NVIDIA 与 MediaTek 联合设计的 RTX Spark 是业界首款专为 AI Agent 场景打造的 PC 芯片，基于 TSMC 3nm 工艺制造，集成了 20 核 Grace CPU、拥有 6,144 个 CUDA 核心的 Blackwell RTX GPU、128GB 统一内存，晶体管数量约 70 亿颗。该芯片定价 2,899 美元，定位高端市场，戴尔、惠普、华硕、联想、微星和微软均计划在 2026 年秋季推出搭载该芯片的设备。
RTX Spark 的发布标志着 AI PC 从概念炒作进入产品落地阶段。其核心创新在于"统一内存架构"——CPU 和 GPU 共享 128GB 高速内存池，无需在二者之间反复拷贝数据，大幅降低 AI 推理延迟。对于开发者而言，这意味着可以在桌面端本地运行过去依赖云端的 Agent 工作负载，如实时代码生成、多模态内容理解和自主任务编排。从产业角度看，NVIDIA 正在将数据中心 AI 加速的成功经验下沉到个人计算领域，这一战略与当年 CUDA 生态的崛起如出一辙。值得关注的是 2,899 美元的定价虽然不菲，但相比数据中心 GPU 仍然具有显著的成本优势，预计将吸引 AI 开发者和专业用户率先采用。
黄仁勋在 GTC Taipei 上正式确认 NVIDIA Vera Rubin 平台已进入全面量产阶段。该平台基于 TSMC 3nm 工艺，通过 CoWoS-L 先进封装技术整合了 7 颗新芯片，采用来自三星、SK 海力士和美光的 HBM4 内存，整体晶体管规模约 6 万亿颗。首批客户包括 OpenAI、Anthropic 和 SpaceX 等重量级 AI 玩家，预计今年下半年开始大规模出货部署。
Vera Rubin 的量产对于 AI 行业具有里程碑意义。6 万亿晶体管意味着其算力密度达到了前所未有的水平，预计训练效率将比上一代 Blackwell 提升 3 倍以上。从技术路径看，CoWoS-L 封装是实现如此大规模芯片集成的关键——它允许将不同制程节点的芯片通过高密度中介层整合在一个封装内，既降低了制造复杂度，又提升了系统性能。HBM4 的引入进一步缓解了"内存墙"瓶颈，使万亿参数模型的训练不再受制于带宽限制。对于 AWS、Azure 和 GCP 等云服务商而言，Vera Rubin 集群的部署将显著降低大模型训练的时间成本和电力消耗，但也意味着数据中心基础设施需要同步升级液冷散热和供电系统。
NVIDIA 宣布其采用共封装光学（CPO）技术的 Spectrum-X 交换机正式进入出货阶段。该产品由 NVIDIA 与 TSMC 联合开发，基于 TSMC 的 COUPE 硅光子平台，可实现高达 400 Tbps 的总吞吐量，预计 2026 年下半年进入量产放量阶段。CPO 技术将光模块从交换机前面板移到芯片封装内部，大幅缩短了电信号到光信号的转换距离。
Spectrum-X CPO 的出货是数据中心互连技术的一次范式跃迁。传统可插拔光模块在 800G/1.6T 时代面临功耗密度和端口密度的双重瓶颈——每个光模块的功耗和体积限制了交换机的端口数。CPO 通过将光学引擎与交换芯片直接集成在同一封装基板上，消除了高速 SerDes 驱动长 PCB 走线的功耗，预计可降低 50% 以上的光互连功耗。对于 NVIDIA 而言，Spectrum-X 不仅是网络产品线的补充，更是构建"AI 工厂"基础设施的核心拼图——在大规模 GPU 集群中，网络瓶颈已成为限制扩展效率的首要因素。400 Tbps 的吞吐能力意味着可以支撑超过十万个 GPU 的无阻塞互联。
TSMC 宣布将在 2026 年 6 月启动的 2nm 试产中全面部署 NVIDIA cuLitho AI 加速计算光刻平台。该平台由 NVIDIA、ASML 和 Synopsys 历时 4 年联合开发，利用 GPU 加速的深度学习算法替代传统基于物理模型的光刻模拟，可将光刻成本效率提升 20-50%。这是 AI 技术反哺半导体制造本身的最典型案例之一。
cuLitho 的技术原理是使用神经网络直接预测光掩模图案，替代传统基于严格电磁仿真的迭代优化过程。传统光刻计算需要在每个工艺节点消耗数百万小时的 CPU 计算时间，且随着 EUV 多次曝光和曲线掩模的普及，计算复杂度呈指数级增长。cuLitho 将光刻计算从 CPU 集群迁移到 GPU 加速平台，不仅大幅缩短了计算时间，还通过 AI 模型的泛化能力发现了人工设计难以达到的优化解。对于 TSMC 2nm 而言，这意味着更短的工艺开发周期、更高的良率爬坡速度和更低的掩模制造成本。这也是 NVIDIA 与 TSMC 合作关系从"晶圆代工客户"升级为"制造技术合作伙伴"的标志。
Intel 宣布其 18A-P（18A 增强版）制程已进入风险生产阶段。相比基础版 18A，18A-P 在同等功耗下性能提升 9%，在同等性能下功耗降低 18%，主要面向 AI 和数据中心 HPC 芯片。此外，Intel 还在本次技术展示中首次展示了单片 CFET（45nm 栅极间距）、GaN+硅集成工艺和减钌互连技术三项前沿成果。
18A-P 的风险生产对 Intel 的代工复兴战略至关重要。风险生产（Risk Production）意味着工艺设计套件（PDK）已基本定型，早期客户可以开始芯片设计和流片验证。Intel 采取的"性能增强版"策略值得关注——在基础节点投向市场后迅速推出 Plus 版本，以弥补与 TSMC 在密度上的差距。单片 CFET 展示则是对未来 1nm 以下节点的技术储备：CFET 将 NMOS 和 PMOS 晶体管垂直堆叠，可实现 45nm 的极致栅极间距，理论密度是 GAA-FET 的 2 倍。GaN+硅集成技术则瞄准射频和功率应用，减钌互连则试图解决先进制程中铜互连电阻暴增的难题。这些技术储备表明 Intel 虽然在先进制程追赶中仍处劣势，但其长期技术路线图依然具有竞争力。
三星电子在 VLSI 技术与电路研讨会上以 3D Stacked FET 技术荣获最佳论文奖。该技术实现了业界最小的 42nm 栅极间距，将 N 型与 P 型晶体管垂直堆叠，理论上可使晶体管密度较传统 GAA-FET 翻倍。这一突破为超越 1nm 节点的半导体微缩提供了可行路径，引起了全球半导体业界的高度关注。
3D Stacked FET（也称为 CFET）被广泛认为是 GAA-FET 之后的下一代晶体管架构。传统 FinFET 和 GAA-FET 均是平面布局——NMOS 和 PMOS 晶体管水平排列，各自占用芯片面积。三星的 3D Stacked FET 将其垂直堆叠，使其共享同一物理面积，从而实现近乎 2 倍的密度提升。要实现 42nm 栅极间距需要极高的工艺控制精度——包括超薄硅片键合、高精度对准和极低热预算的处理流程。三星在代工市场面临来自 TSMC 的巨大压力，3nm/2nm 节点的客户获取并不顺利。3D Stacked FET 的技术领先为三星提供了差异化的竞争筹码，但要转化为商业代工订单，还需要向客户证明量产良率和可靠性可以达到商用标准。
SK 海力士宣布已向主要客户交付 12 层堆叠 HBM4E 样品，标志着高带宽内存技术再次取得阶段性突破。该产品采用 12 层 DRAM 晶圆垂直堆叠，单颗容量达到 48GB，引脚速率 16Gbps，能效比提升 20% 以上，热阻降低 17%。HBM4E 是 HBM4 的增强版本，在带宽和容量上进一步拓展了技术天花板，预计将用于下一代 AI 训练集群的配套内存方案。
HBM 技术的演进速度在过去两年显著加快：HBM3→HBM3E→HBM4→HBM4E，几乎每 12 个月就有一代新产品问世。SK 海力士在 HBM 市场的领先地位源于其对"先进封装+DRAM 工艺"双重能力的持续投入。12 层堆叠的技术挑战在于——随着层数增加，TSV（硅通孔）的深宽比要求更高，散热路径更长，键合应力和晶圆翘曲控制更加困难。SK 海力士通过改进 MR-MUF 批量回流模塑底部填充技术，成功实现了 12 层堆叠的高良率量产目标。48GB 的容量对于下一代 AI 训练集群至关重要——更大的 HBM 容量意味着单颗 GPU 可以承载更大规模的模型参数，从而显著减少跨 GPU 通信的频次和延迟，提升整体训练效率。
算苗科技宣布其 3D TokenPU A4E 芯片成功流片，这是中国首款基于 3D 垂直堆叠架构的 AI 推理芯片。该芯片采用 8 层存储晶圆垂直键合方案，内存带宽达到 16TB/s，基于 RISC-V 开源指令集架构，全部供应链实现国产化。TokenPU 的命名与架构设计直指大语言模型的 Token 推理优化。
算苗科技的 3D TokenPU 代表了中国在 AI 芯片领域"换道超车"的尝试。传统 AI 芯片（GPU 和 NPU）以计算单元为中心，内存带宽提升主要依靠 HBM 等外部存储方案。而 TokenPU A4E 将多层 DRAM 直接垂直集成在逻辑计算单元之上，通过大批量硅通孔实现超高带宽片内互连——16TB/s 的带宽甚至超过了当前 HBM4 的水平。这种"存算一体 3D 架构"特别适合 Transformer 类模型的推理场景，因为注意力机制的计算瓶颈主要是内存带宽而非算力。RISC-V 的采用赋予了芯片架构灵活性和自主可控优势。不过需要注意的是，算苗科技仍是一家较年轻的初创企业，流片成功距离大规模商用仍有良率爬坡和生态建设的长路要走。
高通正式发布 Snapdragon Reality Elite 平台，专为 XR（扩展现实）和生成式 AI 场景设计。该平台 AI 算力达到 48 TOPS，GPU 性能较上一代提升 60%，NPU 性能提升 160%。高通将其定位为"下一代空间计算的核心平台"，瞄准苹果 Vision Pro 级别的设备市场，试图在 XR 芯片领域建立类似手机芯片的领导地位。
Snapdragon Reality Elite 的发布恰逢 XR 市场从概念验证走向规模商用的关键转折期。苹果 Vision Pro 的推出已经证明了高端 XR 设备的可行性，但 3,499 美元的定价和散热问题限制了其大规模普及。高通的策略是在保持高性能（48 TOPS 足以支撑实时场景理解和手势识别）的同时，提供更优的功耗和成本控制方案。NPU 实现 160% 的性能飞跃意味着端侧 AI 推理能力的大幅提升——生成式 AI 功能如实时语言翻译、对象生成和环境重建可以直接在设备端运行，无需依赖云-端交互，这对于低延迟的沉浸式体验至关重要。对于各大 ODM/OEM 厂商而言，Snapdragon Reality Elite 提供了一个即用型平台解决方案，有望推动 XR 设备在 2026 至 2027 年间实现价格下探和产品形态多样化。
在 LPDDR6 这一下一代移动内存标准上，三星和 SK 海力士展开了激烈的技术竞赛。三星推出的 LPDDR6 产品为 16Gb 容量、12.8Gbps 速率，读取功耗比前代降低 27%。SK 海力士则以 1cnm 先进工艺出击，速率达到 JEDEC 标准上限的 14.4Gbps，带宽高达 38.4GB/s。两家韩系存储巨头在 LPDDR6 上采取了截然不同的技术路线。
LPDDR6 的竞争具有重要战略意义，因为其应用场景已从智能手机扩展到 AI PC、自动驾驶和边缘 AI 设备。三星侧重能效优化——27% 的读取功耗降低对于电池供电的移动设备至关重要，其 12.8Gbps 速率也已满足现阶段 AI PC 的需求。SK 海力士则追求极致性能——14.4Gbps 达到 JEDEC 标准上限，1cnm 工艺赋予其密度和成本优势。这场对决的本质是"能效优先"与"性能优先"两种产品哲学的博弈。从市场份额看，三星在 LPDDR 领域历史悠久，但 SK 海力士近年来在 HBM 上的成功为其积累了先进工艺和封装的技术势能。随着 AI 端侧推理需求爆发，LPDDR6 将成为两家公司争夺的下一个主战场。
特朗普宣布 Apple 与 Intel 达成芯片制造合作伙伴关系，将利用 Intel 位于美国的晶圆厂生产 Apple 芯片。消息发布后 Intel 股价大涨约 12%，达到约 128-134 美元区间。过去一年 Intel 股价累计涨幅约 500%，美国政府在 Intel 持有 10% 的股份，并计划投资约 1,000 亿美元扩大国内芯片制造产能。这一合作被视为美国推动半导体制造回流的关键里程碑。
Apple 与 Intel 的合作是地缘政治驱动全球半导体供应链重塑的标志性事件。Apple 长期依赖 TSMC 的先进制程生产 A 系列和 M 系列芯片，但近年来台海地缘风险促使 Apple 开始寻求制造能力的"备胎"方案。Intel 虽然先进制程落后 TSMC，但其在美国本土的制造能力和美国政府的补贴政策构成了 Apple 选择 Intel 的核心原因。美国政府在 Intel 的 10% 持股表明，Intel 的复兴已被提升到国家战略高度。1,000 亿美元的投资计划规模庞大，但需要回答一个问题：Intel 能否在 2-3 年内弥合与 TSMC 的制程差距，为客户提供真正有竞争力的替代制造方案？Apple 的战略选择也标志着全球供应链逻辑从"效率优先"正在不可逆地转向"安全优先"。
AMD 股价创下约 558 美元的历史新高，市值首次突破 9,000 亿美元大关。Ryzen AI Halo 开发者平台定价 3,999 美元，比 NVIDIA DGX Spark 低 700 美元，定价策略极具进攻性。服务器 CPU 营收一季度同比增长超过 50%，二季度指引增速超过 70%。即将推出的 MI450 和 Helios 机架级平台被认为是下一波增长的重要催化剂。
AMD 市值突破 9,000 亿美元是其历史上最重要的里程碑之一，反映出市场对 AMD 在 AI 时代"二号玩家"地位的高度认可。AMD 的核心战略正在发生深刻变化——从传统的 CPU 对垒 Intel 转向 GPU+CPU 综合方案全面挑战 NVIDIA 的统治地位。Ryzen AI Halo 的定价策略尤其值得关注：比 NVIDIA 同类产品便宜 700 美元，这既是性价比竞争手段，也是生态撬动策略——开发者更倾向于选择低门槛的平台进行应用开发。服务器 CPU 收入 50%+ 的同比增长表明 AMD 在数据中心市场的份额仍在加速扩张，EPYC 处理器的总拥有成本优势持续赢得企业客户。MI450 作为 MI400 系列的后续产品，预计将在硬件规格和软件生态方面实现进一步提升，而 Helios 机架级平台则是 AMD 对标 NVIDIA DGX 的全面系统级产品。
Google 向 Intel 代工服务下达了约 3 亿颗 TPU 芯片的订单，这是 Intel 代工业务迄今获得的最大单一客户订单。更值得关注的是，据传 NVIDIA 也在评估 Intel 作为芯片代工备选方案。Intel 代工服务正在从"纸上规划"阶段加速转入"真实订单"阶段，标志其代工战略取得了实质性突破。
Google 的 3 亿颗 TPU 订单对 Intel 代工业务的意义再怎么强调也不为过。Intel 代工服务（IFS）自 2021 年宣布以来，一直面临"有口号无客户"的质疑。Google 作为全球最大的 AI 芯片设计公司之一，其下单验证了 Intel 制程在特定场景下的可用性。虽然这些 TPU 可能使用 Intel 相对成熟的制程节点而非最先进的 18A，但大规模量产的经验积累对于 Intel 代工的良率爬坡和制造学习曲线至关重要。NVIDIA 的评估则更具象征意义——如果 NVIDIA 也选择 Intel 作为补充代工厂，将彻底改变代工市场"TSMC 独家"的格局。Intel 的竞争优势在于其美国本土产能和封装一体化能力，这对于寻求供应链多元化的美国科技巨头具有天然吸引力。
Bernstein 发布重磅研报提出"CPU 复兴"概念，核心论点是 Agent AI 正在改变 CPU 与 GPU 在数据中心中的配比关系。研报指出 Agent AI 工作负载的 CPU 与 GPU 比例将从当前的 1:8 逐步趋向 1:1，这意味着 CPU 在 AI 基础设施中的重要性将大幅回升。Bernstein 将 AMD 目标价上调至 600 美元，Intel 目标价上调至 100 美元，并预测服务器 CPU 市场规模到 2030 年将超过 1,700 亿美元。
Bernstein 的"CPU 复兴"论断挑战了过去两年"GPU 至上"的主流叙事。其核心逻辑在于：Agent AI（而非简单的训练）需要大量 CPU 处理任务调度、安全边界管理、数据预处理、逻辑推理编排等任务。当 AI 从"单次推理"走向"多步骤 Agent 工作流"时，CPU 所擅长的复杂分支处理和低延迟响应变得不可或缺。这一判断若成立，将对芯片产业的资源分配产生深远影响——超大规模云服务商的 CAPEX 结构会出现调整，CPU 和服务器平台的投资比例将回升。对于 AMD 而言，这意味着 EPYC CPU 在 AI 时代的第二增长曲线；对于 Intel，则意味着在 AI 时代并非"出局者"。当然，1:1 的 CPU-GPU 配比预测较为激进，实际比例还取决于应用场景和工作负载特征。
Kirin 9030 Pro 的拆解报告证实中芯国际（SMIC）的 N+3 工艺取得了重大进展。N+3 作为 SMIC 第三代 7nm 级工艺，实现了 32.5nm 的 M0 最小金属间距——这一数字甚至比 Intel 18A 的 36nm 还要缩小约 10%。最关键的是，这一成果完全依赖 DUV 深紫外光刻的多重图案化技术实现，没有使用任何 EUV 光刻设备。SMIC 市值已突破 1 万亿人民币。
SMIC N+3 的突破意义远超技术参数本身。在美国实施严格出口管制、ASML EUV 光刻机被禁运的背景下，SMIC 依靠 DUV 多重图案化实现了接近甚至部分超越 Intel 先进节点的密度指标，这本身就是一种工程奇迹。32.5nm M0 Pitch 的挑战在于：DUV 的 193nm 波长需要通过四重甚至五重曝光（SAQP+LELELE）才能达到如此精细的图形分辨率，这对工艺控制和良率是极大考验。实现这一成就，意味着 SMIC 在 DUV 工艺极限开发上已经达到了全球领先水平。对于中国半导体产业而言，N+3 证明了一条不依赖 EUV 的技术路径至少在 7nm 级是可行的，为完全自主的芯片制造体系提供了实践基础。万亿人民币的市值也反映了资本市场对国产替代前景的高度预期。
华为海思负责人何庭波在《Science China》上发表论文，提出名为"Tau（τ）缩放定律"的全新集成电路微缩理论。该理论以"时间缩放"取代传统的"几何缩放"范式，核心创新"Logic Folding"逻辑折叠技术可以将关键导线长度缩短 50-80%。论文声称在不使用 EUV 光刻的前提下，到 2031 年可以达到 1.4nm 等效晶体管密度。
"Tau 缩放定律"的提出可能被证明是中国半导体理论创新的重要时刻。摩尔定律的终结已是业界共识——传统靠光刻分辨率提升来缩小晶体管尺寸的路径已逼近物理极限。何庭波的"时间缩放"视角从根本上改变了问题定义：不再追求如何印出更小的晶体管，而是思考如何在三维空间和时间维度上更高效地组织计算。Logic Folding 通过将长导线路径"折叠"到更小的物理空间，大幅减少信号传输延迟和功耗——这是现代芯片性能瓶颈的核心。该理论的战略价值在于为中国半导体开辟了一条"绕开光刻机限制"的技术演进路径。不过这仍是一篇学术论文，从理论到工程实践再到产业化，还需要跨越巨大的鸿沟。
彭博社报道，中国国家发改委（NDRC）牵头制定了一项为期 5 年、总规模高达 2 万亿人民币的 AI 数据中心基础设施投资计划。UBS 和 S&P Global 在研报中将中芯国际、华为和长鑫存储（CXMT）列为核心受益标的。这是中国在 AI 基础设施领域规模最大的国家级投资计划。
2 万亿人民币（约 2,800 亿美元）的投资规模相当于美国《芯片法案》拨款总额的 3 倍以上，表明中国政府将 AI 基础设施定位为与高铁、5G 同等重要的国家级战略工程。该计划的直接受益者是数据中心建设和运营企业，但对半导体需求端的拉动更为深远——大规模数据中心建设需要海量的服务器 CPU、AI 加速器、存储芯片和网络芯片。SMIC 作为国内领先的晶圆代工厂，华为作为 AI 芯片设计龙头，长鑫存储作为 DRAM 国产化主力，构成了芯片自主供应链的"铁三角"。这一投资计划也向国际社会释放了一个明确信号：即使面临最严格的技术封锁，中国推进 AI 基础设施的决心和资源投入不会减弱。
Morgan Stanley 最新估算显示，华为在中国 AI 芯片市场占据 62% 的压倒性份额，寒武纪以 14% 位居第二，平头哥和昆仑芯各占 5%。报告预测中国 AI 芯片市场规模将从 2023 年的 100 亿美元增长至 2030 年的 670 亿美元，年复合增长率超过 30%。华为昇腾系列芯片已成为中国 AI 训练和推理的事实标准。
华为 62% 的市场份额体现了美国出口管制的"双刃剑"效应。NVIDIA A100/H100/B200 等高端 AI 芯片被禁止对华出口后，华为昇腾 910B/910C 成为中国企业"别无选择"的替代方案。虽然昇腾芯片在绝对算力上仍落后于 NVIDIA 最新产品，但在中国市场的可用性、软件生态适配和政策支持方面具有无可替代的优势。62% 的份额也意味着华为在 AI 芯片领域的"准垄断"地位，这可能带来创新动力不足和生态封闭的风险。寒武纪 14% 的份额表明市场上存在一定的差异化竞争空间，尤其是在边缘推理和垂直行业场景。长期来看，中国 AI 芯片市场从"一家独大"走向"多元竞争"有利于整个产业的健康发展。
SK 海力士宣布开始向主要客户供应下一代 AI 内存样品，进一步巩固其在 HBM 市场的领导者地位。虽然未披露具体产品名称，但业界普遍认为这是 HBM4E 的后续演进产品。SK 海力士在 HBM 领域的技术领先地位已成为其最核心的竞争壁垒，目前占据全球 HBM 市场超过 50% 的份额。
SK 海力士的 AI 内存战略已经从"产品竞争"升级为"路线图竞争"。在 HBM 市场，SK 海力士率先实现了 HBM3 量产、HBM3E 供应、HBM4 开发、HBM4E 样品交付的连续领先。这种"每年一代"的迭代节奏使其始终保持在竞争对手三星和美光之前一个身位。向大客户提前提供下一代样品意味着 SK 海力士正在深度绑定 AI 芯片设计商的下一代产品规划——AI 芯片（如 NVIDIA GPU）和 HBM 内存的协同设计已成为行业趋势，先发者优势具有强烈的粘性。对于投资者而言，SK 海力士在 AI 内存市场的统治力是其估值扩张的核心逻辑，但 Harvard Willy Shih 教授关于"AI 内存泡沫"的警告也值得关注——当前需求繁荣可能刺激过度投资。
UBS 发布最新研报称全球半导体行业正处于"代际繁荣"（Generational Semiconductor Boom），预测 2026 年半导体出货金额将达到 1.62 万亿美元，同比增长 118%；2027 年更将攀升至 2.38 万亿美元。其中存储芯片将以 9,610 亿美元领跑增长（同比 +318%）。UBS 推荐买入应用材料、ASML、美光、三星、SK 海力士、台积电和德州仪器。
UBS 的 1.62 万亿美元预测代表了华尔街最乐观的半导体行业展望。118% 的同比增长如果实现，将是半导体行业有史以来最高的年度增长率，远超互联网时代和智能机时代的峰值。其核心逻辑是 AI 驱动的"双重需求爆发"：训练集群对大算力 GPU/HBM 的消耗式需求，叠加 AI 终端（AI PC、AI 手机、机器人）对边缘芯片的增量需求。存储芯片 318% 的增长预测尤其惊人——HBM 的高价值量是主要驱动因素，但传统 DRAM 和 NAND 的复苏也在贡献增长。不过 UBS 的首选推荐名单中缺少 NVIDIA 是一个有趣的选择，或许反映了该机构对 NVIDIA 高估值和高市场份额风险的审慎态度。从投资角度而言，美光和 SK 海力士作为 HBM 双雄，在 AI 内存浪潮中具有确定性的增长前景。
哈弗商学院教授 Willy Shih 在 Fortune 发表观点文章，对当前的 AI 存储热潮发出冷静警告。他指出"这次和 1980 年代以来每一次存储周期一样，只是振幅更大"。DRAM 合约价格在二季度已上涨 58-63%，而新建晶圆厂至少要到 2027 年底至 2028 年才能投产——恰好可能踩上供给过剩的时间点。Shih 教授以数十年来对半导体周期规律的深刻洞察著称。
Willy Shih 的警告在当前的极度乐观情绪中提供了不可或缺的反思视角。半导体行业的"硅周期"规律在过去 40 年从未被打破——需求繁荣期的大规模资本开支总是导致供给过剩和价格崩盘。当前的特殊之处在于 AI 驱动的需求增长幅度确实是历史级的，但这也意味着更多的新产能投资正在路上。HBM 和 DRAM 的扩产周期较长（2-3 年），恰好形成了经典的"滞后效应"——当新产能投产时，需求可能已趋于饱和。58-63% 的 DRAM 价格涨幅已经处于历史高位区间。值得思考的问题是：AI 算力需求是否具有足够的持续性来吸收即将到来的海量新产能？或者，当大模型训练效率提升速度超过算力需求增长速度时，存储需求是否会提前见顶？这些是需要密切跟踪的核心变量。
Morgan Stanley 发布长期展望报告，预测 2030 年全球半导体市场规模将达到 1.5 万亿美元，其中 AI 半导体将占据一半，即 7,530 亿美元。这较 2025 年的 2,350 亿美元增长超过 3 倍。报告指出，全球前十大云服务提供商 2026 年的资本开支合计将达到 6,850 亿美元，同比增长 65%。这一数字远超市场预期。
Morgan Stanley 的预测描绘了 AI 对半导体产业结构的深远变革。7,530 亿美元的 AI 半导体 TAM 意味着 AI 将成为芯片产业的"主航道"，而非只是增量市场。6,850 亿美元的云厂商 CAPEX 是一个令人震撼的数字——作为参考，2025 年全球半导体市场规模约为 7,000-8,000 亿美元，仅云厂商的 2026 年 CAPEX 就接近整个半导体市场的规模。这意味着云厂商的投资强度正处于历史最高水平。AI 半导体占比 50% 的预测也暗示着非 AI 半导体（汽车、工业、消费等）的增长相对温和。对于投资者而言，需要关注的是：AI 半导体的高增长能否持续到 2030 年？以及，当 AI 资本开支周期转向时，整个半导体行业是否会面临剧烈调整？
交银国际发布行业研报，将半导体板块评级上调至"超配"（Overweight），认为 AI 将是 2026 年下半年科技行情的主导力量。Agent AI 和 Token 消耗量爆发正在驱动云厂商 CAPEX 持续超预期。报告预估 2026 年 AI 计算芯片市场规模将超过 4,665 亿美元，NVIDIA 占据 76.1% 的份额。推荐标的包括中芯国际（目标价 95 港元）、NVIDIA（目标价 300 美元）和台积电（目标价 468 美元）。
交银国际的研报代表了中资券商对半导体牛市的集体看多立场。NVIDIA 76.1% 的市场份额虽然显示出其在 AI 计算芯片领域的绝对统治力，但也意味着任何市场份额的流失都将对股价构成压力。将中芯国际列为推荐标的是对中国半导体自主可控主题的明确表态——即使面临技术限制，中资券商依然看好国产替代的长期趋势，95 港元的目标价对应约 50% 的上行空间。NVIDIA 300 美元的目标价在当前股价附近，表明交银认为 NVIDIA 短期估值合理但进一步大涨需要新的催化剂。台积电 468 美元的目标价则反映了对其先进制程垄断地位和 AI 芯片代工需求的持续看好。Agent AI 和 Token 消耗量爆发的提法值得关注，这代表 AI 需求正从"训练驱动"向"推理驱动"转变。
美国商务部工业安全局（BIS）于 5 月 31 日发布新指引，明确规定即使实体位于中国以外，如果其最终母公司为中国企业，也需要获取出口许可证。这一规则封堵了过去一年来存在的重大监管漏洞——大量受管制芯片通过中国企业在马来西亚、新加坡等地的子公司流入中国。据估算，在这一年的政策空窗期内可能有数十万颗受管制芯片通过此途径被转运。
BIS 新规的出台是美国出口管制体系持续收紧的又一信号。此前的漏洞在于：美国出口管制条例对"中国实体"的定义存在模糊空间——只要实体注册在第三国且不直接受中国母公司管理，就可能绕开限制。马来西亚和新加坡作为全球半导体组装和分销中心，是这一漏洞的主要被利用渠道。BIS 新规采取"穿透式监管"原则——不论注册地在哪里，只要实际控制人是中国实体，就适用中国出口管制规则。数十万颗芯片的潜在漏出量表明这一漏洞造成的国家安全风险确实不容忽视。对于中国芯片设计公司而言，这一新规意味着通过海外子公司获取先进芯片的通道基本被切断，进一步强化了国产替代的紧迫性。
美国参议院银行委员会正在推进三项与半导体出口管制相关的法案，由参议员 Elizabeth Warren（民主党-麻省）和参议员 Pete Ricketts（共和党-内布拉斯加）联合推动。三项法案分别为：AI Overwatch Act（AI 监督法案）、MATCH Act 和 Chip Security Act（芯片安全法案），有可能被纳入 NDAA 国防授权法案打包通过。
这几项法案的推进标志着美国对华半导体出口管制正从"行政手段"转向"立法手段"。此前特朗普政府和拜登政府的出口管制主要通过 BIS 行政命令和实体清单管理执行，其法律基础是《国际紧急经济权力法》（IEEPA）。行政手段的优势是灵活快速，但容易被司法挑战，且每届政府可能调整力度。立法手段一旦通过，将具有更强的法律约束力和延续性。三项法案各有侧重：AI Overwatch Act 聚焦 AI 技术出口监督，MATCH Act 或关注制造技术管控，Chip Security Act 则着眼于芯片供应链安全。两党联合推动表明对华半导体限制已成为美国跨党派的共识议题。如果这些法案被纳入 NDAA，将通过概率将大幅提升。
据 SIGMAINTELL 报道，超过 75 家中国半导体和 AI 公司（包括长鑫存储 CXMT 和 DeepSeek）的实体清单添加申请已获得跨部门委员会批准，但美国商务部尚未正式发布。当前距离上一次实体清单新增已过去 8.5 个月，这是十多年来最长的新增空窗期。值得注意的是，CXMT 正处于关键的 IPO 窗口期，计划融资约 42 亿美元。
美国商务部迟迟不发布已批准的实体清单新增名单，这一"急刹车"行为背后可能有多重考量。长鑫存储正处于约 42 亿美元的 IPO 关键窗口期——如果将 CXMT 列入实体清单，将对其估值和融资能力产生重大影响，甚至可能导致 IPO 搁浅。DeepSeek 作为中国 AI 大模型的代表企业，其技术能力已引起美国情报界的高度关注。8.5 个月的"空窗期"可能是商务部在进行更精细的政策评估——究竟哪些实体列入清单能最大化威慑效果而不触发大规模报复？抑或是财政部出于经济考虑在进行协调？从中国企业的角度来看，政策的不确定性本身就是一种压力——悬在头顶的"达摩克利斯之剑"使得长期投资决策变得困难。
美国国防部更新 1260H 涉军企业清单，一次性新增 188 家中国实体，其中包括长鑫存储（CXMT）和长江存储（YMTC）等半导体制造企业。这一动作与美国商务部的"急刹车"形成了鲜明对比——商务部暂缓行动的同时，国防部却在加速升级限制措施。这种"双轨并行"的策略反映了美国政府内部对华政策的不同节奏。
五角大楼 1260H 清单（又称"涉军企业名单"）的法律后果与 BIS 实体清单不同，但其市场影响同样重大。被列入 1260H 清单意味着美国投资者被禁止购买或持有相关公司证券，这在 CXMT 寻求 IPO 的关键时期构成了直接障碍。国防部与商务部的"双轨"操作——一个加速一个减速——反映了美国政府内部在对华技术管制问题上的复杂博弈。国防部倾向于采取更激进的国家安全立场，而商务部可能更关注经济影响和外交后果。对于中国企业而言，即便没有被 BIS 列入实体清单，被国防部列入 1260H 清单也会严重影响其在全球资本市场的融资能力。188 家实体的大规模更新说明美国国防部正在系统性地扩大对华技术管制的覆盖范围。
NVIDIA 启动了自 2021 年以来最大规模的债券发行，总额 250 亿美元。与此同时，参议员 Warren 要求 NVIDIA 在 6 月 18 日前就出口管制合规监控问题提交书面答复。Culper Research 发布报告指出，NVIDIA FY2026 计算收入的 20% 以上仍来自中国市场，这一比例远高于市场一般认知。
NVIDIA 250 亿美元的债券发行规模惊人，反映了公司为支撑持续膨胀的 CAPEX 需求而进行的融资布局。新建数据中心、扩大产能和研发投入都需要巨额资金——即使是 NVIDIA 这样现金流充裕的公司也选择在低利率窗口期锁定长期融资。20% 以上收入来自中国市场的估算如果属实，将对 NVIDIA 构成显著的监管风险。自美国升级出口管制以来，NVIDIA 一直强调其合规措施到位，但 Warren 参议员的质询和 Culper Research 的报告表明外界对 NVIDIA 的合规执行力度存有疑虑。Warren 要求 6 月 18 日前回复的时间表也说明此事的紧迫性。对于投资者而言，NVIDIA 面临的出口合规风险是"已知的未知数"——一旦被认定存在违规，可能面临巨额罚款甚至更严厉的出口资格限制。
中国政府在 2026 年 6-7 月集中推出多项反制性法规，包括《外商投资管理条例》、《供应链安全管理条例》和《反外国非法域外管辖条例》。三套法规同步生效，构成了中国对抗美国技术封锁的系统性法律框架。外交部回应称"小院高墙挡不住中国的创新步伐"。
中国此次密集推出的三项法规构建了"反制裁"的法律工具箱。《外商投资管理条例》将建立基于国家安全的外资审查新机制，扩大审查范围和权限。《供应链安全管理条例》则建立了关键供应链的风险评估和应急响应机制，实质上是要降低对外部技术供应的依赖度。《反外国非法域外管辖条例》是最具进攻性的工具——它赋予中国企业拒绝遵守外国非法制裁的法律依据，并允许中国企业在境内起诉执行外国制裁的实体。这三部法规构成了"防御-管理-反制"的三层体系。外交部"小院高墙"的表述直接回应了美国出口管制的逻辑——暗示中国的反制将采取精准打击而非全面对抗的方式。对于国际半导体企业而言，这意味着"夹在中美之间"的合规难度进一步升级。