%+增长，这次又有什么不一样呢？AI不影响HBM和传统DRAM一样有commodity属性，一旦在需求顶峰扩产遇上需求下行又会重蹈覆辙。 我们可以从算力芯片架构视角,从第一性原理出发，来拆解和推演一下这个问题：为什么这次真的不一样 ------------------------------- 历史：CPU算力时代 很久以来，我们都处在CPU主导算力的时代，CPU的最高级KPI就是performance，跑的更快，所以每一代的CPU都用各种方法来提高跑分，最开始是频率上升，后来是架构演进superscaler等等 这个时候为什么DDR不需要很快的技术进步速度？比如DDR3到DDR5竟然经历了15年之久 因为这个时期的DDR的角色是纯粹的辅助，而且辅助功能极弱，以业界经验，DDR的速度即便是提高一倍，CPU的performance一般只能提高不到20%这个量级 为什么DDR带宽速度提高了用处不大？两个原因 1. CPU设计了各种架构去隐藏 DDR延迟，比如superscaler，加大发射宽度，用海量的ROB和register renaming来提高并行度隐藏延迟，一级缓存cache，二级缓存cache，削弱了DDR的带宽速度需求 2. CPU workload对DDR带宽要求并不高，大部分日常负载比如打开网页，DDR带宽是严重过剩的，甚至云端负载 也就是说，在CPU时代，DDR的带宽速度是不太有所谓的，DDR4和DDR5除了少数游戏就没啥差别，甚至JEDEC标准也进步缓慢。 另外，绝大部分app需要一直停留在DDR上的部分并不多,需要的时候从硬盘上调度到DDR即可，app的size增长没那么快，导致对DDR的容量需求也较为缓慢。 所以最近十年来，平均每台电脑上的DDR容量大概从7~8GB变成了23GB，十年只增长了3倍。 而这部分升级缓慢直接影响了营收，size容量计价是赚钱的主要方式，速度的提高只是技术升级，提高size的单价，这两个的升级需求都不大，需求主要是随着电脑/手机数量增长而增长 所以DRAM在带宽速度和容量这两个维度上，一直是都是芯片产业锦上添花性质的附属品，DDR升级带来的边际效用是很低的，跟CPU时代的最高KPI几乎没什么直接联系 -------------------------------------------- 而到了genAI 大模型为主导的新时代，计算范式转移让最高级KPI起了根本变化 GPU发展到AI推理的时代，不再像CPU那样只看跑分，最高级的KPI不再是算力TOPS/FLOPS，而是token的成本，特别是单位成本/单位电力下的overall token throuput 其次是token吞吐速度，因为在agent时代，很多任务变成了串行，token吞吐速度成了用户体验的重要瓶颈。 这也是为什么老黄发明AI工厂概念的原因：最低成本的输出最多token，同时尽量提高token吞吐速度 AI训练时代，老黄的经济学是TCO(total cost ownership)，买的GPU越多，省的越多 而老黄在推理时代的token经济学是： AI推理的毛利润很可观，所以逻辑已经转换成：Nvidia GPU是这个世界上让token单价最便宜的GPU，买的GPU越多，赚的越多 最高的KPI变成了Pareto frontier曲线，在提高token 吞吐throughput和提高token速度两个维度上尽量优化 （见图一） NVIDIA 的 token factory 代际进步，其实是在把整条 Pareto frontier 往右上推，这就是是AI推理这个时代最重要的KPI ---------------------------------- 接下来是本文最重要的逻辑链，如何从token吞吐量指数型增长的本质出发，推导出天花板瓶颈在HBM size和HBM 带宽的指数型增长 单卡GPU推理单线程batch size = 1的时代，token吞吐只有一个维度，就是HBM的带宽速度，带宽速度越高，token吞吐越大 但进入NVL72的年代，推理不再是单卡GPU时代，而是72个GPU + 36个CPU整个系统级别的token工厂，把HBM带宽和算力用满，获得极致的token吞吐量 Token 吞吐throughput的增长，依赖两个东西：同时批处理的请求数 X 每个user请求的平均token速度 也就是batch size X per user token 速度 以Rubin NVL72为例，在平均token速度是100 token/s的情况下，同时批处理1920个请求，得到token吞吐量是19.2万token/s 一个Rubin NVL72大概是120KW（0.12MW）的功率，所以得到单位MW能处理1.6M token/s （见图一） 所以，我们需要想方设法提高这两个参数：批处理数量batch size和per user token的平均速度，这两者相乘就是我们的最高KPI，也就是token的吞吐量 ------- 第一个参数：batch size的增长，瓶颈在HBM size 批处理量里的每一个请求req，都会自带kv cache，这部分kv cache是需要存在HBM里的，大小大概在几个GB到数十GB不等 因为hot kv cache是随时需要高频高速读取，所以必须放在HBM里，比如一个大模型的层数是80层，那么每一个token的生成阶段，都需要读取80次HBM里的kv cache 随着批处理数量batch size的增长，会带来hot kv cache的线性增长 又因为这个批处理量的所有请求的hot kv cache，都要放在HBM上，这也就带来了HBM size必须要随着批处理量batch size线性增长 就像是机场接驳车，登机口尽量快的接旅客到飞机，HBM size小了，相当于接驳车size小了，就得多接一趟 结论是：批处理量的数量batch size，瓶颈依赖于HBM size的增长 --------- 第二个参数：每个user请求的平均token速度，瓶颈在HBM带宽 大模型decode阶段的速度，瓶颈取决于HBM的带宽速度，因为每生成一个 token,都要把激活的权重和kv cache 读很多遍 LPU的出现，在batch不那么大的情况下，把激活权重这个部分搬到了SRAM上，但是每生成一个 token仍然要从HBM读很多次KV cache。HBM带宽越高，生成每一个token的速度也就越快，基本上是线性对应的 就像是机场接驳车，登机口尽量快的接旅客到飞机，hbm本身带宽速度就像是接驳车的车门有多宽，门越宽，旅客上接驳车越快 GPU的其他配置，都是在适配batch的增长以及要让token compute的速度配平HBM的增长，甚至会用多余的算力来获得部分的带宽（比如部分带宽压缩技术） —----- 在那个接驳车的比喻例子里 接驳车的车厢大小 = HBM Size（容量）： 决定了一次能装下多少名旅客（也就是能同时装下多少个请求的 KV Cache）。车厢越大，一次能拉载的旅客（Batch Size）就越多。如果车太小，想拉100个人就得分两趟，系统整体的吞吐量就上不去。 接驳车的车门宽度 = HBM Bandwidth（带宽）： 决定了旅客上下车的速度。门越宽，大家呼啦啦一下全上去了（Decode/生成Token的速度极快）。如果门很窄，哪怕车厢巨大能装200人，大家也得排着队一个一个挤上去，全耗在上下车的时间里了。 旅客的吞吐量 = 接驳车车厢容量 x 接驳车旅客上车速度(车门宽度) —--------------------------- 至此，我们从逻辑上推演出了token经济学的硬件需求第一性原理： Token throughput = HBM size X HBM Bandwidth AI推理这个时代的最高KPI，实际上是高度依赖于HBM的两个维度的进步的 如果要维持token throuput每一代两倍的增长，实际上意味着，每一代的单GPU上，HBM size X HBM BW带宽之积要增长两倍！ 这也是历史上第一次，HBM内存的size可以影响最高的KPI token throughput！ 要验证这个理论，可以把Nvidia从A100到Rubin Ultra这几代的token 吞吐throughput，和HBM size X HBM BW 放在同一个图里比较 （见图二） 可以发现，这两个曲线的走势在对数轴上惊人的一致 HBM size x HBM带宽增长的甚至要比token吞吐量更快，毕竟HBM决定的是天花板，实际上这个天花板增长的利用率utilization是很难达到100%的，也就是说，HBM size x HBM 带宽就算增长1000倍，其他算力和架构的配合下，很难把这1000倍的天花板潜力全部榨干 这条曲线不是巧合，而是系统最优化的必然解 throughput = batch × Bandwidth，这就是token factory 经济学最绕不开的第一性原理 —-------- 软件的影响呢？软件的优化会不会降低带宽的需求？降低HBM的需求？ 这跟硬件是独立两个维度的，这好像在问，如果CPU上的软件优化了之后跑的更快，是不是CPU就十年不用发展了？反正软件跑的更快了嘛 这样的话，CPU厂还能赚得到钱吗？CPU想要存活下去，只有一条路可走，在标准benchmark，不考虑软件优化，每一代CPU必须要跑分更高，不然就卖不出去 GPU也是一样，软件优化如何，和自己的token吞吐量KPI每年都要大幅进步，是两回事 只要token的需求继续增长，对token throuput的追求就绝不会停止，那么对HBM size X HBM 带宽的追求也不会停止 如果HBM size和HBM 带宽发展慢了，老黄一定会亲自到御三家逼着他们技术升级，因为这就是老黄gpu的天花板，天花板要是钉死了不进步，老黄的GPU还能卖出去吗？ 当然了，Nvidia需要绞尽脑汁去从异构计算的架构角度榨取HBM天花板之外的部分，比如LPU就是一个很好的尝试，把Pareto frontier从另一个角度改善了很多 （右半边高token速度的部分） —-------------------------------------- HBM内存已然告别了那个随波逐流的旧时代，在这条由指数级需求铺就的单行道上，以一种近乎宿命的方式走到了产业史诗的主舞台中央 推理范式第一性原理演化到这一步，只要老黄还要卖GPU，HBM就必须翻倍，而且必须代代翻倍。这是supply side的内生压力，与AI需求无关，与宏观周期无关，与hyperscaler的心情也无关 剩下的问题，只有一个： 当需求被物理锁定为指数增长的时候，供给侧的三个玩家，会不会还像过去三十年那样，亲手把自己再拖回一次周期的泥潭？

长鑫存储的材料与耗材供应链全景 昨天讲了长鑫的设备供应链，今天讲另一半的材料和耗材。这一块的国产化进度比设备端要快一截，但内部分化也更剧烈。长鑫2024年LPDDR系列占主营收入82.74%，材料消耗结构跟Mobile和AI需求节奏强相关。招股书披露2024年六大类原材料采购合计约114.7亿元（主要原材料采购金额121.9亿元），2025年上半年61.45亿元。六大品类结构是化学品37.29%、备件及其他约34.69%、光阻剂12.16%、硅片8.55%、气体5.10%、靶材2.21%。化学品从2022年的27.49%一路升到37.29%，已经超过备件成为第一大头，既来自DDR5迭代后湿法和ALD消耗量放大，也来自产能建设期备件采购前置完成后的镜像效应。按2026年Q1的业绩以及历史数据推测，全年材料采购规模冲到270亿以上是大概率。 一个品类一个品类看。 化学品占了近38%，是国产替代弹性最大的一格。湿电子化学品方面，晶瑞电材向长鑫供应高纯双氧水、硫酸、氨水、异丙醇、盐酸、硝酸、NMP等全品类，年出货量数千吨，核心产品已全面实现国产替代（晶瑞同时也是国内i线光刻胶龙头，见光阻剂段）。格林达是国内半导体显影液隐形冠军，国内唯一实现SEMI G5级TMAH显影液量产，已供应长鑫。江化微是国内湿电子化学品龙头，江阴本部产能9万吨/年，三大基地全部建成后总产能将超30万吨。CMP抛光液方面安集科技是绝对龙头，2024年抛光液营收15.5亿元，国内市占率约70%、全球约10-11%。CMP抛光垫方面鼎龙股份国内市占率超70%，在长江存储供应链中占主导地位，与长存共建联合实验室开展抛光垫底层技术攻关，CMP抛光垫2025年收入10.91亿元同比增长52.34%。ALD/CVD前驱体方面，雅克科技是国产龙头，已进合肥长鑫和长江存储。据产业链消息，安德科铭也值得关注，长鑫科技全资持股的长鑫芯聚2025年10月入股了这家公司，同时它本身就是长鑫的重要材料供应商，2024年自研High-K前驱体批量供货，2025年铜陵基地营收2.39亿元，形成210吨/年高纯前驱体产能，7款产品转量产。产业资本反向绑定材料厂的玩法在前道材料里很罕见，意味着高k前驱体已经被长鑫定性为战略环节亲自拉国产替代。化学品单价指数从2022年的100跌到2025上半年的77.90，过去三年累计跌22%。景气回升直接传导的是采购量而非单价，单价反弹要看上游化工大宗品走势，但量价叠加后化学品这一格的总采购额弹性最大。 备件及其他占近35%，是设备零部件耗材，包括反应腔体、石英件、密封圈、靶材辅件、传输部件等。单价跟着半导体大宗品价格剧烈波动，2024年单价指数升到156.53涨了56%，2025上半年骤降到97.29已经低于2022年水平。国产标的集中在石英件和密封件，菲利华是石英玻璃龙头，半导体级石英玻璃已用于多家头部晶圆厂。新莱应材在密封件和洁净管路国产替代上走得比较深。备件供应商集中度最高，2024年前五大供应商里有三家是备件供应商，合计占比超过19%。 光阻剂占12.16%，是材料端分层最严重的一格。i线光刻胶用于非关键层，晶瑞电材多年国内市占率第一，已批量供货长鑫，国产化率约10%。KrF已经跑通，晶瑞电材批量供合肥长鑫和中芯国际，彤程新材旗下科华微电子是国内唯一为本土8寸和12寸晶圆厂批量供应KrF的企业，上海新阳的KrF也实现批量销售。ArF还在爬坡，南大光电现有ArF光刻胶产能50吨/年，28纳米ArF已小批量供货（2025年销售额突破2千万元），14纳米浸没式良率达99.7%。市场流传的宁波500吨/年扩产项目公司称未实施，需谨慎对待。彤程新材的ArF/ArFi已开始批量供货。鼎龙股份的浸没式ArF获得了客户订单。上海新阳的ArF浸没式光刻胶也已取得销售订单。ArF国产化率从接近零开始破冰，已有少量供货，但离摆脱日本依赖还远。2025年日本对华光刻胶供应配额削减10-15%，年底部分日企暂停供货，倒逼效应明显。光刻胶的天花板跟光刻机一样硬，没有先进光刻机进入国内，先进光刻胶就没有真实的量产验证机会。国产ArF再好，也只能在长鑫这种被限制在DUV阶段的产线上跑。EUV光刻胶目前为零，上海新阳在开发但离量产很远。 硅片占比8.55%，是六大类里2025年下半年加仓最明显的一项。2025上半年占比一度跌到6.27%，全年回升到8.55%，反映下半年长鑫主动加大硅片备货，对应DRAM价格快速上涨之后产能爬坡和战略备库存的双重逻辑。国内主供是沪硅产业，2025年300mm硅片销量641.63万片，存储是其主要应用领域之一。立昂微12英寸硅片覆盖14纳米以上节点存储电路，进入部分存储客户供应链。海外端长鑫还在依赖信越、SUMCO、环球晶圆、Siltronic。对比长江存储已经大幅减少SUMCO采购转向国产，长鑫硅片国产化方向是定的，但完整切换还需要两到三年。 气体这一格要单独看。招股书披露的"气体"采购占5.10%，但有明确注释"气体不含大宗气体耗用"。也就是说5.10%只是工艺特气和电子特气，氮氢氧氩等大宗气体走的是另一条单独的供应通道。这条通道的国产化反而走得最彻底。广钢气体是长鑫最大的电子大宗气体供应商，双方签了15年长期供气协议，覆盖合肥和北京两座基地，2025上半年广钢在长鑫的采购占比40%到45%。15年长协在半导体材料端非常罕见，本身就是国产化已经走通的强信号。工艺特气这边，华特气体的光刻气国内市占率60%，全球四家通过ASML和Gigaphoton双重认证的企业之一。中船特气是国内电子特气第一、全球第九，2002年就突破了三氟化氮的国外垄断。金宏气体补充中端品类。气体单价指数从100跌到62.29，跌幅38%。单价跟上游工业气体成本走，但采购量跟着长鑫投片量走，量的弹性确定性最高。 靶材只占2.21%，但国产替代故事最完整。江丰电子覆盖铝、钛、钽、铜、钨全系列，钽/钛/铝靶已实现5纳米节点量产，部分产品进入3纳米工艺验证。有研新材旗下有研亿金是央企背景的第二供应商，稀土靶材全球市占超85%。这个环节国产化率已经在60%以上，对长鑫扩产的弹性主要体现在订单放量而不是国产突破。 掩模版是跟ArF光刻胶并列的另一个薄弱点。先进节点一套掩模版成本数百万美元，长鑫用的高端掩模版大概率仍由美国Photronics和日本Toppan、DNP供应，国产化率极低。 封测基本实现国产化。深科技旗下沛顿科技是长鑫最大的委外封测供应商，承接其超50%的封测需求，处理17纳米及以下先进制程。长电科技提供DRAM模组封装，通富微电配合开发HBM芯片样品。盛合晶微、华天科技也有布局。 HBM封装材料是新增量。招股书披露的原材料结构主要对应前道晶圆制造，HBM后段封装材料是2026到2027年才放量的新故事，对应长鑫上海HBM后段封装厂2026年底投产。华海诚科的颗粒状环氧塑封料（GMC）已通过客户验证处于送样阶段，芯片级底填胶已完成验证正在量产准备。联瑞新材配套供应HBM封装用GMC所需的球硅和Low α球铝。弹性最大但兑现要等长鑫上海后段厂投产。 招股书提及4F²等新型工艺架构是未来方向，业内公认对应VCAT垂直沟道访问晶体管路径。这意味着2027年以后的G6、G7工艺会带来新的材料需求，垂直沟道和堆叠结构对ALD前驱体、高深宽比刻蚀气体的依赖会进一步加深，雅克科技、安德科铭、华特气体这类公司的长期成长性会被进一步打开。 整体看材料端国产化进度领先设备端一个身位，但各品类差异很大。电子大宗气体（广钢主导超50%）、CMP抛光垫（鼎龙国内超70%）、靶材（江丰国内12寸超70%）已在50%以上。湿电子化学品和工艺特气在30-50%区间。前驱体尤其高k仍在20-30%。光刻胶和掩模版的国产化跟着光刻机天花板走，要等上游设备突破。HBM封装材料是2026到2027年才开始放量的新增量。基本面上可以满足量产需求，但顶层精细化学品和光刻胶仍依赖进口。 设备一次性资本开支属性强，材料是经常性采购。长鑫Q1单季营收508亿，2026年H1指引1100到1200亿，材料采购盘子冲到2026年270亿以上是大概率。这部分订单不需要等扩产完成，每多开一片晶圆就立刻转化成材料厂的收入。对广钢气体、安集科技、鼎龙股份、雅克科技、华特气体、江丰电子、格林达、晶瑞电材、沪硅产业这一批公司，长鑫扩产的传导比设备厂商更快，也更持续。