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 邵三才 年亚颂 马焱
美元信用周期叠加康波周期（科技）支撑有色金属价格大幅上行。但本轮有色周期亦有其不同以往的显著特征：第一，源于供给刚性和需求韧性，本轮有色周期性大幅减弱，盈利稳定性大幅提高，权益资产估值应提升。第二，源于科技需求爆发，小金属本轮弹性极大，具备全球竞争力的新材料企业迎来爆发增长。当前时点除了贵金属和工业金属外要重点关注新质生产力元素尤其是铼、铀、锡、镍等，同时要重视具备全球细分领域竞争力的新材料企业，如AI芯片电感、AI芯片电容领域以及MIM和粉冶工艺在机器人的爆发带来的投资机遇等。
金属新材料：AI及机器人新材料投资机会
电容：AI用MLCC国产化高端化与AI需求的双重驱动
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的供应前端面临多路电源转变，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。
根据Trend Force统计，2025年AI服务器将达到约214.5万台，年增约24.1%，2026年预计年增长20.9%；英伟达26年1月5日已推出最新的Vera Rubin人工智能平台，谷歌、亚马逊等AI巨头也正加速自研ASIC芯片（集成芯片）部署。预计英伟达下一代Vera Rubin NVL72平台相对于GB300 NVL72单芯片功耗增加约1.6倍，以GB300 NVL72机架约44万颗MLCC为基准，若假设Vera Rubin NVL72单芯片功耗较GB300提升约1.6倍，且机架形态与电源架构保持一致，则MLCC用量可按功耗近似线性放大测算，预计Vera Rubin NVL72单机架MLCC需求约为70万颗左右。
电动化、智能化发展带动MLCC单位用量增加，纯电车MLCC单车用量是传统燃油车用量6倍。汽车被称作MLCC的集合体，据村田预测数据，燃油汽车MLCC用量约为3000颗，混合动力汽车用量大约为1.2万颗/辆，纯电动汽车则提升至1.8万颗/辆，约为普通内燃机汽车的6倍，且新能源车用MLCC以高端型号为主，部分高端车型对MLCC的用量甚至达到3万颗/辆，随着未来智驾渗透率的提升，MLCC用量还会继续增加。
汽车电动化、智能化支撑MLCC汽车领域需求增量，2030年有望突破万亿颗。新能源汽车MLCC用量较传统燃油车呈翻倍式增长，对MLCC需求量的增加明显，据集微咨询预计，全球车规级MLCC用量将于2025年增长至约6500亿颗，是2021年用量的1.6倍。按照纯电动车单车用量1.8万颗、混动单车1.2万颗、传统燃油车单车3000颗估算，2025年全球车规MLCC用量约5900亿颗，2030年有望超过万亿颗，年均复合增速超过13%，其中超8成来自新能源车，车辆的智能化、智驾化水平提升将不断提升单车MLCC用量。
辅助驾驶将大幅提升单车MLCC用量。辅助驾驶等级提升是推动汽车MLCC需求增长的核心结构性因素。尽管不同车型之间在具体用量上存在差异，但从电子架构演进趋势判断，L2级及以上车型中高密度计算与电源模块的普及，已使MLCC单车用量呈现显著跃升态势。高级别系统不仅用量增加，对单颗MLCC的性能要求也剧增，需要更多小型化、高容值、低ESL的产品来应对高功耗芯片的高频噪声。2026年1月5日，英伟达宣布发布全球首款具备思考与推理能力的自动驾驶AI，强力推动自动驾驶技术向高阶智能阶段演进。该技术带来相关设备的功耗、算力与集成度需求大幅提升，倒逼MLCC加速技术迭代，持续突破“小体积、高性能、高可靠性”的技术极限。
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。
电感：AI芯片电感市场迎来三重通胀扩容
电感为三大被动元件之一，是电子行业基石。电感（Inductor），又称线圈、扼流器、电抗器等，是一种将电能转化为磁能并储存的被动电子元件；当电流通过电感器的线圈时会产生磁场，通过磁场储存能量。电感在电力传输与信号滤波等领域发挥巨大作用，与电容、电阻并称为三大被动元件。
电感具备“通直阻交”的特性，下游应用广泛。在直流电路中相当于导线，在交流电路中则会产生持续的自感电动势；交流信号的频率越高，电感对电流的阻碍作用越大。利用电感这一特性，可以实现滤波、储能、调谐/选频、生成反向电压、抑制电磁波干扰等效果，进而广泛应用于下游的电源管理、信号处理、通信、汽车电子、消费电子等多个领域。
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。
谷歌激起竞争加剧，TPU性能快速迭代提升。谷歌TPU芯片是其AI加速基础设施的核心，已在十年内持续迭代演进至第7代。TPU被广泛部署于谷歌数据中心，通过TPU Pod实现集群化互联，形成AI超级计算平台，支撑包括Gemini等在内的大模型训练。2016年推出的TPUv1提供了AlphaGo的重要算力支撑，而后谷歌持续迭代优化其芯片性能，2021年推出的TPU v4的性能比TPU v3高2.1倍，性能功耗比提高2.7倍。TPU v5将通信网络升级成更高带宽的ICI（inter-chip interconnect），浮点与bfloat16混合精度进一步优化，使得同规模训练任务相比v4继续获得2倍左右的集群训练吞吐提升。
多家大厂入局ASIC，竞争加剧。北美四大云服务提供商（CSP）加速自研ASIC芯片，平均每1-2年就会推出升级版本，旨在降低对英伟达、AMD等通用GPU的依赖，同时控制成本，改善运营支出。AWS自2018年开始布局自研芯片，推出了推理专用芯片Inferentia和大规模训练芯片Trainium，广泛部署于Amazon EC2实例中，支持从语音识别、机器翻译到生成式AI的多种应用场景。Meta自研的AI加速芯片MTIA（Meta Training and Inference Accelerator）是其高效AI基础设施的关键组成部分，专为推荐算法和推理任务设计，第二代MTIA芯片广泛应用于Facebook、Instagram等平台的广告排序和内容推荐。微软于2023年11月发布了首款AI芯片Maia 100，采用台积电5nm制程，显著加快了模型训练和推理的速度，主要用于支持微软Copilot或Azure OpenAI Service等服务。
AI带动GPU/ASIC等芯片性能功耗双提升，催生新供电方案。板侧供电仍是目前主流芯片供电模式，主要是因为其仍具备技术成熟（基于传统PCB走线，工艺成熟，设计验证流程完善，EDA工具支持广泛）、成本可控（不依赖先进封装或背面工艺，制造良率高，适合大规模量产）等优势。但展望未来，板侧供电长电流路径、扩展性差、空间占用大的缺点制约了其进一步发展空间，垂直供电具备节约面积、减少PDN损耗、降低EMI等诸多优势，有望成为继板侧供电后的新一代CPU/GPU芯片大电流负载供电方案。
垂直供电PDN损耗更少、扩展性更强，头部厂商均开始前瞻方案预研。为了克服板侧供电的瓶颈，行业正开始进行垂直供电的方案预研，相较板侧供电，垂直供电主要优势如下：
缩短路径：电源直接从芯片背面引入，取消传统引线和引脚，供电路径缩短至微米级，显著降低阻抗；
解耦信号与电源：信号与电源分置主板两侧，减少布线冲突，给晶体管密度提升留下更大空间；
热源排布更均匀：将电感放置在板下，虽然在当前散热方案下不接触冷板、直接解热能力下降，但与芯片的热源距离更远；随着热管理发展，未来亦可能引入双面冷却或其它方案，进一步缓解高功率密度的热量；
提高功率扩展性：提高总供电功率，在不增加主板面积的基础上能更易适配未来的高功率芯片。
NVIDIA、Meta、Google的下一代机柜方案都在做垂直供电技术储备。垂直供电有望成为未来新一代供电方案。但展望未来，板侧供电长电流路径、扩展性差、空间占用大的缺点制约了其进一步发展空间，垂直供电具备节约面积、减少PDN损耗、降低EMI等诸多优势，有望成为继板侧供电后的新一代CPU/GPU芯片大电流负载供电方案。
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。
磁芯材料决定电感性能，原料-器件一体化企业优势突出。电感原材料包括金属磁性粉末（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，磁芯材料的选择将建立在使最关键的或最主要的参数方面获得最好的特性和在其他参数方面也获得可接受特性折中的基础之上。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。
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。
投资建议：AI芯片电感和芯片电容（三次供电）是我们近几年挖掘的非常重要的投资方向，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，可能再现光模块增长奇迹。
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，减少了一些切削的繁琐工艺步骤。
•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得以其独特的精密加工、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、形状复杂的连续生产，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：手术机器人目前已成为外科医生的重要赋能工具。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的发展使得数据量爆发式增长，以太网等网络速度不断提升，这促使高速连接器必须朝更高传输速度和更高密度的方向发展，以满足AI系统高带宽数据传输需求。传输速率要不断提升，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： MIM是折叠屏手机铰链零部件制造核心工艺。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：随着人工智能（AI）与增强现实（AR）技术的快速发展，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技术凭借其在复杂结构成型、高精度制造和材料适应性方面的优势，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：智能手表与AI技术的结合正在推动行业的快速发展，未来智能手表将在健康监测、独立通信、人机交互等方面实现更多突破，市场前景广阔。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： 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，具备大批量、高效率成形特点，是生产高精度、高强度、高耐磨、高耐腐蚀、高复杂形状金属零件的低成本解决方案，是国家重点支持的高新技术领域之一。中国已经成为最大的MIM市场，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。随着机器人和算力硬件的发展，粉末冶金和MIM工艺极其适配这些应用场景，且可以大幅降低成本，行业有望迎来爆发式增长。
1、全球经济大幅度衰退，消费断崖式萎缩。世界银行在最新发布的《全球经济展望》中将2026年全球经济增长预期从原先的2.3%上调至2.6%，但近年经济增长已呈放缓趋势，若全球经济陷入深度衰退，将对有色金属的消费形成巨大冲击。
2、美国通胀失控，美联储货币收紧超预期，强势美元压制权益资产价格。美国无法有效控制通胀，持续加息。美联储已经进行了大幅度的连续加息，但是服务类特别是租金、工资都显得有粘性制约了通胀的回落。美联储若维持高强度加息，对以美元计价的有色金属是不利的。
3、国内新能源板块消费增速不及预期，地产板块消费持续低迷。尽管地产销售端的政策已经不同程度放开，但是居民购买意愿不足，地产企业的债务风险化解进展不顺利。若销售持续未有改善，后期地产竣工端会面临失速风险，对国内部分有色金属消费不利。
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：中信建投证券金属和金属新材料研究员，一级建造师，有色期货研究10年，大类资产配置商品策略分析2年。曾任国内头部期货公司有色研究负责人，为国内多家上市企业提供风险管理指导，善于供需与宏观结合，兼顾卖方系统研究与买方战略布局，挖掘行业投资机会，曾获“上期所最佳产业分析师”。
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。
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。
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：《有色金属2026年中期投资策略报告：科技与稀缺共振：战略金属及新材料迎强成长》
对外发布时间：2026年5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
SFC 编号:BWC080
郭衍哲 SAC 编号:S1440524010001
邵三才 SAC 编号:S1440524070004
年亚颂 SAC 编号:S1440526030010
马焱 SAC 编号:S1440525080002
免责声明：本站内容来源于互联网公开信息，仅供学习和参考使用。如涉及版权问题，请联系我们，我们将在核实后第一时间删除相关内容。