AI每多训练一个大模型,这瓶“酸”就涨一次价:一文看懂被忽略的半导体材料涨价链
来源:36kr 7 小时前

2026年6月29日,国内 UP/UPS 级电子级氢氟酸报价升至7885元/吨、8750元/吨,较2026年初分别上涨约19%和17%。同期,多氟多等企业的半导体级氢氟酸市场价上涨约20%到30%,产能利用率维持高位。

当市场的目光都盯着寒武纪破万亿、光模块龙头连拉涨停时,一条更隐蔽的线索正在浮现:AI 算力扩张的账,正沿着产业链一路传导到最上游那几瓶“化学品”。这篇文章,就把这条被忽略的半导体材料涨价链拆开讲清楚。

一瓶酸,卡住一片晶圆

先解释一个常识:芯片不是“设计出来”就能用的,它要在晶圆厂里,经过上千道工序反复清洗、刻蚀、成膜。这些工序离不开一批“电子化学品”,电子级氢氟酸、电子特气、光刻胶、抛光液等。它们用量不大、单价不高,却贯穿制造全程,是名副其实的“耗材”。

电子级氢氟酸就是其中之一,主要用于晶圆的清洗和刻蚀。它的纯度要求极高,UP、UPS 等级别对应不同的杂质控制标准,级别越高、越难做。一旦这类耗材供应偏紧或涨价,晶圆厂的成本和交付节奏都会被牵动,这就是“一瓶酸卡住一片晶圆”的含义。

涨价从哪里开始

这轮涨价的起点,是需求端的爆发。AI 大模型训练与推理,需要海量高性能芯片;芯片放量,倒逼晶圆厂满负荷运转;晶圆厂满产,直接拉动电子级氢氟酸、电子特气等耗材的消耗。需求先动,价格随后。

供给端则相对刚性。高纯度电子化学品的扩产周期长、认证严格,短期难以快速放量。供需一紧一松,价格自然上行。除了氢氟酸,MLCC(片式多层陶瓷电容)也在涨,有券商判断本轮 MLCC 涨价延续时间有望超过一年;功率半导体厂商同样在集体上调报价。

关键数据:电子级氢氟酸(UP/UPS级)2026年6月29日报7885元/吨、8750元/吨,较年初约涨19%、17%;半导体级氢氟酸市场价涨约20%到30%、产能利用率高位;本轮 MLCC 涨价延续时间有望超一年。

越上游,越隐形

这条链条最值得玩味的一点是:越往上游,环节越隐形,却越可能是“阀门”。终端的芯片、模组光鲜亮丽,市场天天讨论;而决定它们能不能顺利、低成本量产的电子化学品,长期躲在报表的角落里。

但正是这些“角落”,在景气高点时最先感受到热度。原因在于它们直接绑定晶圆厂的开工率:只要晶圆厂在满产,耗材就要持续消耗,价格弹性反而比某些环节更直接。这也是为什么,当算力叙事进入高潮,资金会开始沿链条向上游材料端寻找“还没被充分定价”的位置。

以下为推理,供读者参考。可以把 AI 算力想象成一座火力全开的工厂,芯片是产品,晶圆厂是车间,而电子化学品是车间里天天要烧的“燃料和清洁剂”。产品卖爆时,最先被抢购、最先涨价的,往往是这些不起眼的耗材。这是产业链传导的一般规律推演,具体到公司与品种,需以各家实际产能、客户结构与认证进度为准,本文不作个股判断。

良率才是真战场

对晶圆厂而言,电子化学品的竞争核心从来不是便宜,而是“稳定和纯度”。纯度差一点点,就可能拉低良率、报废整批晶圆,那笔损失远超材料本身的价差。所以这条赛道的护城河,是长期的客户认证和批次稳定性。

这也决定了涨价的受益方,是那些已经通过晶圆厂认证、能稳定供货的企业,而不是所有沾边的厂商。门槛越高,涨价越能转化为利润;门槛越低,越只能赚个热闹。这与国产替代能否真正落地,是同一个问题的两面。

国产替代的下半场

把镜头拉长看,电子化学品是国产替代最难、也最关键的一块拼图之一。长期以来,高端电子化学品的话语权掌握在少数海外厂商手里,国产厂商多年在中低端追赶。这一轮由 AI 驱动的量价齐升,恰恰给了国产材料一个“以量养研、以研提纯”的窗口。

过去几年,国产电子化学品在氢氟酸、特气等品类上已陆续实现突破;这轮景气如果能持续,意味着国产材料不仅能拿到更多份额,还能借高毛利反哺研发,往更高纯度、更高壁垒的品类爬升。算力竞赛打到最后,比的不只是谁的芯片强,还有谁能把从材料到耗材的整条“隐形供应链”握在自己手里。

可带走框架· 半导体材料价值链

材料(氢氟酸、特气、光刻胶)→ 耗材消耗(绑定晶圆厂开工率)→ 良率(纯度决定成败)→ 扩产与替代。一句话,看懂这轮算力景气,除了芯片,还要顺着这条链往上游看,谁握住耗材和良率,谁握住隐形阀门。

这件事跟你有什么关系

第一层,如果你关注科技与半导体投资,这篇的意义是:把视线从芯片、光模块,延伸到电子化学品这类“隐形耗材”,用“是否绑定晶圆厂开工率、是否过认证”这两把尺,去分辨谁是真受益、谁只是蹭热度。

第二层,如果你在半导体制造或材料行业,这轮量价齐升是一次“以量养研”的窗口:需求刚性、认证壁垒高,能稳定供货的企业更可能把涨价转化为研发投入,向高纯度、高壁垒品类爬升。

第三层,哪怕你只是 AI 应用的普通用户,这条链也和你有关:从一瓶酸到一颗芯片,材料端的成本与自主程度,最终会沉淀进算力的价格,影响到你用的每一个 AI 服务的成本与可得性。

对于AI每多训练一个大模型,这瓶“酸”就涨一次价,你有什么想说的?欢迎在评论区聊聊谈谈你的看法。

简体中文 English