国际投行高盛在一份最新报告中，再次对中国半导体行业投下重磅“看涨”票，这已是一个月内的第四次上调目标价。

10月5日，高盛分析师Allen Chang及其团队发布研报，将中芯国际H股目标价上调至117.0港元，A股目标价上调至211.0元人民币，同时将华虹半导体目标价大幅上调34%至117.0港元，并维持对两家公司的“买入”评级。

过去一个月里，高盛连续四次上调这两家中国领先晶圆代工厂的目标价，背后折射出国际资本对中国AI芯片生态系统的重新评估。

而引爆这一系列调整的导火索，是DeepSeek近期发布的实验性新模型DeepSeek V3.2-Exp，其API费用下降超过50%，显著降低了AI技术的应用门槛。

资本风向：高盛“四连涨”背后的逻辑演变

高盛这份最新报告并非孤立的调整，而是近期对中国半导体行业一系列乐观评估的延续。

报告指出，随着本土AI解决方案的全面发展，从模型到半导体，中芯国际和华虹半导体将成为中国领先的晶圆代工厂，并长期受益。

更为重要的是，高盛不仅上调了目标价，还全面调整了其估值模型。

对华虹半导体的目标价从87.50港元上调至117.0港元，估值基于68.8倍的2028年预期市盈率，显著高于此前的51.5倍。

同样，对中芯国际H股的目标价也从95.0港元上调至117.0港元，估值模型基于更新后的62.9倍2028年预期市盈率，旨在反映“中国半导体板块正在进行的重估”。

高盛明确表示，这种持续的价值重估反映了市场对中国半导体公司估值的整体性变化。

技术突破：DeepSeek V3.2-Exp的成本革命

DeepSeek于2025年9月29日发布的V3.2-Exp实验性模型，成为中国AI生态发展的关键转折点。

该模型首次引入DeepSeek Sparse Attention稀疏注意力机制，重点优化长文本场景下的训练与推理效率。

最直接的效果是成本的大幅降低。

根据DeepSeek官方公告，其API输入成本已降至每百万token 0.2-2元人民币，输出成本为每百万token 3元人民币，降幅超过50%。

DeepSeek Sparse Attention机制通过“Lightning Indexer”动态计算查询token与历史token的关联分数，再通过“Top-k Selector”选择top-k个token进行注意力计算，将注意力计算复杂度从O(L²)降至O(Lk)。

这一技术突破使得在128K长上下文处理中，推理效率显著提升，同时保持了模型输出质量的稳定。

生态协同：从模型到芯片的快速适配

中国本土AI生态系统展现出强大的协同效应，这也是高盛看好中国半导体行业的重要原因之一。

在DeepSeek新模型发布后，包括寒武纪、华为昇腾和海光信息在内的本土芯片供应商迅速宣布，其产品已完成对DeepSeek V3.2-Exp的适配。

这种芯片供应商与模型开发者之间的紧密合作，形成了一个快速迭代的开发闭环，确保了芯片算力得到最优化利用。

同时，AI服务器供应商，如华为和阿里巴巴，正在通过其SuperPod等技术，开发更高效的网络能力，以便在AI训练中连接和利用更多芯片，弥补单颗芯片的算力限制。

华为云已完成对DeepSeek-V3.2-Exp模型的适配工作，最大可支持160K长序列上下文长度。

寒武纪也同步开源了大模型推理引擎vLLM-MLU源代码，进一步推动整个生态的协同发展。

需求爆发：成熟制程的意外春天

尽管中芯国际和华虹半导体的核心产能集中于成熟制程，而非最先进的AI GPU或ASIC，但高盛认为，两家公司仍将从AI驱动的需求增长中获得长期发展动力。

AI的普及将带动一系列外围芯片需求的增加。

这包括用于数据中心的电源管理芯片（PMIC），以及用于各类AI设备的蓝牙/WiFi、图像传感器（CIS）、射频（RF）和微控制器（MCU）等。

这些芯片大多采用成熟制程，正是两大晶圆厂的业务核心。

为应对日益增长的需求，两家公司均在稳步扩张产能并进行技术升级。

高盛指出，中芯国际正在扩大其7纳米/14纳米产能，而华虹半导体则已宣布计划在其下一座晶圆厂中迁移至28纳米，并可能在未来进一步推进技术。

全球视野：中国芯片的差异化竞争

在全球AI芯片竞争白热化的背景下，中国芯片产业正在走出一条差异化竞争路线。

根据Counterpoint最新的《2025年第二季全球智慧型手机SoC出货与预测追蹤》报告，2025年具GenAI功能的智慧型手机SoC将占全球出货量的35%，年增约74%。

这一趋势在中国市场尤为明显。

高盛的报告暗示，中国半导体行业的发展策略并非直接与英伟达、AMD等国际巨头在高端AI芯片领域正面竞争，而是抓住AI普及带来的全产业链需求机会。

特别是在AI推理需求爆发的背景下，中国芯片产业有着独特的优势。

随着智能体AI的普及，推理计算量实现了量级突破，智能体AI计算量是传统聊天机器人的100-1000倍，这为各类芯片提供了广阔的应用场景