2026年建材&电新&电子行业：需求爆发与产能挤压的超级周期——存储、电子布、铜箔

需求爆发与产能挤压的超级周期

“超级周期”具备需求刚性强、持续时间长的特征。其产生的原因：一是需求爆发，存 储芯片、PCB 战略材料（电子布、铜箔等）均受益于 AI 算力的爆发式增长；二是供给 滞后，伴随而来的是产能挤压，企业有限产能明显向高附加值产品倾斜。参考存储芯片， AI 需求驱动高端存储芯片供不应求，行业龙头企业逐步减少中低端存储芯片的供应，但 中低端需求并未减少，从而低端存储芯片迎来持续性供给缺口，整体存储均迎来大幅上 涨。由于存储芯片建设周期较长且良率爬坡较难，形成供给与需求的错配。电子布和铜 箔亦是类似逻辑，织布机紧缺导致普通电子布产能受到挤压，铜箔产线向高端迭代亦带 来名义产能缩水，两者均有望迎来持续涨价。

如何看待价格上涨？在产能挤压逻辑之下，高端品利润先更高，在理性考虑产能分配之 下，企业优先保障高端品供应，低端品先迎来紧缺之下的提价，低端品利润会逐步向高 端品收敛，但如需求爆发下整体紧缺发酵，低端品价格与高端品价格有望同步大幅上涨。 参考存储，如 DDR4 8G 价格此前仅为 DDR5 16G 的 30%，25 年年中 DDR4 8G 先行 上涨三倍至接近 DDR5 16G 的水平，但到了 2025 年下半年大幅紧缺，两者均开启大幅 提价。对于电子布有望迎来类似逻辑演绎，当前主要普通布提价，如果织布机持续紧缺， 普通布可比利润逐步涨至 Low-Dk 一代布水平，届时一代布和普通布也有望同步上涨。

存储：AI 引爆超级周期，数据基石供需持续错配

存储行业总览：供给集中，扩产缓慢，周期性显著

存储行业历史上呈现显著的周期性与成长性，一方面随着信息化的发展，存储位元的需 求不断扩张；另一方面，由于供给与需求的错配，存储价格波动相对较大，对市场规模 影响显著。复盘存储历史主要的上涨周期：

1993 年：PC 引发内存超级周期。需求层面，台式机逐步由军用商用下沉至个人 消费电子产品，销量爆发的同时，单台 PC DRAM 容量从约 1~2MB 跃升至 4~8MB； 供给层面，行业正经历 80 年代末的长期低迷，扩产受限，供需双方同时造成 DRAM 严重短缺，合约价大幅提升，主要供应商的毛利率大幅超过 50%；

2010 年：智能手机和云厂商萌芽期。智能手机在全球市场迅速普及，此外谷歌、 亚马逊等推进建设浪潮，带来服务器存储的旺盛需求；

2017~2018 年：服务器所需 DRAM 迅速升级，且相比智能手机和 PC，服务器 DRAM 的 ASP 和盈利能力更强。2018 年底一方面终端客户库存囤积，采购额下 降，另一方面原厂开始扩产，周期转而下行；

2024 年至今：AI 驱动的超级周期。相比消费电子的平稳，AI 服务器需求更加旺 盛，原厂可获得的利润更高，由此 AI 服务器抢占了较多原属于消费电子产品的内 存，带来内存抢购潮。在 AI 加持下存储不断升级，HBM、HBF 等技术持续涌现， 而 AI 资本开支方兴未艾，因此本轮周期持续性或更强。 过去数十年，存储市场遵循着“需求爆发—价格上涨—厂商扩产—供需平衡—价格下降 —厂商减产-再次供不应求”的周期性规律。

周期性形成的重要原因：存储行业呈现出寡头竞争的格局，供给端严格管控。其中， DRAM（含 HBM）的主要玩家为三星、海力士、美光，top3 市占率超 90%；NAND Flash 的主要玩家为三星、海力士、美光、闪迪、铠侠（其中闪迪、铠侠共用产线），top5 市 占率超 90%。由此可见，DRAM 和 NAND Flash 均是高度垄断的行业。

存储原厂多为 IDM 模式的超重资本投入，既高筑护城河，又迫使各原厂扩产极为谨慎。 存储行业的生产模式为 IDM 的模式，据 IC Insight 统计数据显示，近年来，存储器资本 开支占存储器营收的 30%-40%。对不同制程节点扩产所需设备的投资额分析可以发现， 10-20nm 制程的每 5 万片晶圆产能所需设备投资额在 47-63 亿美元之间，随着存储制 程来到 10nm+，设备投资额度的加大是其资本开支不断增长的原因之一（注：10-20nm 制程不含 10nm、含 20nm）；行业具备重资产投入属性。

对存储产品的历史价格进行分析，可知：存储价格都有着显著的“暴涨—暴跌”的循环 变化；我们认为，尽管全球存储需求中长期在快速增长，但中短期需求具有一定的波动， 同时受制于供给端厂商新建产线往往需要较长的时间（两年左右）集中释放产能，供需 时空上的错配是致使存储器周期性波动的核心所在。本轮在 AI 驱动的强需求下，存储 供给持续紧张，价格整体上涨幅度超历史存储周期。在需求持续增长、且价格持续上升 之际，当前行业主要玩家的整体盈利能力持续提升。

本轮周期：AI 需求具备爆发性，挤出效应明显

从 DRAM 视角看，AI 芯片所需的高速互联 HBM 有别于传统的 DRAM 产品形态，HBM （高带宽内存）借助硅通孔技术实现 DRAM 颗粒的空间堆叠（单位面积下内存容量的 提升）、并有效增加引脚数量（x1024/2028，HBM—HBM4），从而实现带宽数量级式的 抬升。自 2013 年海力士研发出业内首颗 HBM 芯片以来，HBM 现已迭代至第六代产品 HBM4；在产品持续迭代的过程中，HBM 存储容量、带宽均实现持续增长。HBM4 产品 单颗最大容量有望达 48GB、带宽达 2TB/s。当前，三大原厂三星、海力士、美光均已 正式推出 HBM4。

以英伟达系列 GPU 为例，单卡所搭载 HBM 在产品代际持续提升之际、搭载容量亦呈 现出持续提升之势。从 H100 到 Rubin 系列，单卡搭载 HBM 从 HBM3 升级至 HBM4， 搭载容量亦从 80GB 提升至 288GB。HBM 作为与 GPU/ASIC 直接封装的存储芯片，其 市场随着 GPU/ASIC 的产品升级和高速增长，而呈现出快速扩容之势。据美光预计 2028 年 HBM 市场规模有望达 1000 亿美元，2025-2028 年复合增速达 40%。

从 NAND 视角看，KV Cache 推动闪存需求爆发。AI 大模型参数拓展至数万亿级参数和 步骤推理，生产大量的上下文数据以键值（KV）缓存表示，KV Cache 长期存储在 HBM 会造成实时推理瓶颈；为了解决该瓶颈，会将 KV cache 卸载至 G2 系统内存和 G3 本 地 NAND Flash。

随着模型参数及推理规模的增加，G1-G3 存储容量仍难以满足 KV cache 存储需求，英 伟达 CES 大会推出推理上下文存储平台（ICMS 平台）；通过建立专为 KV cache 优化 的用以太网连接的 G3.5 闪存层，为 GPU 服务器额外增配 PB 级别的共享存储，有效扩 展了 GPU 存储容量。参考英伟达 ICMS 平台，我们预计未来其他 GPU/ASIC 对 NAND Flash 的配置比例亦呈现持续提升之势。整体而言，AI 时代，随着 KV cache 卸载至 NAND Flash 及推理时代来临，NAND Flash 需求将呈现高速增长。

从供给层面看，存储晶圆厂具备长建设、慢爬坡特性，2026 年行业新增产能整体有限， 供给端弹性偏弱。2027 年虽有部分新增产能逐步释放，但伴随英伟达 Rubin 架构 AI 服务器规模化放量，AI 场景对高带宽 HBM 以及大容量 NAND 的占用规模显著扩张， 需求增速显著快于供给释放。供需错配格局持续强化，驱动本轮存储周期景气度延续性 显著增强，价格与盈利修复周期有望拉长。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）