“此次被称作‘超级周期’的芯片行情，最核心的结构性差异在于需求属性的根本性转移。”近日，永赢基金权益投资部基金经理张海啸在做客澎湃新闻《首席连线》节目时表示。
张海啸称，本轮芯片需求源自AI生产端，下游并未因价格上涨而减少采购，反而持续提升资本开支，即便是Token本身涨价也未能抑制需求，整个传导链条极为通畅。
张海啸将产业链受益顺序分为两条链路：一是销售链路的原厂、模组厂和设计企业，二是扩产链路的设备、材料与厂房建设等企业。
除了全球周期共振，在张海啸看来，国内存储芯片上游原厂近年来进步显著，市场占有率从无提升至接近10%，成为行业里不可忽视的力量。
下游需求端的爆发扭转存储供需格局
关于近期半导体板块的强势表现，张海啸将其核心驱动力明确归结为人工智能行业的快速迭代。他梳理了一条清晰的需求演进脉络：自2022年底ChatGPT发布以来，硬件需求首先聚焦于追求极限性能的训练端，以HBM（高带宽内存）为代表的高性能存储首次获得大规模应用。
张海啸指出，随着模型为追求更好效果而引入思维链、长上下文等新范式，需求的重心开始向推理端迁移，Token消耗量出现同比数十倍的增长。而到2025年下半年，能够自主调用工具、完成复杂任务的AI Agent已从概念走向前台，进一步推升了对存储的依赖。
正是基于这一连串的需求爆发，张海啸复盘分析：“本轮存储芯片涨价的起点在2025年三季度。”在他看来，供需缺口的逆转完全是由下游需求端的爆发式增长所促成。
这一判断已在近期密集披露的企业财报中得到验证。张海啸表示，AI硬件端的盈利释放势头强劲，尤其是以存储芯片为首的涨价品种，业绩增长尤为突出。人工智能产业端的基本面，为市场提供了有力支撑。
本轮“超级周期”需求源自AI生产端
张海啸认为，此次被称作“超级周期”的行情，与2019年至2021年的那一轮周期存在本质区别，最核心的结构性差异在于需求属性的根本性转移。
他分析道，2019年至2021年是典型库存主导的周期，终端需求增量主要来自居家办公硬件需求，更多是供应链紊乱引发的备货行为。正因如此，2022年中以后行业迅速陷入“去库存、芯片价格快速下跌”的困境。“而本轮需求源自AI生产端，下游并未因价格上涨而减少采购，反而持续提升资本开支，即便是Token本身涨价也未能抑制需求，整个传导链条极为通畅。”
张海啸进一步指出，全球AI资本开支在2026年有望达到7000亿美元，且这一数字仍在不断上修。而在需求迅猛扩张的同时，供给端的克制则显著放大了供需缺口。
他分析道，几家主要存储供应商2026年的资本开支增幅大约在50%，但从资金投入到形成有效供应存在较长的时间差。并且，新增资金主要投向AI专用的高性能存储，普通存储的新增产能仍需等待未来真正释放。
产业链受益顺序分为两条链路
在厘清供需格局后，张海啸将产业链受益顺序分为两条链路：一是销售链路的原厂、模组厂和设计企业率先感受景气，近期财报已予验证；二是扩产链路的设备、材料与厂房建设等环节，景气度传导会相对滞后，是一个循序渐进的传导过程。
值得关注的是，上游原厂在供给端的审慎姿态，也体现在其商业策略的调整上。张海啸透露道，“上游原厂作为重资产企业，担心未来需求不及预期导致亏损，正积极与客户签订LTA（长期供给协议）长期合同锁定未来需求。”
存储芯片逐步走向舞台中央
更进一步看，技术架构的演变也在重塑硬件价值的排序。AI发展初期，市场多将存储芯片视为配角，而如今，它正逐步走向舞台的中央。
对此，张海啸用“木桶原理”阐释这一变化：在冯·诺依曼架构下，计算、存储与输入输出通信构成三大核心功能，在不同阶段总有一个环节会成为制约整体性能的短板。2023年，算力是显而易见的瓶颈，而当推理端需求爆发后，短板已迅速转移至存储端。
硬件迭代节奏同样在加快。张海啸指出，HBM（高带宽内存）在2022年以前，基本上是每三到四年更新一代，而自2023年起，这一周期已缩短为“两年一升级”。这一加速趋势，同样出现在算力芯片与通信芯片领域。
与此同时，算力架构演变正推动CPU重新走向舞台中央。张海啸援引产业动态称，未来GPU与CPU的配比可能将从当前8:1至4:1，逐步提升至2:1甚至1:1。这一变化将直接带动配套内存需求量的上升，并对内存及接口芯片的传输速率提出更高的升级要求，而升级本身也将持续推升产品单价。
最核心变量来自供需两端
除了全球周期共振，国产化是另一条国内投资者非常看重的主线。
张海啸表示，国内存储芯片上游原厂近年来进步显著，市场占有率从无提升至接近10%，成为行业里不可忽视的力量。“原厂能力提升，会拉动中下游设计及上游设备、材料环节的发展。过往全球存储产业的每一次转移，都带动了当地产业链的全面升级，这一次也不例外。但这注定是一个久久为功的过程，绝非一朝一夕能够完成。”
谈及潜在风险，张海啸认为，最核心的变量来自供需两端。供给端需要密切跟踪产能释放的节奏：厂商会先打满既有产能，然后在现有厂房里增加设备，这一般需要半年到一年形成实际产出，最后才是新建厂房，通常需要两到三年才能形成有效产能。他提醒，“大头的产能释放预计可能集中在未来两年，需持续跟踪其释放节奏是否超出预期。”
需求端方面，则需紧盯AI资本开支的节奏以及技术发展的变化。张海啸总结称，“AI资本开支是最直接的跟踪指标，而新技术的出现会打开全新的市场空间，影响模型厂商和互联网巨头的资本开支预判，这些都需要持续保持观察。”
传金所提示：文章来自网络，不代表本站观点。
