半导体行业的增长逻辑已从晶体管密度提升，转向“3D晶体管、背面供电与多元新材料的组合创新”——这不是技术术语的堆砌，而是未来三年AI算力投资地图的底层密码。

五月下旬，野村亚太科技分析师Donnie Teng团队发布了一份关于AI半导体底层工艺的重磅研报。这份报告的价值不在于它预测了什么，而在于它揭示了“预测的逻辑正在被重写”。

野村投信在同一时期给出的2026年市场关键字，只有一个字——“缺”。

缺什么？缺晶圆、缺先进封装、缺材料、缺特种气体。但更深层的信号是：AI算力正在倒逼半导体底层工艺从“硅”走向“硅+玻璃+化合物”的组合时代。

这不再是“买英伟达还是买AMD”的问题，而是整个产业链的价值分布正在发生系统性迁移。

一、当制程微缩撞上物理墙，AI算力开始“换赛道”

过去二十年，半导体行业信奉一条铁律：晶体管越做越小，芯片就越强。从28nm到5nm、3nm，这条路径跑得顺风顺水。

但野村的核心判断是：这条路快到头了。

不是因为摩尔定律死了，而是AI芯片的功耗密度、漏电控制、散热需求已经远远超出了传统平面微缩的能力边界。当金属间距、功耗、漏电、散热同时逼近物理极限，继续“缩小”的边际效益正在急剧递减。

那么出路在哪？

野村给出了一个清晰的技术方向：背面供电、玻璃基板、高NA光刻材料、光通信化合物半导体——四个方向，一套逻辑：从“只缩小”转向“组合创新”。

这不是概念。背面供电需要两片晶圆叠加，晶圆消耗量接近翻倍；CMP（化学机械抛光）步骤从传统工艺的45-55步增加到55-70步，增幅20%-30%。每一处工艺变动，背后都是设备和材料需求的刚性增长。

这才是野村这份报告真正的投研价值所在——它把一个“技术叙事”转化成了“量化推演”。

二、被低估的产业地图

野村系统梳理了AI算力倒逼半导体底层工艺的五个具体方向，每一个都有明确的时间表和量级判断：

1. 背面供电（BSPDN）

把供电网络从晶圆正面移到背面，降低IR压降，减少布线拥堵。关键增量在于晶圆用量翻倍、CMP步骤增加、特殊气体和沉积设备需求激增。野村判断：需求2026年启动，2027年放量。

2. 高NA EUV光刻材料

ASML的高数值孔径EUV光刻机已经进入产线，但最大的“卡脖子”环节不在设备本身，而在光刻胶。传统光刻胶每加仑约5000美元，高NA专用光刻胶价格将翻2到8倍——每加仑1万到4万美元。这不是成本上涨，这是材料环节的价值重估。

3. 玻璃基板

传统ABF有机基板的热膨胀系数和平面度已撑不住大型AI芯片。玻璃基板的尺寸稳定性、耐热性和布线密度全面占优，有望成为AI时代下一代先进封装的核心材料。玻璃基板不是“可选项”，而是AI芯片尺寸继续膨胀下的“必选项”。

4. 光通信材料：磷化铟与光子SOI

CPO（共封装光学）正在从实验室走向产线，两种技术路线并行：磷化铟（InP）和光子SOI。相关材料需求有望在2027年迎来爆发式增长。

5. 12英寸硅片

这是最容易被忽视的一个方向。随着背面供电等新技术落地，晶圆消耗量系统性上升。供需缺口将从2027年起彻底打开，12英寸硅片价格可能持续上行。

把这五个方向串起来，你会发现一条清晰的主线：AI算力的价值正在从“设计”和“制造”向“材料”和“耗材”迁移。

Gartner预测2026年全球半导体营收将突破1.3万亿美元，其中AI半导体贡献约30%。而存储收入预计从2025年的2163亿美元跃升至2026年的6333亿美元——DRAM价格增长125%，NAND增长234%。

价格弹性最大的，往往不是最性感的技术，而是那些“缺了它就停线”的材料和耗材。

三、中国AI算力正在走一条不同的路：效率突围

野村在2月对DeepSeek V4的预判中提到，V4的核心价值在于通过底层架构创新推动AI应用商业化落地。实际发布后的数据验证了这一判断：

• 1.6万亿总参数，每次仅激活490亿参数的MoE架构
• 8家国产AI芯片厂商在发布当天全部完成适配
• 多个平台的运行效率提升了50%到73%

这意味着什么？意味着中国AI算力正在形成“算法优化+国产算力协同”的双轮驱动——不单纯依赖单芯片算力的绝对值突破，而是通过系统级效率优化，让有限算力跑出更大价值。

结合高盛的预测：2026年ASIC占AI芯片比例升至40%，2027年突破45%。推理算力正在吃掉训练算力曾经独享的聚光灯。

对国内产业链而言，这意味着两重机会：

• 国产AI芯片厂商（华为昇腾、寒武纪、海光信息等）在推理场景的渗透率将持续上升。
• 先进封装和测试设备需求刚性增强——因为ASIC的多样化意味着封装和测试环节的定制化需求激增。

四、从“买GPU”到“买全产业链重估”

基于以上拆解，得到的核心判断是：2026-2027年，AI算力的投资逻辑将经历一次系统性的“价值迁移”。

第一层迁移：从GPU到全产业链

过去两年，市场对AI算力的理解基本等于“买英伟达+台积电”。接下来，注意力需要扩散到：

• 背面供电带来的晶圆厂设备和特殊气体需求
• 高NA光刻胶的价格弹性（单价翻2-8倍）
• 玻璃基板的封装材料供应商
• 磷化铟、光子SOI等化合物半导体材料

第二层迁移：从训练到推理+训练双轮驱动

推理占比的持续上升，意味着ASIC、边缘计算、定制化芯片的价值被重新评估。国内AI芯片厂商在推理场景的竞争力不可低估——DeepSeek V4在国产芯片上的效率提升就是实证。

第三层迁移：从“缺货叙事”到“结构性紧缺叙事”

Gartner警告非AI需求可能被延迟到2028年——这意味着AI对供给的挤出现象将长期存在。不是所有环节都会涨，但“缺”的环节，涨幅会远超预期。

结语

野村这份报告的一个重要的启发：当所有人都在讨论GPU的时候，真正的机会往往在“没人讨论但缺了它就不转”的环节。AI算力的底层工艺正在被重构，而重构的过程，就是价值重新分布的过程。2026年的关键字是“缺”，而“缺”的背后，永远是“补”的机会。

本文不构成任何投资建议。