全球芯片销售单月增6.4%：AI景气正在向这5个环节扩散
AI芯片的这轮景气，正在出现一个值得关注的新变化。
美国半导体行业协会（SIA）最新数据显示，2026年7月全球半导体销售额达到1468亿美元，比6月增长6.4%。更值得注意的是，这已经是全球半导体销售连续第17个月实现环比增长。
如果把时间拉长来看，变化更加明显：今年二季度全球半导体销售额达到4033亿美元，较一季度增长35.1%。
芯片市场显然很热。
但现在更重要的问题已经不是“AI芯片还热不热”，而是：
当GPU已经成为市场最熟悉的AI硬件之后，这轮景气接下来会传导到哪里？
答案正在越来越清晰。
从存储、先进封装，到半导体设备和材料，再到电源、散热乃至高速互联，AI正在把过去围绕“一颗芯片”的行情，逐渐扩展成围绕“一整台AI服务器”和“一整座数据中心”的产业链需求。
这可能是接下来理解AI硬件周期最重要的一条线索。
1468亿美元背后，不能只看到GPU
先看一个容易被忽略的数据细节。
SIA公布的7月全球半导体销售额为1468亿美元，高于6月的1379亿美元，环比增长6.4%。
而且SIA采用的是三个月移动平均口径，这意味着它反映的并不是某一天突然出现的订单，而是一段时间内相对持续的产业变化。
为什么AI会产生这么大的拉动？
因为训练和运行大模型，需要的远不只是一颗GPU。
一台高性能AI服务器背后，至少要解决几件事：
首先，需要计算。
其次，需要把大量数据快速送进计算芯片。
第三，需要存储。
第四，需要把不同芯片封装到一起。
第五，需要给整台服务器稳定供电并把巨大的热量带走。
所以AI基础设施真正进入大规模建设阶段以后，产业链的瓶颈往往会不断迁移。
最早大家担心的是：
GPU够不够？
后来问题逐渐变成：
HBM够不够？
先进封装产能够不够？
高速网络够不够？
电够不够？
散热能不能跟上？
这就是AI产业非常有意思的地方。
当一个瓶颈被解决，下一个瓶颈就可能成为新的需求中心。
于是资金、订单和资本开支开始沿着产业链不断向外扩散。
第一个明显受益的环节：存储
AI景气扩散最明显的地方之一，就是存储。
传统电脑时代，一台电脑需要CPU，也需要内存。
AI服务器同样如此，只不过数据吞吐量被放大了很多倍。
尤其是大模型训练，需要芯片不断读取海量数据。如果计算能力很强，但数据送不过去，再昂贵的GPU也只能等待。
于是，高带宽存储器HBM成为AI服务器最关键的部件之一。
这也是为什么这一轮AI周期中，存储行业出现了一个与传统消费电子周期不同的变化：
过去存储最大的需求来源往往是手机和PC。
现在AI服务器正在成为影响高端存储供需的重要变量。
这种变化甚至已经开始影响普通消费电子。
路透社9月16日报道，一些中小手机和笔记本厂商正在为持续多年的内存供应紧张做准备。行业担忧的已经不仅仅是价格上涨，而是未来一段时期能不能拿到足够产能。
这就产生了一个非常值得注意的传导链：
AI服务器抢高端存储产能→ 存储厂商调整资本开支和产品结构→ 部分通用存储供给受到影响→ 手机、PC等传统终端重新计算成本。
也就是说，AI服务器的繁荣甚至可能间接改变一部普通手机的成本结构。
AI的产业影响已经开始从数据中心向消费电子外溢。
第二个环节：先进封装
如果说GPU解决的是计算问题，那么先进封装解决的，则是如何把越来越多计算能力“装到一起”。
过去芯片行业一个非常重要的增长逻辑，是不断缩小晶体管尺寸。
但随着制程越来越先进，单纯依靠制造工艺继续提升性能变得越来越困难，也越来越昂贵。
于是另外一种路线的重要性快速上升：
把不同功能的芯片，通过先进封装连接起来。
AI芯片尤其需要这种能力。
GPU、HBM以及其他芯粒之间，需要极高的数据传输效率。
这也是为什么先进封装已经从半导体制造中的后端环节，逐渐成为决定高端AI芯片产能的重要环节。
它带来的变化很直接。
过去市场关注芯片公司，经常问：
“它能不能设计先进芯片？”
现在还必须多问一句：
“设计出来之后，能不能封得出来？”
对于产业链来说，这意味着需求不只是向晶圆制造扩散，也会继续传导至封装设备、测试设备、基板、材料以及检测等环节。
AI芯片越复杂，这条产业链越长。
第三个环节：半导体设备和材料
还有一个经常被忽略的逻辑：
卖芯片的人生意好，最终往往会推动“卖铲子”的人增加订单。
全球芯片销售持续增长之后，芯片制造商要不要扩充产能？
如果答案是肯定的，那么下一步就会增加资本开支。
而一座晶圆厂想增加产能，需要什么？
光刻机、刻蚀设备、薄膜沉积设备、清洗设备、检测设备，以及大量高纯度材料。
所以半导体行业有一条经典传导链：
终端需求增长→ 芯片需求增加→ 晶圆厂提高产能利用率→ 增加资本开支→ 设备和材料需求增加。
近期这个传导已经出现一些明显信号。
路透社9月14日报道，随着全球主要芯片厂商推进下一代制造工艺，ASML的新一代High NA EUV设备正在获得越来越多客户采用。这类设备单台价格高达约4亿美元，台积电、三星、SK海力士和英特尔等厂商都在布局。
这说明AI投资开始进一步改变半导体资本开支结构。
而设备之外，还有一个体量巨大但容易被忽视的市场：
材料。
一颗芯片制造过程可能涉及数百甚至上千道工序。
硅片、光刻胶、电子特气、湿电子化学品、高纯石英等，每一种材料看起来都不像GPU那么吸引眼球，却直接决定制造良率。
AI芯片越先进，对材料纯度和设备精度的要求往往越高。
所以真正完整的AI半导体产业链，从来不只是“芯片公司”。
它背后站着一长串装备和材料供应商。
第四个环节：电源和散热
再往外走一步，就会进入另一个巨大的市场：
电和热。
AI服务器有一个非常现实的问题——太耗电，也太热。
芯片计算能力越强，功耗往往越高。
于是过去服务器里相对不起眼的一些部件开始变得越来越重要。
比如电源。
服务器需要把电稳定、安全、高效率地输送给GPU、CPU和存储系统。
再比如散热。
过去一台普通服务器依靠风冷基本就能解决问题。
但随着AI服务器单机柜功率密度不断提升，传统风冷逐渐接近效率瓶颈，液冷开始进入越来越多数据中心。
这意味着AI产业链正在发生一次非常有意思的价值迁移：
以前投资者最关心的是：
“芯片计算能力有多强？”
现在越来越需要增加两个问题：
“这些芯片需要多少电？”
以及：
“产生的热量怎么带走？”
这也是为什么电源模块、液冷系统、冷板、CDU、泵阀以及数据中心基础设施，开始成为AI投资链条的重要组成部分。
它们本身并不生产AI。
但没有这些设备，GPU就无法持续工作。
第五个环节：高速连接
还有最后一个容易被忽略的环节——连接。
单台服务器性能再强，也无法完成超大规模AI训练。
现代AI数据中心往往需要成千上万颗GPU协同工作。
这时候，芯片之间、服务器之间、机柜之间传输数据的速度，就会直接决定整个系统效率。
如果GPU计算速度很快，但网络传输跟不上，就会出现一种非常昂贵的浪费：
芯片在等数据。
因此AI数据中心正在推动高速网络、光模块、交换机以及相关光通信器件不断升级。
简单来说，过去数据中心最大的价值可能集中在“服务器”。
未来越来越多的价值会分布在：
芯片+存储+网络+电源+散热。
这也是为什么AI硬件行情越来越难用“GPU产业链”四个字概括。
它正在变成一个完整的AI基础设施产业。
对中国供应链来说，真正机会在哪里？
这也是这组全球半导体数据对中国企业最值得关注的地方。
中国企业未必需要在每一个环节都直接参与最先进GPU竞争。
产业链变长，本身就意味着更多参与机会。
例如存储产业，需要设备、封测和材料。
先进封装需要设备、基板、检测以及材料。
AI服务器需要PCB、电源、散热以及高速连接。
数据中心又需要供配电、液冷、机柜甚至能源基础设施。
一颗AI芯片越昂贵，围绕它搭建的整个系统往往也越昂贵。
真正值得观察的不是“中国有没有另一家GPU公司”，而是中国企业能否在越来越长的AI基础设施供应链中，拿到稳定订单并提高价值量。
不过这里也必须警惕一个很容易出现的误区：
AI景气向外扩散，并不意味着产业链所有公司都会同步赚钱。
全球芯片销售增长，不能直接推导任何一家中国企业利润增长。
一个行业真正能够把AI需求变成利润，至少还要经过几道关：
有没有进入核心客户供应链？
产品价值量有没有提高？
产能利用率有没有上升？
价格有没有被压低？
新增收入最终能留下多少利润？
这也是分析AI产业链最需要区分的一件事：
行业景气，不等于公司业绩。
以后看AI硬件，可以顺着这5层往下找
所以，这次全球半导体销售单月增长6.4%，真正重要的并不只是“芯片市场继续增长”。
更值得关注的是增长正在扩散。
未来观察这轮AI硬件周期，可以沿着五层产业链逐层验证：
第一层：算力芯片。
看GPU、ASIC等核心计算需求是否持续。
第二层：存储。
看HBM、DRAM等价格、产能和资本开支。
第三层：先进封装。
看封装产能利用率以及相关设备和材料订单。
第四层：设备与材料。
看晶圆厂是否继续扩大资本开支。
第五层：电源、散热和高速连接。
看AI服务器功率密度和数据中心建设到底有没有持续提高。
如果这五层需求能够轮流出现新的订单和产能瓶颈，那么这轮AI投资周期就不再只是少数GPU公司的景气。
它正在变成一场更大范围的基础设施升级。
过去两年，市场一直在问：
谁能造出更强的AI芯片？
而接下来可能越来越重要的问题是：
为了让这些芯片真正跑起来，整个产业还需要增加多少设备、存储、电力、散热和连接？
全球半导体销售达到1468亿美元，也许只是其中一个数字节点。
真正值得看的，是GPU之后，越来越多产业正在被AI重新定价。