每日新闻（2026-07-14）
1. 【摩根士丹利】将2027/2028年超大规模云商资本开支上调9%/10%，预计达1.2万亿/1.4万亿美元
2. 影响AI芯片、服务器、网络设备等终端需求，直接推高【前道制造】和先进封装产能需求
3. Meta同时披露路易斯安那州5GW数据中心投资超500亿美元，较此前270亿大幅增加
4. 资本开支持续上修意味着AI算力军备竞赛远未见顶，将拉动晶圆代工与HBM/CoWoS等环节长期景气
1. 行业分析指出，如果【长鑫存储】实现1c级3D DRAM，将引发与JEDEC阵营的技术标准分化
2. 影响DRAM制造中的薄膜沉积光刻【蚀刻】等步骤，以及3D堆叠的封装环节
3. 西方客户因无法遵循长鑫私有标准，将不能采用其产品，联想小米等国内厂商仍可使用
4. 新人理解：DRAM标准决定接口兼容性，长鑫想弯道超车直接上3D DRAM，可能导致全球市场人为割裂
1. TrendForce指出，AI数据中心下一瓶颈不是带宽，而是计算和内存，光学互连从可插拔转向CPO/LPO
2. CPO将光学引擎封装入交换机提升密度，LPO省去DSP降低功耗，涉及先进封装与光刻等步骤
3. 影响交换机芯片、光模块厂商及台积电、日月光等封装厂，加速CoWoS与硅光子整合
4. 即插模块→光电共封的转变，就像把独立显卡集成到CPU里，能突破带宽墙但依赖半导体封装生态
1.HBM生产必备的热压键合机引发专利诉讼，韩美半导体以“水与牛奶”为比喻控韩华Semitech侵权，战火延烧设备市场。
2.TCB属于封装环节，用于HBM堆叠时的晶粒互联，直接影响良率与产能。
3.韩美半导体是SK海力士主要TCB供应商，诉讼可能扰乱设备供应，影响HBM产能扩张。
4.HBM设备高度集中，专利纠纷若延宕，将恶化AI高频宽记忆体供给。
1.受先进制程推升，家登EUV光罩载具及12英寸晶圆载具需求爆发，第2季营收创高，下半年将扩大供应韩系晶圆厂。
2.属于光刻环节，光罩载具是保护掩模板并供机台使用的关键物料。
3.家登为台系载具龙头，直接受惠台积电、三星等扩产，全年营运有望挑战新高。
4.EUV层数随制程微缩快速增加，载具使用量同步攀升，是先进制造扩张的隐形受益者。
1.发生了什么：韩国媒体报道，三星晶圆代工部门已与AI公司Anthropic达成协议，制造其定制AI芯片。
2.属于产业链哪个环节：晶圆制造前道（光刻、【蚀刻】等步骤），属于先进制程代工服务。
3.可能影响的公司或赛道：三星代工、AI芯片设计商英伟达等，以及晶圆代工竞争格局。
4.为什么值得关注：Anthropic为首个明确披露的AI大客户，有望提升三星AI芯片代工份额，验证其先进制程竞争力。
1.发生了什么：SK海力士已启动龙仁Y1厂设备订单，规划月产能2万片，瞄准1c DRAM（第六代10nm级），用于HBM4E，产线拟2027年2月开通。
2.属于产业链哪个环节：DRAM前道制造（薄膜沉积、光刻、【蚀刻】等），至测试环节。
3.可能影响的公司或赛道：SK海力士、KLA、应用材料等设备商，HBM市场份额。
4.为什么值得关注：AI导致内存供应缺口可能持续至2030年后，SK海力士大幅提前扩产，巩固HBM领导地位。
1.发生了什么：云端大模型向边缘小模型迁移时，需在功耗、性能、架构间取得平衡，推动AI芯片架构创新。
2.属于产业链哪个环节：芯片设计环节，影响【推理加速器】、边缘SoC定义，后续关联先进制程与封装。
3.可能影响的公司或赛道：高通、联发科、苹果等边缘芯片设计商。
4.为什么值得关注：边缘AI是下一代设备升级关键，架构优化将催生新工艺与封装方案，推动终端AI普及。
1. 据三星内部人士透露，特斯拉AI5芯片已在三星泰勒晶圆厂完成流片，目标采用2nm制程
2. 属于晶圆制造前道光刻与整体工艺整合环节，标志着设计进入硅验证阶段
3. 直接影响三星代工和特斯拉，可能吸引更多AI芯片订单转向三星2nm
4. 对于新人：流片是将设计转化为物理芯片的关键里程碑，成功后才会进入风险量产，是先进制程实力的体现
1.美国川普政府强力介入半导体产业，英特尔被定位为芯片复兴计划核心，苹果则扮演关键推手，双方合作被提升至国家安全高度。
2.影响IDM全链条，尤其前道制造与美系设计生态的绑定。
3.若英特尔获苹果订单，将实质受益晶圆代工业务，削弱对台积电和三星的依赖。
4.政策强推本土制造，可能加速全球代工格局重新划分。
1. 2026年Q1全球EDA、半导体IP及服务营收达57.48亿美元，同比增长12.7%，亚太区贡献显著。
2. EDA工具是芯片设计阶段的核心，对应制造流程图中尚未进入晶圆厂的设计环节，但其景气度是产业扩产的前置信号。
3. EDA供应商（Synopsys、Cadence等）及IC设计服务公司受益，亚太区尤其活跃。
4. 新人须知：EDA出货增长意味着芯片设计项目增多，未来6-12个月对晶圆制造和封装测试的需求往往随之放大。报告参考
1.发生了什么：据知情人士透露，三星电子正与投行初步洽谈发行美国存托凭证，尚未做出最终决定。
2.属于产业链哪个环节：公司资本层面，可能影响后续扩产研发资金筹措。
3.可能影响的公司或赛道：三星电子本身，存储与代工市场。
4.为什么值得关注：ADR将为三星提供美元融资渠道，应对高额资本开支及芯片周期波动，也反映其寻求美国资本市场深度。
1. 行业观点认为，HBM虽需求强劲，但定价难以覆盖其极高复杂度和工程投入
2. 当前通用DRAM毛利率约90%，生产HBM反而带来机会成本，挤压晶圆厂产能分配
3. 影响SK海力士三星美光的扩产决策，HBM不会无限吃掉全部DRAM产能
4. 新人可理解为：同一片晶圆做普通内存很赚钱，改做更复杂的HBM反而少赚，厂商会权衡资源
1.经历两年供过于求的6英寸SiC基板近期价格见底回升，因产能限制与车用、能源需求升温，通路商反馈供货吃紧，客户追加订单需接受涨价。
2.属于晶圆制备环节，是第三代半导体功率器件的关键衬底。
3.影响Wolfspeed、罗姆、山东天岳等基板厂，及车规功率芯片产业链。
4.碳化硅对电动车和快充至关重要，价格转向意味着需求景气度恢复，上游材料厂优先受益。
1.三星4~5纳米制程订单明显增加，继与Tesla敲定大型合约后，产能利用率逐步回升，有望走出3nm良率阴霾。
2.属于前道晶圆制造，覆盖光刻、蚀刻等数百道工艺步骤。
3.利好三星半导体设备供应链，对台积电中阶制程代工份额构成潜在竞争。
4.三星在先进制程受挫后，中阶节点回暖是转机，显示AI以外应用也开始回补库存。
1.AI驱动的CPU、GPU、ASIC需求激增，导致ABF载板自2026年上半年起严重供不应求，缺料和产能瓶颈恐延续至2028年。
2.属于封装环节，是先进封装中连接芯片与基板的关键材料。
3.影响欣兴、南电、景硕等载板厂，以及英伟达、AMD等AI芯片供应商。
4.先进封装产能瓶颈向上游材料蔓延，成为制约AI芯片出货的新关卡。
1. 英伟达通过TensorRT-LLM、Dynamo等软件优化，在相同GPU和功耗下将token输出量提升5倍，Blackwell平台结合NVFP4等特性更实现20倍吞吐增益。
2. 属于AI推理应用层优化，不涉及晶圆制造或封装步骤，但直接影响GPU实际效能与部署经济性。
3. 英伟达、AI应用开发商（Baseten、Together AI等）以及云厂商受益，部分缓解高端GPU供应压力。
4. 新人须知：这表示软件优化可以大幅“压榨”已有硬件的性能，降低企业采用AI的成本，可能影响未来AI芯片的总需求增长斜率。官方博客
1. 媒体援引供应链消息称联发科已再次下调全年智能手机出货展望；另有分析指高通手机业务可能比市场预期更差。
2. 终端需求变化直接影响芯片设计公司的晶圆投片量，进而波及前道制造及封装测试环节。
3. 台积电、联发科、高通及安卓手机品牌均面临出货压力，成熟制程产能利用率或受影响。
4. 值得关注：若手机持续疲软，部分成熟制程产能可能转向非手机应用，但短期仍会压制相关代工和封测订单。
1. FT报道中国国内计算能力仍远不足快速增长的需求，部分科技公司游说政府允许销售英伟达H200芯片，但大规模批准可能性很低。
2. 国产芯片厂商产能已被预订一空，连过去无人问津的低端芯片也被抢购，映射出受制裁下制造产能瓶颈与巨大需求。
3. 影响华为昇腾、海光信息等国产芯片供应链以及英伟达在华业务，封装基板、硅晶圆等环节也可能面临非理性抢购。
4. 新人须知：出口管制导致先进芯片断供，倒逼国内芯片疯狂扩产但良率与产能有限，短期将推高成熟制程设备和材料需求。原文
1.发生了什么：英特尔宣布投资50亿欧元扩大欧洲制造产能，涵盖晶圆代工和先进封装。
2.属于产业链哪个环节：晶圆制造前道（硅晶圆制备至CMP等）及后道封装。
3.可能影响的公司或赛道：英特尔代工服务、欧洲设备与材料商。
4.为什么值得关注：英特尔IDM2.0战略落地欧洲，响应地缘政治自主需求，有望提升区域产能并重新分配全球供应链。
1.发生了什么：华为、百度等联合发布中国首个【近封装光学（NPO）】多源协议，首版规格预计2026年Q3发布。
2.属于产业链哪个环节：先进封装与光互连（CPO/NPO），涉及光学引擎集成。
3.可能影响的公司或赛道：光模块供应商、数据中心设备商、中国CPO生态。
4.为什么值得关注：NPO是打破AI带宽瓶颈的关键，中国率先建立标准协议，可能加速国产光互连生态并影响全球供应链。
1. Undo将在DAC 2026展示技术，使AI编码代理理解运行时行为，自动进行根因分析
2. 应用于芯片设计验证环节，虽非直接制造步骤，但能大幅缩短设计迭代时间
3. AMDNVIDIA已在使用该技术，有望提升EDA工具智能化，减少人工调试
4. 对于新人：芯片设计中的bug定位极耗时，AI自动分析如同给工程师配了一个永不疲惫的助手