本文转载自微信公众号:中信建投证券研究

文|王介超 覃静 郭衍哲 王晓芳 邵三才 年亚颂 汪明宇 马焱
算力时代,AI芯片电感大显身手。芯片电感是一种特殊形式的一体成型电感,其尺寸微小,但性能优越,广泛应用于各类集成电路中,起到为GPU、CPU、ASIC、FPGA等芯片前端供电的作用。AI快速发展导致对于算力的要求爆发增长,传统的铁氧体电感体积和饱和特性满足不了高性能GPU的要求,金属软磁粉或羰基铁粉制作的芯片电感具有体积小、效率高、散热好等优点,可以更好适应芯片低电压、大电流、大功率场景,耐受大电流冲击,更加适用于AI服务器、AI PC 、AI 手机、智能驾驶、AI机器人、DDR等大算力应用场景。

软磁材料及芯片电感:AI算力时代价值重估,芯片电感市场空间迎来三重爆发
材料性能决定器件性能
软磁材料是电能转换的底座,材料性能直接决定器件性能的天花板。软磁承担导磁、电磁能量转换与传输,是电感、变压器、电机铁芯的核心。饱和磁通密度决定功率密度,损耗决定工作频率,二者不可兼得。例如硅钢饱和磁通密度高,但电阻率低、涡流损耗大,只能用于1kHz以下的工频场景;铁氧体电阻率高,但饱和磁通密度低,仅适用于小功率场景。金属合金软磁适用于中高饱和磁通密度、中高频率场景,兼顾高功率和高频率。

磁芯材料决定电感性能,粉料性能和生产工艺至关重要。电感的原材料主要包括金属磁性粉末(如铁硅铝、铁镍钼等)、铜线、树脂等材料,电感通常是通过将导线绕在磁芯材料(如空气、铁或铁氧体)上制成线圈形状,因此磁芯材料的选择对电感器的电感和性能特征具有重要影响。更进一步而言,磁芯材料的金属磁性粉末的质量、配方、工艺直接影响到电感的性能,如磁导率、饱和磁通密度等。常见的电感磁粉包括铁粉芯、铁硅铝磁芯、铁氧体磁芯、锰-锌铁氧体磁芯以及镍-锌铁氧体磁芯等。
金属软磁兼具传统金属软磁材料和铁氧体软磁材料优势。过去主流芯片电感主要采用铁氧体材质,其损耗较低,但饱和特性相对较差,随着电源模块的小型化和电流增加,铁氧体电感体积和饱和特性已很难满足当前发展需求,不适用大电流场景。相较于传统的磁性材料,金属软磁材料具有更高的饱和磁感应强度,从而为大功率设备提供更稳定、更强大的磁通量支持;其次热稳定性方面表现卓越,大功率往往带来大发热量,良好的热稳定性能够保证高温环境下的稳定。
芯片电感突破的根源在于AI对功率、性能要求的大幅提升,传统材料做的电感无法满足需求,新磁性材料做的芯片电感应运而生,上游磁材类企业可以从材料端率先突破。

AI芯片电感市场迎来三重通胀扩容
算力时代,AI芯片电感大显身手。芯片电感是一种特殊形式的一体成型电感,其尺寸微小,但性能优越,广泛应用于各类集成电路中,起到为GPU、CPU、ASIC、FPGA等芯片前端供电的作用。AI快速发展导致对于算力的要求爆发增长,传统的铁氧体电感体积和饱和特性满足不了高性能GPU的要求,金属软磁粉或羰基铁粉制作的芯片电感具有体积小、效率高、散热好等优点,可以更好适应芯片低电压、大电流、大功率场景,耐受大电流冲击,更加适用于AI服务器、AI PC 、AI 手机、智能驾驶、AI机器人、DDR等大算力应用场景。

需求侧对算力要求指数级提升。2023年之前随着互联网用户和各类网络应用的快速增长,数据体量的急剧膨胀,数据中心对计算的需求也在迅猛上涨。传统CPU处理器无力处理众多数据,GPU凭借其相对通用灵活和适应并行计算等特性成为主要选择。
供给侧制程与架构持续迭代推动单芯片功耗快速上行。一方面,伴随芯片制程从12nm向7nm乃至3nm转型,单位面积晶体管数量大幅提升,导致单位面积功耗快速上行;另一方面,更新的架构确保了新品芯片具备更强计算性能与并行处理能力。二者共同作用导致近年来芯片新品的功耗总额迎来大幅跃迁。单芯片功耗提升,从V100的300w、A100的400w、H100的700w、B200的1000w;英伟达最新一代Rubin架构芯片TDP达到2300w,预计Rubin Ultra功率进一步上行或达到2700w;英伟达下一代Feynman芯片的功耗可能进一步提升到3000w以上甚至4000w级别。
三次电源面临的四大约束:1、损耗问题,电流越来越大,损耗越来越大;2、散热压力大,大功率带来更大发热量;3、电流大需要更多器件分流,但主板空间有限,三次电源空间非常拥挤;4、高瞬态问题,即Vdrop,电流快速变化导致传输路径电压跌落,一次跌落幅度过大会影响GPU正常工作,但负载功率波动越来越剧烈。
功率增加带来所需电感用量线性增长。GPU、TPU芯片的标准工作电压在1V附近,核心Vcore长期维持在0.7‑0.85V的区间范围,随着芯片迭代,其核心Vcore略有下降,但幅度不大;芯片电流=TDP/核心电压,电压保持不变(1V或低于1V),因此功率提升将带来电流等比例放大,单颗电感电流不变下,所需电感数量线性增加。
电感性能升级,小型化与高功率密度并行。大电流下铜损按P=I²×DCR呈平方级增长,高频开关(VRM频率持续提升)带来磁滞损耗和涡流损耗影响放大,高温导致磁导率和绕组电阻进一步偏移。因此电感性能朝向更低电阻、更低感值、更高的饱和电流、更高频率稳定性、更耐高温等方向发展;同时由于数量增加,PCB板可容纳空间有限,电感也要朝向小体积、高功率密度方向发展。
空间限制下,电感类型朝向多相电感、垂直供电VPD等方向发展。芯片功率大幅提升,电相数翻倍,多相电感更节省面积;随着电感数量增长,板载可利用面积紧张,传统横向供电模式下供电路径延长,路径电阻增加,效率下降,因此将逐步走向VPD背面垂直供电,缩短供电路径,绕过PCB走线损耗,大幅提高转换效率。

传统分立式电感需求转向TLVR电感。传统多相电路中,各相电感独立工作,负载突变时需逐相调整占空比,响应滞后严重。TLVR将各相电感“变压器化”,在每个电感的原边绕组(承载主电流)之外,增加一个副边绕组,所有相的副边绕组通过补偿电感(Lc)串联互联,形成闭合磁耦合回路,具备更快的瞬态响应速度,尤其适合AI芯片负载在纳秒级内从空载跳变至满载场景,因此TLVR能够实现全相联动、纳秒响应、电容大幅缩减,渗透率将大幅提升。TPU已经开始使用TLVR电感,GPU电感将逐步从分立式走向TLVR。

AI芯片电感迎来三重通胀,未来市场空间极大扩容。
通胀一:需求激增,芯片出货量大幅增长。AI发展拉动GPU销量激增和迭代加速,引发对芯片电源模块的批量供应和性能升级的双重需求,根据华为《智能世界2030》报告预测,2030年,人类将迎来YB 数据时代,通用算力将增长10倍到3.3ZFLOPS,AI算力将增长500倍超过100ZFLOPS。算力需求的爆发式增长,直接引致AI服务器的出货量和占比的加速提升。
通胀二:芯片功率上升,带来单颗芯片的电感用量通胀。一方面,伴随芯片制程从12nm向7nm乃至4nm转型,单位面积晶体管数量大幅提升,导致单位面积功耗快速上行;另一方面,更新的架构确保了新品芯片具备更强计算性能与并行处理能力。二者共同作用导致近年来芯片新品的功耗总额迎来大幅跃迁。芯片功率越高,供电架构呈现多相化、多电压域、Chiplet 分立供电、高频多级滤波四大趋势,驱动单颗芯片配套电感搭载量持续上行,形成用量通胀。
通胀三:更高性能,芯片电感价值量通胀。高功耗GPUVRM相数大幅增加,以承受数百安培的瞬态电流。英伟达B200(单GPU)的核心供电通常配置18–24相,每相一颗电感,因此板上会看到20颗左右的大号磁性电感排成一列。ASIC为专用计算架构,硬件流水线固化,同面积下算力/晶体管密度远超通用GPU、CPU,单位面积功耗密度飙升,供电回路电流更大、发热更集中,并且先进制程 ASIC(3/4nm)主频、PWM 开关频率更高,对电感要求更高,并且衍生出多种供电模式,电感价值量相比GPU领域升级更快。
芯片电感壁垒高,认证周期长,竞争格局好。芯片电感最上游是粉体制造,一般由超细雾化合金粉、羰基铁粉、非晶粉等单独或混合使用,超细雾化合金粉、羰基铁粉制备具有较高壁垒,粒径大小、表面性能、一致性等要求较高。另外传统绕线电感在磁粉芯外绕铜线而成,芯片电感将采取铜铁共烧工艺提高机械强度。下游客户认证周期较长,具有较高的准入壁垒。
随着AI芯片出货增加、芯片功率上升、电感性能升级,AI芯片电感市场规模将十倍以上扩容,规模增速=芯片出货倍数×功率提升倍数×单颗价值提升倍数。
超细纳米镍粉,高端MLCC核心材料
材料决定器件性能,高端MLCC需要更细粒径纳米镍粉。
上游纳米镍粉是MLCC核心之一,壁垒高。MLCC上游原材料中,包含两类主要原材料, 一类是陶瓷粉(钛酸钡、氧化钛、钛酸镁等),另一类是内电极金属粉体(镍)与外电极金属粉体(铜)。陶瓷粉料是MLCC核心材料之一,其质量和配比对MLCC性能影响较大,目前高端陶瓷粉料技术主要由日本和美国厂商主导,国内厂商正加速突破。电极材料则包括金属电极和导电浆料,纳米镍粉、铜粉是MLCC电极重要材料,对MLCC的电性能有重要影响。
材料决定器件性能,高端MLCC需要更细粒径纳米镍粉。MLCC小型化、高容量、高频率等趋势,要求镍粉球形度好、振实密度高、电导率高、电迁移率小、对焊料的耐蚀性和耐热性好、烧结温度较高、与陶瓷介质材料的高温共烧性好等诸多细节指标。目前全球范围内电子专用高端金属粉体材料行业内生产企业数量有限,全球范围内能工业化量产MLCC用镍粉企业较少,超细纳米镍粉企业稀缺,博迁新材规模量产的-80nm级别镍粉已经达到全球顶尖水平。AI浪潮下,GPU、CPU对高算力需求迫切,小体积、大容量MLCC需求快速增长,对纳米镍粉的需求越来越细,MLCC用纳米镍粉领域迎来投资良机。

MLCC行业正持续向超薄介电层方向发展,以支持更高层数(>1000层)和更大容量(>10μF/0402封装尺寸)。介电层厚度进一步减薄至约0.4μm以下已成为行业公认的趋势,为此Ni粉粒径需相应减小至<150nm,以匹配电极均匀性、烧结行为,并降低短路或裂纹风险。目前MLCC内电极镍粉粒径主流为150-300nm,部分高端MLCC电极常用100-150nm支持均匀烧结和低粗糙度,小于100nm镍粉目前仍为最前沿技术。
AI兴起,小体积、高容值MLCC是关键,未来需求量快速增长。GPU算力需求增加,MLCC成为保障高算力设备稳定运行的关键组件。GPU、CPU的供应前段面临多路电源转变,AI服务器采用的CPU、GPU、TPU等高性能IC在进行高运算时,会瞬时发生大的电流变化,超高容MLCC将最大程度减少电压下降,快速补偿电流波动,提高电源稳定。此外,高算力设备的功耗攀升,GPU电路板上的电容数量因此激增。由于PCB板载空间有限、功率大幅提升、散热要求更高,MLCC需求走向小型化、高容值、耐高温等方向,这对制作MLCC的粉体而言,要求更细、比表面更大,以满足小体积大容量的高容值电阻的要求。
AI服务器拉动小型化、高容值MLCC需求量快速增长。与传统服务器相比,AI服务器MLCC用量显著增加,三星电机数据显示,AI服务器功率消耗是普通服务器的5~10倍,使用的MLCC用量可以达到2.8万颗/台,是普通服务器的13倍,容量达600,000μF,是传统服务器的27倍。并且,AI服务器不仅对MLCC用量更多,也要求小型化、高容值、耐高温。

AI服务器采用多GPU模块堆叠设计,PCB板空间受限且散热压力大,推动MLCC向小型化、高密度方向发展。目前0402(1005mm) 、0603(1608mm) 尺寸已成为主流,容值集中在47μF-330μF 区间。其中0402尺寸47μF、0603尺寸100μF产品适配GPU周边紧凑布局,1206尺寸220μF、1210尺寸330μF则满足电源管理模块的高储能需求。

AI服务器出货进入加速阶段,单机柜被动件用量随平台迭代抬升。TrendForce将2026年全球AI服务器出货增速由年初的20.9%上修至32.2%, 2027年再增近36%;九大云厂商2026年资本开支合计9570亿美元、同比增长106%,2027年突破1.5万亿美元。英伟达Vera Rubin平台量产交付,谷歌、亚马逊自研ASIC于2026年下半年陆续放量,算力供给由单一GPU转向GPU与ASIC并行。功耗端,Rubin单芯片TDP由B300的1400W升至2300W、提升约1.6倍,VR200 NVL72整柜功耗由GB300的135kW升至156-227kW。以GB300 NVL72单柜约44万颗MLCC为基准,按功耗近似线性放大,VR200 NVL72单柜用量约70万颗。由于高容超高容MLCC产能稀缺、壁垒更高,因此机柜中MLCC价值量提升快于数量,对应高端纳米镍粉也需求激增。2027年下半年Rubin Ultra NVL576指向600kW单柜功耗,功率提升将继续带动MLCC用量增长,以及性能继续升级下的纳米镍粉高端化需求更进一步。


投资建议:软磁材料及超细纳米镍粉已经处于相对领先地位,也是TLVR等高端AI芯片电感及超高容MLCC必备核心材料,随着AI服务器功率的不断增长,为GPU\TPU服务的芯片电感和芯片电容数量质量要求都大幅提升,根据GPU\TPU在2027年和2028年的预计出货量,芯片电感和芯片电容(mlcc)行业将出现爆发式增长。
粉末冶金及MIM成型:人形机器人零部件核心,算力硬件需求广泛
粉末冶金(Powder Metallurgy,PM)是一种先进的材料加工技术,在新材料的发展中起着举足轻重的作用。粉末冶金是制取金属粉末或用金属粉末(或金属粉末与非金属粉末的混合物)作为原料,经过成形和烧结,制造金属材料、复合材料以及各种类型制品的工艺技术。粉末冶金由于其显著的省材、高精准度、高稳定性等优点,已成为解决新材料问题的钥匙之一,在新材料的发展中起着举足轻重的作用。
粉末冶金为低损耗、低能耗、低成本工艺技术。用粉末冶金技术工艺制造机械零件较其他金属加工工艺,如铸造、锻造、机械加工等,具有更高的材料利用率,以及更低的单位能耗等比较优势。欧洲粉末冶金协会( EPMA)对粉末冶金工艺(烧结)与其他金属加工工艺,在材料利用率和单位能耗所做的对比试验结果显示,粉末冶金工艺具有材料利用率更高、单位能耗更低的优点,美国的金属粉末工业联合会( MPIF)将粉末冶金技术认定为一项“绿色技术”。
•低损耗:粉末冶金工艺材料利用率能够高达95%以上,有效防止材料浪费,一次成型可以做到无或者少量的机加工,近净成形减少了不必要的切削工艺,减少了一些削切的繁琐工艺步骤。
•低能耗:利用粉末冶金技术制造出来的零件具有节能的特点,制造同样重量的机械零件,采用粉末冶金技术至少能够节约60%的能耗。
•低成本:利用粉末冶金技术制作出来的零件,可以节约原料投入、减少装配环节、提高生产效率,实现制品的低成本控制。
•ESG:粉末冶金工艺过程中,几乎没有污染物的排放,相对于传统的工艺具有绝对的绿色环保性。粉末冶金可以实现汽车轻量化,减少汽车能耗及二氧化碳排放。

人形机器人与汽车核心零部件具有高度共通性,粉末冶金为人形机器人产业化发展提供了更经济的商业化解决方案。汽车与机器人的核心零部件,在设计逻辑、生产工艺及成本管控体系上存在高度共通性。具体来看,汽车线控制动系统所包含的电机、滚珠丝杠、传感器等核心部件,与人形机器人线性执行器的关键组件高度重合;汽车电驱动系统采用的“电机-电控-变速箱”经典结构,也与机器人旋转执行器的“电机-控制器-减速器”架构一致。基于这一产业基础,粉末冶金技术及制品具备从“汽车零部件”到“机器人零部件”的跨界优势。人形机器人进入量产阶段,粉末冶金工艺适合关节电机齿轮等零件批量制造,成本及性能优势将得以体现。进入量产阶段,粉末冶金的优势得以体现。粉末冶金产品一致性高,生产产品公差小,适合人形机器人零部件的批量生产。

MIM(Metal Injection Molding,金属粉末注射成型)是一种生产复杂精密零件的“近净成形”的先进制造技术。MIM是将金属粉末与其粘结剂的增塑混合料注射于模型中的成形方法,它将现代塑料注射成形技术引入粉末冶金领域,是近年来粉末冶金学科和工业领域中发展迅猛的一项高新技术。《国家重点支持的高新技术领域(2016)》将“高精密度金属注射成形(MIM)技术”作为重点支持的高新技术领域之一。麦肯锡2018年5月发布的《先进制造与装配调查报告》中,MIM技术在全球10大先进制造技术中排名第二。

MIM工艺具备大批量、高效率成形特点,适合生产高精度、高强度、高耐磨、高耐腐蚀、形状复杂的精密零件,成本低。它将现代塑料注射成形技术引入粉末冶金领域,结合了粉末冶金与塑料注射成形两大技术优点,突破了传统金属粉末模压成形工艺在产品形状上的限制,具有如下特点和优势:形状设计没有限制,适合形状复杂的小型零件;近净成型工艺,材料利用率高;效率高、适合大批量生产;经济性强,成本优势明显;适用于MIM的金属材料非常广泛,粉料选择性多,钛及钛合金有望继不锈钢之后成为下一代明星材料;MIM采用更细微米级细粉末,尺寸精度高、表面光洁度好。

MIM凭借其独特的精密加工、成本优势、量产效率等,有望在人形机器人、AI、穿戴设备等领域大展身手。MIM当前主要应用于消费电子,包括手机、电脑等领域,近年来,在折叠屏手机领域的折叠屏铰链应用广泛,成为最优最主流工艺,拉动了MIM市场的快速增长。未来,随着机器人和AI的兴起,MIM工艺将在机器人精密零部件、AI设备零部件、穿戴设备等领域继续大放异彩。

1)人形机器人方向:粉末冶金及MIM技术在人形机器人关键模组制作中,起到关键作用。包括轴向磁通电机、减速器(行星减速器、谐波柔轮减速器、摆线减速器)、灵巧手微型齿轮、手术机器人零配件、机器人用P&S(粉末冶金压制成形)齿轮等产品矩阵,由于粉末冶金技术工艺为少或无切屑近净成型特点,具备绿色环保优势,特别适合大批量、性状复杂的连续生产,在机器人领域,粉末冶金技术不仅赋能解决特殊材料的有无问题,而且能够赋能降低制造成本的核心诉求问题。
(a)轴向磁通电机:轴向磁通电机有潜在机会应用于机器人/机器狗关节、外骨骼机器人电机、汽车及非道路车辆轮毂及转向、二轮车驱动、智能火车轮毂发电、智慧厨房电器,及低空飞行领域等。
(b)减速器:粉末冶金工艺开发了机器人用行星减速器、谐波减速器、摆线减速器等多款不同结构的减速器,以满足不同应用场景;行星减速器经过不断优化设计和工艺改进。
(c)机器人用齿轮:机器人需要使用到各种粉末冶金齿轮,例如行星齿轮、灵巧手微型传动台阶齿轮、斜齿轮等,为粉末冶金新材料的运用拓展了新的广阔场景。
(d)灵巧手零部件:灵巧手是人形机器人最精密的部件之一,可模拟人手的各种灵巧抓取和复杂操作。随着人形机器人的逐步推广运用,灵巧手的需求量随之而增加,基于使用MIM技术生产微型齿轮具有模数小(小于0.5,甚至可达0.05)、强度高、设计自由度大、可带台阶,且近净成型成本低等优势,预计MIM产品能在灵巧手指驱动齿轮和仿生手手指连接结构件等应用场景的潜在需求前景广阔。
(e)手术机器人及微创手术电动吻合器:手术机器人钳头、铰链、连杆技术方案需采用MIM和CNC精密加工等多种工艺,相较于其他工艺,MIM工艺具备设计自由度高,MIM在复杂结构、精度、材料性能、成本效益、生产效率、一致性和轻量化方面都有优势。

2)AI 算力方向:随着AI产业快速发展,MIM金属注射成形和SMC软磁复合材料在AI领域应用优势得以体现,包括MIM制作AI高速连接器、芯片和光模块散热器、芯片电感和服务器电源电感等核心零部件,软磁材料制备AI服务器供电电感及AI芯片电感等等。
(a)高速连接器:AI服务器对高速连接器的强度和硬度,耐用性和导电性以及导热性有更高的要求,MIM技术零件在高速背板连接器有更多的使用机会,特别是在112G/224G高速连接器的外壳和内部结构,对高散热率的MIM结构件的需求将越来越大。
(b)芯片和光模块散热器及液冷:随着光模块传输速率的增加,功耗急剧增大,产生的热量也相应增多,所以光模块对于散热性能好的MIM结构件(外壳,基座及导热垫片)要求也在不断提升。例如用于光模块散热的MIM结构件,主要用于满足高端光模块复杂设计高散热需求。
(c)芯片电感和服务器电源电感:芯片电感主要分为组合式和一体式,一体式芯片电感又分为传统一体成型和铜铁共烧型两类型,在AI服务器一级供电、二级供电、三级供电领域都将体现其高功率、小型化、散热好等优势。

3)高端消费电子:MIM在生产精密零部件方面优势突出,已经在折叠屏手机铰链领域广泛应用,未来在AI眼镜、智能手表、穿戴设备等领域有非常大的潜力。
(d)折叠机铰链:随着折叠屏手机的兴起以及轻薄化趋势,折叠屏铰链设计复杂性提升,对MIM件的需求逐渐提升,MIM已经成为制作折叠机铰链最核心的工艺。
(e)AI/AR眼镜:AI眼镜正逐步从概念化走向商业化落地。MIM技术可一次性成型复杂结构的镜腿铰链和转轴,满足AI眼镜对精确阻尼感和长寿命的要求,确保佩戴稳定性和舒适性。MIM技术将在AI眼镜的轻量化、高性能设计中发挥重要作用。
(f)智能手表: MIM工艺正越来越多的渗透到智能手表,包括表壳、表壳内结构件、表带快拆件、表带、表扣等。材料也从不锈钢延伸到钛合金、铝合金、陶瓷、金属陶瓷等材料。

投资建议:中国已经成为最大的MIM市场,MIM当前主要应用于消费电子,随着人形机器人、AI终端设备、智能穿戴设备、高端消费电子、高端制造等行业发展和升级,对高精度、高复杂性、高强度等零件需求进一步提升,MIM工艺在精密、复杂、关键零部件生产中的优势将得以进一步凸显,上述领域需求高增,MIM工艺或迎来蓝海市场。

宏观政策风险,行业发展受经济形势及政策影响较大,若形势变化及政策调整或导致行业发展低于预期,相关材料需求也将低于预期;
AI快速发展,技术迭代快,带来投资机会的同时,也存在被新材料新技术所替代的风险;
行业发展不及预期的风险,AI发展带来被动元件及相关材料行业投资机会,但相关硬件出货较慢,或导致相关企业业绩不及预期;
原材料风险,新材料生产原材料价格波动或导致相关公司生产经营波动,一定程度上可能带来不利影响,此外部分原材料如钽等对外依存度较高,若供应链中断或原材料受限,或影响相关企业生产。

王介超:金属新材料首席分析师,中南大学硕士,高级工程师,一级建造师,咨询师,曾主编 GB/T18916.31,拥有《一种利用红土镍矿生产含镍铁水的方法》等多项专利,擅长金属新材料及建筑材料产业研究,上榜新财富最佳分析师,新浪财经金麒麟钢铁有色最佳分析师,wind 金牌分析师,水晶球钢铁行业第二名,上证报材料行业最佳分析师等。
覃静:金属新材料联席首席分析师,中南大学有色冶金硕士,2010-2022年从事大宗商品期货研究和策略,曾获“上期所优秀产业服务团队”、“上期所优秀分析师”。2022年加入中信建投证券研究发展部金属新材料团队,负责工业金属行业研究,擅长价格判断和标的挖掘,上榜新财富最佳分析师,新浪财经金麒麟钢铁有色最佳分析师,wind金牌分析师,水晶球钢铁行业第二名,上证报材料行业最佳分析师等。
郭衍哲:金属及金属新材料分析师,中南大学矿业工程硕士,四年产业工作经验,曾任职于专业有色咨询研究机构,覆盖有色金属及金属新材料领域研究,新财富、水晶球、金牛奖、金麒麟奖团队成员。
王晓芳:中信建投金属新材料研究员 金属新材料新财富入围团队成员 水晶球钢铁上榜分析师 wind钢铁最佳分析师 上证报最佳分析师 新浪财经金麒麟最佳分析师。周期方向覆盖黑色产业链上下游,从成材到原料一体化研究,研究维度包括股票、债券和商品。成长方向覆盖特钢金属新材料、钨钼铜铬镍等特钢添加剂。
邵三才:金属和金属新材料行业分析师,上海财经大学投资学学士/硕士,2022年加入中信建投证券研究发展部,2023/2024年新财富上榜团队成员,2023/2024年金麒麟上榜团队成员,2023/2024年上海证券报最佳分析师上榜团队成员,2024年水晶球上榜团队成员,2023/2024年Wind“金牌分析师”上榜团队成员,2024年21世纪金牌分析师上榜团队成员。
年亚颂:金属和金属新材料行业分析师,北京大学金融学硕士,先后从事过金融期权、机械设备行业研究,2026年加入中信建投证券研究发展部。
汪明宇:金属和金属新材料行业分析师,清华大学金融硕士,覆盖黑色产业链上下游,2024年新财富、水晶球、金麒麟奖团队成员。
马焱:多伦多大学学士,纽约大学理学硕士。

证券研究报告名称:《金属新材料2027年投资策略报告:金属新材料的蜕变与机遇》
对外发布时间:2026年11月10日
报告发布机构:中信建投证券股份有限公司
本报告分析师:
王介超 SAC 编号:S1440521110005
覃静 SAC 编号:S1440524080002
郭衍哲 SAC 编号:S1440524010001
王晓芳 SAC 编号:S1440520090002
邵三才 SAC 编号:S1440524070004
年亚颂 SAC 编号:S1440526030010
汪明宇 SAC 编号:S1440524010004
马焱 SAC 编号:S1440525080002







