题图来源于网络

I. 摘要与概览

1.1 中国AI芯片与先进封装的战略地位与时代背景

当前，在地缘政治因素限制先进制程节点获取的背景下，中国半导体产业面临着结构性的挑战与机遇。在这一关键时期，中国已将AI芯片的本土化和先进封装技术（特别是芯粒/小芯片Chiplet）提升为国家级的“双重战略高地”，这两项技术路径共同构成了实现本土技术跨越、确保供应链自主可控的核心战略。

行业的创新生态正由一种高效的“双轮驱动模型”所定义：一方面，以国家意志为核心的政策力量自上而下地进行战略拉动；另一方面，AI应用市场的爆炸式增长自下而上地提供强劲需求推力，形成了资源配置和技术迭代的闭环。战略投资的焦点不再是广撒网式的全面覆盖，而是集中在AI算力、高端存储（如HBM），以及先进封装技术上，旨在通过系统级的性能集成，实现对国际高端产品的对标，乃至在特定应用场景下的性能超越。

1.2 政策驱动下的“双轮创新”模型

本文分析政策杠杆效用正在被最大化利用。国家集成电路大基金三期不仅是单纯的资金供给者，更是产业发展方向的战略指挥棒，基金对先进封装和HBM的明确倾斜，正在迅速引导社会资本和产业链上下游资源向这些核心技术环节集中，加速技术突破。

其次，由国家主导的智算中心建设和运营商的大规模采购，为本土AI芯片提供了高确定性、持续且大规模的启动市场。这种采购量支撑有效地加速了国产AI芯片（如昇腾、海光）的产品迭代速度和生态成熟度，为硬科技创新提供了可靠的需求确定性保障。

最后，中国半导体战略正在完成一次关键的战略转移：面对国际竞争者在先进制程上的领先优势，产业正通过Chiplet和先进封装技术，将竞争焦点从追求“单芯片性能追赶”转移至实现“多芯片异构集成和系统级算力超越”，这标志着先进封装已不再是辅助技术，而是实现高端算力的核心使能者。

II. 政策驱动力与国家意志的主导格局

2.1 国家大基金三期的战略意图与资金流向分析

国家集成电路大基金三期的规模空前，其规模超过前两期，标志着中国半导体产业进入新一轮高强度的国家资本投资周期。与前两期主要侧重晶圆代工产能扩张的策略不同，三期投资目标已转向聚焦战略性“卡脖子”环节，力求实现关键技术环节的自主可控。

投资优先级重塑：AI算力与先进封装的地位提升

大基金三期的投资聚焦主要集中在三个方面：

1). 晶圆制造环节：继续支持资本开支巨大的晶圆制造环节，特别是先进晶圆厂的扩产，确保基础产能的稳定供应。

2). 重点卡脖子环节：侧重于国产化率仍然较低的半导体设备、材料和零部件，尤其关注光刻机、光刻胶等细分环节。

3). AI相关领域：明确将AI算力、先进封装和高端存储（HBM）列为重点支持方向。

对HBM的明确关注，预示着政策正在强制性地推动特定先进封装技术的商业化落地。HBM是AI计算的核心瓶颈之一，其性能实现高度依赖于高密度的3D堆叠封装技术，尤其是TSV（Through-Silicon Via，硅通孔/穿硅孔）。政策资金的投入将引导国内OSAT（集成电路封装测试服务）厂商加速TSV和2.5D/3D封装技术的成熟，因为没有先进封装的赋能，HBM和Chiplet架构的高性能AI芯片将无法实现，这体现了国家政策对特定异构集成技术路径的明确战略锁定。

同时，虽然大基金三期拥有庞大的资金体量，鉴于其前两期投资撬动了远超基金本身的社会和地方政府资金，其乘数效应预计将继续发挥作用。然而，当前市场化投资资金的减少，使得政府基金的投资偏好对初创企业的生存至关重要。政府基金由于更关注项目“落地”和承担国家战略的长期潜力，导致资本进一步向头部企业集中，这使得早期硬科技项目的融资难度显著提升。

2.2 “国产替代”的政策闭环与市场化机制

“国产替代”已成为中国半导体，尤其是AI芯片发展的核心驱动力。政策闭环的核心在于，通过国家主导的基础设施建设，为国产芯片提供稳定、确定性的大规模采购需求。

智算中心建设与运营商的采购支撑

“东数西算”工程启动以来，全国各地智算中心项目已超过百个，超过30个城市正在建设或提出建设智算中心。据估计，到2025年，中国AI算力总量预计将超过1800EFlops，其中AI算力占总算力比重将超过85%，这种强劲且确定的算力扩张需求，是国产AI芯片快速成长的基石。

大型运营商的集采数据明确显示了国产替代的加速趋势。

中国运营商AI算力服务器集采国产化进展：

以中国电信为例，在2024—2025年服务器集采中，采用国产鲲鹏或海光芯片的服务器数量占比已达到惊人的67.5%，而在2023—2024年超80亿元的AI算力服务器集采中，国产服务器的占比也提升至47.5%，仅鲲鹏服务器的采购额就约占28亿元。运营商通过这种大规模、持续性的国产化采购，为本土芯片厂商提供了稳定的“订单池”，这种大规模政府采购的规模化效应正在推动成本曲线迅速下降。

稳定的量产基础降低了本土芯片厂商的NRE（非经常性工程）成本和单位制造成本，有助于国产芯片在性能提升的同时保持价格竞争力。随着国产芯片在官方生态中获得验证和成熟，其市场化竞争力将逐步增强，最终实现对民间市场的反哺和渗透。同时，华为昇腾等生态历经多年发展，已成为国内最为成熟、且完全自主可控的AI计算生态。大规模应用加速了软件生态的优化和兼容性验证，有效地解决了硬科技产品在初期最难克服的“生态适配”问题，为后续AI芯片的创新清除了障碍。

III. AI应用爆发与算力供应链的重塑

3.1 云端算力需求的极限拉动：大模型与智算中心

当前中国AI芯片创新的最强劲动力来自于国内大型科技公司在云计算和大模型训练上的指数级算力需求。AI技术的爆发式增长不仅驱动了云计算公司将传统大数据、存储等业务岗位大规模转向AI相关岗位（如GPU销售或大模型服务），更催生了海量的算力采购需求。

以字节跳动为例，其豆包大模型日均tokens使用量已超过4万亿，相比五月发布时期增长了超过33倍，这种对算力的极限消耗直接转化为巨大的市场增量。根据对潜在算力需求的量化分析，若以400T（FP16）AI算力卡为标准，字节跳动潜在的推理算力需求有望达到230万张以上，合计增量AI芯片市场规模接近3000亿元人民币。

值得注意的是，AI需求的异构性正在加剧。市场需求不仅集中在云端训练，未来随着大模型向终端和应用侧部署，文本模型和视频模型的推理需求将占据主体，推动AI应用场景向边缘AI扩展，例如自动驾驶、智能机器人和AR眼镜等，这对专用AI芯片（ASIC）的性能、功耗和成本提出了新的要求。

3.2 国产AI芯片的性能追赶与系统级生态构建

面对国际AI芯片巨头（如NVIDIA）在先进制程上的领先，本土AI芯片厂商正在通过系统架构的创新来弥补单芯片制程的不足。

系统架构创新弥补制程差距

国产AI芯片的系统级竞争力已获得市场验证。华为昇腾AI芯片在特定推理场景（如DeepSeek-R1）的实战性能表现，已能对标NVIDIA H100这一级别的产品。

这种系统级算力的提升，其底层逻辑是架构创新对制程限制的有效规避。分析指出，虽然单颗昇腾芯片的性能可能仍低于国际最新旗舰产品（例如约为英伟达BlackwellGB200的三分之一），但通过大规模的超节点堆叠和优化（采用5倍的芯片数量），其整体系统算力有机会实现反超。这种策略的成功，验证了Chiplet和先进封装技术的战略价值：中国AI芯片的竞争焦点已经从传统的单颗芯片工艺节点竞赛，转移到依赖多芯片、异构集成实现的系统级架构设计和封装效率，先进封装已成为实现高性能算力的必要且强制性条件。

此外，AI大模型对国产化的倒逼机制已经形成，训练大模型需要海量且持续的算力供给，同时数据安全和供应链自主可控的重要性日益凸显。因此，大型互联网公司如字节跳动和阿里巴巴虽然仍在囤积英伟达高端显卡，但也在积极探索自研AI芯片的使用和对其他国产AI算力的引入，这种“双轨制”策略表明，市场对国产替代的需求，已从单纯的政策推动转变为保障业务连续性和供应链韧性的刚性需求。

IV. 先进封装：绕道先进制程的战略高地

4.1 Chiplet技术的战略必要性与经济性分析

在摩尔定律逐渐接近物理极限，以及国内先进制程制造能力受到外部限制的背景下，Chiplet（芯粒）技术被业界公认为“后摩尔时代”半导体技术发展的重要方向。

Chiplet技术通过将系统级芯片（SoC）按照功能单元分解成多个“小芯片”，然后利用先进封装技术实现高速互联，形成系统级芯片。这种“搭积木”的方式具有显著的战略和经济优势：

1). 绕开制程限制：Chiplet允许将不同功能模块分配给最适合的工艺节点制造，从而有效绕开了先进制程受到的外部制约，实现高性能芯片的国产化替代和技术追赶。

2). 提升集成规模和效率：技术可突破单芯片的面积限制，大幅提升芯片的集成规模。

3). 降低成本和缩短周期：通过在不同产品中复用标准化的芯粒模块，可以平衡高昂的研发成本，并缩短芯片的设计开发周期。

Chiplet技术在数据中心（高性能计算）和自动驾驶（提高迭代效率和安全性）等领域具有巨大的率先落地应用潜力。

4.2 中国先进封装产业链的进展与技术壁垒

先进封装是一个复杂的系统工程，需要设计、IP、设备、材料、晶圆厂和封测厂等产业链上下游环节的紧密合作。中国在政策引导下，正在加速构建一个垂直整合的、具备内部循环能力的先进封装生态。

• 封测企业（OSAT）的突破：

国内封测龙头企业在关键技术上取得了实质性进展。例如，华天科技明确表示，其基于TSV封装技术的产品已实现量产。TSV是实现高性能HBM和2.5D/3D堆叠的关键技术基础，其量产标志着中国在高端异构集成方面迈出了商业化的重要一步。长电科技、通富微电等领先封测厂在大基金的投资支持下，也为先进封装能力的提升打下了坚实基础。

• 关键设备与材料的国产替代进展：

实现先进封装需要高精度、专业化的设备，国内设备厂商在此领域亦有突破：

1). 湿法与涂胶显影：芯源微的后道先进封装领域的涂胶显影设备和单片式湿法设备已实现批量销售，并进入一线大厂供应链。

2). 薄膜沉积与键合：拓荆科技已开发出应用于先进封装领域的低温薄膜沉积设备和混合键合设备。

3). 其他关键设备：华海清科的CMP（化学机械抛光）设备，以及长川科技在测试机、分选机方面的技术进步，共同支撑了先进封装的产业化。

• 标准制定与生态合作：

中国企业不仅致力于追赶技术，还积极参与全球Chiplet生态标准的制定。芯原股份是中国首批加入UCIe（Universal Chiplet Interconnect Express）产业联盟的企业，共同推动UCIe1.0规范和新一代技术标准（如UCIe3.0将连接带宽提升至64GT/s）的研究与应用。这种对国际标准的参与，有助于确保本土Chiplet产品具备互操作性，避免形成技术“孤岛”，芯砺智能也成功发布了全自研的Chiplet Die-to-Die互联IP芯片。

政策主导的投资能够高效地促进这种跨环节的协同和资本投入，克服先进封装投入巨大（通常需要数十亿甚至上百亿资金）的挑战。通过政策和产业的垂直整合，中国正在实现从单点技术突破到系统级生态构建的跨越。

V. 资本市场挑战、机遇与投资建议

5.1 当前硬科技融资环境的结构性变化与挑战

当前的半导体投资环境正经历显著的结构性变化，对AI芯片和先进封装领域的初创企业带来了挑战。

• 市场化资金退潮与政府基金主导

近两年，高净值个人和民营资本等市场化的投资资金显著减少，导致一级市场投资活跃度下降。政府引导基金和国有资本已成为投资主力。虽然政府资金提供了大规模且稳定的长期资本，但其投资偏好、繁琐的流程以及对项目“落地”的明确要求，使得创业公司的融资难度增大，除非项目能与国家战略趋势高度契合。

• 投资阶段后移与“死亡谷”问题

机构投资者普遍趋于谨慎，选择投资中后期项目，而对需要长期、高额投入的早期硬科技项目则更为审慎，这使得处于研发和验证阶段的AI芯片或新材料公司，在获得第一笔启动资金时面临更大的困难，加剧了“死亡谷”效应。这种资本重塑的结果是，资源高度集中于少数能承担国家战略、有潜力实现技术突破的头部企业（如寒武纪、华为等）。

此外，IPO作为硬科技投资的重要退出渠道，其政策收紧增加了投资机构的退出不确定性。投资者因此对长周期、重资产的半导体行业更加谨慎，这意味着未来的退出机制可能更依赖于产业并购或政府资金的接盘，而非传统的二级市场退出。

5.2 高确定性投资机会聚焦

基于政策主导和市场需求的双重驱动，投资策略应聚焦于具备高度确定性和技术壁垒的关键赛道：

5.2.1 战略核心赛道（高确定性）

• 头部AI芯片设计企业及生态：投资应集中于专注于云端和智算中心应用，且已获得国家订单支撑、具备成熟生态（如昇腾/海光生态链）的头部玩家，这些企业拥有政策背书和稳定的订单流，确定性极高。

• 高端存储HBM/DRAM：作为AI芯片算力的关键瓶颈，HBM的国产化是政策的明确方向，投资机会在于存储颗粒制造商以及能提供高性能3D堆叠（TSV）技术的先进封装供应链。

5.2.2 技术壁垒赛道（高成长性）

• 先进封装核心设备与材料：大基金三期明确支持先进封装。投资重点应放在Chiplet所需的核心设备上，例如低温薄膜沉积设备、混合键合设备、后道湿法处理设备、以及高精度测试和量测设备。这些领域的国产化率低，且是实现技术超越的关键环节。

• Chiplet IP与互联标准：投资具备UCIe等国际标准兼容能力的Die-to-Die互联IP提供商（如芯砺智能的IP已流片成功），以及能提供系统级Chiplet架构设计服务的公司，这些是保证Chiplet生态开放性和互联互通性的关键要素。

5.3 风险评估与战略路径选择

• 技术与迭代风险

尽管本土AI芯片在系统级算力上展现出追赶甚至超越的潜力，但与国际巨头在单芯片制程和下一代架构（如Blackwell的持续升级）上仍存在持续追赶的压力。如果国际先进制程突破速度加快，可能会对国内通过先进封装绕道制程的策略形成挑战。

• 退出与流动性风险

鉴于当前IPO退出路径收紧，投资者需要更依赖产业并购或政府资金作为主要的退出机制，而非传统的二级市场流动性。这要求投资机构在项目选择上需更加注重被投企业的战略价值和产业整合潜力。

• 战略建议

投资策略必须紧密围绕“政策-需求-技术”三要素构建闭环：

1). 政策对标：优先选择获得国家大基金三期或地方政府基金明确支持的技术方向（AI算力、HBM、先进封装）。

2). 需求锁定：标的公司必须能够从智算中心、运营商或大型互联网公司的国产替代需求中获得高确定性的订单流。