AI硬件行业日报

台积电Q2创纪录402亿美元营收股价反跌4%、ASML三度上调年指引至450亿欧元、谷歌Frozen v2将模型架构刻入硅片能效飙10倍、中国DUV光刻机量产ASML两日蒸发440亿美元

2026年8月2日 · AI硬件行业每日深度解读

一、台积电Q2创纪录402亿美元营收：股价反跌4%，资本开支上调至640亿美元引发AI开支可持续性质疑

台积电发布2026年Q2财报，交出了公司历史上最好的季度成绩单，但资本市场给出了截然相反的反应。

核心财务数据：Q2营收402亿美元，同比增长36%，环比增长13%。净利润达新台币7065.6亿元（约219.9亿美元），同比增长77.4%。毛利率维持在55%以上的高位。台积电将2026年全年营收增长指引从"略高于30%"上调至"略高于40%"。

AI芯片需求是绝对驱动力。台积电先进制程（2nm、3nm、5nm）是几乎所有主流AI芯片的生产底座——英伟达GPU、AMD加速器、谷歌TPU、亚马逊自研芯片全部流经台积电晶圆厂。台积电在财报中确认，先进节点产能已承诺至2027年，CoWoS先进封装产线全部订满。台积电已告知最大客户预计涨价5-10%。

但市场焦点转向了资本开支。台积电将2026年资本开支指引从520-560亿美元上调至600-640亿美元，中位数提高约80亿美元。这一数字背后是台积电对"AI需求将持续数年"的判断——维持当前市场地位需要今年投入600-640亿美元。

投资者的担忧有历史依据。半导体行业在2021-2023年疫情期间曾大规模扩产，随后在2022年遭遇库存过剩和价格崩盘。如果AI需求在未来某个时点放缓，台积电可能面临昂贵的产能闲置。财报发布后，台积电股价盘前下跌约4%，英伟达跌1.3%，AMD跌2.7%，英特尔跌1.9%，美光跌2.4%。甚至波及到比特币矿企——IREN、Cipher Mining、TeraWulf均下跌4-5%，因为这些公司正将数据中心重新定位为AI基础设施。

台积电的回应是数据驱动的：N3E（3nm）节点支撑苹果A18系列、英伟达Blackwell B系列GPU和AMD MI350系列AI加速器；N2（2nm）节点自2025年底进入量产，是全球最先进的商用工艺节点。CoWoS封装投资仅2025年就超过100亿美元。台积电同时将三星和日月光（ASE）作为替代封装供应商以降低依赖。

值得关注的是先进封装瓶颈。台积电CoWoS产能持续紧张，是限制英伟达AI GPU交付速度的主要瓶颈而非晶圆产能本身。台积电已与三星先进封装团队（AVP）接洽——三星提出接收英伟达从台积电采购的晶圆，搭配三星自有HBM3内存，使用I-Cube 2.5D封装完成后续工序。如果通过，三星预计处理约10%的英伟达AI GPU封装量。

二、ASML Q2营收93.3亿欧元三度上调年指引：英特尔首发High-NA EUV量产Panther Lake，中国DUV量产致股价两日跌12%

ASML发布2026年Q2财报，营收93.3亿欧元，超出分析师预期的88亿欧元。净利润29.2亿欧元，高于预期的26.2亿欧元。毛利率54%，较去年同期提升1个百分点。营收同比增长21%，净利润同比增长27%。

ASML年内第三次上调全年指引：年度销售预期从360-400亿欧元上调至430-450亿欧元，毛利率预期从51-53%上调至54-56%。Q3营收指引128-140亿美元，远超分析师共识的113亿美元。ASML股价年内上涨62%，市值突破6100亿欧元，成为欧洲最有价值的上市公司。

AI需求是核心驱动力。CEO Christophe Fouquet表示："客户持续加速产能扩张计划，使ASML能更好地预判长期需求。"ASML是全球唯一的EUV光刻机制造商，台积电、三星、SK海力士、美光等客户正在大规模扩产以满足AI相关需求。EUV光刻机产线几乎订满至2027年，2028年已有大量订单，包括马斯克计划在德州建设的Terafab项目。ASML正考虑在2027-2028年进一步扩产，并对EUV系统提价。

英特尔首次使用High-NA EUV量产芯片。英特尔使用ASML下一代High-NA EUV TwinScan EXE设备，在Intel 18A工艺上量产Intel Core Ultra Series 3"Panther Lake"处理器，实现8nm分辨率，良率与ASML前代NXE平台相当。英特尔是业界首个使用High-NA EUV进行大批量逻辑芯片生产的企业，已安装并通过第二代TWINSCAN EXE:5200B的验收测试。这一里程碑验证了ASML最新设备的生产级良率，可能影响整个先进逻辑和AI芯片制造领域客户的投资计划。

但中国竞争的阴影正在逼近。7月27日，路透社报道中国上海微电子与SiCarrier、华为合作，开始量产国产DUV光刻机，计划交付中芯国际和华虹。ASML股价两日暴跌约12%，市值蒸发440亿美元。需要澄清的关键区别：中国量产的是DUV光刻机，面向成熟工艺节点（28nm及以上），今年计划交付约5台，而ASML年产量超过100台。AI芯片所需的EUV光刻机仍是ASML独家，中国因出口管制无法获取ASML EUV设备。真正的壁垒不是造出机器，而是良率——从试制到稳定量产需要多年积累。

ASML对华销售额从去年Q4占总收入36%降至今年Q1的19%。中国DUV的量产虽然短期内无法威胁ASML在先进制程的垄断地位，但投资者正在重新评估ASML护城河的持久性。

三、谷歌Frozen v2芯片：将Gemini模型架构直接刻入硅片，能效提升6-10倍，押注"极致专用化"路线

谷歌正在开发代号为"Frozen v2"的下一代AI芯片，采用一种行业中最激进的方案：将Gemini模型的部分架构直接刻入硅片，通过硬件硬连线方式最小化不必要的数据搬运和冗余计算，预计能效比现有TPU提升6-10倍。

Frozen v2的核心思路是"极致专用化"。传统AI芯片（包括谷歌自家TPU）设计为通用加速器，能运行多种模型架构。Frozen v2打破这一范式——直接将Gemini模型的特定计算结构物理固化在芯片电路中。这意味着每次Gemini生成token时，计算路径更短、能耗更低。谷歌每天处理数十亿次Gemini查询，即使单次推理节省的能耗很小，累积效果也极为可观。

代价是芯片绑死特定模型架构。如果未来Gemini模型发生重大架构变更，Frozen v2可能直接过时。谷歌的应对策略是保持Gemini模型权重可更新，同时维持与底层芯片架构的兼容性，在效率与长期可用性之间寻求平衡。

这一战略转向反映了AI竞争焦点的转移。AI竞赛正从"软件创新"进入"定制硅片架构"阶段。各大巨头都在设计专门针对自身AI系统的芯片，以应对不断攀升的能源成本、基础设施约束和盈利挑战。目标不再是构建最聪明的AI模型，而是构建最高效的基础设施来大规模运行它。

竞争格局对比清晰：谷歌Frozen v2（2028年）聚焦超高效Gemini推理，将模型架构刻入硅片；OpenAI Jalapeño（约2026年）聚焦LLM和智能体推理，与博通联合开发的大规模ASIC；微软Maia覆盖Azure全场景AI加速；亚马逊Trainium+Inferentia双路并行——训练用Trainium、推理用Inferentia。

投资者压力是推动这一转型的关键因素。Alphabet的AI基础设施投资正攀升至1800-1900亿美元资本开支，股东要求看到清晰的长期回报证据。Frozen v2的定制硅片路线图帮助说服投资者，谷歌有可信的方案降低AI运营成本并提升能效。

长期来看，市场可能同时支持两种策略。高度专用的硅片将主导超大规模AI部署（效率和运营成本至关重要），灵活的AI基础设施仍是服务多种模型和客户工作负载的必需品。未来的赢家将是成功平衡性能、适应性、能效和投资回报率的企业——定制硅片正在成为下一代AI的决胜战场。

四、英特尔XBM内存专利：绕过HBM硅中介层用UCIe互联，内置冗余修复提升良率

英特尔7月8日披露的一项专利申请显示，公司正在开发名为"XBM"的新型高带宽内存架构，目标是降低先进封装成本并缓解AI芯片的"内存墙"瓶颈。

XBM的核心创新在于绕过HBM必需的硅中介层。传统HBM通过硅中介层连接GPU和内存堆叠，硅中介层是先进封装中最昂贵的组件之一。XBM采用UCIe（Universal Chiplet Interconnect Express）互联标准替代硅中介层，同时引入内置冗余修复机制——在制造过程中发现缺陷单元可自动切换到备用单元，提高整体良率。

专利显示XBM采用后端晶体管DRAM堆叠设计，在保持与HBM4相似封装尺寸的同时提升可扩展性。这意味着不需要改变现有PCB板和封装设计就能从HBM切换到XBM，降低了客户的迁移成本。

这项专利的战略意义在于：英特尔正在从多个维度挑战现有AI芯片供应链格局。在制造端，英特尔18A工艺和EMIB封装已成为台积电CoWoS的关键替代方案（谷歌已向英特尔代工下单300万颗以上TPU）。在内存端，XBM如果成功量产，将直接挑战三星和SK海力士在HBM领域的主导地位——英特尔可以提供"代工+封装+内存"的一体化方案，与三星的"存储+代工+封装"策略形成正面竞争。

但需要指出的是，从专利到量产通常需要3-5年。XBM目前仍处于专利申请阶段，距离产品化还有相当长的路。HBM4和HBM4E正在快速迭代，三星和SK海力士的MR-MUF和混合键合技术也在不断进步。XBM能否在量产时仍保持技术优势，是一个开放问题。

五、日本Rapidus 2nm冲刺：面板级封装宣称效率提升10倍，但地震风险成最大隐患

日本国家支持的芯片制造商Rapidus正在北海道千岁市运营2nm试产线，目标2027年量产。但8月1日的一篇深度报道揭示了日本半导体复兴面临的一个被忽视的致命威胁：地震。

Rapidus的技术进展值得关注。自2025年4月启动2nm试产线以来，Rapidus于2025年7月确认在试产线上成功制造2nm晶体管——这是与IBM技术转移的关键里程碑。2026年4月，Rapidus在千岁开设后端封装试产线，宣称采用600mm方形面板的面板级封装方案可将AI芯片制造效率提升10倍以上。同日开设的分析中心负责物理、化学、电气和可靠性测试，这是从试产线走向量产的决定性指标。

Rapidus的差异化定位是"速度"。采用单片晶圆处理而非大批量处理以缩短周转时间，目标晶圆价格为300-350万日元（约18500-21600美元），与台积电相当或略低。已有超过60家公司就2nm产能进行洽谈，但尚未有公司签署量级协议。日本政府已承诺约2.35万亿日元的公共发展援助，加上6月的股权注入，预计总支持超过3万亿日元。

但地震风险是日本半导体复兴最大的不确定性。2024年元旦能登半岛7.6级地震中，村田制作所石川工厂的MLCC陶瓷电容产线停工数周——这种"工业大米"级微型元件，一部手机要上百颗，一辆电动汽车要上万颗，全球近四成产能捏在村田手里。东芝旗下加贺功率半导体工厂同样受损严重。

更深层的问题是地理分布。日本半导体制造几乎全部分布在从九州到北海道的环太平洋地震带上：熊本台积电工厂群紧邻布田川断层带，北海道Rapidus基地距千岛海沟强震区不远，四日市和北上的存储基地同样紧贴俯冲带。日本气象厅维持南海海槽未来30年发生8-9级大地震的高概率评估。

这种地理约束催生了极其昂贵的升级：熊本工厂采用最先进的减震支架和自动断电复位系统，村田开始将陶瓷电容产线分散到福井、岛根，Rapidus在设计中考量了地下断层滑移对超精密光刻的影响。这些升级贵到足以抵消大半产能成本优势。

Rapidus的规模限制同样明显。计划从月产6000片晶圆起步，一年内达到约25000片——这仅为台积电在同等工艺级别产能的一小部分。等到Rapidus量产时，台积电在2nm上已有约两年量产经验。Rapidus的玻璃基板连接板要到2028年才量产。

六、铠侠预测Q3净利润增长31倍：NAND价格同比翻番，AI数据中心驱动存储全面暴涨

日本存储芯片制造商铠侠控股预测，2026年7-9月季度净利润将达到1.27万亿日元，较去年同期增长31倍。虽然略低于分析师平均预期的1.35万亿日元，但增速依然惊人。

AI数据中心需求是核心驱动力。2026年4-6月期间，NAND闪存价格和出货量双双上升，平均销售价格较去年同期翻了一番。AI训练和推理对高带宽内存（HBM）的需求暴增，同时推动了NAND闪存在服务器固态硬盘中的需求——服务器SSD在NAND闪存销售额中的占比预计今年超过60%。

铠侠的业绩反映了存储行业整体的景气周期。三星Q2合并营收171.5万亿韩元创历史新高，存储业务同比暴增471%。UBS预测2026年全球存储芯片行业总收入9920亿美元，2027年几乎翻倍至1.76万亿美元。HBM需求2026年增长90%，2027年再增77%。

存储行业的结构性特征正在强化。三星已与全球前五大数据中心客户签署五年期滚动长约，计划将总产能的60-70%用于长期供货协议。这意味着即使消费电子需求放缓，存储芯片市场仍将处于供不应求状态。三星明确指出，2027年的供应限制甚至将比2026年更加严峻。

但铠侠的预测略低于市场预期，也反映了存储行业的不确定性。NAND价格虽然同比翻番，但环比增速可能开始放缓。如果AI推理需求在2026年下半年不及预期，存储芯片价格可能面临调整压力。不过从目前台积电、ASML和各大云厂商的资本开支计划来看，短期内存储需求放缓的可能性较低。

七、恒玄BES6100单芯片杀入AI眼镜主赛道+东方算芯DF1000软件定义3D芯片全链条国产化：端侧AI芯片两条路径齐头并进

8月1日前后，两条国产AI芯片突破同时浮出水面，分别代表了端侧AI芯片的两种突破路径。

恒玄科技新一代旗舰可穿戴SoC芯片BES6100本月完成流片。核心突破在于用单颗6nm芯片替代当前主流的"高通AR1主芯片+恒玄BES2800协处理器"双芯架构。BES6100采用高低双域混合架构：低功耗域负责语音唤醒、传感器调度等常驻任务，全天候毫瓦级待机；高性能域独立承载系统运行、端侧AI大模型推理与影像处理。

商业影响直接而显著。当前双芯方案的芯片综合BOM成本将突破78美元（高通9月调价后），BES6100预计单价不足40美元，BOM成本直降近50%。配合台积电6nm制程和细长封装，一举解决"成本、续航、外观"三大行业痛点——双芯方案迫使眼镜做成"大粗框"的问题将得到根本改善。恒玄正从蓝牙音频芯片龙头加速向"端侧AIoT平台型芯片巨头"转型，研发投入占比超20%，毛利率提升至40%。

东方算芯7月13日在上海发布全球首颗软件定义近存计算3D芯片DF1000。BF16精度下算力达520 TFLOPS，访存带宽6.4TB/s，采用14nm成熟工艺制造，全链条供应链自主可控。

DF1000的技术路线是"不拼纳米数，拼设计思想"。创始人魏少军博士的比喻：过去国产高端AI芯片挤在先进制程一条独木桥上，别人把桥收就过不去。DF1000用架构创新绕开这条路。软件定义芯片像"可编程变形金刚"，软件可实时调度计算资源。3D堆叠近存计算把计算层和存储层从"平房改成楼房"，用亚微米级混合键合垂直连接，数据不用在芯片和内存间"长途跋涉"，从根本上破解"内存墙"。

DF1000用14nm成熟工艺做出国际先进性能，意味着企业可用更低算力成本训练大模型。公司规划清晰：DF2000预计2026年Q4发布，DF3000预计2027年Q4问世，下一代将实现"训推一体"。东方算芯今年4月完成A+轮融资，投后估值约123亿元。

两条路径的共同逻辑：恒玄代表"用先进制程+架构整合降低端侧成本"，东方算芯代表"用成熟制程+架构创新实现自主可控"。殊途同归，都是通过架构创新绕开"先进制程卡脖子"的困境。

趋势总结

今日AI硬件产业释放出四个核心信号。

第一，资本市场开始与产业端出现"温差"，AI投资回报的质疑声首次具象化。 台积电Q2创纪录营收却股价反跌4%，ASML因中国DUV量产两日蒸发440亿美元市值——投资者不再无条件相信"AI需求永远增长"。台积电600-640亿美元的资本开支、ASML 430-450亿欧元的年销售指引，这些天文数字背后的问题是：如果AI推理需求不及预期，谁来消化这些产能？2022年半导体过剩的幽灵正在徘徊。但产业端的数据——台积电先进节点承诺到2027年、ASML产线订满到2027年、CoWoS封装瓶颈持续——无一例外指向"需求远超供给"。

第二，芯片架构创新正在从"通用加速"走向"极致专用化"，谷歌Frozen v2是最激进的押注。 将模型架构直接刻入硅片，能效提升6-10倍的代价是芯片绑死特定模型。这标志着AI芯片竞争从"谁的通用算力更强"转向"谁的专用效率更高"。英特尔XBM绕过HBM中介层、Rapidus面板级封装提升10倍效率、东方算芯软件定义3D芯片——共同方向是用架构创新降低对先进制程的绝对依赖。

第三，存储行业进入"超级周期"，但增长结构正在从HBM向NAND扩散。 铠侠Q3净利润增31倍、NAND价格同比翻番、三星存储暴增471%——AI需求从训练端（HBM主导）向推理端（NAND服务器SSD主导）扩散的信号明确。UBS预测2027年存储行业1.76万亿美元，HBM需求两年翻倍。结构性短缺至少延续至2028年中。

第四，中国AI芯片正在形成"两条路径"的差异化竞争格局。 恒玄BES6100代表"先进制程+架构整合"的端侧突破路径，BOM成本砍半杀入AI眼镜主赛道。东方算芯DF1000代表"成熟制程+架构创新"的自主可控路径，14nm做出520 TFLOPS。加上上海微电子DUV光刻机量产、华为昇腾950DT 8月商用——国产AI芯片正从"有没有"走向"好不好用、能不能规模化"。

说到底，8月2日的AI硬件产业图景可以用一个悖论概括：资本市场开始理性回调，但产业端全速前进的信号无一减弱。台积电、ASML、铠侠的财报数据都在说同一件事——AI需求远超供给，且至少持续到2028年。投资者的质疑和产业端的狂热，哪个判断正确，取决于AI推理需求是否真的会在2026-2028年爆发式增长。如果是，当前一切投资都值得；如果不是，半导体行业将重演产能过剩噩梦。而在芯片架构层面，从谷歌Frozen v2到东方算芯DF1000，从英特尔XBM到恒玄BES6100，一个清晰的趋势已经浮现：未来的AI芯片竞争，不再是先进制程的单一赛道，而是"架构创新+制程工艺+封装技术+供应链自主"的四维博弈。