大盘与板块表现 - 1月23日，北证50指数领涨，涨幅达3.82%，深证成指、科创50、创业板指、上证指数分别上涨0.79%、0.78%、0.63%、0.33% [1] - TMT板块中，营销代理、军工电子Ⅲ、LED板块领涨，涨幅分别为5.75%、5.41%、5.18% [1] - TMT板块中，通信网络设备及器件、印制电路板、数字芯片设计板块领跌，跌幅分别为3.57%、3.18%、1.14% [1] 国内新闻：半导体与消费电子 - 炬光科技与BrightView建立战略合作，旨在加速光学元器件、模块及系统级解决方案的开发与商业化落地 [1] - 北大团队成功研制用于非负矩阵分解计算的模拟计算芯片，相较于当前先进数字芯片，计算速度提升约12倍，能效比提升228倍 [1] - 台积电预计在2028年前下调晶圆14厂成熟制程产能15%–20%，此为基于全球制造布局的结构性优化，并非反映终端需求明显下滑 [1] - 仁宝电脑指出，因存储缺货与涨价，内存占一台PC零部件成本的比例已从正常情况下的15~18%升至最高近40%，部分客户已于去年第四季低价备货，预期真正影响可能在今年第二季开始浮现 [1] 海外新闻：半导体产业动态 - 由于超大规模云服务商大量采购，英特尔与AMD在2026全年的服务器CPU产能已基本售罄，两家公司计划将服务器CPU价格上调10-15% [2] - 住友贝克莱特将以300亿日元收购京瓷的化学业务，以增强其在半导体封装材料领域的实力 [2] - Omdia预计今年全球智能手机OLED出货量将达8.1亿片，同比下降0.9%，主因是存储半导体短缺和价格快速上涨导致手机厂商减少出货和采购 [2] - 英特尔2025年第四季度财报显示，其代工业务营收45亿美元，同比增长4%；数据中心与人工智能业务营收47亿美元，同比增长9%；客户端计算事业部营收82亿美元，同比下滑7% [2] AI资讯：技术进展与应用 - 谷歌将AI教育重点转向标准化考试，推出基于Gemini的免费SAT模拟考试服务，并与普林斯顿评论等机构合作确保题目质量 [2] - 蚂蚁阿福AI健康应用将与中国营养学会合作，为用户提供更专业的营养建议 [2] - 特斯拉CEO马斯克宣布重启超级计算机项目Dojo 3，核心使命转向“太空AI计算”，计划未来四到五年内部署太空AI数据中心 [2] - Runway发布全新Gen 4.5图生视频模型，能在5秒内生成包含近景、中景、远景的三个镜头，在1000人测试中仅有57%的人能分辨AI生成视频与真实视频 [2] “十五五”行业追踪：前沿科技 - 深空经济领域，建设低轨卫星互联网对卫星数量要求极高，千帆星座需在一两年内布局至少324颗卫星，若要完全实现商用，数量还需翻一番 [3] - 脑机接口领域，Nia Therapeutics发布了其无线植入式脑机接口的首个体内验证结果，其智能神经刺激系统可记录来自四个脑区共60个通道的神经活动 [3] - 新材料领域，工信部表示已累计推动价值超550亿元新材料产品进入市场，支撑了C919大飞机、神舟飞船等重点项目 [3] - 具身智能领域，宇树科技表示其纯人形机器人在2025年实际出货量超过5500台，本体量产下线数量超过6500台 [3] 公司业绩预告 - 香农芯创预计2025年度归母净利润达4.8亿–6.2亿元，同比增长81.77%–134.78%；扣非净利润为4.6亿–6.0亿元，同比增长51.01%–96.97% [4] - 中微公司2025年实现营业收入约123.85亿元，同比增长36.62%，其中刻蚀设备收入98.32亿元，薄膜设备收入5.06亿元；归母净利润预计为20.80亿–21.80亿元，同比增长28.74%–34.93% [4] - 晶方科技预计2025年度归母净利润为3.65亿至3.85亿元，同比增长44.41%至52.32%；扣非净利润为3.15亿至3.35亿元，同比增长45.48%至54.72% [4] - 复旦微电预计2025年度营业收入为39.3亿至40.3亿元，同比增长9.46%–12.25%；归母净利润预计为1.9亿至2.83亿元，同比下滑50.58%–66.82% [4] 高频数据：存储与半导体材料价格 - 1月23日国际DRAM颗粒现货价格中，DDR4 8Gb (1G×8) 3200日均价30.700美元，日涨幅1.32%；DDR3 4Gb 512M×8 1600/1866日均价5.025美元，日涨幅1.62%；其他多数规格价格持平 [5] - 1月23日百川盈孚半导体材料现货价格总体稳定，多数产品日均变化为0，仅5N高纯铟价格下跌100元/千克，市场均价为35,400元/千克 [6]

核心观点 - 北京大学团队成功研制出一种基于阻变存储器的非负矩阵分解模拟计算芯片，该芯片在计算速度和能效比上相比当前先进数字芯片有数量级提升，为大规模数据处理提供了高效新方案 [1][2] 技术突破与原理 - 该技术针对非负矩阵分解这一核心数据降维技术，旨在解决传统数字硬件在处理百万级规模数据集时面临的计算复杂度和内存瓶颈问题 [1] - 团队采用模拟计算路径，直接利用物理定律实现并行运算，具有延时低、功耗低的先天优势 [1] - 核心创新在于研制了基于阻变存储器的模拟计算求解器，并设计了可重构紧凑型广义逆电路，通过电导补偿原理以最少的计算单元实现相同功能，对核心计算步骤进行优化，实现一步求解，极大优化了芯片面积与能耗 [1] 性能验证结果 - 在图像压缩任务中，与全精度数字计算机结果相比，图片精度损失相差无几，同时节省了一半的存储空间 [2] - 在推荐系统应用中，其预测误差率与数字芯片计算结果高度相近 [2] - 在MovieLens 100k数据集推荐系统训练任务中，与主流可编程数字硬件相比，实现了212倍的速度提升和4.6万倍的能效提升 [2] - 在网飞规模数据集的推荐系统训练任务中，计算速度较先进数字芯片提升约12倍，能效比提升超过228倍 [2] 应用前景与行业影响 - 该技术为非负矩阵分解这类约束优化问题的实时求解开辟了新路径，展现了模拟计算处理现实复杂数据的巨大潜力 [2] - 该研究可为实时推荐系统、高清图像处理、基因数据分析等场景带来技术革新 [2] - 该成果将助力人工智能应用向更高效、更低功耗的方向发展 [2]

模拟芯片 - 北京大学科研团队成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片 在全球范围内首次将模拟计算的精度提升至24位定点精度[1] - 该新型芯片计算精度从1%跃升至千万分之一 计算吞吐量与能效比当前顶级数字处理器（GPU）提升百倍至千倍[1] - 这项突破为人工智能、6G通信等领域开辟了全新算力路径 标志着我国在后摩尔时代计算范式变革中取得重大进展[1] AI教育 - 教育部计划在明年出台相关政策文件 系统部署推进人工智能教育和应用 构建面向未来的教育体系[2][4] - 政策将按照不同教育阶段特点 分类推动人工智能通识教育 培养胜任智能时代的高素质人才[2] - 中国AI教育正从局部试点、工具应用 迈入顶层设计、体系化推进的新阶段[2] 宏观与行业政策 - 明年“两新”政策发布 第一批资金625亿元已下达 新增智能眼镜补贴 设备更新领域新增老旧小区加装电梯、消防救援及线下消费商业设施[3] - 四部门印发《汽车行业数字化转型实施方案》 推动智能机器人在焊接、喷涂、总装等环节规模化应用 打造汽车行业具身智能示范产线[3] - 杭州为具身智能机器人产业发展立法 这是全国首部相关法规[8] 汽车产业 - 乘联分会崔东树表示 2026年汽车“双新”补贴政策超预期 明年车市有望实现“开门红”[8] - 小鹏汽车何小鹏预测 2026年下一代真正的全自动驾驶会真正到来 直接从L2到L4[8] 税收政策 - 两部门发布个人销售住房增值税政策 不满2年按3%全额缴纳 2年以上免征[8] 市场主题与个股关联 - 机器人主题相关上市公司包括锋龙股份、大业股份、天奇股份、泰尔股份、万向钱潮、方正电机、宏英智能、步科股份、新时达、晋拓股份、三花智控等[9] - 液冷服务器主题相关上市公司包括统一股份、新时达、康普顿[9] - 人工智能大模型主题相关上市公司包括正和生态、湖北广电、南兴股份、酷特智能[9][10] - 数字人民币主题相关上市公司包括御银股份、航天信息、大业股份、恒大高新、华菱线缆、宏英智能、勘设股份、雷科防务[10] - 航天主题相关上市公司包括航天信息、东方通信、长城电工、巨力索具、东珠生态、合众思壮、凯盛科技、海昌新材[10] - 大消费主题相关上市公司包括金逸影视、众望布艺、冰山冷热、百纳千成[10] - PTA主题因PX、PTA价格创近一年新高 相关公司包括恒逸石化[11] - 国产芯片主题因摩尔线程等陆续上市 长鑫存储此前完成IPO辅导 相关公司包括天普股份[11]

技术突破 - 北京大学科研团队成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片 [1] - 该芯片在全球范围内首次将模拟计算的精度提升至24位定点精度 [1] - 计算精度从1%跃升至千万分之一 [1] - 计算吞吐量与能效比当前顶级数字处理器（GPU）提升百倍至千倍 [1] - 芯片可在28纳米及以上成熟工艺量产，绕开光刻机“卡脖子”环节 [1] 行业影响与前景 - 该技术为人工智能、6G通信等领域开辟了全新算力路径 [1] - 标志着我国在后摩尔时代计算范式变革中取得重大进展 [1] - 模拟计算芯片具有高精度、低功耗、实时性强等特点 [1] - 未来技术成熟和产业化推进后，有望进一步提高计算精度、拓展应用范围、实现更大规模矩阵计算 [1] - 将促进软件与硬件生态完善，推动上下游产业链协同发展，加速国产替代进程 [1] - 为构建自主可控的高效计算生态奠定了重要基础 [1] 相关公司 - 文章提及圣邦股份、士兰微等公司 [2]

美国对华成熟芯片加征关税政策及其市场反应 - 美国政府于12月23日宣布将对来自中国的成熟芯片产品征收额外关税 计划从2027年开始执行[3] - 该政策明确针对28纳米及以上的老一代芯片 其理由是保护本土产业不受产能冲击[3] - 然而全球市场并未因此止步 反而加快了向中国倾斜的节奏 政策压力与市场规律之间的矛盾被放大[1] 成熟芯片的市场需求与产业特征 - 成熟芯片（28纳米及以上）广泛应用于汽车控制器 电网设备 普通家电等领域 其核心要求是可靠 稳定和供应保障 而非极致性能[3][5] - 这类芯片需求稳定 体量庞大 是整个半导体产业中不可或缺的一环[5] - 成熟芯片的利润空间有限 将其生产回迁至美国本土缺乏成本优势 反而会拉高整体制造成本[5] 中国在成熟制程领域的竞争优势 - 全球超过70%的成熟制程订单正源源不断地流向中国工厂[1][13] - 中国在成熟制程领域已具备完整的产业链 从生产 封装到设计 交付形成了非常强的供应能力[5] - 中国在产能布局上形成了高度集中和体系化的模式 多个制造基地可分工协作 保障订单响应速度和交付稳定性[15] - 中国厂商在生产规模上的扩展速度远超全球其他地区 大规模生产线摊薄了单位成本并提高了抗风险能力[17] - 在成熟工艺所需的设备种类中 国产化程度已经足够支撑大规模投产 原材料供应也逐步实现部分自给 降低了整体运营成本[15] 美国政策效果与企业应对 - 美国政策的设计出发点是遏制 但实际效果可能是催化 越是限制越刺激企业提前布局[7] - 美国本土企业面对政策推动的脱钩显得进退两难 在成本压力与政策风险之间 大多数企业仍选择继续依赖中国供应链[7] - 美国本土的一些车企和电子企业对加税政策表达了担忧 担心成本上涨和交期延迟会影响产品竞争力[23] - 亚洲和欧洲的企业持续增加在中国的采购合作 产业链的重心调整方向是进一步向中国集中而非回流[23] 技术路径的创新与突破 - 北京大学团队研发的模拟计算芯片在传统28纳米工艺基础上实现了对AI和新一代通信技术的支持[9] - 该技术不依赖先进光刻设备 绕开了全球高端芯片依赖的关键技术瓶颈[9] - 模拟计算芯片通过另一套计算逻辑 在能耗 速度和成本之间找到新的平衡点 适用于AI 未来6G通信及低功耗终端等领域[11] - 该技术路线可在现有的成熟产线上实现量产 意味着在不被卡脖子的前提下中国可以推进高性能芯片的开发和应用[11][13] 全球产业格局的变化趋势 - 全球半导体产业格局正在经历松动 中国凭借稳定产能 完整链条和技术突破在成熟芯片市场上逐步建立主导地位[21] - 国际市场的选择是基于对效率 稳定 成本和技术综合考量的结果 订单流向中国不仅因为价格 更因为交付有保障 扩产有速度 支持有响应[21] - 中国的优势在于能快速响应市场变化 这种能力是靠长期积累形成的 国际市场的选择是对此的认可[25] - 未来的竞争在于谁能提供确定性 中国正在用行动重新定义全球半导体的产业逻辑[28][29]

研究突破核心观点 - 北京大学团队在《自然·电子学》发表研究成果，实现了高精度可扩展模拟矩阵方程求解的全硬件电路设计方案 [1] - 该研究首次将模拟计算精度提升至数字计算同等水平，同时算力和能效提升百倍以上，解决了困扰模拟计算发展的低精度"世纪难题" [1] - 突破标志着高精度模拟计算实现从0到1的突破，为模拟计算芯片在信息时代的应用开启大门 [1] 技术原理与创新 - 第一项关键创新是采用阻变存储器（RRAM）技术，其电阻值可精确调控且断电后保持数据，兼具存储和计算功能，RRAM阵列能实现超高效的低能耗乘加运算，速度比数字芯片快几个数量级 [4] - 第二项创新是基于2019年奠基性发现，设计出能"一步求解矩阵方程"的模拟电路，将传统迭代算法压缩为瞬间完成的物理过程 [4] - 第三项创新是"位切片"技术，将24位精度数字拆解成多个3位片段分别存入不同RRAM阵列运算后叠加结果，实现了纯模拟版本的高精度计算 [5] 性能表现与优势 - 实测求解矩阵方程仅需几次迭代即达到24位精度（相当于手机GPU浮点计算精度） [7] - 针对128天线规模的6G通信信号检测，运算步骤从数百步成功降低至3步完成 [7] - 模拟计算电路求解100x100矩阵的时间与10x10矩阵相当，突破了数字芯片计算复杂度立方级增长的限制 [7] - RRAM阵列存储数据同时直接计算，消除了CPU与内存间数据搬运瓶颈，该过程在数字芯片中消耗了95%的能量 [7] 行业应用前景 - 在AI领域，该技术有望彻底改写游戏规则，突破大模型训练的"算力瓶颈"，未来或能让手机直接训练GPT-4级别模型，催生"自进化"智能终端 [7] - 在6G通信中，解决了"信号检测"关键痛点，处理256-QAM高阶调制信号时准确率与数字处理器完全相同，但能耗仅为百分之一 [8] - 潜在新应用场景包括气象预报中秒级完成流体力学方程求解、自动驾驶实时处理4D雷达点云以及量子计算的误差校正等超高速并行计算任务 [8]