每日新闻（2026-07-11）

1. 韩国浦项工科大学（POSTECH）研发出可稳定堆叠10层以上超薄芯片的技术，集成密度达传统12层HBM的约【4倍】。

2. 属于先进封装（步骤15）中的3D堆叠与混合键合环节，直接提升HBM容量。

3. 若商业化，将冲击【SK海力士、三星、美光】等HBM厂商的竞争格局，并利好键合设备、材料商。

4. HBM堆叠层数受散热与良率限制已久，该技术打开了下一代高带宽内存的大门，可能重塑AI芯片设计。

1. 英伟达在摩根士丹利会议上称，Vera Rubin芯片周期将驱动未来12个月增长，Rubin Ultra确认2026年出货，否认延期传闻。

2. 属于AI GPU的先进封装（CoWoS、HBM集成）与前后道制造，并高度依赖HBM供给。

3. 稳定市场对英伟达路线图的信心，直接影响台积电产能分配及SK海力士等HBM供应商订单。

4. 但公司同时警告内存短缺将持续多年，意味着即使芯片按时推出，供应瓶颈仍可能在封装和存储端，新人需关注“木桶效应”。

1.发生了什么：德州州立大学研究人员突破射频半导体制造技术，有望降低成本并提升性能。

2.属于产业链哪个环节：涉及化合物半导体制造工艺，如外延生长、掺杂等，推动5G/6G射频前端芯片制造。

3.可能影响的公司或赛道：可降低GaAs/GaN射频芯片制造成本，影响Qorvo、Skyworks等公司。

4.为什么值得关注：射频芯片成本高是5G普及瓶颈之一，制造技术创新能推动产业链降本。

1. 根据内部备忘录，Meta自研AI加速芯片定于9月投产，由【博通】协助设计、台积电制造，目标让计算能力翻倍。

2. 覆盖ASIC设计→前道晶圆制造→先进封装（可能含CoWoS）→测试全流程。

3. 影响Meta自身AI基建、台积电与博通营收，并可能减少对英伟达GPU的采购依赖。

4. 大型云厂商自研AI芯片是重要趋势，Meta加入将加剧ASIC赛道竞争，改变AI算力供应版图。

1.WSJ报道苹果获得半导体关税豁免，作为交换，苹果承诺使用英特尔晶圆厂生产芯片，包括Mac芯片和可能未来iPhone芯片。

2.属于【晶圆制造】环节，英特尔代工服务（IFS）将获得苹果订单，涉及先进制程量产。

3.可能影响英特尔代工业务利用率与客户拓展，削弱台积电部分独占地位，推动苹果供应链多元化。

4.标志着美国通过关税政策强力推动本土先进制程制造，英特尔若成功量产苹果订单，将大幅改善其代工市场地位。

1. SK集团主席在CNBC与彭博电视透露，客户要求未来五年HBM产能提升【5-6倍】，远超公司原定翻倍计划，并表态愿意在美增建芯片产能。

2. 属于前道【DRAM晶圆制造】及先进封装（步骤15），直接影响HBM供给。

3. 影响SK海力士、英伟达等AI芯片客户，以及韩美两地半导体设备与材料供应商。

4. HBM是AI训练/推理的核心瓶颈，需求远超供应将持续推高价格并驱动大规模扩产，新人可把HBM看作AI时代的“石油管道”。

1. 台积电将在2026年VLSI研讨会发布A16CMOS平台，核心是首次导入背面供电（BSPDN）技术，标志工艺进入埃米时代。

2. 属于前道制造中的背面减薄（步骤13）与【背面金属化】（步骤14），并影响整个前端工艺集成。

3. 直接影响台积电及NVIDIA、AMD等大客户，同时驱动EDA工具、CMP、沉积设备等供应链升级。

4. 背面供电可大幅降低电压损失、提升晶体管密度，是延续摩尔定律的关键，是理解2nm以下工艺的必知概念。

1. SemiAnalysis指出，谷歌将在TPUv9扩展网络中使用【相干精简收发器】技术，Innolight已出货2.4T光模块，Marvell提供定制DSP。

2. 属于光互连/硅光子领域，虽在封测之后，但直接影响AI集群的带宽扩展能力。

3. 利好光模块厂商Innolight、DSP龙头Marvell，以及谷歌等CSP的AI网络架构。

4. 在共封装光学（CPO）成熟前，相干精简是解决高带宽互连的务实方案，是当前AI数据中心光通信的热点。

1.发生了什么：蔡司在韩国龙仁开设半导体创新中心，扩充光刻与量测技术支持能力。

2.属于产业链哪个环节：直接服务光刻（步骤6）与量测环节，提升设备应用支持与工艺优化。

3.可能影响的公司或赛道：直接服务韩国芯片制造商，如三星、SK海力士，影响先进存储与逻辑芯片制造质量与效率。

4.为什么值得关注：蔡司是ASML光刻机光学系统供应商，也是量测设备商，本地化支持可缩短问题响应时间，提高晶圆厂良率和产能爬坡速度。

1.发生了什么：SK海力士CEO在路透社采访中表示，从供应角度看，2026年将是【行业史上最差的一年】，且尽管公司激进扩产，未来十年内存需求将一直超过其产能。

2.属于产业链哪个环节：直接影响【晶圆制造】和封装测试环节，特别是HBM、DRAM的产能分配与供应。

3.可能影响的公司或赛道：SK海力士、三星、美光等存储大厂，以及英伟达、AMD、云服务商等AI芯片与服务器客户。

4.为什么值得关注：存储产能瓶颈将长期推高价格，制约AI芯片出货，并可能加速客户采用中国存储替代方案，重塑全球供应链。

1.发生了什么：SemiAnalysis指出，马斯克一家公司【限制员工AI调用额度】仅200美元/周，而另一家公司宣称AI需求巨大，需建设太空数据中心和年产能1太瓦的Terafab晶圆厂。

2.属于产业链哪个环节：涉及【晶圆制造】（Terafab）和数据中心能源环节，反映AI芯片产能与需求的预期分歧。

3.可能影响的公司或赛道：特斯拉、xAI、SpaceX，以及为Terafab供应设备的ASML、应用材料等。

4.为什么值得关注：同一控制人下的矛盾信号，可能暗示AI真实采用速度不及投资预期，影响资本开支信心，但也可能驱动芯片制造新产能模式。

1.发生了什么：ROHM推出新款600V超结MOSFET，采用表面贴装封装，显著提升热性能。

2.属于产业链哪个环节：属于功率半导体器件，应用于后端电源管理，关联封装（步骤15）与系统设计。

3.可能影响的公司或赛道：面向数据中心服务器电源市场，影响英飞凌、安森美等功率器件竞争格局。

4.为什么值得关注：超结MOSFET可实现高效电源转换，AI数据中心功耗剧增，高散热能力器件是降耗关键。

1.发生了什么：英伟达宣布其Vera Rubin DSX AI Factory参考设计帮助Emerald AI构建对电网冲击更小、可灵活供电的AI工厂，让数据中心成为能源供应者。

2.属于产业链哪个环节：属于测试/部署后的数据中心基础设施环节，不直接涉及芯片制造，但影响AI芯片的落地与电力配套。

3.可能影响的公司或赛道：英伟达、数据中心运营商、能源公司，以及采用该方案的AI企业。

4.为什么值得关注：AI规模化面临电力瓶颈，该方案若普及可加快AI工厂建设，间接拉动上游AI芯片及先进封装需求。成功案例链接

1.NVIDIA在摩根士丹利NDR会议中透露，AI公司Anthropic的算力负载已有近50%运行在NVIDIA芯片上，此前主要依赖Google TPU。

2.属于AI计算基础设施环节，不直接对应具体制造步骤，但反映下游芯片需求格局变化。

3.可能巩固NVIDIA在AI训练/推理领域的领先地位，同时表明云厂商自研芯片（如TPU）面临被侵蚀的压力。

4.作为领先AI实验室，Anthropic的算力迁移凸显了NVIDIA生态的粘性，对数据中心GPU与ASIC的竞争格局有重要指示意义。