每日新闻（2026-07-02）

1.三星SDS正开发算法，利用量子计算机模拟光刻工艺的关键部分，计划2025年下半年概念验证

2.直接作用于光刻（第6步），芯片制造中最核心、最昂贵的环节之一

3.影响三星电子半导体研究所，长期可能惠及所有先进制程厂商

4.光刻模拟极其消耗算力，量子计算若成功商用可大幅缩短工艺开发周期、降低试错成本、提升良率与芯片密度

1. 应用材料发布针对HBM和3D封装的新设备，旨在突破AI记忆体墙瓶颈

2. 对应产业链环节：后道封装（TSV、堆叠键合相关）

3. 可能影响：三星、SK海力士、美光等HBM供应商，及台积电、ASE等先进封装厂

4. 原因：AI模型参数暴增，HBM堆叠层数向16层以上演进，封装良率和产能成为关键，新设备有望缩短TSV形成和键合周期

1. 推理过程被细分为不同阶段（预填充/解码）、层（注意力/前馈网络）和时间窗口分片执行

2. 属于芯片应用与系统架构层，影响AI芯片和HBM、SRAM需求配比

3. 受益方：NVIDIA、AMD等GPU厂商，以及博通、Marvell等定制ASIC设计商

4. 原因：通过精细调度将闲置算力再回收，每次切分都让单位Token成本下降，需求不降反增，对芯片设计者在存内计算与互联上提出新要求

1. 京东方已送出玻璃基板样品，同时自建12英寸晶圆厂预计2026年下半年量产

2. 玻璃基板属于先进封装基板材料（替代ABF/硅中介层），晶圆厂切入成熟制程逻辑芯片代工

3. 影响：现有基板供应商（欣兴、Ibiden）和成熟制程代工厂（联电、中芯国际）可能面临新竞争

4. 原因：面板巨头利用大尺寸玻璃处理经验跨足半导体，若良率达标，将加速玻璃基板在面板级封装（PLP）中的应用，重塑供应链

1. 联发科在云端ASIC市场进展迅速，除TPU外已确定Google为第二家客户

2. 属于IC设计服务（芯片设计环节），涉及后端物理实现和定制化IP集成

3. 受益/竞争：联发科扩大ASIC业务，将对博通、Marvell、高通及台积电生态圈产生影响

4. 原因：大客户自研芯片趋势下，联发科凭借手机SoC设计经验切入定制AI芯片，有望复制博通模式，改变ASIC竞争格局

1. 三星在SAFE论坛宣布扩大韩国AI半导体生态合作，披露新代工技术路线

2. 涵盖前端制造（晶圆代工）和先进封装，强调整合设计-制造-封装一站式服务

3. 影响：对AI芯片初创企业、IP供应商合作加深，与台积电、英特尔代工服务竞争

4. 原因：三星欲借AI浪潮巩固其IDM优势，通过更开放的生态吸引客户，尤其在HBM与先进封装一体化的系统级方案上寻求突破

1. SemiAnalysis旗下InferenceX团队在播客中详细介绍了将DeepSeek V4部署到华为AscendNPU上的架构变化、MegaKernel设计及初步性能数据。

2. 属于芯片设计验证与AI软件栈适配，映射到光刻及流片后的芯片实测环节，表明国产AI芯片在大型模型推理上具备足够可用性。

3. 直接利好华为及国产AI芯片生态，对NVIDIAAI训练卡的市场替代压力加大，也为国内AI服务商提供可选方案。

4. 新人可理解为：原本只能用NVIDIA跑的大模型，现在在华为自研芯片上也能跑得不错，这打破了“非NVIDIA不可”的认知，国产替代从硬件工艺扩展到实际应用生态。

1. 业界正采用GPU光栅化技术来加速计算光刻中的图像渲染与光学邻近修正。

2. 直接影响光刻环节的掩模数据处理阶段，是提升曝光精度的关键上游优化。

3. 英伟达GPU及Synopsys等EDA厂商将受益，台积电、三星、英特尔等先进制程用户可借此缩短掩模制备周期。

4. 传统计算光刻依赖CPU集群，耗费数天处理一片掩模；GPU并行处理可将此时间压缩至数小时，直接加快2nm/1.4nm等节点的研发迭代。

1. 三星正式确认其1.4nm制程按计划于2029年量产，第二版更新将在2030年推出。

2. 属于前道工艺最前沿的光刻-蚀刻-掺杂循环迭代，接近硅基晶体管物理极限。

3. 与台积电2nm展开直接竞争，拉动ASMLHigh-NA EUV光刻机、高精度检测设备及EDA工具需求。

4. 虽然1.4nm尚在研发阶段，但路线图明确有助于新人理解：从2nm到1.4nm，栅长进一步微缩，对光刻分辨率和材料纯度的要求将达到新高度。

1.【联发科】CEO在ISSCC 2026指出，AI效率不再仅由芯片决定，竞争焦点转向机架和POD级系统架构

2.从芯片设计延伸至系统集成，影响封装（第15步）、互连、散热、供电等多个环节

3.NVIDIA R200当前领先，但ASIC设计服务商正重新定位以应对新竞争维度

4.意味着单纯提升单芯片性能已不足够，系统级优化成为AI算力差异化关键，将改变芯片设计、封装和部署的整体思路

1. 供应链消息称，联发科继Google之后，已基本确定Meta成为其云端ASIC业务的第二个大客户，合作聚焦AI加速器芯片。

2. 属于芯片设计环节，涉及定制化AI加速器（ASIC），替代通用GPU的部分推理/训练负载。

3. 直接与【高通】和【博通】竞争，高通已获Meta、微软、字节等客户；联发科若拿下Meta，将与博通共享Meta AI加速器订单。

4. 联发科凭借Google的TPU订单已实现稳固营收，Meta加入将加速其ASIC业务规模向100亿美元迈进，有助于打破博通在高端AI客制化芯片的垄断。

1. 三星晶圆代工因AI芯片和大客户订单激增，4nm工艺明年产能已基本售罄，部分8nm产线也几近满载。

2. 事发于晶圆制造环节（工艺节点量产阶段），直接反映成熟和先进制程的供需逆转。

3. 三星正优先服务大客户并筛选新订单，影响英伟达、谷歌、特斯拉等AI芯片的供给，联发科等中小客户或被挤压。

4. 这意味着继台积电先进制程紧缺后，全球第二大代工厂也进入“卖方市场”，芯片设计公司需尽早锁定产能，否则可能面临长达数月的排单延迟。

1. 英伟达宣布与AI云服务商合作，通过收入分成和信用支持部署大规模多租户AI工厂。

2. 标志着AI芯片的应用重心从一次性模型训练转向7x24小时在线推理的Token生产，落在测试/部署环节。

3. 有助于英伟达GPU客户群从头部大模型公司扩展至初创企业、行业ISV及区域AI玩家，拉长GPU使用周期。

4. 对从业者来说，这意味着未来GPU服务器的采购模式可能从买断变为“算力订阅”，芯片需求会更稳定，但对能效和利用率的要求更高。

1.日月光（ASE）先进封装报价再次上调，涨幅超过20%，涉及CoWoS和FoCoS，包含顶级美国客户

2.发生在封装（第15步），特别是先进封装环节，当前AI芯片的产能瓶颈

3.影响台积电、NVIDIA等AI芯片客户，其他封测厂或跟随涨价

4.AI芯片需求持续旺盛，台积电CoWoS产能外包份额攀升，封装成本激增将推高AI芯片终端价格，反映产能严重供不应求

1.超过60家A股半导体公司在近两日内集中发布业务风险警告，措辞高度一致

2.涉及中国半导体整体产业链，从设计到制造到封测各个环节

3.直接波及中国半导体上市公司及投资生态，可能影响估值与融资

4.如此大规模、同一口径的风险提示在公司层面极为罕见，或反映监管层对半导体板块过热的降温信号，需警惕后续行业融资与政策环境变化

1. 半导体制造关键设备飞秒激光器面临供应吃紧，苹果已因成本上升进行提价

2. 对应环节：切割/划片、激光钻孔等（晶圆减薄与切割步骤）

3. 受影响：台积电、三星等晶圆厂及激光器制造商（如Coherent、Trumpf）

4. 原因：先进封装和薄晶圆处理对超快激光需求激增，而产能扩张缓慢，可能导致设备交期拉长，限制整体产出

1. AI服务器大厂纬颖正在加快其在美国德州埃尔帕索的工厂建设，马来西亚第三工厂也同步推进，以满足亚马逊Trainium3服务器和AMD MI445服务器的需求。

2. 属于后道封装与系统组装环节，AI服务器的机柜集成、测试和交付直接影响云厂商AI算力扩张进度。

3. 惠及【亚马逊】、AMD、Meta、微软等客户，纬颖的非中国大陆供应链布局使其在贸易摩擦中更具弹性。

4. 美国本土化生产的趋势意味着服务器供应链从“台湾制造直运”转向“近岸组装”，交货周期和地缘风险都将改善，但成本可能上升，是产能地区再平衡的典型案例。

1. 据日经消息，苹果大幅上调折叠iPhone的出货目标到约1000万部，并已为2026下半年新机备足8000万部组件。

2. 属于终端需求侧的爆发信号，将拉动柔性显示驱动、铰链传感及配套SoC的晶圆用量。

3. 苹果供应链中的CMOS传感器、存储颗粒和先进封装厂商将直接受益；相比之下，小米、OPPO等中国厂商因存储和元器件短缺大幅调降出货目标。

4. 折叠机构的关键技术已基本突破，但DRAM和NAND价格的上涨可能推高成本，考验苹果供应链协同能力。

1. SemiAnalysis报道，此前因美国出口管制指令于6月12日下线的AI模型Mythos现已恢复在线，成为首个“被政策下架又恢复”的前沿模型。

2. 不属于制造环节，但出口管制直接影响AI芯片及含先进算力的模型跨境供应，与半导体贸易政策强相关。

3. 可能影响依赖美国AI技术的云服务商及芯片企业，管制范围的模糊性为NVIDIA、AMD等芯片出口带来不确定性。

4. 这一回摆表明AI管控执行层面可能出现松动或澄清，从业者需关注后续许可证要求，因为模型本身也可被视为敏感物项，影响半导体下游应用。

1.因GDDR6内存供应紧张和成本上涨，AMD计划7月将Radeon GPU及内存捆绑包提价10%

2.属最终产品组装环节，根源在存储芯片制造与测试（第16步），影响GPU生产

3.AMD及GPU消费者受直接影响，利好三星、SK海力士、美光等GDDR6供应商

4.显示高性能DRAM短缺从HBM向GDDR6蔓延，整个存储超级周期正在扩大影响范围，波及消费级市场

1.据彭博报道，Meta计划建立云业务向外部出售过剩的AI算力

2.属AI芯片下游应用与采购环节，直接影响数据中心芯片需求结构

3.可能影响NVIDIA、AWS等现有云服务商，以及Meta自研芯片计划

4.若Meta将庞大算力商品化，可能改变AI芯片采购模式，NVIDIA的需求预测与客户集中度面临新变数，同时或冲击Meta与高通、ARM芯片的合作前景

1. 华为韩国公司被证实正在制定销售策略，准备在Q4推出基于Ascend 950PR/950DTNPU的AI计算系统Atlas 950 SuperPoD。

2. 涉及AI加速器芯片与系统集成，属于芯片设计、封装及HBM存储协同；产品搭载华为自研HBM，代表中国半导体在受限下的突破。

3. 挑战NVIDIA在韩国AI基础设施市场的主导地位，可能影响当地数据中心采购，同时也牵涉三星、SK海力士等存储巨头的生态。

4. 华为以“性能2.87倍、价格四分之一”对比NVIDIA H20，试图用价格和系统级互联缓解CUDA依赖，若能打破韩国对国产芯片的保守态度，可能改变区域AI芯片格局。

1. 美光宣布与通用汽车达成新的SCA（长期供应协议），SK海力士则被曝正在重塑其存储长期协议，取消原有的价格上限，以完全传导现货市场的上涨。

2. 属于存储芯片环节（DRAM/NAND），直接影响汽车、服务器等下游的芯片成本和供应稳定性。

3. 美光、SK海力士通过锁定车载订单和弹性定价巩固利润，通用汽车等车企可保供；同时现货市场DDR4 DIMM在日本出现下跌，但AI相关的高端存储依然紧张。

4. 取消价格上限意味着存储原厂对涨价预期强烈，客户未来将不得不接受更高定价；汽车行业在这场存储分配中与AI争夺产能，价格波动将更频繁地传导至整车成本。

1. 亚马逊拟在Kindle、Fire TV、Echo等终端中，逐步用自研处理器取代外购芯片，采用类似AI芯片Trainium的COT模式。

2. 属于芯片设计环节的自研SoC架构切换，直接影响终端成品方案。

3. 当前供货商【联发科】首当其冲，高通和其他IoT SoC供应商也可能被波及。

4. 这是大型终端品牌“垂直整合”趋势的延续，华为、苹果、谷歌已先行，亚马逊入局意味着第三方芯片商需更早锁定长尾客户，避免大客户流失。