📋 全文总结 本次电话会议由中泰证券研究所联席所长兼电子行业首席分析师王芳主讲，围绕2026年下半年电子行业投资策略展开，核心观点是 AI依然是电子行业最核心的主线，半导体正处于由AI驱动的长周期上行阶段，存储、先进制程和先进封装是当前供需缺口最大的方向。 报告从周期位置判断、创新持续性、国产化突破三
全文总结
本次电话会议由中泰证券研究所联席所长兼电子行业首席分析师王芳主讲，围绕2026年下半年电子行业投资策略展开，核心观点是AI依然是电子行业最核心的主线，半导体正处于由AI驱动的长周期上行阶段，存储、先进制程和先进封装是当前供需缺口最大的方向。 报告从周期位置判断、创新持续性、国产化突破三个维度进行了系统性分析。
一、周期判断：当前不是传统意义上的周期高点
全球半导体市场规模月度同比增速已连续近30个月为正，最新增速达60%以上，引发市场对“周期见顶”的担忧。但本轮周期的特殊性在于AI的强力扰动：若剔除英伟达，半导体增速仅约30%；若再剔除存储，则增速更为温和。AI从2023年起逐步拉动半导体——先是GPU和HBM，再到存储，到2026年已全面拉动模拟、工控、光芯片等各个环节。本轮周期因AI资本开支的持续高增而被拉长，当前并非传统周期顶部，而是AI驱动的结构性上行期。
二、AI资本开支的可持续性：飞轮效应已形成
AI资本开支的核心支撑来自大模型和CSP厂商的收入循环。OpenAI的5月ARR已超450亿美元（较去年底增长5倍），估值接近万亿；Anthropic预计今年Q2即可盈利。国内方面，春节后AI大模型调用量首次超越美国，全球Top5模型中中国占据4家，开源+低价策略带动Token调用量爆发式增长。四大CSP厂商2026年资本开支预计达7100亿美元，同比增长超73%，且一季报云业务和广告业务增速符合预期，AI投资的正向循环已初步形成。
三、供需缺口最大的方向：存储
存储是本轮AI需求爆发中弹性最大的环节。推理阶段对存储的需求呈现非线性特征：不仅需要HBM，还需要DRAM、NAND乃至HDD进行数据分层（热/温/冷数据），导致存储需求远超线性预测。供给侧却严重受限——全球DRAM产能约200万片/月，三星和海力士今年合计仅增加10万片且优先满足HBM；NAND今年无显著产能增加。实际供需缺口可能高达30%，远高于咨询机构测算的6%-8%， 这是存储价格持续坚挺的根本原因。
长协机制的变化进一步增强了存储公司的估值确定性：协议期限从1年延长至3-5年，且锁定了Q1/Q2的均价作为地板价，违约成本极高（如微软向三星支付超100亿美元预付款）。 存储厂商的估值逻辑正从周期股向成长股切换。
四、国产算力的突破与机会
2026年是国产AI从“映射”走向“基本面”的转折年。国内大模型调用量快速增长，带动国产算力需求大幅提升。当前国产AI芯片供给仅能满足约40%的需求，先进制程仍是最大瓶颈。中芯、华宏半导体等企业在先进制程领域持续突破，先进封装（如长电、通富）和上游设备材料也迎来国产替代加速。存储方面，长鑫存储（DRAM）和长江存储（NAND）在技术和层数上已具备全球竞争力，将带动设备材料全产业链发展。
五、端侧AI：未来的重要方向
端侧AI（手机、眼镜、笔电、汽车、机器人）虽然因存储涨价节奏有所推迟，但仍是确定性方向。端侧升级的核心同样是“算+存”：算力端需要NPU或SOC升级，存储端需要3D DRAM或LPDDR等新型存储方案。端侧AI将为半导体打开另一片广阔空间。
六、风险提示
主要风险包括AI进展不及预期、应用落地低于预期、宏观扰动以及行业需求不及预期。
会议实录
尊敬的各位投资者，大家下午好。我是中泰证券研究所联席所长兼电子行业首席分析师王芳，非常感谢万德三岁的邀请，让我有机会分享我们的策略。
今天我所讲的内容，节选自我们去年年底发布的2026年年度策略，标题是“沿主线，买缺口”，其中的核心逻辑与我们之前写的策略报告的大方向是一致的。最核心的原因在于，电子行业具有非常强的主线特征。我们一直把电子的投资分为三个大的维度：第一是创新，第二是周期，第三是国产化。周期是用来锚定整个行业所处位置的——周期上行时，整个板块的投资方向不会有大问题；周期下行时，即使有其他逻辑，也只有具备极强阿尔法的公司才能走出来。
因此，我们第一步就是判断整个行业的周期性。如果周期处于上行位置，我们就去寻找创新和国产化所带来的弹性方向。对于本轮周期，电子的创新非常明确以AI为主导，尤其在目前阶段，AI基础设施建设是非常强的主线。当然，汽车、手机、笔电、工业等下游需求在今年受到存储等产品涨价的冲击，对总量有一定影响，但今年对行业最核心的拉动还是AI基建。
AI基建背后依靠的是AI大模型的发展。所以我们今天先从周期位置的判断入手，再看创新是否还能持续，最后看国产化有哪些方向。
半导体是一个典型的周期性行业。这张周期图我在每次分享策略观点时都会展示——全球半导体市场规模月度销售额同比增速的数据，周期特征非常明显，与费城半导体指数的拟合度也很高。当前全球半导体市场规模同比增速已连续接近30个月为正，最新增速达到60%以上。很多人担心是不是处在周期高点，后续可能面临下行。
但本轮周期完全不同的地方在于，AI是最大的扰动因素。AI从2023年ChatGPT推出后开始大力发展，其中增量最大的市场是GPU，而GPU中最主要的公司是英伟达。如果我们把英伟达剔除，整个周期的增速就没那么夸张——最新数据大约只有30%左右。同时存储也没有剔除，因为存储在过去每轮周期中都起到非常大的波动作用：上行周期中价格涨1-2倍很正常，下行周期中跌50%-60%也很正常。上一轮下行周期（2021年底到2023年6月），存储不管是DRAM还是NAND，跌幅都达到80%-90%，是历史上跌幅最大的一次。所以在本轮上行周期中，我们也不会把存储剔除。但如果把英伟达和存储都抛开，可以看到半导体从2023年有AI以来，真正的周期是从今年才开始转正的。这也是为什么费城半导体指数从2023年开始慢慢上涨，到今年股价依然非常强劲。
本轮回暖本质上是因为AI的拉动：2023年只有GPU和HBM，2024年依然是GPU和HBM用量最大，2025年下半年开始存储慢慢被拉动，到2026年，AI对半导体的方方面面都开始拉动了——包括模拟、工控、光模块所用芯片等。能够实现如此广泛的拉动，最核心的原因是AI资本开支扩张得非常厉害。
AI资本开支扩张的背后，是大模型和CSP厂商买单。核心要看这些公司是否能够成功实现投资回报。从行业的飞轮效应来看，去年到今年是加速向上的。以海外大模型为例，OpenAI 5月份的ARR已超过450亿美元，是去年底的5倍，最新估值接近万亿美金；OpenAI 3月份ARR达250亿美元，投后估值8500亿美金，上市目标窗口是2026年Q4。同时，Anthropic原来预计到2028年才能实现现金流回正，但按照最新预期，他可能在今年Q2就有望盈利。去年大家非常担心OpenAI和Anthropic对于算力建设的激进规划——尤其是去年七八月份，OpenAI的规划非常激进，预计到2027年实现8+14吉瓦的算力建设，相较于2025年增长以十倍计。去年大家担心投入这么大能否收回、资金是否足够，但从今年看到OpenAI和Anthropic收入增长超预期、盈利速度超预期之后，市场已不再那么担心资金问题。
背后的核心驱动因素是Token处理量在快速扩张。去年大家开始对AI投资有信心是在四五月份，当时谷歌公布了Token的变化数据——从2月到4月、4月到6月、6月到9月，每次公布的数据都在快速增长。从去年到今年，Token一直以倍数增长。到今年三四月份，再比较时发现之前的数据已经处于很低的位置了，最核心的原因是OpenAI在今年春节凭空出世，推理侧的爆发远超市场想象。整体来看，AI在AI Agent推理这一块已进入初步爆发期，Token调用量在快速增长。这也是为什么去年大家还很担心四大云厂商和模型厂商的资本开支，但到今年已经没有那么多质疑了。
从资本开支数据看，2024年开始进入加速投资期，全年接近2500亿美金。四大CSP厂商2025年保持了65%的高增长，今年保持在73%以上，达到7100亿美金。如果算上二线云厂商，海外整体资本开支更大。展望明年，市场仍预期较大增长。能实现这样的增长，背后是财报在支撑——今年一季报四大云厂商的云业务和广告业务同比增速都经受住了市场考验。AI投资最终能够形成循环，在大模型和CSP厂商身上已经实现了。
英伟达去年8月预测，到2030年全球数据中心市场规模将达到3-4万亿美金，2025-2030年复合增长率约40%-50%。中国方面也以50%的复合增长率在增长，到2028年预计破万亿人民币。在资本开支持续高增的前提下，我们需要去找到AI产业链中的瓶颈环节。今天我们更多聚焦在半导体层面，因为虽然光模块、PCB等领域仍有较大的瓶颈，但半导体是更卡脖子的环节——扩产周期长、资产非常重。
我们看海外对半导体的需求，主要分为几个创新方向。对一台服务器进行BOM成本拆分时，最核心的是GPU卡。从A100那一代开始，GPU卡占BOM成本最高接近95%，目前逐步降到60%左右。最核心的因素是GPU本身的升级速度在逐步降低——英伟达从2020年A100（7nm）到H100（4nm），再到最新的Rubin（3nm），升级节奏放缓，但存储、互联带宽等方面的提升反而更明显。英伟达从单卡逐步变成系统级产品，更多强调互联速率的提升——卡与卡、卡与存储、服务器与服务器之间的互联都在提升。GPU本身在升级，同时我们也看到，ASIC在海外正处于从1到N的快速放量阶段。今年一季报谷歌超预期，TPU方面受到广泛关注；亚马逊、Meta、微软也在加速推出ASIC。从GPU到ASIC，是推理时代对成本和性能要求的必然结果，随着需求提升和规模效应显现，ASIC的量和利润都在增长。2024年底市场曾担心ASIC发展会减少GPU用量，但我们要强调的是，所有CSP厂商都是两条腿走路：一方面训练仍在快速升级，模型参数不断翻番，训练阶段GPU使用没有停止；另一方面推理大爆发时ASIC也在进步。我们认为GPU和ASIC将长期共存，伴随行业贝塔共同成长。从市值角度看，2024年底博通与英伟达存在“你强我弱”的博弈状态，但到现在两者共同增长，市值比例大致维持在1:3左右。
除了GPU和ASIC，BOM成本中另一块增长巨大的就是存储。最早服务器中存储的BOM成本占比仅为低个位数，现在已接近25%-30%。核心原因是训练到推理阶段，存储需求在大爆发。之前市场担心DRAM和NAND涨价会影响手机、笔电销量，进而影响存储需求，但实际上，2024年DRAM下游结构中手机和服务器差不多、笔电略小；到2025-2026年，服务器已毫无悬念成为第一大下游，占比至少50%左右；NAND方面，2024年服务器占比仅24%，现在预计已提升至40%-50%。手机和笔电虽然受涨价影响销量全年可能下滑十几个点，但因为向AI方向升级，无论是DRAM还是NAND容量都在提升，所以不必担心消费电子销量下降会冲击存储市场。
从训练到推理，存储需求变化很大。英伟达曾说过，GPU大部分时间在等待数据而非计算，计算能力增长远快于内存带宽，GPU经常处于饥饿状态。2023-2024年存储价格有一波上涨，但涨幅明显小于2025年下半年到2026年，原因是当时是AI大模型训练阶段，对存储的需求是可以线性预测的——模型参数规模持续提升，单卡HBM容量和集群总显存需求同步增长（如1:4、1:6、1:8配比增加）。2023-2024年DRAM厂商几乎所有资本开支都只增加在HBM上，其他没有增加。但到了推理大爆发阶段——2025年四五月份进入第一次爆发期，到8月份经过四个月的推理爆发后，大家发现存储需求呈现更强的动态性和非线性特征。一方面，推理时模型权重本身要占内存，计算单元与显存单元间频繁调度，需要很高的数据搬运开销；另一方面，与大模型对话开始出现超长上文文本后，显著放大内存占用，显存压力出现明显随机波动。因此，推理阶段出现了被称为“Cache”的存储数据分层机制：对话期间数据存在HBM中（热数据），关闭对话框7天内存在DRAM中（温数据），7-90天存在SSD中（冷数据），超过90天存在HDD中（归档数据）。从去年8月开始，NAND的需求量突然增加，而在手机、笔电等消费电子时代，NAND需求的增长没有这么明显和富有弹性。这是本轮AI推理带来的存储需求大爆发。
从英伟达产品升级路径也能看出存储的重要性。以H100和H200为例，H200比H100贵30%，但算力提升并不大，提升主要在HBM容量（+76%）和带宽（+43%），吞吐量翻倍且能效更高，每次推理成本反而降低了68%。所以英伟达说“买得越贵，省得越多”——系统整体推理成本是下降的。后续所有迭代更多集中在存储层面，包括DRAM、NAND、HDD等需求都非常强劲。
大模型整体的访问和存储面临受限问题，产业界一直在从两个层面优化：一是从模型层面优化（如Google的Cache优化、模型权重优化、框架层优化等），二是从存储硬件层面优化（如提升带宽、做内存池化等）。但无论如何，对存储的需求已进入大爆发阶段。
从供给侧看，DRAM全球产能接近200万片/月，但三星和SK海力士到今年年底合计只增加10万片左右的产能，且优先满足HBM供给。HBM每年翻倍增长，这样的增量无法满足行业需求。NAND方面，今年和明年都没有明显的产能增加，只能靠制程推进和层数推进来增加微元数。整个存储供需存在非常大的缺口。咨询机构Transport测算的缺口数据显示，今年DRAM缺口扩大到8%，NAND缺口扩大到6%。但我们从产业中了解到，实际缺口可能在30%左右，远比想象中更缺。这就是本轮存储价格如此坚挺的原因。在一季度大幅涨价的基础上，二季度DRAM和NAND仍有非常高的环比增长，尤其是NAND。
为了应对价格上涨和长期需求增长，海外出现了新的长协逻辑。以前长协出现往往意味着周期接近高点，大家会担心价格开始松动。今年3月第一个长协出现时，市场确实偏担心、股价出现调整，但后来发现需求增长非常大。这一轮长协与以往有非常大的变化：第一，签订年限比以往长得多——以前消费电子周期签一年，这一轮AI的CSP厂商签3-5年；第二，以往只锁量不锁价、按季重新谈价，这一轮锁定了地板价——以今年Q1、Q2的平均价格锁定。Q1环比大幅增长，Q2不管是DRAM还是NAND仍有环比大幅增长，所以地板价意味着明年乃至未来3-5年价格都有了保底。因此，海外存储厂商迎来了估值重估——原先大家只能预测1-2年的利润，现在锁3-5年后，2028-2029年的增长也可以测算，市场愿意给存储公司从纯周期估值切换到成长估值。另外，违约成本非常高——以前消费电子没有违约成本，这一轮如三星与微软讨论长协时，微软支付超100亿美元巨额预付款，若采购方在约定期限内未完成采购量，差额从预付款中扣除。存储厂商的议价权完全由供应商主导。
整体而言，一台服务器中价值量提升的存储部分，未来两年需求仍在高速增长，价格保持在较高水平，存储产业有非常好的长期AI拉动逻辑。
除了算力和存储，先进制程的需求也非常明确。主流AI芯片（GPU和ASIC）从7nm向3nm推进，台积电3nm和5nm节点产能利用率超过100%（达103%），而7nm及以上节点利用率仅80%多。台积电往2nm扩产的规划，起步量级就比启动3nm时更高，同时3nm还在持续扩产。先进封装方面，CoWoS技术是连接GPU和HBM的关键，台积电从去年1万片产能规划扩50%到今年16.5万片，明年将增至22-23万片。日月光和安靠也在配合扩产——到2028年，日月光CoWoS产能将扩到4万片，安靠扩到1.5万片。AI拉动的半导体是全方位的，包括光芯片等环节也在高速重估。总之，半导体从今年起被全面拉动，之前我们聚焦GPU、ASIC和存储，现在CPU、模拟等偏成熟的环节也被全面拉动。
对于国内来说，国产AI的缺口一直非常大。2024-2025年A股市场更多是偏映射的机会，但今年完全不同——国产大模型和国产算力真正从偏映射走向基本面，开始“玩得转”了。这背后的核心驱动力与海外类似：今年春节开始，中国AI大模型的调用量第一次超过美国。全球调用量排名前五的模型中，中国模型占据四席（MiniMax、Kimi、智谱、DeepSeek等）。推理大爆发叠加国内模型开源和普惠定价策略，带来了非常好的Token调用量。开源是国内获取全球份额的好做法，现在大家都在讨论“模型出海”和“Token出海”，定价约为海外同类的15%-30%，因此调用量快速攀升。随之而来的是国内模型收入的快速增长，以及对国产算力需求的快速增长。英伟达判断，到2030年全球AI数据中心规模达3-4万亿美金，而中国预计约万亿人民币，差了一个数量级，核心原因是国产AI芯片的本土供给依然不足。我们测算，今年本地产能只能满足约40%的需求，瓶颈主要在于先进制程产能。从产品性能看，国产芯片比海外落后约两代，但正在快速追赶。因此，国产半导体最核心的就是先进制程突破。中芯和华虹在国内有先进制程布局，整个AI发展的关键在于先进制程产能能否出来，以及对应的先进封装能否跟上。今年长电和通富上市后，市场积极关注先进封装机会，配套的上游设备和材料也有非常强的本土化需求。此外，存储是国内另一重要课题。即使没有AI，中国DRAM和NAND需求占全球30%-40%，国产化空间巨大。AI使存储市场规模进一步扩大，为长鑫存储和长江存储打开了更大发展空间。长存在NAND方面，性能和层数已能在全球层面进行竞争。两存的发展也将带动上游设备和材料的机遇。
综合来看，国产半导体有非常明确的发展路径：模型发展带来算力需求提升→国产算力需求提升带来先进制程需求提升→配套先进封装需求提升→算力之外还有存力需求。2026年中国半导体公司迎来了非常好的发展机遇。
以上都是在谈云端的机会。再往后看，AI发展必然要向端侧延伸。本来市场预计今年端侧就会有较好机会，但存储增长较快，节奏被打乱。往后看，端侧创新同样要求算力和存储的升级——算力需通过NPU或SOC升级，存储需通过3D DRAM或LPDDR等新形式升级。端侧发展第一步仍将是算力和存储的升级机会。半导体在端侧仍有非常大的机会，预计今年到明年，终端厂商和上游芯片厂商会推出更多方案，我们非常期待端侧受益于AI发展并带来相应的半导体机会。
最后做一个总结：AI对电子的拉动，在半导体维度主要包含两个层面——算和存。算力方面，GPU和ASIC共生共长，配套需要先进制程加先进封装，以及上游设备材料。存力方面，AI带来的存储增长是不可测、非线性的，同时供给受限，整个存储到2027年都会非常紧张，存储是我们长期看好的方向，机会也包括扩产带来的设备材料需求。从云端延伸到端侧，手机、眼镜、笔电、汽车、机器人等设备发展时，基础需求仍然是算和存，只是算力的要求没GPU那么高（通过NPU或SOC实现），存储通过3D DRAM或LPDDR升级，最终都会对半导体的方方面面产生影响，包括CPU、模拟等环节也在持续升级。综上，我们非常看好AI对电子行业的大周期拉动。
此外，我们之前深入研究过的PCB、光模块等方向，本质上也是由AI基建拉动。由于大模型已形成正向循环，我们对所有基建方向都非常看好，新技术和新机会持续涌现，板块性机会明确。
当前最大的风险来自AI进展、应用落地不及预期，以及宏观扰动和行业需求不及预期。以上就是我对电子行业框架策略的判断，具体个股请参考我们之前报告中的推荐。感谢各位投资者，欢迎后续进一步交流。