半导体板块分化严重，哪些细分领域下半年机会显著？

1、自上周以来，半导体行业迎来“地震”，甚至出现了砍单潮，您认为这背后的原因是什么？ 历史 上的半导体行情高点领先砍单传闻半年，当砍单传闻出来，半导体行情是否是见底反d了？

目前海外经济复苏不明朗，政治局势不稳定， 国内疫情导致经济出现明显下行 ，消费者对自身收入稳定预期不明确导致不敢消费， 因此以手机为代表的的消费电子需求不振导致出现半导体景气下滑砍单行为出现 。总体半导体行情目前出现了分化局面，消费半导体大部分从去年8月见顶以来已调整接近一年，待去库存周期消化完后半导体见底概率比较大，目前还处在去库存阶段。

2、半导体并非是我国的强势产业，甚是在一些领域遇到了“卡脖子”的难题，而且短期内很多技术很难突破，您怎么看到半导体设备国产替代的进程？

成熟制程在刻蚀机、清洗机等领域已经 实现了国产替代 ，但部分高精尖的环节比如光刻机领域还是任重而道远。在先进制程如14nm及以下我们还在研发攻克阶段，目前都在晶圆厂认证和研发阶段，未看到有明显的订单。

3、芯片和医药其实都有共同点，就是细分领域很多， 科技 的产业链也很长，您比较看到哪些细分领域？未来芯片市场是否会出现分化？

设计环节看好 汽车 芯片如igbt，mcu等，设备材料环节国产替代的刚性需求较为明确，且渗透率相对设计环节不高， 未来增长空间较为确定 。未来芯片市场存在一定分化， 汽车 芯片、设备材料需求相对较好，消费类芯片库存和价格压力相对较大。

4、7月份开始中报业绩的预期将成为市场重要变量，您认为上半年 科技 企业的盈利水平如何？

Mcu igbt和设备材料环节的半导体公司业绩表现较好，和疫情影响较大的部分toB，toG的计算机公司，他们的一个 盈利压力相对来说是比较大的 ，并且一些消费电子由于整体今年的经济情况不是特别明朗，所以偏消费类的电子公司，相对来说盈利压力会比较大。

5、下半年，随着经济的复苏，您认为半导体板块下游的需求主要会集中在哪些领域？下半年半导体板块的机会如何？

经济复苏之后一方面 消费电子景气度会有所回升 ，叠加近期消费类芯片一直在去库存， 经济复苏后消费类芯片存在反转的可能性， 另一方面工控为代表的的mcu等会出现需求的回暖。下半年半导体行业我们认为继续保持结构分化，只要经济未来在不断增长，半导体行业细分投资机会还是有的。

6、近期国外某公司也是展出了人型机器人，您认为人型机器人的推出会对我们现有的生产模式带来哪些影响，利好哪些产业链？

我们认为中国人口成本红利下降， 实现工厂的无人化生产、智能化生产的趋势是明显的 ，也是未来重要的产业级别投资机会。一方面对目前国内的减速机、工业机器人、机器视觉等领域有利好刺激，另一方面对于工厂无人化、工业软件、智能制造相关的计算机公司也有望受益。

7、光伏也属于 科技 范畴，目前光伏板块价格是否已经透支了未来的预期，硅料、设备、电池片、组件等在未来是否会发生分化，您最看好那个板块？

部分公司的确存在一定程度的透支，光伏是个需要靠成本下降来推动渗透率提升的行业，部分环节 同质化相对比较严重 。未来更看好新技术的公司，如hjt技术储备相关的公司。

8、近期一些 科技 公司也是推出了新的VRAR设备，您认为VR、AR目前已经发展到了哪个阶段？未来的景气度如何？

产业已经到了快要爆发的阶段。我们非常看好vrar相关场景的应用，无论是消费场景还是工业场景。我们认为未来两年内从VR，MR到AR创新点是比较多的，并且很多 科技 巨头都在逐步切入这个行业，形成了产业趋势。 因此我们认为行业景气度是逐步向好的。

9、能否给直播间的朋友简要的展望一下下半年的投资机遇。

科技 领域我们看好三个方向， 第一是ARVR为代表的的新消费电子产业链，第二是 汽车 电子 ，未来 汽车 电动化向智能化迁移，他会带来很多新的应用，新的增量 汽车 零组件，这对相关公司的收入利润拉动效应比较明显。 第三看好智能制造包括机器人、工业软件、机器视觉等方向。

本资料所载观点为当时观点，仅供参考，不构成任何投资建议，投资人自行承担任何投资行为的风险与后果。财通资管可发表与其不同的观点或判断。

投资有风险，选择需谨慎。

目前半导体板块还是底部震荡，后市需要注意两个因素，一个是大盘走势情况另一个是半导体个股三季度的业绩情况。

由于最近指数的原因，半导体也出现了再次的回落，不过好在没有出现新低，整体的走势还是处于一个底部震荡过程中，那么半导体后市有没有行情呢？ *** 作的时候，我们需要注意什么呢？

在上次一个跳空下跌的阴线之后出现了一个中阳线上涨，然后行情，震荡回升。冲高之后呢，再次出现了一个回落的情况，目前整体就是一个震荡的行情，在指数没有出现比较好的上涨情况下，半导体想单独走强的难度是比较大的。所以，第一步还是要注意指数的情况，不过好在目前指数似乎也没有什么大的下跌空间了，而且节后以看多为主，这一点对于半导体的走势是一个向好。

在具体分析一下个股的情况。

这个半导体的持股情况，我们分析前几个。

我说这个股是个垃圾，没有人反对吧。从高点回落到现在有40多个点了，破了年线还不说，目前还继续新低，并没有出现止跌的迹象。这个股票作为半导体第一大持仓股的话，未免也太有点太拖后腿了。目前来看，诺安半导体这个基金持有的圣邦是比他强很多的。这个股票目前还没有止跌，需要继续等待。对于半导体的基金的影响是下跌的。

这个要稍微好点，因为出现了一个象征性的大阳线出现止跌。后市指数不继续新低，他的抵抗力应该会比较顽强的。这个股目前整体是二次筑底的行情，如果能走出来，那么就是双底，然后震荡上涨行情的行情了。整体对于半导体的基金影响有限，不过目前也需要放量上涨才行，不然也难以有大的行情。

这个股也是底部震荡，目前行情也是在等指数的配合，不过他没有出现大阳线，整体还有点弱，不过只要不新低，行情都还是有机会的。影响偏小，所以整体还是需要时间的。

简单的分析几个来看，目前半导体整体还处于底部震荡行情。虽然有止跌的迹象，但是个股分化还是比较严重的，一波大的行情还需要时间。目前半导体下跌的也不少了，继续大幅下跌的空间比较有限了。不过，想上去一个需要大盘的配合，另一个需要业绩的配合，这就要看这个月半导体个股的业绩情况了。如果能出现超预期的情况，那么半导体很有可能会出现一波不错的行情，去年的半导体大行情也是在一波大幅的回调之后出现了一波大行情的。

所以，目前半导体虽然止跌，但是还是底部震荡，投资的话，需要注意的是 *** 作机会和方式。以定投为主，是比较稳健的投资方式。

原子层沉积 (Atomic layer deposition，ALD) 是一种高度可控的薄膜合成工艺，可制造出只有一个原子厚的薄膜。广泛应用于计算机芯片、太阳能电池、锂电池等领域。很多企业常用 ALD 来制造半导体器件。ALD 的灵活性和多样性给确定工艺参数带来了重大挑战，但仍需要专家的直觉和耗时的反复试验来确定最佳工艺参数。

最近，来自美国能源部（DOE）阿贡国家实验室的研究人员 描述了多种基于 AI 的方法来自动优化 ALD 工艺。详细说明了每种方法的相对优势和劣势，以及可用于更有效、更经济地开发新流程的见解。

该研究以《用于优化原子层沉积的智能代理》「 Intelligent Agents for the Optimization of Atomic Layer Deposition 」为题发表在《 ACS Appl. Mater. Interfaces 》杂志上。

前沿，但也面临挑战

ALD是一种工艺，通过前驱体蒸气和基板表面之间的一系列自限反应，在基板上沉积原子厚度的均匀薄膜。ALD 可访问大量的元素和化合物目录，元素周期表中超过一半的元素在出现在ALD过程中。

ALD 擅长在复杂的 3D 表面上生长精确的纳米级薄膜，例如在硅晶片上形成图案的深而窄的沟槽，以制造当今的计算机芯片。 这促进了科学家为下一代半导体器件开发新的薄膜 ALD 材料。

然而，开发和优化这些新的 ALD 工艺是具有挑战性和劳动密集型的。研究人员必须考虑许多可以改变这一过程的不同因素，包括：分子前体之间的复杂化学反应；反应器设计、温度和压力；前驱体剂量和吹扫时间。

为了找到克服这些挑战的方法，阿贡科学家评估了 三种新型优化策略 ：(a)随机选择气体时间；(b) 基于高斯过程代理模型的贝叶斯优化 (BO)，以及 (c) 基于规则的专家系统方法，利用人类策略和物理直觉。值得注意的是， 后两种使用不同的 AI 方法，且以前从未应用于 ALD。

Table 1 列出了该研究的四种ALD 工艺模型：Al2O3 在 200 下使用三甲基铝 (TMA) 和 H2O，Al2O3 在 100 下使用 TMA 和 H2O，W 在 200 下使用六氟化钨 (WF6) 和乙硅烷 (Si2H6)，TiO2 使用钛 (IV) 异丙醇 (TTIP) 和 200 下的 H2O。

敏感性分析

在比较所有四种ALD工艺模型的三种优化策略之前， 了解关键超参数对成本函数和优化性能的影响非常重要。 可确保在平等的基础上比较优化策略。以在 200 下生产 Al2O3 薄膜为例，研究ALD 系统的效果。

专家系统方法对关键超参数的值很敏感。 首先，专家系统策略需要指定一组起始时间。尝试了多种分配初始时序的方法，包括使用统一时序（所有时序相同）和随机时序（时序在优化边界之间随机初始化）。 探索 发现统一的初步计时产生了可靠的性能。

此外， 专家系统优化策略对给定时序所采用的重复 ALD 周期数也很敏感。 相比之下， 贝叶斯优化策略对采用的重复次数相对不敏感。

优化策略比较

研究人员通过比较他们如何优化 ALD 中使用的两种前驱体的剂量和清洗时间来评估他们的三种策略。加药时间(dosage time）是指前体加入反应器的时间，而吹扫时间是指去除多余的前体和气态化学产品所需的时间。

目标： 找到可以在最短的时间内实现高且稳定的薄膜生长的条件。 科学家们还使用代表反应堆内 ALD 过程的模拟来判断他们收敛到理想时间集的速度策略。

将他们的优化方法与模拟系统联系起来，让他们能够根据优化算法生成的处理条件，在每个循环后实时测量薄膜的生长情况。

研究人员比较了四种 ALD 工艺的三种优化策略的性能。通过比较了 Al2O3 薄膜在 200 C 下0.1%和10%噪声水平下生长的优化策略性能。研究表明： 在这两个噪声水平上，贝叶斯优化的性能最好，其次是专家系统，然后是低测量噪声的随机策略，高测量噪声的反向策略。

除了考虑给定优化算法在接近一组最优 ALD 时序时的效率之外，实际考虑也很重要，例如 CVD 类型生长（如果选择了不适当的低吹扫时间），从而使反应器结垢，对 ALD 反应器安全可靠运行的影响。实验表明：专家系统方法完全避免了不受控制的生长，而随机优化策略则始终对产生过量CVD型增长的条件进行采样。贝叶斯优化方法在避免大增长率方面做得更好。

研究得出： （1)随机优化(RO)在其他两种策略的优化时间质量不确定性较大的情况下表现良好，导致处理空间 探索 过程中GPC值过高。（2）贝叶斯优化（BO）可靠，性能好，不需要超参数调优。然而，在早期和后期的循环中，BO受到GPC值过高的影响。(3) 专家系统优化 (ESO) 可靠且安全，但前驱体剂量次数过于保守。

一劳永逸 （Set it and forget it）

「所有这些算法都提供了一种更快地收敛到最佳组合的方法，你不必像今天通常那样花时间将样品放入反应器中、取出样品、进行测量等。相反，你拥有实时与反应堆连接的回路。」该研究的合著者、Argonne 首席材料科学家 Angel Yanguas-Gil 说。

这种设置还通过形成一个闭环系统使两种 AI 方法的过程自动化。

尽管存在一些弱点，但人工智能方法有效地确定了不同模拟 ALD 工艺的最佳剂量和清洗时间。 这使得这项研究成为第一批表明使用 AI 可以实时优化薄膜的研究。

研究人员表示： 在未来的工作中，除了改进现有的算法外，还希望将这些方法扩展到包括反应堆温度和前驱体分压。

「这是令人兴奋的，因为它开辟了使用这些类型的方法来快速优化实际 ALD 工艺的可能性，这一步骤可能会在未来开发新应用时为制造商节省宝贵的时间和金钱。」Jeff Elam 总结道。

---