以下文章来源于蓝点网 ，作者山外的鸭子哥 蓝点网 . 科技资讯、软件工具、技术教程，尽在蓝点网。蓝点网，给你感兴趣的内容 #科技资讯 重大喜讯！谷歌终于允许用户修改 Gmail 邮箱前缀，诸如 six666 之类的中二名称可以被丢进垃圾桶了。以前谷歌不允许用户修改原始注册时设置的 Gmail 邮箱和前缀， 现在用户可以重新建立新的 Gmail 前缀 / 邮箱并将其作为谷歌账号的主邮箱，原邮箱地址也不会被释放，默认作为备用邮箱可以继续接收邮件和通知。 众所周知谷歌账户完全依赖于最初建立账户时的 Gmail 邮箱，这个邮箱建立后将作为谷歌整个生态系统的核心账号， 用户并不能修改自己的邮箱和前 缀名称 ，也就是没有任何后悔药。 尽管谷歌后来也提供替代邮箱登录的方式，即用户可以绑定任何非 Gmail 邮箱作为账号的替代邮箱进行登录，但原 Gmail 邮箱仍然有效，绑定的替代 邮箱只是作为备用账号使用，并不能直接拿来接收 Gmail 邮件。 这里带来的最大问题就是用户不能修改账户邮箱前缀，例如有用户直接使用 QQ 号作为 Gmail 邮箱前缀 ( 在国外用户看来邮箱是一串数字是很奇怪的 )，有用户使用的则是中二名称例如 ...

据华尔街见闻此前文章， 英伟达近日与Groq达成了一项非独家的技术许可协议。 按照披露，英伟达将把Groq的AI推理技术整合进未来产品体系中，而Groq创始人兼首席执行官Jonathan Ross、总裁Sunny Madra以及部分核心工程人员将加 入英伟达。Groq公司本身仍保持独立运营，其云业务Groq Cloud也将继续对外提供服务。 然而，如果只把它理解为普通的技术合作，显然过于表面。技术可以授权，但一家芯片公司的创始人和核心架构团队，很少作为"附带条款"整体迁移。 英伟达真正看中的，从来不是Groq的收入规模，而是它背后的架构思想。 而这套思想，与谷歌TPU高度同源。 业内普遍认为， 随着AI竞争重心从训练转向推理，GPU长期建立的统治优势开始出现松动，TPU在效率与成本结构上的优势正逐步显现，并有望成为谷歌云 未来十年的关键护城河 ，这一背景下，黄仁勋第一次显露出被逼到墙角的焦虑。 可以肯定的是，一旦英伟达借助这次技术引入在推理架构上追近甚至抹平与谷歌TPU的差距，原本在谷歌与OpenAI／英伟达阵营之间不断扩大的技术与生态裂 口，很可能会迅速收敛，竞争格局也将重新回到拉锯状态。 AI叙事正在从训 ...

一个游走于资本市场与佛祖之间的浪子。我可以生，可以死，我大笑，由天决定！ 格隆 . 以下文章来源于格隆 ，作者万连山 AI巨头们突然在印度掐起来了。 为了争夺印度的欢心，OpenAI、Google、Perplexity纷纷大出血，先后在印度推出前所未有的免费订阅计 划。 效果看得见。 根据市场情报公司Sensor Tower统计的数据，截至上周，ChatGPT在印度的日活跃用户同比增长607%，达到 7300万，是美国用户数量的两倍多；Gemini在印度的日活跃用户达到1700万，而美国的用户数量为300万。 显然，"Free"的魔力比"AGI"大一万倍，贪小便宜是所有人的共性。 但究竟是谁占谁便宜，真不好说。 来源：官网 01 数字殖民 17世纪，英、荷、法多国船队，为了香料、茶叶和棉花，先后进入印度的港口、成立东印度公司，从当地 攫取了海量财富。 数百年后，OpenAI、Google和Perplexity的数字船队，再一次驶入了这片次大陆。 这一次，他们要的是Token。 为什么又来印度？ 首先，是人口红利。 据Epoch AI的研究，高质量的英语文本数据可能在2026年枯竭，到2028年，互联网上所有高 ...

全球存储芯片市场供应短缺 - 全球存储芯片市场正遭遇前所未有的供应短缺，尤其是高带宽内存（HBM）和低功耗内存（LPDDR）两类产品 [1] - 供应短缺受人工智能（AI）需求爆发式增长等因素影响，供需矛盾持续加剧 [1] - 短缺引发科技行业连锁反应，微软、谷歌、Meta、苹果等巨头纷纷面临供应链挑战 [1] 短缺原因与市场格局变化 - AI技术快速发展，算力基础设施建设对高性能存储芯片的需求激增 [3] - 全球存储芯片市场格局发生显著变化，市场主导权从买方转向卖方 [3] - 主要厂商三星电子、SK海力士的HBM生产线已处于全负荷运转状态 [3] 科技巨头的应对与采购策略 - 为保障AI业务推进，微软、谷歌、Meta等超大规模云服务商纷纷派员进驻韩国，与三星电子、SK海力士洽谈长期供货协议（LTA），谈判过程异常艰难 [3] - 微软高管近期造访SK海力士总部时，因供货条件未获满足，曾当场愤然离席 [3] - 科技巨头推出“空白支票”式订单，明确表示愿接受任何价格，只求获取HBM现货，这种恐慌性采购进一步推高了市场价格，加剧了供应分配的紧张程度 [3] 供应链紧张引发的内部影响 - 供应链紧张局势已引发企业内部人事调整 [3] - 谷歌一款AI加速器（TPU）约60%的HBM供应来自三星，而SK海力士、美光等厂商均无法满足其新增订单需求 [3] - 由于相关采购高管未能提前预判市场紧缩态势、及时锁定长期供货协议，导致公司面临HBM供应不足的风险，谷歌已对该高管作出解雇处理 [3] 短缺影响范围扩大至消费电子 - 存储芯片短缺的影响已超出AI服务器领域，蔓延至消费电子行业 [4] - 苹果公司因LPDDR5X内存供应短缺，被迫支付高达230%的溢价采购相关产品 [4] - 这一成本压力将直接传导至iPhone 17等后续消费电子产品 [4]

谷歌TPU的发展背景与动机 - 谷歌作为全球最大的信息检索系统公司，其使命“组织全球信息”高度依赖机器学习技术，该技术自2000年代中期起已广泛应用于搜索排序、垃圾邮件过滤、广告点击率预测等核心业务，为公司创造了每年数十亿美元的收入[10][11] - 在深度学习兴起前，谷歌通过大规模通用服务器集群支撑复杂模型训练，例如一篇2012年的论文记录使用一个由1,000台机器、共16,000个CPU核心组成的集群，连续运行约三天来训练一个拥有10亿连接、处理1000万张图像的模型[11][12] - 随着模型规模和计算密度急速扩张，依赖通用CPU集群的方式触及性能与能耗瓶颈，促使谷歌转向专用机器学习加速器路线[13] - 谷歌于2011年启动Google Brain项目，旨在结合深度神经网络与公司庞大的分布式计算基础设施和海量数据，训练此前规模难以企及的神经网络系统[13] - 早期深度学习开发完全基于CPU运行，直到Alex Krizhevsky在2013年加入谷歌后，才引入GPU进行神经网络训练，谷歌随后于2014年决定购买约40,000个NVIDIA GPU，花费约1.3亿美元[18][23] - 尽管GPU在训练上表现优异，但在全球范围内大规模部署模型进行推理时面临挑战，例如，若每位Android用户每天仅使用三分钟语音识别，通过CPU进行深度学习推理将迫使公司服务器数量增加两到三倍，成本高昂[24][25] - 依赖GPU存在潜在效率损失和单一供应商的战略风险，促使谷歌考虑定制硬件方案，目标是在推理任务上相较GPU实现约10倍的成本性能优势[26][27] 第一代TPU (TPU v1) 的诞生与设计 - 谷歌在15个月内完成了从概念到数据中心部署的壮举，于2015年初成功部署第一代TPU[4][42] - 项目快速成功的关键因素包括：团队的单一日程焦点、采用700 MHz的时钟频率和完全调试的28nm工艺，以及数据中心部署团队的高效协调[42] - TPU v1的架构灵感源于1978年H.T. Kung和Charles E. Leiserson提出的“脉动阵列”理论，该设计通过有节奏的数据流动和计算，非常适合大规模矩阵运算[31][33][50] - TPU v1的核心是一个256x256的脉动阵列矩阵乘法单元，执行8位整数乘法，采用量化技术以节省芯片面积和能耗[62][65] - TPU v1采用CISC设计，仅有约20条指令，通过PCIe接口从主机接收指令，关键指令包括读取主机内存、读取权重、执行矩阵乘法/卷积、应用激活函数以及写回主机内存[66][67][68][69][70][72] - 软件栈方面，谷歌开发了驱动程序使其深度学习框架TensorFlow能够与TPU v1协同工作，确保与CPU和GPU软件栈的兼容性[73] - TPU v1由台积电采用28nm工艺制造，芯片面积的24%用于矩阵乘法单元，29%用于统一缓冲区内存，仅2%用于控制逻辑，体现了架构的简洁高效[74][75] - 在性能上，TPU v1专注于推理任务，其拥有NVIDIA K80 GPU 25倍的乘累加单元和3.5倍的片上内存，在推理速度上比K80 GPU和Intel Haswell CPU快约15至30倍，能源效率更是高出25至29倍[78][79] TPU的迭代演进与技术升级 - **TPU v2 (2017)**: 定位为服务端AI推理和训练芯片，架构上进行多项重大改变，包括引入通用向量单元、将矩阵单元作为向量单元的卸载、采用高带宽内存，并添加互连以实现高带宽扩展，其核心采用超长指令字架构和线性代数指令集[82][83][90][91][92] - **TPU v3 (2018)**: 在v2基础上温和升级，矩阵单元和HBM容量增加两倍，时钟速率、内存带宽和芯片间互连带宽提升1.3倍，算力达420TFlops，内存128GB，并首次引入分布式训练框架和液冷技术[95] - **TPU v4i (2020)**: 定位为服务器端推理芯片，单核设计，增加了片上SRAM存储，引入四维张量DMA引擎和共享片上互连，时钟频率达1.05 GHz[99][100][104][106][108] - **TPU v4 (2021)**: 采用7nm工艺，峰值算力275TFLOPS，性能全球领先，通过引入光路交换机解决大规模集群的互连规模和可靠性问题，并公开了对稀疏模型的支持[114][117] - **TPU v5e (2023)**: 强调成本效益，专为大模型和生成式AI打造，与TPU v4相比，每美元训练性能提升高达2倍，每美元推理性能提升高达2.5倍，成本不到TPU v4的一半，支持从13B到2万亿参数的模型[119][120][123][126] - **TPU v5p (2023)**: 性能大幅提升，浮点运算次数和内存带宽分别提升2倍和3倍，大语言模型训练速度实现2.8倍的代际提升，提供459 teraFLOPS的bfloat16性能或918 teraOPS的Int8性能，支持95GB高带宽内存[127] - **TPU v6/Trillium (2024)**: 训练效果提高4倍以上，推理吞吐量提高3倍，能源效率提高67%，高带宽内存容量和芯片间互连带宽均实现翻倍，在12个Pod规模下扩展效率高达99%[129][133] - **TPU v7/Ironwood (2025)**: 采用3nm制程工艺，实现全方位突破，FP8峰值算力高达4614TFlops，较第二代TPU提升3600倍，配备192GB的HBM3E显存，单芯片内存带宽达7.2TBps，并首次在TPU系列中支持FP8计算[142][143][145] TPU v7的核心架构创新 - 应用3D堆叠技术，通过混合键合将逻辑层与内存层以10微米间距堆叠，减少信号延迟，并将功耗降低30%[147] - 引入新型计算核心FlexCore，每个核心包含4096个乘累加单元，支持FP32、FP16、BF16、FP8混合精度计算，并采用三级缓存结构，其中L3缓存容量达64MB/核心[148] - FlexCore集成了稀疏计算加速器，通过动态稀疏化技术，在训练中可自动屏蔽80%的零值数据，提升计算效率[149] - 采用光互联技术，在芯片上直接集成激光器和光调制器实现硅光子集成，利用波分复用技术使单链路带宽达1.6TB/s，将芯片间通信延迟从第六代的20微秒降低至5微秒[150] 软件生态与系统优化 - 编译器XLA得到显著改进，通过优化技术使模型在TPU v7上的运行速度提高30%[152] - 分布式训练框架针对大规模集群优化，在训练万亿参数语言模型时，训练时间较上一代缩短40%[153][154] - 配备增强版SparseCore，专为处理推荐系统等场景中的超大稀疏嵌入而设计，能大幅提升相关计算效率[154] - Pathways机器学习运行时在跨芯片计算中发挥关键作用，能高效协调数万个TPU芯片，在训练大型语言模型时可将效率提高50%[155] 应用表现与市场意义 - TPU v7在超大规模模型训练中展现卓越性能，其高算力、大内存和高带宽能显著缩短训练时间，并有望降低30%至50%的总体训练成本[156][157][158] - 在AI推理场景，特别是针对混合专家模型，TPU v7通过软硬件协同优化，可实现推理延迟降低50%以上，成本降低40%以上[158][160][161] - TPU系列的成功迭代证明了定制化AI加速硬件的可行性与巨大潜力，挑战了NVIDIA GPU在AI计算领域的绝对主导地位，表明市场存在多元化的竞争路径[5][163]

文章核心观点 - 消费电子行业在经历2025年相对落后的股价表现和偏低估值后，预计将在2026年迎来由产品创新周期、行业复苏及终端产品涨价等多重因素驱动的估值提升机会 [1][9] 行业趋势与创新周期 - AI技术正驱动消费电子进入新一轮创新周期，主要产品包括AI手机、AI眼镜、AI音箱、AI玩具及折叠屏手机 [2] - 全球智能手机出货量增速在2023年第三季度由负转正，2025年起AI手机渗透率提升叠加苹果创新周期，有望引发新一轮换机潮 [2] - 2025年第三季度全球智能手机出货量达3.2亿部，同比增长2.6%，市场复苏受高端机型及高性价比AI手机驱动 [8] 主要厂商新品规划 - 苹果计划大幅扩展智能手机产品线，到2027年秋季前可能累计发布至少七款新旗舰机型，并将在2026年推出首款折叠屏手机 [2] - 苹果计划于2026年初发布新款MacBook Pro、iPhone 17e和iPad，首款折叠屏iPhone预计2026年9月登场，AI智能眼镜Apple Glasses预计2026年发布 [4] - 谷歌与三星、Gentle Monster等合作开发两种内置Gemini AI助手的AI眼镜，首批产品将于2026年上市 [3] - 谷歌与中国企业XREAL合作开发全球首款搭载Android XR平台及Gemini AI的消费级AR眼镜Project Aura，预计2026年上市 [3] - Meta代号为“Phoenix/凤凰”的混合现实眼镜预计2027年上半年上市 [4] - 亚马逊正在开发代号Jayhawk的AR眼镜，预计2026年底或2027年初推出，直接挑战Meta [4] - 三星首款智能眼镜Galaxy Glass预计2026年发布，Galaxy S26系列手机预计2026年2月发布，将搭载本地AI模型“高斯” [4] - 国内厂商方面，阿里夸克AI眼镜S1已于2025年11月发售，华为推出陪聊机器人“智能憨憨”，中兴与字节合作的首款AI手机努比亚M153豆包版于2025年12月初发布，字节旗下PICO将于2026年推新一代产品 [5] 板块估值与市场表现 - 申万消费电子行业指数2025年初至12月18日涨幅为42.87%，2024年9月18日至2025年12月18日涨幅为86.74%，在电子行业中表现落后 [6] - 截至2025年12月18日，申万消费电子行业的PE-TTM为37.76倍，显著低于半导体(96.72倍)、其他电子(77.36倍)、电子化学品(70.81倍)、元件(56.38倍)及光学光电子(51.23倍)等电子行业其他板块 [6][7] 行业业绩与需求复苏 - 2025年第三季度，申万消费电子行业营业收入同比增长27.12%，环比增长22.52%；净利润同比增长34.95%，环比增长45.86% [7][8] - 智能手机市场复苏带动核心零部件（如组装、模组、结构件）需求回升，相关企业业绩明显增长 [9] 产品涨价驱动因素 - 存储芯片短缺及涨价将推动2026年手机、电脑等主要消费电子产品终端价格上涨 [9] - 戴尔、惠普等大厂已宣布可能因存储芯片短缺而上调部分设备定价 [9] - 消费电子企业可能采取结构性涨价、降配及与产业链共担成本等组合策略 [9] 产业链投资机会 - 苹果有望在2026年发布折叠屏iPhone，其高端定位和巨大销售体量有望带动整个产业链迎来高速发展拐点 [9] - 折叠屏手机因屏幕、电池、PCB数量增加及形态变化，有望带动电池、PCB环节量价齐升，并增加FPC软板制造难度 [10] - 折叠屏、AI手机等创新有望带动3C产品生产线升级，为自动化组装、装配、检测设备厂商带来新订单，并可能增加消费锂电设备投资 [10]

文章核心观点 - 广告营销行业在积极应用AI技术追求降本增效的过程中，出现了大量因技术不成熟、审核缺失或应用不当而导致的“翻车”案例，表明AI在广告营销中的应用远未成熟 [11] - 行业在拥抱AI时需要保持清醒认知和审慎流程，核心在于加强人工审核、提升从业人员审美与判断力，并警惕为追求效率而损害品牌信任的“隐性成本” [11][12] 具体“翻车”案例总结 - **谷歌超级碗AI广告**：谷歌为展示其Gemini AI如何助力商家，在超级碗广告中因AI生成“全球超过一半的奶酪消费是高达奶酪”的不实文案而引发质疑和批评 [1] - **Asiaray机场广告**：Asiaray在昆明机场投放的广告中，人物形象出现六指且手指粘连、五官比例失调的“恐怖谷”效应，引发公众强烈不适 [3] - **东方树叶户外广告**：东方树叶的户外广告中，模特面部表情僵硬、手指关节有机械感、左右手比例失调，被批评“伪人感满满”且缺乏灵魂 [5] - **良品铺子产品宣传图**：良品铺子在电商详情页错误使用了AI生成的图片，出现花生悬挂在枝头这种违背“地上开花、地下结果”常识的画面，随后公司致歉并更新了材料 [7] - **可口可乐圣诞广告**：可口可乐2025年的AI圣诞广告被指创意上仅是致敬1995年和2024年的旧作，缺乏新意，且画面氛围被网友吐槽为“阴间”，未能有效传递圣诞氛围 [9] - **麦当劳圣诞广告**：麦当劳全部由AI生成的圣诞广告因串联圣诞季糟糕场景、画面恐怖并传递消极节日情绪而遭批评，最终被官方下架 [10] 行业启示与建议 - **审核是底线**：无论是“花生上树”的常识谬误还是“奶酪消费”的虚假数据，都暴露出人工审核环节的缺失，事实准确与常识正确是AI生成内容不可逾越的红线 [11] - **从业人员需提升审美与判断力**：AI是强大的辅助工具，从业人员应思考如何用好工具而非完全依赖，在利用AI提效的同时需提升专业审美，从根源杜绝劣质物料 [12] - **品牌应警惕“隐性成本”**：为降本增效而使用低劣的传播物料会削弱品牌好感并增加品牌信任的“隐性成本”，技术应服务于品牌与用户的长期关系 [12]

行业趋势：太空算力从概念走向工程验证 - 太空算力正从概念验证走向可运行系统，标志着首次进入真实负载的工程阶段 [1] - 太空算力已具有商业价值潜力，相关项目已开始推进并具有一定方法论支撑，抢占先机是未来胜负手的关键 [1] - 国内方面，从三体计算星座到北京提出太空算力竞赛，表明太空算力正在进入以工程验证为导向的新阶段 [1] 公司动态：美国科技巨头布局太空数据中心 - 谷歌计划在2027年前发射两颗原型卫星，作为将数据中心搬上太空项目的第一步 [1] - 谷歌的芯片已通过太空辐射耐受性测试，可适应太空环境 [1] - SpaceX推出“GalaxyMind”计划，明确了产业分工路径：SpaceX负责运载与星舰通道，特斯拉提供太阳能与储能方案，xAI提供模型与算法支持 [1] 项目进展：太空算力节点已进入轨道运行 - Starcloud在获得NVIDIA投资后，已成功将搭载H100的算力节点送入轨道并开始运行 [1]

文章核心观点 - 2025年，在AI需求驱动及大厂技术升级助推下，PCB板块取得显著超额收益，年初至今涨幅达149.9%，位居电子细分板块首位 [3][4] - 展望2026年，AI算力中心在大模型训练及推理需求推动下，部署规模和速度将进一步提升，AI PCB需求保持高速增长，供给紧张趋势延续，行业仍处于高景气周期 [3] - PCB/CCL行业兼具周期和成长属性，伴随业绩高增的可持续性，估值有向上突破空间，投资评级维持“推荐” [3] 2025年板块行情回顾 - 全年板块走势受AI算力需求、开源模型发布、中美关税战、新技术预期及业绩分化等多重因素影响，呈现宽幅震荡并最终上涨 [4] - 年初以来SW印制电路板板块上涨149.9%，在电子细分板块中排名第1，跑赢SW电子板块101.2个百分点，跑赢沪深300指数132.2个百分点 [4][22] - 截至2025年12月23日，PCB板块整体PE估值处于行业历史高位区间 [26] 景气度跟踪 下游终端需求 - 尽管手机及汽车等端侧需求2026年预计走弱，但AI算力建设推动服务器及交换机加速升级，需求保持旺盛 [5] - 2025年全球PCB市场规模预计为849亿美元，同比增长15.4%，其中AI相关领域（服务器、有线侧）占比提升至28.7% [6][32] - 北美主要云厂商对2026年AI资本支出（Capex）展望乐观，预计总额约5500亿美元，同比增长25%左右 [7][54] 产业链库存 - 中国台湾PCB月度CP值从2025年7月开始处于0.5以下，显示行业景气度较高后出现结构性调整 [5][34] - 中国大陆及台股PCB厂商2025年第三季度库存环比向上抬升，显示下游厂商加大备库，AI需求旺盛 [5][34] 产能利用率及扩产 - 国内头部PCB厂商2025年下半年整体产能利用率在93%-97%之间，进入第四季度景气度持续走高 [39] - 展望2026年，头部厂商多保持乐观，订单能见度普遍达3个月以上，并积极扩充IC载板、高多层板、高阶厚HDI板等高端产能 [6][40] - PCB行业资本开支从2024年下半年开始逐步扩大，2025年前三季度国内PCB厂商购建固定资产等支付的现金同比增长53.9% [41] 产品价格 - 上游铜价高位震荡上行，金价处于高位，铜箔加工费、玻纤布呈现涨价趋势，树脂价格相对平稳 [6][44] - 2025年下半年CCL价格涨势明确，受原材料涨价推动，头部厂商密集提价；AI高端HDI、高多层板及载板需求旺盛，价格看涨 [45] PCB整体景气度 - 2025年1-11月，台股PCB行业累计收入同比增长12.8% [47] - Prismark预计2025年第四季度全球PCB市场规模同比增速将提升，2026年全球PCB市场规模预计将增长至940-980亿美元 [6][49] PCB细分领域分析 算力PCB - AI数据中心是PCB增长最快、最大的下游应用领域，Prismark预计2024-2029年服务器用PCB市场复合年增长率（CAGR）达18.7%，至257亿美元 [7][51] - AI服务器持续迭代推动PCB向高阶HDI方向加速升级，Prismark预计AI/HPC服务器HDI市场规模2024-2029年CAGR高达30%，至47亿美元 [7] - 粗略估算，国内上市公司中能匹配AI需求的PCB有效产能供给约1200亿元，而需求端预计在1500亿元左右，供给紧张 [7] - 英伟达Rubin架构采用无缆化设计，大幅提升柜内PCB需求及价值量，材料向M8+/M9加速升级 [59][61] - 谷歌TPU、AWS Trainium等ASIC芯片以及国内华为昇腾、寒武纪等算力芯片厂商快速发展，驱动全球AI PCB需求高速增长 [7][68][74] 端侧PCB - 消费终端AI化及折叠屏、AI眼镜等新型态终端推出，将带动终端PCB升级和价值量提升，关注2026年苹果、OpenAI等新品创新 [8] - 2026年汽车市场增速预计放缓，但智能化升级将带动汽车PCB价值量提升 [8] 载板 - AI算力芯片和存储需求向上带动行业明显回暖，全球载板产能稼动率快速提升 [8] - 上游Low-CTE玻布材料供给紧缺，供需缺口下将推动载板价格持续走高，国内高端ABF载板厂商迎来切入核心客户供应链的窗口期 [8] 材料及设备 覆铜板 - AI高速运算场景推动高速CCL升级节奏加速，预计2026年M8为主流板材，M9进入量产；2027年M9成为主流板材 [9] - 预计2026年高速CCL市场规模约80亿美元，2024-2027年需求CAGR达40% [9] - “涨价”成为CCL行业2025-2026年主旋律，上游原材料价格上涨、下游AI需求挤占产能及PCB环节库存低等因素驱动CCL处于涨价通道 [9] - 目前高速CCL市场份额主要集中在台系和日韩厂商，国内厂商如生益科技、南亚新材已在算力供应链取得突破并开始放量 [9] 上游主材 - CCL上游主材（铜箔、树脂、玻纤布）成本占比分别约为42%、26%、20% [10] - AI需求推动CCL向M8、M9等级升级，带动高端主材需求放量 [10] - 玻纤布：一代、二代布为当下主流高端材料，Q布放量在即，缺口严重 [10] - 电子铜箔：AI需求推动HVLP铜箔加速升级，需求快速增长 [10] - 树脂：M8+、M9等级CCL升级有望推动碳氢树脂需求放量 [10] 设备 - AI PCB加速扩产升级，高端设备需求旺盛推动国产厂商份额快速提升 [11] - 钻孔领域，高阶HDI、高多层板升级带动机械和激光钻孔设备需求，大族数控在该领域卡位，超快激光设备迎突破 [11] - 钻针环节量价齐升，鼎泰高科受益于PCB钻针需求增长及M9新材料钻针项目进展 [11] 2026年行业投资策略 - 算力板块仍是2026年Beta最强的主线之一，AI持续推动对高多层及高阶HDI的需求 [12] - 从产业链环节对比分析，上游CCL及原材料环节具备量价齐升趋势，且国内公司有全球份额扩张的Alpha，应为首选 [12] - AI PCB环节，在供需缺口背景下，应把握具备产能规模优势、客户资源、技术卡位的头部厂商及有望在海外供应链实现“0-1”突破的厂商 [12] - 设备环节，下游PCB厂商的持续扩产升级是增长驱动力，看好国内设备厂商在此轮AI驱动的产能升级下实现弯道超车 [12]

行业动态与市场趋势 - 全球AI算力竞争白热化，HBM等高性能内存成为关键战略资源，微软、谷歌、Meta等科技巨头采购团队常驻韩国争夺三星和SK海力士的有限产能，两大韩企先进产线已满负荷运转[1] - 存储芯片涨价周期自2025年三季度启动，三星、SK海力士、美光三大巨头集体上调DRAM及NAND Flash合约价，涨幅最高达60%[1] - 本轮涨价由AI服务器需求爆发与智能手机配置升级共同驱动，与此前消费电子主导的周期存在本质差异，预计涨价周期将延续至2026年[1] 供应链与竞争格局 - 科技公司为强化供应链优势，正加速将采购与供应链管理岗位向亚洲转移，招聘兼具技术与商务能力的专家[1] - 供应链紧张态势凸显，谷歌约60%的TPU所需HBM由三星供应，其追加供货请求遭SK海力士和美光拒绝，微软采购高管因供应商无法满足条件而愤然离席[1] - 谷歌近期已解雇部分采购负责人，原因是未能提前签订长期协议导致供应链风险[1] HBM市场前景与技术发展 - HBM作为AI服务器核心组件，2024年全球市场规模达56.1亿美元，预计2034年将增长至570.9亿美元，年复合增长率达26.1%[2] - HBM技术向更高带宽、更大容量迭代，头部厂商已启动HBM4量产准备[2] - 存储芯片涨价已传导至HBM、存储模组、车规级存储等领域，涵盖芯片设计、封测、设备材料等多个环节[2] 产业链与公司机会 - 国内存储产业链齐全，有望在本轮超级周期中快速发展[2] - 德明利深耕存储行业多年，以主控芯片为核心构建存储解决方案，作为存储模组企业，有望快速兑现存货涨价与补库共振的短期红利[3] - 兆易创新同时布局NOR、NAND、DRAM三大存储品类，是全球排名靠前的无晶圆厂Flash供应商[4]